Hadoop Spark Hive Mysql Ubuntu

在Ubuntu系统下伪分布式安装Hadoop，Spark和Hive

Hadoop, Spark, Mysql, Hive

Posted by HC on March 26, 2018

入坑前的准备工作

0. 安装所需文件

  1. Hadoop-3.0.0.tar.gz
  2. Scala-2.12.5.tar.gz
  3. Spark-2.3.0.tar.gz
  4. Hive-2.3.2.tar.gz
  5. Java 1.8.0_162.tar.gz
  6. mysql-connector-java-5.1.46.jar

1. 安装Hadoop

1.1 安装jdk

解压下载好的jdk，放置在你想放的目录下。然后编辑/etc/profile，配置环境变量。

tar -zxvf $YOUR_JDK_FILE -C $OUTPUT_PATH
sudo vim /etc/profile
	# 添加下面的环境变量
	export JAVA_HOME=/usr/local/jdk1.8.0_162
	export JRE_HOME=$JAVA_HOME/jre
	export CLASS_PATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
	export PATH=$PATH:$JAVA_HOME/bin
source /etc/profile

执行完了之后，可以输入java -version试一试。注意的是，强烈推荐不要用java 10，好像java 10和hadoop 3.0.0有兼容问题。

1.2 设置SSH免密码登录

安装SSH

sudo apt-get install openssh-server

用ssh生成自己的密钥对。这里我采用了dsa的加密方式

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

如果需要配置分布式环境，则需要每个节点都生成一份密钥对。然后将NameNode的公钥复制到各个节点上。并且把他追加到authorized_keys中。

1.3 Hadoop安装与配置

解压hadoop的压缩包到你喜欢的地方。添加环境变量

tar -zxvf $YOUR_HADOOP_FILE -C $HADOOP_OUTPUT_PATH
sudo vim /etc/profile
	# 添加
	export HADOOP_HOME=/usr/local/hadoop-3.0.0
	export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin
source /etc/profile

接下来，需要对Hadoop对相关配置。配置文件在hadoop文件夹下的etc/hadoop子文件夹中，需要配置的文件有hadoop-env.sh, hdfs-site.xml, core-site.xml, mapred-site.xml和yarn-site.xml。我们需要在hadoop-env.sh文件中加入JAVA_HOME的信息：

export JAVA_HOME=$YOUR_JAVA_HOME

在hdfs-site.xml文件中添加一下信息。我的HADOOP_HOME是/usr/local/hadoop-3.0.0/。确保HADOOP_HOME下存在hdfs/name和hdfs/data两个文件夹，否则自行新建

<configuration>
<property>
	<name>dfs.replication</name>
	<value>1</value>
</property>
<property>
    <name>dfs.permissions</name>
    <value>false</value>
</property>
<property>  
    <name>dfs.namenode.name.dir</name>  
    <value>file:///usr/local/hadoop-3.0.0/hdfs/name</value>  
</property> 
<property>  
     <name>dfs.datanode.data.dir</name>  
     <value>file:///usr/local/hadoop-3.0.0/hdfs/data</value>  
</property>  
<property>  
	<name>dfs.namenode.secondary.http-address</name>  
	<value>localhost:9001</value>  
</property>  
</configuration>

在core-site.xml中加入下面的信息。同样保证HADOOP_HOME下，存在tmp文件夹

<configuration>
<property>  
	<name>fs.defaultFS</name>   
	<value>hdfs://localhost:9000</value>  
</property>       
<property>  
	<name>hadoop.tmp.dir</name>
	<value>file:///usr/local/hadoop-3.0.0/tmp</value>  
</property> 
</configuration>

mapred-site.xml文件中加入

<configuration>
<property>
	<name>mapreduce.framework.name</name>
	<value>yarn</value>
</property>
<property>
	<name>yarn.app.mapreduce.am.env</name>
	<value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.0.0</value>
</property>
<property>
	<name>mapreduce.map.env</name>
	<value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.0.0</value>
</property>
<property>
	<name>mapreduce.reduce.env</name>
	<value>HADOOP_MAPRED_HOME=/usr/local/hadoop-3.0.0</value>
</property>
</configuration>

yarn-site.xml

<configuration>
<property>
	<name>yarn.nodemanager.aux-services</name>
	<value>mapreduce_shuffle</value>
</property>
<property>  
	<name>yarn.nodemanager.vmem-check-enabled</name>  
	<value>false</value>  
</property>  
</configuration>

1.4 格式化

执行格式化命令，以初始化HDFS。

hdfs namenode -format

当输出succeessfully formatted就表示格式化成功了。

1.5 运行Hadoop

sbin/start-all.sh

1.6 验证

  1. 在终端输入jps命令，查看运行后台
  2. 访问web端：
    1. localhost:9870
    2. localhost:8088

2. 安装Spark

2.1 安装Scala

Scala的安装和java的安装类似。解压，添加环境变量就行

tar -zxvf $SCALA_FILE -C $YOUR_OUTPUT_PATH
sudo vim /etc/profile
	# 添加
	export SCALA_HOME=/usr/local/scala-2.12.5
	export PATH=$PATH:$JAVA_HOME/bin:$SCALA_HOME/bin:$HADOOP_HOME/bin
source /etc/profile

执行完毕之后，可以在shell中输入scala，运行scala

2.2 安装Spark

解压spark，添加环境变量

tar -zxvf $SPARK_FILE -C $YOUR_OUTPUT_PATH
sudo vim /etc/profile
	# 添加
	export SPARK_HOME=/usr/local/spark-2.3.0-bin-hadoop2.7
	export PATH=$PATH:$JAVA_HOME/bin:$SCALA_HOME/bin:$HADOOP_HOME/bin:$SPARK_HOME/bin
source /etc/profile

修改spark文件夹下的conf文件夹下的配置文件。在spark-env.sh中添加

export JAVA_HOME=/usr/local/jdk1.8.0_162
export SCALA_HOME=/usr/local/scala-2.12.5
export HADOOP_HOME=/usr/local/hadoop-3.0.0
export HADOOP_CONF_DIR=/usr/local/hadoop-3.0.0/etc/hadoop

2.3 验证安装

  1. 在终端中输入spark-shell
  2. 在web端查看：localhost:8080

3. 安装Hive

3.1 安装Mysql

Hive内置了一个derby数据库来存储元数据。但是derby肯定没有mysql好用，而且mysql支持远程访问。所以这里先安装mysql，然后将mysql和hive整合。mysql在ubuntu下的安装很简单：

sudo apt-get install mysql-server mysql-client libmysqlclient-dev

安装过程中注意设置root用户的密码。安装完毕之后，输入mysql -u root -p进入mysql中。我们还需要设置mysql的远程访问：打开mysqld.cnf文件，注释掉bind-address=127.0.0.1

sudo vim /etc/mysql/mysql.conf.d/mysqld.cnf

3.2 配置Hive

解压hive，添加环境变量：

tar -zxvf $HIVE_FILE -C $YOUR_OUTPUT_PATH
sudo vim /etc/profile
	# 添加
	export HIVE_HOME=/usr/local/apache-hive-2.3.2-bin
	export PATH=$PATH:$JAVA_HOME/bin:$SCALA_HOME/bin:$HADOOP_HOME/bin:$HIVE_HOME/bin:$SPARK_HOME/bin
source /etc/profile

为了建立mysql和hive的链接，还需要把mysql-connector-java.jar放在hive下的lib目录之中。然后修改conf文件夹下的配置文件：hive-site.xml (也就会hive-default.xml，注意重命名)和hive-env.sh。

添加下面的信息到hive-env.sh文件

# Set HADOOP_HOME to point to a specific hadoop install directory
export HADOOP_HOME=/usr/local/hadoop-3.0.0

# Hive Configuration Directory can be controlled by:
export HIVE_CONF_DIR=/usr/local/apache-hive-2.3.2-bin/conf

# Folder containing extra libraries required for hive compilation/execution can be controlled by:
export HIVE_AUX_JARS_PATH=/usr/local/apache-hive-2.3.2-bin/lib

添加mysql的信息。在hive-site.xml文件中的响应地方，修改为如下内容

<property>
　　<name>javax.jdo.option.ConnectionURL</name>
　　<value>jdbc:mysql://master:3306/hive?createDatabaseIfNotExist=true</value>
</property>
<property>
　　<name>javax.jdo.option.ConnectionDriverName</name>
　　<value>com.mysql.jdbc.Driver</value>
</property>
<property>
　　<name>javax.jdo.option.ConnectionUserName</name>
　　<value>root</value>
</property>
<property>
　　<name>javax.jdo.option.ConnectionPassword</name>
　　<value>1234</value>
</property>

然后将hive-site.xml文件中的${system:java.io.tmpdir}替换为响应的路径。比如我替换为/usr/local/apache-hive-2.3.2-bin/tmp。这里的tmp目录是我新建的。然后替换hive-site.xml文件中的${system:user.name}。这里我单纯的删掉了system:，所以替换为${user.name}。如果不进行替换，程序会报错：

Exception in thread "main"java.lang.RuntimeException: 
java.lang.IllegalArgumentException:java.net.URISyntaxException: Relative path in absolute URI:${system:java.io.tmpdir%7D/$%7Bsystem:user.name%7D

3.3 验证安装

  1. shell中执行hive，进入hive 命令行接口CLI。
  2. 也可以在shell中输入hiveserver2，hiveserver2用于处理client端查询任务的hive服务
    1. 然后在另一个shell中输入beeline -u jdbc:hive2:\\或者beeline -u jdbc:hive2://localhost:10000。beeline是一个基于SQLLine CLI开发的JDBC客户端，用于和hiveserver2交互。
    2. 或者进入web界面，http://localhost:10002

4. Hive on Spark

Hive原生是通过mapreduce来执行的，Hive on Spark将执行器改为spark执行。根据Hive的官网显示，Hive 2.3.x和Spark 2.0.0版本比较兼容，其他版本的Spark没有进行测试。本文采用的Spark是2.3版本的，目前暂时没有出现兼容问题。

Hive on Spark的配置比较简单。

  1. 首先将Spark的相关jar包以及Scala的相关jar包（这些jar包能在spark/scala的安装路径的lib或者jars文件夹下找到），拷贝至Hive的lib文件夹下

    cd /usr/local/scala-2.12.5/lib
sudo mv scala-library /usr/local/apache-hive-2.3.2-bin/lib
cd /usr/local/spark-2.3.0-bin-hadoop2.7/jars
sudo mv spark-network-common_2.11-2.3.0.jar spark-core_2.11-2.3.0.jar /usr/local/apache-hive-2.3.2-bin/lib

  2. 修改hive的相关配置

    1. 临时修改：每次启动hive cli的时候，需要重新设置才能生效。

      在hive cli中设置相关配置项：

      set hive.execution.engine=spark;
set spark.master=localhost;
set spark.eventLog.enabled=true;
set spark.eventLog.dir=/usr/local/spark-2.3.0-bin-hadoop2.7/logs;
set spark.executor.memory=512m;             
set spark.serializer=org.apache.spark.serializer.KryoSerializer;

      当然，上面的语句也可以写在一个.sql文件中，比如sparksetting.sql。每次通过命令hive -i sparksetting.sql来启动hive cli。启动的时候会自动的执行sparksetting文件。

    2. 永久修改：

      在hive-conf.xml文件中修改hive.execution.engine项为spark。对于其他项，可以写在spark-default.conf文件中，然后将文件放在hive的classpath里，或者也可以直接修改hive-conf.xml文件。

CATALOG
    FEATURED TAGS
    Ubuntu Others Machine Learning Hadoop Hive Reinforcement Learning MDP Policy 唠叨 Optimization in machine learning
    FRIENDS