岭师大数据技术原理与应用-第二章-环境部署-软工版

HeZaoCha-CSDN博客

环境部署

  • 一、安装包的传输与解压
    • [1. XFTP 传输文件](#1. XFTP 传输文件)
    • [2. XTerminal 传输文件](#2. XTerminal 传输文件)
    • [3. 解压安装包](#3. 解压安装包)
  • 二、配置环境变量
    • [1. JAVA_HOME](#1. JAVA_HOME)
    • [2. HADOOP_HOME](#2. HADOOP_HOME)
    • [3. HBASE_HOME](#3. HBASE_HOME)
    • [4. HIVE_HOME](#4. HIVE_HOME)
    • [5. 加载环境变量](#5. 加载环境变量)
    • [6. 卸载原有 jdk](#6. 卸载原有 jdk)
    • [7. 总结](#7. 总结)
  • 三、安装部署
    • [1. MySQL](#1. MySQL)
    • [2. Hadoop](#2. Hadoop)
      • [(1) hadoop.env.sh](#(1) hadoop.env.sh)
      • [(2) core-site.xml](#(2) core-site.xml)
      • [(3) hdfs-site.xml](#(3) hdfs-site.xml)
      • [(4) mapred-site.xml](#(4) mapred-site.xml)
      • [(5) yarn-site.xml](#(5) yarn-site.xml)
      • [(6) workers](#(6) workers)
      • [(7) 启动集群](#(7) 启动集群)
    • [3. HBase](#3. HBase)
    • [4. Hive](#4. Hive)
      • [(1) hive-env.sh](#(1) hive-env.sh)
      • [(2) hive-site.xml](#(2) hive-site.xml)
      • [(3) jdbc](#(3) jdbc)
      • [(4) Hive 启停](#(4) Hive 启停)
    • 四、总结

这一篇会带大家写部署环境的环境变量,配置文档,还有一些库包的清理删除问题;尽量让大家在部署的过程中更加舒适

一、安装包的传输与解压

这部分我们会用到 XFTP 或者 XTerminal,鉴于也不知道大家喜欢使用哪个,我就都写一下,当然,要是爱用 scp 进行文件传输的我也不拦着,毕竟大家都有自己的想法嘛不是。

1. XFTP 传输文件

  1. 首先,我们还是先打开 XFTP,然后连接上虚拟机,然后我们先在本机找到需要传输的目录路径,可以在上方地址栏输入路径,也可以点击打开目录

  2. 同理,我们在右边也是相同的操作,不过是虚拟机中存放这些安装包的目录路径,当然各位同学可以自行设置哪个目录,这都是不影响的。

  3. 然后我们选择左边我们需要传输过去的安装包,然后拖动到右边即可进行传输

  4. 传输完成后,会如下图显示,右边的目录就会有传输过去的压缩包,不用担心格式问题。

  5. 最后我们也可以在终端中可以使用 ls 指令查看该目录下是否有压缩包,如下图所示,说明我们成功了,这个路径的话,大家如果对 Linux 还有印象的话,应该是知道这个的,因为我的操作是在用户目录下,也就是 /home/用户名/ 这个目录下,所以我可以直接查找该目录下存在的目录。

2. XTerminal 传输文件

  1. 首先,打开 XTerminal,然后连接虚拟机,左边应该会有文件树结构的,如果没有可以参照下图,在右下角打开。

  2. 然后在左边的文件管理中选择放安装包的目录,记得要点击该目录,燃火左上角的栏目中最右边有个上传按钮,点击并选择 上传文件

  3. 选择要上传的文件,然后点击打开即可

  4. 传输过程会在右边显示

  5. 传输完成后右边会显示传输完成提示,也可以使用命令行进行查看

3. 解压安装包

关于解压这部分,我们会用到 tar 指令,如果有不清楚的也没关系,跟着走就可以了;我们得先想好我们需要将安装包解压到哪个目录中,这个没那么多讲究,要是想各个用户都可以使用,那么就解压到大家都有权限的目录中区中去,比如 /usr/local,这我选择直接在用户目录下新建一个目录进行解压存储。

  1. 新建一个目录用于存储软件

    bash 复制代码
    mkdir softwares # 新建一个名为 softwares 的目录

    如果操作没有问题的话,应该是不会有任何提示出现的,Linux 的优秀之处,没有报错那就是对的

  2. 解压 jdk-8u401-linux-x64.tar.gz,解压编程语言的解释器编译器这方面,我是会另建一个目录的,以防止使用的时候有冲突,所以我们先在 softwares 目录下再新建一个 jvm 目录来存放 jdk 的解压文档;解压的时候会有时间,但是因为没有提示,所以看起来像断开连接一样,所以如果想要进度条只能自己写脚本,但是可以加个 -v 来查看解压了什么文件,也算另一种方式查看进度条了。tar 命令后面的 -C 是为了指定解压到某一目录

    bash 复制代码
    mkdir softwares/jvm # 在 softwares 目录下新建 jvm 目录
    tar -zxf Downloads/jdk-8u401-linux-x64.tar.gz -C softwares/jvm/ # 解压 jdk 到 jvm 目录下(注意,这里不会显示进度和解压的文件,如果需要查看解压了什么文件,请将 -zxf 改为 -zxvf)
  3. 解压 hadoop-3.3.6.tar.gz,关于同一类的文件我也会新建一个目录的,就比如 JetBrains 系列的工具会新建一个 jetbrains 目录来存储,不直接在 softwares 目录下面,同理,大数据的核心组件基本都是 apache 的工具,所以这里我也新建一个名为 apache 目录

    bash 复制代码
    mkdir softwares/apache # 在 softwares 目录下新建 apache 目录
    tar -zxf Downloads/hadoop-3.3.6.tar.gz -C softwares/apache/ # 解压 hadoop-3.3.6
  4. 解压 hbase-2.4.17-bin.tar.gz

    bash 复制代码
    tar -zxf Downloads/hbase-2.4.17-bin.tar.gz -C softwares/apache/ # 解压 hbase-2.4.17
  5. 解压 apache-hive-3.1.3-bin.tar.gz

    bash 复制代码
    tar -zxf Downloads/apache-hive-3.1.3-bin.tar.gz -C softwares/apache/ # 解压 hive-3.1.3
  6. 解压 MySQL 系列包,这个会有一点复杂,因为 MySQL 是直接把离线的所有包下载下来了,所以就算是解压了 tar 包,还会有很多个 rpm 包,为什么不直接找可用包,因为感觉还是 rpm 安装起来比较简单,所以我们先在 Downloads 目录下新建一个名为 mysql 的文件夹,然后将 mysql-8.2.0-1.el7.x86_64.rpm-bundle.tar 解压到那里去,这里命令会有一些变化

    bash 复制代码
    mkdir Downloads/mysql # 在 Downloads 目录下新建 mysql 目录
    tar -xf Downloads/mysql-8.2.0-1.el7.x86_64.rpm-bundle.tar -C Downloads/mysql # 将 mysql 的 rpm 包解压到 mysql 目录中

到这,我们解压的部分就已经完成了,下面我们会进行一些安装配置,当然如果出现问题的话,大家也可以私信我私信老师或者上网搜索,能解决问题的都是好办法各位说对吧。

二、配置环境变量

这部分会先配置一定的环境变量,当然是用户级的,也就是当前用户才生效,这部分不会涉及配置文件的修改,所以大家要是已经做好了这一部分,可以直接跳过然后进入下一部分。

配置环境变量一共有两个文件,在 CentOS 里面是 .bashrc 和 .bash_profile,当然不同的系统会有不同的名称,但是大差不差,各位有兴趣可以自行了解。下面是使用 vim 编辑器编辑 .bash_profile 的指令,这里我在路径最前面使用了 ~/ 这是为了保证是打开用户目录下的 .bash_profile 文件,因为如果在其他目录下直接查找应该是没有该文件的。

bash 复制代码
vim ~/.bash_profile # 使用 vim 打开 用户目录下的 .bash_profile 文件

打开它是为了修改里面的内容,添加环境变量,下面我们正式开始配置。

1. JAVA_HOME

配置 jdk 的环境变量,众所周知,如果你要运行该程序,就需要找得到该程序的执行文件,才能运行,那么问题来了,计算机如何寻找到执行文件呢,这就需要环境变量来帮忙了,当然,能找到执行文件的环境变量只有一个,就是 PATH,所以请不要胡乱配置,这个毕竟还是有点说法的,首先,我们需要使用 vim 等编辑工具打开当前用户目录下的 .bash_profile 文件,然后在里面添加环境变量,不用太明白,看下面就好,有兴趣自己了解学习。注意各位的 JAVA_HOME 路径,这个大概率跟我是不一样的,所以请大家先确认自己的路径再配置 ,这里的 ${HOME} 是指代当前用户目录,所以如果大家跟我的步骤一样的话,这里也是可以直接复制黏贴的,哪怕我们的用户名不一样。

bash 复制代码
# JAVA_PATH
export JAVA_HOME=${HOME}/softwares/jvm/jdk1.8.0_401 # 设置 JAVA_HOME
export JRE_HOME=${JAVA_HOME}/jre # 设置 JRE_HOME
export PATH=${PATH}:${JAVA_HOME}/bin:${JRE_HOME}/bin # 添加进 PATH 变量

然后文件就会如上图所示的样子,前面有带 # 的都是注释哈,各位可以酌情添加,主要目的就是为了看懂

2. HADOOP_HOME

Hadoop 的环境变量也类似,不一样的是,它的目录下面会有两个执行文件目录,bin 和 sbin,如下图所示

所以我们添加 PATH 的时候需要添加两个路径进去,问题不大,照着下面抄作业就好

bash 复制代码
# HADOOP_PATH
export HADOOP_HOME=${HOME}/softwares/apache/hadoop-3.3.6 # 设置 HADOOP_HOME
export PATH=${PATH}:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin # 添加 PATH 变量

3. HBASE_HOME

HBase 的目录结构如下,该目录下只有一个执行目录 bin,所以写环境变量的时候只用添加一个即可

接下来就是抄作业时间

bash 复制代码
# HBASE_PATH
export HBASE_HOME=${HOME}/softwares/apache/hbase-2.4.17 # 配置 HBASE_HOME
export PATH=${PATH}:${HBASE_HOME}/bin # 添加 PATH 变量

4. HIVE_HOME

Hive 目录的名称我们需要稍作修改,因为解压出来后名称为 apache-hive-3.1.3-bin,为了方便我们后续的操作,所以我们需要将其改变一下,变成 hive-3.1.3;这里稍微说一下,因为我保留了版本号,也就是 3.1.3 一般来说是不会保留版本号的,因为这样会更方便一些,不保留版本号,但是我这里保留了,是有一个习惯问题,如果大家需要深入学习的话,一定要清楚保留版本号是有弊端的,在升级的时候会造成一些麻烦,虽然升级本来就很麻烦了,如果大家只是学习,可以保留,因为大家不会随便变更版本,但是在生产环境中,会面临版本变更的问题,虽然很久才会有那么小小的一次,但是变更版本的时候目录中的版本号就会造成一些错误。

然后就是抄作业的时刻

bash 复制代码
mv ~/softwares/apache/apache-hive-3.1.3-bin/ ~/softwares/apache/hive-3.1.3 # 这里可以理解为目录重命名,但其实是一个移动命令,将其移动到某个路径下的某个目录下,当然目录不存在的时候就变成了重命名

理论上这一步是不会报错的,大家可以自行查看一下如果出问题的话。然后是修改环境变量,可以先看一下 hive 安装目录下的内容,只有一个 bin 的执行目录,所以下面配置的 PATH 就只用加上这个就好

然后还是打开 .bash_profile,添加环境变量,经典抄作业时刻

bash 复制代码
# HIVE_PATH
export HIVE_HOME=${HOME}/softwares/apache/hive-3.1.3 # 配置 HIVE_HOME
export PATH=${PATH}:${HIVE_HOME}/bin # 添加 PATH 环境变量

5. 加载环境变量

到这里应该是配置完毕了,然后我们还需要让环境变量生效,并不是你一修改完成就可以了,他还没重新加载,那么新修改便不会生效。保存退出编辑后,输入下面命令重新加载环境变量。如果你修改的是另外一个环境变量文件,那么请你将下面代码的文件名修改一下

bash 复制代码
source ~/.bash_profile # 重新加载 .bash_profile

6. 卸载原有 jdk

在做完上述配置之后,我们还有一个问题,因为装载中带有自带的 openjdk,所以导致我们安装的 jdk1.8.0_401 无法直接生效,如下图。

所以我们需要将其进行卸载,当然它是 rpm 包,所以需要用到 rpm 的指令

bash 复制代码
rpm -qa | grep jdk # 查找现已有的带有 jdk 字样的包
rpm -qa |grep java # 查找现已有的带有 java 字样的包
rpm -qa |grep gcj # 查找现已有的带有 gcj 字样的包

根据上面结果可以看出来,有预先安装两版的 openjdk,我们需要对其进行删除,下面我们将分别以 jdk、java,进行卸载删除。这里我们用到了 sudo,因为卸载和安装 rpm 包都是需要有 root 权限的,所以我们在最后一个管道符,也就是删除操作真正生效的地方加上了 sudo

bash 复制代码
rpm -qa | grep java |sudo xargs rpm -e --nodeps # 卸载带有 java 字样的软件
rpm -qa | grep jdk |sudo xargs rpm -e --nodeps # 卸载带有 jdk 字样的软件

再次检查,已经不存在这样子的包了。

bash 复制代码
rpm -qa | grep jdk # 查找现已有的带有 jdk 字样的包
rpm -qa |grep java # 查找现已有的带有 java 字样的包

然后再查看一下 java 是否正常能使用了

bash 复制代码
java -version # 查看 java 版本

显示正常,说明我们的操作很成功。

7. 总结

其实搞了这么久,在我的感觉上还是没有很顺利,主要是我习惯使用最小化安装了,突然的这界面问题,然后一些奇奇怪怪的包存在,搞得有点麻烦,说明大家上课确实没那么容易哈,但还是希望大家好好学。本来想给大家更深入一些的,比如环境变量中如何做到判断该目录是否存在,是否需要添加到 PATH 变量中等 Shell 编程的内容,但是后面写着写着发现有点麻烦,不是不能写,只是觉得大家可能没那么感兴趣;想了想,还是不要搞那么多无用功,只希望大家能更轻松地完成这个课程即可。如果后续有时间的话,我会在后面再写一份拓展,也是希望能帮助到大家。

三、安装部署

这一部分我们正式进行安装部署,这部分需要大家做的东西比较多,但是不会强求大家一定要会,所以我会直接把配置文件给出来,大家只需要抄好作业即可,不需要做太多的操作,毕竟单机还是很好解决问题的。

1. MySQL

第一部分说到,我们解压了安装包,但是我们并没有真正安装到它,因为它解压出来时很多的 rpm 包,所以安装的方式也比较另类,解压文件如下图

这么多的包,这里不会进行挑选,这里直接全部一股脑全装了,如果有兴趣学习的话,大家可以自行装配,这里就不多做麻烦的事情了。这里还是稍微介绍一下 rpm 批量安装的方法,如下所示

-U:升级软件,若未软件尚未安装,则安装软件。

-v:表示显示详细信息。

-h:以"#"号显示安装进度。

--force:强制安装

--nodeps:不考虑相依属性的关系

这命令也不是哪都能用,请大家先使用 cd 进入 MySQL 的 rpm 包的解压目录中,然后再输入下面的指令

bash 复制代码
sudo rpm -Uvh *.rpm --nodeps --force # 批量安装该目录下的 rpm 包

这里我们便安装成功了,但是这不意味着我们就可以使用了,因为在这个普通用户中,没有 MySQL 的账户以及权限,所以是登录不进 MySQL 中的,下面我们还需要开启服务、进行用户的添加以及赋予权限等配置。

  1. 首先,我们需要查看 MySQL 服务是否已启动,若未启动,则需要进行启动,也可以配置自启动,看大家需求即可,一般会像下图所示,进程停止,但是已经有开机自启动,此时大家可以选择重启虚拟机,或者使用命令开启

    bash 复制代码
    systemctl status mysqld.service # 查看 MySQL 进程运行情况

    输入下面命令开启服务,注意,一般进程都是需要 root 的权限进行开启的,所以要加上 sudo

    bash 复制代码
    sudo systemctl start mysqld.service # 开启 MySQL 进程

    下面再给大家写几条指令,用于开机自启动服务,关闭服务等

    bash 复制代码
    sudo systemctl enable ${服务名称} # 使某进程开机自启动
    sudo systemctl disable ${服务名称} # 禁止某服务开机自启动
    sudo systemctl restart ${服务名称} # 重启某一服务
    sudo systemctl stop ${服务名称} # 停止某一服务
  2. 启动 MySQL 后,我们还需要添加一个 MySQL 用户并赋予权限,毕竟不能什么都使用 root 操作是吧;但是,这样子安装的 MySQL 是会有一个临时密码的,所以我们还需要查看临时密码,使用 root 用户登录 MySQL,临时密码存储在 /var/log/mysqld.log 文件中,但是查看该文件需要 root 权限,所以这里我也添加了 sudo,用了这么久,大家应该不会知道 sudo 对运维来说多么重要吧;后面的 grep 用于筛选我们需要的信息。

    bash 复制代码
    sudo cat /var/log/mysqld.log | grep root@ # 查看 mysqld.log 日志并且筛选关键字 root@
  3. 现在 MySQL 中我们可以使用的用户只有 root,所以我们需要使用 root 账户登录后新建一个与我们虚拟机中用户名同名的用户,当然要是你想不同名也可以,但是因为 Mysql 登录默认是使用同名登录,也就是登录虚拟机的用户的名称进行登录的,所以如果设置了不同名,则需要加上 -u ${用户名} 指定用户名进行登录,下面指令中还有一个 -p 选项,这个是使用验证账户密码的方式登录需要加上的选项,从这里就可以看出来,MySQL 也是可以实现免密登录的,大家有兴趣也可以自行了解,这里不多做赘述。这里还得说个事儿,-p 后面是可以直接写密码的,但是这样有一些不好,比如不太安全,也比如临时密码这个时候无法这样进行登录,所以大家还是老老实实, -p 之后回车输入密码,登录成功示意图如下所示。

    bash 复制代码
    mysql -u root -p # 使用 root 账户登录,并且登录方式为验证账户密码
  4. 然后进入之后需要修改 root 的登录密码,这个就是简单的 SQL 语句了,大家照葫芦画瓢即可;root 大家应该都一样,后面的 localhost 不建议修改,毕竟如果在任何一台电脑都能使用 root 用户连接上服务器的 MySQL 是一件很恐怖的事情,所以我们设置只有本地登录才能使用 root 连接上 MySQL;后面一长串就是密码,大家喜欢什么设置什么就好,当然会有密码强度的提示,默认是高强度密码,我没记错的话至少需要 大写字母+小写字母+数字+不少于6位,不记得是 6 位还是 8 位了,报错了大家就换个密码就好,也不记得要不要加特殊字符了,理论上应该不用吧...反正我加了,也没影响。执行结果如下图

    bash 复制代码
    ALTER USER 'root'@'localhost' IDENTIFIED BY 'Hzc.12246577030.0'; # 重新设置 root 的登录密码
    FLUSH PRIVILEGES; # 刷新权限
  5. 然后我们需要新建一个用户,并且为其赋予权限,权限这里就全部都给就好,反正也不会怎么样,学习的时候就要大胆一点,多犯错是对的,最后还需要再次刷新权限以写入修改,然后就可以输入 exit 退出 MySQL 了。

    bash 复制代码
    CREATE USER 'huangzc'@'%' IDENTIFIED BY 'Hzc.1230.0'; # 新建一个用户名称为 huangzc 的用户并且允许其在任意主机上连接到 MySQL,密码设置为 Hzc.1230.0
    GRANT ALL PRIVILEGES ON *.* TO 'huangzc'@'%' WITH GRANT OPTION; # 授予 huangzc 用户所有的权限并且使其可以赋予权限到其他用户
    FLUSH PRIVILEGES; # 刷新权限
  6. 最后我们再使用密码登录尝试一下,如果能登录进去就说明我们成功了,如下图所示就是成功。

    bash 复制代码
    mysql -pHzc.1230.0 # 账户密码进行登录,账户没写就默认是当前登录的用户的名称
  7. 关于其他连接的问题,其实很好解决,这里稍微拓展一下,我用 Navicat 给大家展示一下连接,大家应该就能懂意思了,当然这是远程操作的内容,用 jetbrains 的数据库工具也是可以的,大差不差,大家没兴趣可以直接跳过。打开 Navicat 后,选择 连接 --> MySQL,进入链接配置界面

  8. 然后我们需要

  9. 然后我们还需要在左上角 常规 处再次进行设置用户名和密码

  10. 设置完后我们可以点击左下角测试连接进行测试使用,如果测试成功即可按确定,完成连接配置。

  11. 然后在左边栏中会出现一个名称是上面输入的连接名,然后灰色图标的 MySQL 标志的连接,双击即可连接,连接成功图表会亮起来,如下图所示

当然大家如果有兴趣还可以尝试一下 root 是否可以登录,这里会有两种情况,直接连接到数据库和先链接服务器再通过服务器数据库两种;通过 SSH 连接到服务器再连接到数据库是可以正常连接的,但是直接连接到数据库是不可以的,因为之前我们设置过 root 只能在 localhost 进行登录。

2. Hadoop

下面我们会进行 Hadoop 的配置文件修改,初始化,还有单机启动,当然,如果各位对伪分布和全分布感兴趣的话,也可以参考CentOS-7 Hadoop集群部署-CSDN博客该文章,厦门大学大数据实验室的文章也可以,不过好像没有 CentOS 的,大家自行选择。

Hadoop 的配置文件都存放于 ${HADOOP_HOME}/etc/hadoop/ 目录下,其中,我们需要配置的文件一般来说有 6 个,分别是 hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、workers,这些配置文件产生的效果各不相同,如果只是需要存储功能,那么只需要 hadoop-env.sh、core-site.xml、hdfs-site.xml 即可,如果需要使用 MapReduce 进行计算,则需要配置 mapred-site.xml、yarn-site.xml。最后还有一个 workers 文件适用于集群,所以单机的话咱就不做配置了。

下面我们先进入到 ${HADOOP_HOME}/etc/hadoop/ 目录下,这样方便我们不用写那么多路径。

bash 复制代码
cd ${HADOOP_HOME}/etc/hadoop/ # 进入 hadoop 配置目录

(1) hadoop.env.sh

首先我们设置 core-site.xml,使用 vim 编辑器,打开 hadoop.env.sh 文件,然后复制下面配置内容,黏贴到最上面即可,如下图所示;然后是第一条环境变量 HOME 变量需要是自己的用户名,大家请记得修改,如果大家俺咋混个位置与我并不一样,那么请大家,按照自己路径为主。

bash 复制代码
export HOME=/home/huangzc
export JAVA_HOME=${HOME}/softwares/jvm/jdk1.8.0_401
export HADOOP_HOME=${HOME}/softwares/apache/hadoop-3.3.6
export HBASE_HOME=${HOME}/softwares/apache/hbase-2.4.17
export HIVE_HOME=${HOME}/softwares/apache/hive-3.1.3

export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HADOOP_DATA_DIR=${HOME}/data/apache/hadoop
export HADOOP_LOG_DIR=${HADOOP_DATA_DIR}/logs

这里里面有一个 HADOOP_DATA_DIR,这个是需要大家自行创建的,需要在命令行中输入 mkdir 进行创建,虽然好像不创建应该也可以,因为它好像会被动创建,但是为了防止大家可能的报错,大家还是自己创建一下

bash 复制代码
mkdir -p ${HOME}/data/apache/hadoop # 存放 hdfs 数据的目录

这个 ${HOME} 在本身环境变量已经有了,所以在哪个目录都不会创建失败的,-p 是递归创建的意思,需要加上。

(2) core-site.xml

首先我们设置 core-site.xml,使用 vim 编辑器,打开 core-site.xml 文件,然后复制下面配置内容,黏贴到 <configuration> </configuration> 标签里面即可

bash 复制代码
vim core-site.xml # 使用 vim 打开 core-site.xml

配置内容如下,注意不要把 <configuration> </configuration> 标签也复制进去了,还有就是这里的 hadoop 需要改成自己的主机名称,buffer.size,大家可以根据自己电脑的配置进行修改,没有强制要求。修改完后 :wq 保存退出即可。

xml 复制代码
<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://hadoop:8020</value>
    <description>
      默认文件系统的名称。一个URI,其方案和授权决定文件系统实现。URI的方案确定命名FileSystem实现类的配置属性(fs.SCHEME.impl)。uri的权限用于确定文件系统的主机、端口等。</description>
  </property>
  <property>
    <name>io.file.buffer.size</name>
    <value>65536</value>
    <description>序列文件中使用的缓冲区大小。这个缓冲区的大小应该是硬件页面大小的倍数(在Intel x86上为4096),它决定了在读写操作期间缓冲多少数据。</description>
  </property>
</configuration>

(3) hdfs-site.xml

打开 hdfs-site.xml,输入下面配置即可,注意不要将 <configuration> </configuration> 也复制进去了,这里有两个需要修改的地方 dfs.namenode.name.dir 和 dfs.datanode.data.dir,里面的值必须是绝对路径,并且需要修改成大家自己设置的路径,当然前缀可以不加,这个不会特别影响,当然加上肯定是更好的。

xml 复制代码
<configuration>
  <property>
    <name>dfs.datanode.data.dir.perm</name>
    <value>700</value>
    <description>查找DFS数据节点存储其块的本地文件系统上的目录。权限可以是八进制的,也可以是符号的。</description>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:///home/huangzc/data/apache/hadoop/dfs/name</value>
    <description>确定DFS名称节点应在本地文件系统上的何处存储名称表(fsimage)。如果这是一个以逗号分隔的目录列表,则名称表将复制到所有目录中,以实现冗余。</description>
  </property>
  <property>
    <name>dfs.blocksize</name>
    <value>256m</value>
    <description>新文件的默认块大小,以字节为单位。您可以使用以下后缀(不区分大小写):k(kilo),m(mega),g(giga),t(tera),p(peta),e(exa)来指定大小(如128k,512m,1g等),或者以字节为单位提供完整的大小(例如134217728表示128
      MB)。</description>
  </property>
  <property>
    <name>dfs.namenode.handler.count</name>
    <value>25</value>
    <description>侦听来自客户端的请求的Namenode RPC服务器线程数。如果未配置dfs.namenode.servicerpc-address,则Namenode
      RPC服务器线程将侦听来自所有节点的请求。</description>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:///home/huangzc/data/apache/hadoop/dfs/data</value>
    <description>
      确定DFS数据节点应将其块存储在本地文件系统上的何处。如果这是一个逗号分隔的目录列表,那么数据将存储在所有命名的目录中,通常在不同的设备上。对于HDFS存储策略,应使用相应的存储类型([SSD]/[DISK]/[ARCHIVE]/[RAM_DISK])标记目录。如果目录没有明确标记的存储类型,则默认存储类型为DISK。如果本地文件系统权限允许,将创建不存在的目录。</description>
  </property>
  <property>
    <name>dfs.namenode.http-address</name>
    <value>0.0.0.0:9870</value>
  </property>
  <property>
    <name>dfs.namenode.https-address</name>
    <value>0.0.0.0:9871</value>
  </property>
  <property>
    <name>dfs.datanode.http-address</name>
    <value>0.0.0.0:9864</value>
  </property>
  <property>
    <name>dfs.datanode.https-address</name>
    <value>0.0.0.0:9865</value>
  </property>
  <property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>0.0.0.0:9868</value>
  </property>
  <property>
    <name>dfs.namenode.secondary.https-address</name>
    <value>0.0.0.0:9869</value>
  </property>
  <property>
    <name>dfs.datanode.max.transfer.threads</name>
    <value>5120</value>
    <description>指定用于将数据传入和传出DN的最大线程数.</description>
  </property>
</configuration>

完成配置后我们就可以尝试进行启动 HDFS 了,启动之前还需要对 NameNode 也就是名称节点进行初始化,这个是在我们上面 core-site.xml 就已经配置完毕的了,所以计算机会知道哪个是名称节点;指令如下

bash 复制代码
hdfs namenode -format # 初始化名称节点

一般出现如图上 示意那样就是正确的,但是注意如果有像 java 抛出异常的话说明还是没有成功,可能只是看起来没事情而已。

然后我们需要启动 HDFS 来验证我们的配置是否没有出现问题,这里 Hadoop 已经有写好的脚本,名为 start-dfs.sh,然后我们可以使用 jps 命令来查看他们是否启动了,因为 Hadoop 的底层其实也是建立在 jdk 的基础上,也就是使用 java 编译运行的,所以可以使用 jps 指令查看使用了 jdk 的进程,如下所示

bash 复制代码
start-dfs.sh # 开启 HDFS 集群
jps # 查看正在使用 jdk 的进程

上图有一个警告 Warning 是正常的,因为我做完免密登录之后没有使用 ssh localhost 连接自己,这个不影响的,它会自己把自己添加进去,就是说它会自己解决这个问题;然后如果能看到下图这三个节点,那么就说明我们的配置没有问题,当然,如果过了 10s 就少了哪一个的话,就说明配置还是有问题,也就是我们所说的节点挂掉了,此时请返回检查你的配置文件,如果没有发现问题,可以联系老师,联系我,联系...能解决问题的地方。

最后再讲一下关闭,关闭比较简单,就也是脚本,只要吧上面的 start 改成 stop 即可,关闭后使用 jps 再次查看,如下图所示三个节点都已经成功关闭了。

bash 复制代码
stop-dfs.sh # 关闭 HDFS 集群
jps # 查看正在使用 jdk 的进程

(4) mapred-site.xml

改配置文件是为了配置能够使用 MapReduce 进行计算所以才需要配置,但是我们这个课程并不涉及需要自定义该文件,所以我们可以选择不配置;这里我设置了几个选项,为的是能在浏览器上实时监控;当然默认也是这几个配置项,但是为了保证他启动一定会有,我还是写上去了

xml 复制代码
<configuration>
	<property>
		<name>mapreduce.jobhistory.address</name>
		<value>0.0.0.0:10020</value>
		<description>MapReduce JobHistory Server IPC host:port</description>
	</property>
	<property>
		<name>mapreduce.jobhistory.webapp.address</name>
		<value>0.0.0.0:19888</value>
		<description>MapReduce JobHistory Server Web UI host:port</description>
	</property>
	<property>
		<name>mapreduce.jobhistory.webapp.https.address</name>
		<value>0.0.0.0:19890</value>
		<description>The https address the MapReduce JobHistory Server WebApp is on. </description>
	</property>
</configuration>

(5) yarn-site.xml

最后是关于 yarn,这个是管理集群资源调度的一个配置文件,这个因为我们使用的是单机,所以我觉得也不需要配置,我反正没有配置,这里了解一下就行,要是大家头铁,可以自行寻找有配置的材料进行配置。

(6) workers

这个文件是管理集群中的 DataNode 的,但是我们是单机,所以也不需要进行配置,所以这里制作了解,不做配置。

(7) 启动集群

启动一共有很多个脚本,如果大家环境变量没有配置错误的话,那么应该是可以使用 start-all.sh 进行集群的一键启动的,当然,如果是只需要启动某一个节点也是可以的,这里我不写,大家有兴趣自行了解,毕竟我要是什么都写完了,那就变成是我在做这个东西了,这不太合适,下面是集群的启停指令。

bash 复制代码
start-all.sh # 启动 Hadoop 集群
jps # 查看集群进程

下面是停止整个 Hadoop 集群的命令

bash 复制代码
stop-all.sh # 关闭 Hadoop 集群
jps # 查看集群进程

到这里,关于 Hadoop 的部署就完成了,后续也会出一篇实践的内容(有空的话)

3. HBase

HBase 的配置文件存在于 ${HBASE_HOME}/conf,然后我们还是先进入目录然后查看一下目录中的配置文件

bash 复制代码
cd $HBASE_HOME/conf # 进入 HBase 配置文件目录

(1) hbase-env.sh

然后我们先配置 hbase-env.sh 文件,将下列配置项添加在文件的开头即可

bash 复制代码
vim ${HBASE_HOME}/conf/hbase-env.sh # 使用 vim 打开该文件

配置项中的 HOME 也需要改成对应的路径

bash 复制代码
export HOME=/home/huangzc
export JAVA_HOME=${HOME}/softwares/jvm/jdk1.8.0_401
export HADOOP_HOME=${HOME}/softwares/apache/hadoop-3.3.6
export HBASE_HOME=${HOME}/softwares/apache/hbase-2.4.17
export HIVE_HOME=${HOME}/softwares/apache/hive-3.1.3
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop

# The maximum amount of heap to use. Default is left to JVM default.
export HBASE_CLASSPATH=${HADOOP_CONF_DIR}
export HBASE_DATA_DIR=${HOME}/data/apache/hbase
export HBASE_LOG_DIR=${HOME}/data/apache/hbase/logs
export HBASE_PID_DIR=${HOME}/data/apache/hbase/pids

至于环境变量的含义我就不多说了,这个大家可以自行了解,当然版本这个大家也要记得改,不要只是复制黏贴。

这里我们跳过了第一行然后再黏贴的,因为这个注释是文件标头,说明使用的 bash 是哪里的,这个我们让它留在第一行,当然,就算在后面应该也不会出问题的。

(2) hbase-site.xml

下面打开 hbase-site.xml 进行配置,下面要将配置项添加到文件中,因为中间有注释,我就只复制了需要配置的,大家不要直接复制黏贴,不然会报错。还有三个需要改的地方,大家看着改 hbase.rootdir 的值,hadoop 和 huangzc 要改成自己设置的 主机名称 和 用户名称;下面 hbase.tmp.dir 和 hbase.local.dir 也要改成将 /home/huangzc/ 改成自己的用户目录,或者自己也可以创建一个别的目录也是可以的。

xml 复制代码
	<property>
		<name>hbase.rootdir</name>
		<value>hdfs://hadoop:8020/user/huangzc/hbase</value>
	</property>
	<property>
		<name>hbase.cluster.distributed</name>
		<value>false</value>
	</property>
	<property>
		<name>hbase.tmp.dir</name>
		<value>/home/huangzc/data/apache/hbase/tmp</value>
	</property>
	<property>
		<name>hbase.local.dir</name>
		<value>/home/huangzc/data/apache/hbase/local</value>
		<description>本地文件系统上要用作本地存储的目录。</description>
	</property>
	<property>
		<name>hbase.unsafe.stream.capability.enforce</name>
		<value>false</value>
	</property>

然后配置完成我们就可以尝试开启 HBase 集群,但是需要先开启 Hadoop 集群,请记住一定要先开启 Hadoop 集群,所以启动命令的顺序一定要注意,如下

bash 复制代码
start-all.sh # 开启 Hadoop 集群
start-hbase.sh # 开启 HBase 集群

至此我们就可以使用 HBase 数据库了,当然,我们还是先和 MySQL 一样先使用命令行,因为 Navicat 好像没有支持 HBase,退出数据库的操作和 MySQL 一样,输入 exit 即可。

bash 复制代码
hbase shell # 开启 Hbase 命令行

当然,启动的时候可能会遇到下面这个小小的警告,报错如下

java 复制代码
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/home/huangzc/softwares/apache/hadoop-3.3.6/share/hadoop/common/lib/slf4j-reload4j-1.7.36.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/home/huangzc/softwares/apache/hbase-2.4.17/lib/client-facing-thirdparty/slf4j-reload4j-1.7.33.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Reload4jLoggerFactory]

这个警告是因为有两个同样功能的 jar 包冲突了,我们可以选择封印版本低的包,封印就是重命名,让它变成 .bak,虽然存在,但是不能用。这里可以看到第三行,/home/huangzc/softwares/apache/hbase-2.4.17/lib/client-facing-thirdparty/slf4j-reload4j-1.7.33.jar 这个版本比第二行的 /home/huangzc/softwares/apache/hadoop-3.3.6/share/hadoop/common/lib/slf4j-reload4j-1.7.36.jar 低,所以我们选择封印 HBase 的包;做该操作时,请确保 HBase 集群已关闭,指令如下

bash 复制代码
stop-hbase.sh # 关闭 HBase 集群
jps # 确认进程已经关闭
mv ${HBASE_HOME}/lib/client-facing-thirdparty/slf4j-reload4j-1.7.33.jar ${HBASE_HOME}/lib/client-facing-thirdparty/slf4j-reload4j-1.7.33.jar.bak # 移动文件变成 .bak

然后我们再启动 HBase 集群,打开 HBase Shell,此时应该不会有包冲突了

bash 复制代码
start-hbase.sh # 启动 HBase 集群
hbase shell # 打开 HBase Shell

(3) HBase 启停

这是需要单独拿出来讲的一部分,关于 HBase 的启动和停止问题,它必须在 HDFS 集群启动之后才能启动,否则将会造成不可逆的后果,请重视它,如果实在出现了这种操作,那停止 HBase 集群的时候将会耗费大量的时间,也可能根本停止不了;这个时候需要使用单挂节点来解决这个问题,因为是单机配置,所以只有一个 HMaster 进程,所以我们只用停掉这一个就行,输入下面命令即可

bash 复制代码
hbase-daemon.sh stop master # 单独关闭 HMaster

下面是因为我已经成功关闭了 HMaster 了,所以他说没有 Master 进程。

4. Hive

最后是 Hive 的配置,Hive 也需要先开启 HDFS 集群,但是不需要 HBase,之前我们已经说过了我们会是建立在 MySQL 上面的,所以我们可以单启动 Hadoop 而不需要启动 HBase。但是请注意,我们需要确保 MySQL 是启动的。

Hive 的配置文件存放于 ${HIVE_HOME}/conf,目录结构如下

这里我们需要创建两个文件,一个是 hive-env.sh 和 hive-site.xml,这两个文件在该目录中是有模板的,也就是后缀带 template 的文件,但是,为了大家不会出问题,还是直接跟着我来好了,复制配置文件可能会出各种各样的问题。

(1) hive-env.sh

  1. 首先,我们需要使用 vim 新建该文件,具体命令如下

    bash 复制代码
    vim ${HIVE_HOME}/conf/hive-env.sh # 使用 vim 打开编辑,若文件不存在则新建该文件
  2. 然后复制下面配置内容黏贴到该文件中即可,当然路径这件事情还得大家自行修正最后保存退出即可

    bash 复制代码
    export HOME=/home/huangzc
    export JAVA_HOME=${HOME}/softwares/jvm/jdk1.8.0_401
    export HADOOP_HOME=${HOME}/softwares/apache/hadoop-3.3.6
    export HBASE_HOME=${HOME}/softwares/apache/hbase-2.4.17
    export HIVE_HOME=${HOME}/softwares/apache/hive-3.1.3
    export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
    export HIVE_CONF_DIR=${HIVE_HOME}/conf
    
    export HIVE_DATA_DIR=${HOME}/data/apache/hive
    export HIVE_LOG_DIR=${HIVE_DATA_DIR}/logs

(2) hive-site.xml

该文件和上面一样,也是自行创建然后复制黏贴配置项即可

bash 复制代码
vim ${HIVE_HOME}/conf/hive-site.xml # 使用 vim 打开编辑,若文件不存在则新建该文件

文档配置内容如下,这个就需要全部复制黏贴了,然后 javax.jdo.option.ConnectionUserName 和 javax.jdo.option.ConnectionPassword,需要改成 MySQL 的用户和密码,其他的就不需要尽行修改了,最后保存退出即可。

xml 复制代码
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true</value>
    <description>JDBC connect string for a JDBC metastore</description>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.cj.jdbc.Driver</value>
    <description>Driver class name for a JDBC metastore</description>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>huangzc</value>
    <description>username to use against metastore database</description>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>Hzc.1230.0</value>
    <description>password to use against metastore database</description>
  </property>
</configuration>

到这,你们别以为完了,仔细看 xml 文档的内容,是需要使用 jdbc 连接的;但是!问题就是,哪里来的 jdbc 的 jar 包呢?前面忘记跟大家说需要下载了,所以这里就用 wget 给大家演示一下下载的命令。

(3) jdbc

首先就是,我们需要知道从哪里能找到下载的链接,先去到 MySQL 的官网,MySQL,点击 DOWNLOADS,进入下载的页面。

然后在页面下方点击 MySQL Community (GPL) Downloads >>,进入选择下载组件界面

然后在页面的右边,会有需要选择下载的 Connector,有分很多种,而我们需要的是 Java 版的,所以就是 Connector/J,点击它进入下一个页面

然后我们会见到是 8.3.0 的下载,然后我们这个操作系统我们选择通用的,然后点击右边 Download (mysql.com) 进入下一界面;

然后我们需要右键单击下面 No thanks, just start my download. (mysql.com) 复制链接

html 复制代码
https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-j-8.3.0.tar.gz

如果大家安装的 MySQL 是其他版本的,例如我这里安装的是 8.2.0 版本的,请点击右边的 Archives 进行选择下载。

然后选择对应的版本,然后选择对应的系统,系统选通用的,也就是下图所示的这个,请不要胡乱选择!!!,然后复制第一个链接,当然你想解压 zip 也可以,我习惯 tar.gz 而已。

然后回到 CentOS-7,输入命令为 wget [复制的链接] -P [下载的文件需要存储到的路径],这里应该没有看不懂的吧,有的话直接看下面指令即可

bash 复制代码
wget https://downloads.mysql.com/archives/get/p/3/file/mysql-connector-j-8.2.0.tar.gz -P ~/Downloads/ # 下载该压缩文档到用户目录下的 Downloads 目录中

然后进入我们的下载压缩文档的目录中,然后使用 tar 指令进行解压缩,不需要加其他选项,解压到下载目录就可以;然后会出现一个解压目录,我这里是 mysql-connector-j-8.2.0/,大家可能版本号会有所不同,然后我们需要复制该目录中的 mysql-connector-j-8.2.0.jar 包到 ${HIVE_HOME}/lib 中,

bash 复制代码
cd ~/Downloads/
tar -zxf mysql-connector-j-8.2.0.tar.gz # 解压
cp mysql-connector-j-8.2.0/mysql-connector-j-8.2.0.jar ${HIVE_HOME}/lib # 复制 jar 包

到这里就可以了,示意图如下,如果报错了说明大家的路径有问题,请对应修改。

然后需要对 hive 进行初始化,出现下面这两句说明初始化成功了,那么我们就可以使用 hive 了

bash 复制代码
schematool -dbType mysql -initSchema # hive 初始化

(4) Hive 启停

启动 hive 的指令很简单,就是 hive

bash 复制代码
hive # 启动 Hive

四、总结

到这里我们的部署流程就已经完成了,不知道大家有没有收获,没有也没关系,只是希望大家能够好好学习,到这应该就可以支持大家做完所有实验了,实验内容还是得大家自行完成,祝大家学业进步,考研考公考教资四六级雅思托福样样精通。

相关推荐
戊本菌3 小时前
进程(三)进程优先级:谁先上 CPU
linux·c语言·硬件架构
aningx4 小时前
Arch 系用 greetd 实现开机自动进 Plasma Wayland,注销自动回桌面
linux
江无行者4 小时前
Linux 服务器 top 命令详解
linux
黑十4 小时前
FDE 怎么快速搭一个可演示页面?最小前端方案
java·大数据·前端·数据库·人工智能
Databend5 小时前
OpenRaft 自定义 Membership,按部署拓扑选择 Quorum
大数据·数据库·数据分析
Databend6 小时前
用 SQL 排查支付故障,OpenTelemetry 接入 Databend Cloud 实战
大数据·数据库·sql
上海潭龙东海科技有限公司6 小时前
智慧堆场动态模型三维实时孪生重构智能管控
大数据·网络·数据库·算法·重构
嵌入式 Linux手记6 小时前
一块内存,三种解释:union 的真实用法
linux·c语言·驱动开发·嵌入式
星恒随风7 小时前
MySQL 从零入门(九):事务管理详解——ACID、COMMIT、ROLLBACK、SAVEPOINT 与四种隔离级别
linux·服务器·数据库·笔记·mysql
草莓熊Lotso7 小时前
【C++ 基于微服务的即时通讯系统】ElasticSearch 用户数据管理实现
linux·数据库·c++·elasticsearch·微服务·架构