大数据-258 离线数仓 - Griffin架构 配置安装 Livy 架构设计 解压配置 Hadoop Hive

点一下关注吧！！！非常感谢！！持续更新！！！----------------------Java篇开始了！---------目前开始更新 MyBatis，一起深入浅出！目前已经更新到了：---------* Hadoop（已更完）* HDFS（已更完）* MapReduce（已更完）* Hive（已更完）* Flume（已更完）* Sqoop（已更完）* Zookeeper（已更完）* HBase（已更完）* Redis （已更完）* Kafka（已更完）* Spark（已更完）* Flink（已更完）* ClickHouse（已更完）* Kudu（已更完）* Druid（已更完）* Kylin（已更完）* Elasticsearch（已更完）* DataX（已更完）* Tez（已更完）* 数据挖掘（已更完）* Prometheus（已更完）* Grafana（已更完）* 离线数仓（正在更新...）章节内容----* 数据质量监控 监控方法* Griffin架构上节到了Griffin的编译安装 下面继续---------------------编译安装----续接上节，上节到了 Elasticsearch### Livy#### 基本介绍 Livy 是一个用于 Apache Spark 的 REST 接口，旨在简化 Spark 作业的提交和管理，特别是在大数据处理场景中。它的主要功能是通过 REST API 与 Spark 集群进行交互，允许用户提交作业、执行代码片段并查询作业的状态和结果，而不需要直接与 Spark 的底层架构交互。 Livy 的一些关键功能包括：* 简化 Spark 作业提交：用户可以通过 HTTP 请求向 Livy 发送 Spark 作业，而不需要直接使用 spark-submit命令。* 多语言支持：Livy 支持使用不同的编程语言提交作业，包括 Python（通过 PySpark）、Scala 和 R。* Session 管理：Livy 可以管理 Spark 会话，允许多个用户在同一集群上共享会话，并执行交互式代码片段。* 作业状态管理：Livy 提供 API 来查看作业的状态、日志以及结果，便于跟踪和监控任务执行。* 集成：Livy 通常与 Jupyter Notebook、Zeppelin 等工具集成，以便用户可以在这些环境中使用 Spark 集群执行代码。#### 配置计划我们的Spark是集群三台节点配置的，但是Livy可以不用配置集群，我们计划在主节点上进行配置： h121.wzk.icu #### 解压配置 cd /opt/software unzip livy-0.5.0-incubating-bin.zip mv livy-0.5.0-incubating-bin/ .../servers/livy-0.5.0 处理结果如下图所示： #### 环境变量 # 设置环境变量 vim /etc/profile # 设置完之后 记得刷新 source /etc/profile 写入内容如下： export LIVY_HOME=/opt/servers/livy-0.5.0 export PATH=PATH:PATH:PATH:LIVY_HOME/bin 对应的内容如下所示： #### 修改配置 mv LIVY_HOME/conf/livy.conf.template LIVY_HOME/conf/livy.conf vim LIVY_HOME/conf/livy.conf 修改内容如下： livy.server.host = 0.0.0.0 livy.spark.master = yarn livy.spark.deployMode = cluster livy.repl.enable-hive-context = true 修改内容如下所示：  修改配置文件 mv LIVY_HOME/conf/livy-env.sh.template LIVY_HOME/conf/livy-env.sh vim LIVYHOME/conf/livy−env.sh写入内容如下所示：exportSPARKHOME=/opt/servers/spark−2.4.5exportHADOOPHOME=/opt/servers/hadoop−2.9.2/exportHADOOPCONFDIR=LIVY_HOME/conf/livy-env.sh 写入内容如下所示： export SPARK_HOME=/opt/servers/spark-2.4.5 export HADOOP_HOME=/opt/servers/hadoop-2.9.2/ export HADOOP_CONF_DIR=LIVYHOME/conf/livy−env.sh写入内容如下所示：exportSPARKHOME=/opt/servers/spark−2.4.5exportHADOOPHOME=/opt/servers/hadoop−2.9.2/exportHADOOPCONFDIR=HADOOP_HOME/etc/hadoop 写入内容如下所示： #### 启动服务 cd /opt/servers/livy-0.5.0 mkdir logs nohup LIVY_HOME/bin/livy-server & Griffin-------### 前置介绍"Griffin"是一个大数据领域的开源项目，特别是在分布式流处理和大数据系统的管理中具有一定的影响力。它最早由LinkedIn开发，用于处理大规模数据流。Griffin的设计目标是简化和自动化流数据处理和监控工作，使得在大数据应用中能够高效地处理实时数据流，同时提升数据的可追溯性和可靠性。随着大数据技术的发展，实时流处理（如Apache Kafka、Apache Flink等）在许多应用场景中扮演着越来越重要的角色。处理这些流数据时，不仅需要确保高效的计算和数据吞吐量，还要实现数据的可追溯性和监控。为了应对这些挑战，Griffin应运而生，致力于提供一个高效、可扩展的解决方案，尤其是在数据质量监控和流处理作业的管理方面。Griffin的目标包括：* 数据质量控制： 自动化数据质量检查，确保流数据的准确性和完整性。* 流处理作业管理： 对流处理作业进行有效的调度和监控，及时发现异常。* 数据管道的透明度： 提供对数据流动过程的清晰视图，便于追踪和排查问题。* 实时数据处理： 结合流处理系统，如Apache Kafka和Apache Flink，优化数据处理效率。### 主要功能Griffin的功能集中在数据质量控制和流处理管理上，以下是其一些核心功能：* 数据质量监控： Griffin可以实时监控数据流中的各种质量问题，如数据丢失、重复、格式错误等，并生成报告或警告。这对于需要高质量数据的实时分析和决策过程尤为重要。* 流数据治理： 它帮助管理数据流动的每个环节，确保数据在处理过程中符合质量要求，减少因数据问题导致的错误和偏差。* 作业调度和监控： 对流处理作业进行调度，实时监控其状态和性能。它能够识别系统中可能的瓶颈，保证流处理任务的高效执行。* 数据追溯： 在数据出现问题时，Griffin提供对数据来源的追溯功能，帮助用户快速定位问题的根源，确保数据的透明度和可追溯性。### 架构设计Griffin的架构通常包括以下几个组件：* 数据接入层： 负责从数据源接入数据流。常见的数据源包括Apache Kafka、Apache Flink等流处理系统。* 数据处理层： 对数据进行质量检查和流处理操作。该层可能包括数据清洗、校验等操作，确保流数据符合预期的质量标准。* 监控和告警层： 提供流处理作业的监控和告警机制，及时发现问题并通知管理员。* 数据存储和可视化层： 存储分析结果和质量报告，并通过可视化界面展示给用户，帮助用户理解数据流的状况。### 解压配置软件解压缩：(这里我是在 h122 节点) cd /opt/software unzip griffin-griffin-0.5.0.zip mv griffin-griffin-0.5.0/ .../servers/griffin-0.5.0/ cd .../servers/griffin-0.5.0 运行结果如下图所示： #### SQL初始化在MySQL中创建数据库quartz，并初始化 # SQL 文件如下 /opt/servers/griffin-0.5.0/service/src/main/resources/Init_quartz_mysql_innodb.sql 备注：要做简单的修改，主要是增加 use quartz; vim /opt/servers/griffin-0.5.0/service/src/main/resources/Init_quartz_mysql_innodb.sql # 写入 use quartz; 执行如下的结果： 创建数据库 # 在MySQL中执行 # mysql中执行创建数据库 create database quartz; 执行结果如下： 运行SQL文件： # 在外部执行 # 命令行执行，创建表 cd /opt/servers/griffin-0.5.0/service/src/main/resources/ mysql -uhive -phive@wzk.icu < Init_quartz_mysql_innodb.sql 执行结果可以连上数据库查看： #### Hadoop 和 Hive在HDFS上创建 /spark/spark_conf目录，并将Hive的配置文件hive-site.xml上传到该目录下 hdfs dfs -mkdir -p /spark/spark_conf hdfs dfs -put KaTeX parse error: Expected 'EOF', got '#' at position 198: ...文件，上传到HDFS对应目录中#̲### 环境变量确认如下的必要...HADOOP_HOME/etc/hadoop