hadoop集群搭建+hive安装

1.系统环境

VMware-workstation：VMware-workstation-full-16.2.3

ubuntu：ubuntu-21.10

hadoop：hadoop2.7.2

mysql：mysql-connector-java-8.0.19

jdk：jdk-8u91-linux-x64.tar（注意要是linux版本的，因为是在linux系统中创建虚拟机）

hive：hive1.2.1

小技巧：

右键单击可以paste

2.创建虚拟机

1.选择典型即可

2.将ubuntu镜像文件导入：

3.用户名要记住，涉及到之后的文件路径：（推荐使用hadoop）

4.磁盘大小，选择默认的20GB就行，不要低于15GB，否则在远程连接的时候可能会出问题

5.进行克隆，生成子节点slave1，slave2......

要选择

完整克隆

克隆后的虚拟机密码和原虚拟机相同

3.修改虚拟机

修改hostname和主机名解析文件

步骤

1. sudo vi /etc/hostname
   

修改为自己虚拟机的名称即可：master，slave1等等

（需要重启才能生效）

第一次使用sudo需要输入密码，即创建虚拟机时的密码

1. sudo vi /etc/hosts
   

编辑主机名解析文件，填入对应的各节点地址和对应的主机名

把类似于下面格式的文本粘贴到原文件中（各个节点都要）

192.168.40.133 master

192.168.40.132 slave1

首先需要

ifconfig

查看当前的ip地址

如果显示

ifconfig

命令找不到，按照报错提示安装即可

问题

1.vim无法输入

原因：ubuntu默认安装的是vim-tiny版本，并没有老版本的vi编辑器，它是vim的最小化版本，只包含一小部分功能

可以到文件夹中看看文件，是不是下面这样：

如果是的话，重装一下vim即可

重装命令：

sudo apt-get remove vim-common

（卸载老版本）

sudo apt-get install vim

（安装新版本）

4.设置SSH

1. ps -e|grep ssh
   

   ：查看是否安装ssh服务（一开始都是没安装的）

如果安装：

有sshd表示ssh-server已启动

1. sudo apt-get install ssh
   

   ：安装ssh

3.节点生成公钥、私钥对对：

ssh-keygen -t rsa

：生成

cat .ssh/id_rsa.pub >> .ssh/authorized_keys

：导入公钥

cd .ssh

cat id_rsa.pub

：查看公钥

最终看到的应该是这样的：

这一步骤每个节点都需要执行

4.子节点向主节点传送密钥

scp .ssh/id_rsa.pub **hadoop**@master:/home/**hadoop**/id_rsa1.pub

（这里的hadoop就是创建虚拟机时填写用户名）

5.主节点设置免密码登录

cat **id_rsa1.pub** >> .ssh/authorized_keys

（这个就是子节点传过来的密钥）

6.主节点返回子节点：

scp .ssh/authorized_keys hadoop@**slave1**:/home/hadoop/.ssh/authorized_keys

（子节点的名称）

7.验证ssh免密码登录：

执行

ssh+hostname

（如

ssh master

）

验证是否能直接登录，而不需要输入密码

5.配置集群

1.创建以下文件夹

/home/hadoop/data/namenode
/home/hadoop/data/datanode
/home/hadoop/temp

(可以直接在文件夹中创建：

右键new即可）

2.Master上 hadoop路径下解压缩hadoop2.7.2和jdk1.8

压缩包如果不能直接拖到文件夹中，可以通过以下命令从windows系统中上传到虚拟机：

首先windows+R打开命令行

然后：

scp **E:\python+hive\hadoop-2.7.2.tar.gz****hadoop**@**192.168.40.133**:/home/hadoop

windows中文件的路径 用户名 主机ip

以hadoop为例，其他的压缩包类似

jdk传过来之后需要重命名为jdk1.8

3.解压gz文件：

tar zxvf hadoop-2.7.2.tar.gz

（以hadoop为例）

4.修改master的一些配置文件：

• 修改hadoop-env.sh 文件:

export HADOOP_PREFIX=/home/hadoop/hadoop-2.7.2(这个是新建的，原文件中没有)

export JAVA_HOME=/home/hadoop/jdk1.8

• 修改yarn-env.sh文件:

export JAVA_HOME=/home/hadoop/jdk1.8

• 下面是一些xml文件的配置

修改core-site.xml文件:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property> 
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value> 
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/temp</value>
</property>
<property>
<name>hadoop.proxyuser.root.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.root.groups</name>
<value>*</value>
</property>
</configuration>

修改hdfs-site.xml文件:
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/data/namenode</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/data/datanode</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>slave1:50090</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>

修改mapred-site.xml文件:
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master:19888</value>
</property>
</configuration>

修改yarn-site.xml文件:
<configuration> 
<property><name>yarn.nodemanager.aux-services</name> 
<value>mapreduce_shuffle</value></property> 
<property> 
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> 
<value>org.apache.hadoop.mapred.ShuffleHandler</value> 
</property><property>
<name>yarn.resourcemanager.scheduler.address</name> 
<value>master:8030</value></property> 
<property> 
<name>yarn.resourcemanager.admin.address</name>
<value>master:8033</value></property> 
<property> <name>yarn.resourcemanager.address</name>
<value>master:8032</value> </property> 
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:8031</value></property>
<property><name>yarn.resourcemanager.webapp.address</name>
<value>master:8088</value>
</property>
</configuration>

以上直接复制粘贴即可

注意，configuration包裹的替换源文件中的configuration部分，不要替换多了，如果有的文件是.template格式的，直接重命名，把.template删除即可

6.修改环境变量：

sudo vi /etc/profile

：修改环境变量

export HADOOP_HOME=/home/hadoop/hadoop-2.7.2
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH:$HADOOP_HOME/share/hadoop/common/hadoop-common-2.7.2.jar:$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-client-core-2.7.2.jar:$HADOOP_HOME/share/hadoop/common/lib/commons-cli-1.2.jar
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH
export JAVA_HOME=/home/hadoop/jdk1.8
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$JAVA_HOME/bin:$PATH 
export JRE_HOME=$JAVA_HOME/jre

所有节点都要配置

直接CV即可

7.拷贝hadoop：

scp -r hadoop-2.7.2/ hadoop@slave1:/home/hadoop

：从主节点拷贝到其他节点

8.查看版本：

source /etc/profile

：可以使环境变量的配置即刻生效（否则需要重启虚拟机）

然后：

java –version

hadoop version

查看jdk和hadoop的版本

能找到对应的版本说明环境变量配置成功

9.启动集群

hdfs namenode -format

：格式化（只需配置一次即可）

start-all.sh

：启动hadoop集群

信息如上说明成功

集群启动到此结束

jps

：查看进程

能看到除去RunJar的其他进程，说明集群启动成功

6.安装hive

Mysql

1.安装MySQL（在master中）

sudo apt-get install mysql-server

：服务器

sudo apt-get install mysql-client

sudo apt-get install libmysqlclient-dev

：客户端

默认安装的是MySQL8，会自动生成一个密码

sudo cat /etc/mysql/debian.cnf

：查看初始密码：

建议复制下来保存

2.修改配置文件：

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

将 bind-address = 127.0.0.1给注释掉

3.登录数据库：

mysql -u debian-sys-maint -p

：登录数据库，密码输入以上的默认密码

4.创建用户

create user 'hive'@'%' IDENTIFIED BY '123456';

grant all privileges on *.* to 'hive'@'%';

flush privileges;

依次执行，创建的数据库用户名是hive，密码是123456

Hive

5.上传apache-hive-1.2.1-bin.tar.gz，解压后重命名为hive-1.2.1

也是可以从windows传送

MySQL的驱动包mysql-connector-java-8.0.19.jar，将解压出来的jar放入hive 的lib目录下

版本可能不同

6.hive环境变量配置

sudo vi /etc/profile

export HIVE_HOME=/home/hadoop/hive-1.2.1
export PATH=$PATH:$HIVE_HOME/bin:$PATH
export CLASSPATH=$CLASSPATH:$HIVE_HOME/lib

所有节点都要配置

7.修改/conf/hive-env.sh文件

添加以下语句：

HADOOP_HOME=/home/hadoop/hadoop-2.7.2
export HIVE_CONF_DIR=/home/hadoop/hive-1.2.1/conf

如果是.template直接删除掉或者复制一份为.xml都行

template就只是一个模板而已

8.修改hive配置文件：

①执行以下命令，创建路径，用于HDFS存储：

hdfs dfs -mkdir -p /hive/warehouse
hdfs dfs -mkdir -p /hive/logs
hdfs dfs -mkdir -p /hive/tmp
hdfs dfs -chmod 733 /hive/warehouse 
hdfs dfs -chmod 733 /hive/logs 
hdfs dfs -chmod 733 /hive/tmp

查看是否成功：

②创建本地目录：

mkdir -p /home/hadoop/hive-1.2.1/hivedata/logs

③配置.xml文件：

cd /home/hadoop/hive-1.2.1/conf

：跳转到conf文件夹下

配置hive-site.xml：
cp hive-default.xml.template hive-site.xml：首先复制一份hive-site.xml
然后修改hive-site.xml

<property><name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://master:3306/stock?createDatabaseIfNotExist=true&characterEncoding=UTF-8&useSSL=false&serverTimezone=GMT&allowPublicKeyRetrieval=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>hive</value></property>
<property><name>javax.jdo.option.ConnectionPassword</name>
<value>123456</value></property>
<property><name>hive.metastore.warehouse.dir</name>
<value>/hive/warehouse</value></property>
<property><name>hive.exec.scratchdir</name><value>/hive/tmp</value>
</property>
<!--第六行的stock是数据库名，自己起；然后url后面的比较长，要复制全-->

配置log4j：
先复制出两个文件：
cp hive-exec-log4j.properties.template hive-exec-log4j.properties
cp hive-log4j.properties.template hive-log4j.properties

然后修改配置：
hive.log.dir=/home/hadoop/hive-1.2.1/logs
log4j.appender.EventCounter=org.apache.hadoop.log.metrics.EventCounter
<!--两个文件（hive-exec-log4j.properties和hive-log4j.properties）中的都要修改-->

9.主节点hive启动：

schematool --dbType mysql -initSchema

：启动数据库

如果启动失败：

则可以通过

df -hl

查看当前内存的使用情况，如果内存太满：

尝试一下虚拟机-》右键打开设置-》找到硬盘-》扩展，增加容量-》重启虚拟机

再不好用就去网上搜报错信息吧

注意：只能启动一次

这样的报错信息意思是不能重复启动，对正常使用无影响

hive

：hive启动

这样就是启动成功

hive中的语句和mysql一样

通过

exit;

可以退出hive

10.远程连接配置（子节点slave1）：

子节点配置：

①将master上的hive-1.2.1目录复制到其他节点上

scp -r hive-1.2.1/ hadoop@slave1:/home/hadoop

②修改hive-site.xml文件，删除如下的配置：

• javax.jdo.option.ConnectionURL

• javax.jdo.option.ConnectionDriverName

• javax.jdo.option.ConnectionUserName

• javax.jdo.option.ConnectionPassword

然后添加如下配置：

<property>
<name>hive.metastore.uris</name>
<value>thrift://192.168.149.128:9083</value>、
</property>
<!--192.168.149.128是主机名，自己修改；9083是端口，不要动-->

<property>
<name>hive.server2.thrift.bind.host</name>
<value>**.**.**.**</value>            <!--主机地址-->
</property>
<property>
<name>hive.server2.thrift.port</name>
<value>10000</value>  <!--端口使用默认的即可-->
</property>

远程连接配置到此结束

11.进行远程连接：

①

master启动metastore：

hive --service metastore &

&表示后台启动

执行

jps

可以看到其RunJar

子节点连接：执行

hive

即可

②

master启动hiveserver2 ：

hive --service hiveserver2 &

子节点连接：执行

beeline -u jdbc:hive2://192.168.40.133:10000/stock1 -n root

即可

自己改主机地址和数据库名，端口10000不要动

上面两个服务器，可以同时开启，一般用第二个比较多

然后就可以在子节点进行hive的操作了

7.hive操作示例：

123

流程：建表-》整理数据-》数据加载到hive中-》JDBC连接hive取出数据

①建表语句：

create table fortest(time_ String,begin_ FLOAT,end_ FLOAT,low_ FLOAT,high_ FLOAT) row format delimited fields terminated by ',';

②数据格式：

不同的列以“,”分隔，多条数据之间以换行分隔

③加载数据：

LOAD DATA LOCAL INPATH "/home/hadoop/test.txt" INTO TABLE fortest;

需要先把.txt文件复制到虚拟机文件夹中，直接CV即可

④JDBC配置

需要导入的坐标：

 <dependency>
            <groupId>org.apache.hive</groupId>
            <artifactId>hive-jdbc</artifactId>
            <version>1.2.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.2</version>
        </dependency>

配置文件：

jdbc_driver=org.apache.hive.jdbc.HiveDriver
jdbc_url=jdbc:hive2://192.168.40.133:10000/stock1
jdbc_username=hive
jdbc_password=123456