Hadoop2.5.0 搭建实录

目录：

• 第一步：准备相关材料

• 第二步：虚拟机环境搭建

• 第三步：用户信息

• 第四步 安装、配置Java环境

• 第五步 Zookeeper安装配置

• 第六步 Hadoop安装、配置

• 第七步：HBase安装部署

• 第八步：Sqoop安装部署(sqoop1)

• 第九步：Hive安装部署

---

第一步：准备相关材料

我是要在另一台新服务器上搭建ESXi，部署了5个虚拟机，用 vSphere Client 管理。(注：如果选择CD/DVD驱动器的时候，一直显示正在连接，则需要重启客户端)

这里我选用的是Cloudera公司的CDH版本，问题少一些，并且可以配套下载，避免遇到各种兼容问题。下载地址

• CentOS-7-x86_64-Minimal-1511 。这个版本功能一应俱全，却不到1G
• OpenJDK 1.7
• hadoop-2.5.0-cdh5.3.6
• hbase-0.98.6-cdh5.3.6
• hive-0.13.1-cdh5.3.6
• zookeeper-3.4.5-cdh5.3.6
• sqoop-1.4.5-cdh5.3.6
• Xshell(方便敲命令)
• SecureFXPortable(方便从本地上传文件到虚拟机)

---

注：提前预览需要修改的相关文件

系统配置

1. /etc/hostname
2. /etc/hosts
3. /etc/sysconfig/network-scripts/ifcfg-eno16777984

相关软件全放到/opt目录下，而且环境变量全在各自的安装目录配置文件中设定(也可以在~/.bashrc 中统一设置)

环境变量

1. hadoop
   1. 　　/opt/hadoop-xx/etc/hadoop/hadoop-env.sh
   2. 　　/opt/hadoop-xx/etc/hadoop/yarn-env.sh
   3. 　　/opt/hadoop-xx/etc/hadoop/mapred-env.sh
2. hbase
   1. 　　/opt/hbase-xx/conf/hbase-env.sh
3. hive
   1. 　　/opt/hive-xx/conf/hive-env.sh
4. sqoop
   1. 　　/opt/sqoop-xx/conf/sqoop-env.sh

配置文件

1. hadoop
   1. 　　/opt/hadoop-xx/etc/hadoop/slaves
   2. 　　/opt/hadoop-xx/etc/hadoop/core-site.xml
   3. 　　/opt/hadoop-xx/etc/hadoop/hdfs-site.xml
   4. 　　/opt/hadoop-xx/etc/hadoop/mapred-site.xml
   5. 　　/opt/hadoop-xx/etc/hadoop/yarn-site.xml
2. hbase
   1. 　　/opt/hbase-xx/conf/hbase-site.xml
   2. 　　/opt/hbase-xx/conf/backup-masters
   3. 　　/opt/hbase-xx/conf/regionservers
3. zookeeper
   1. 　　/opt/zookeeper-xx/conf/zoo.cfg
   2. 　　在指定的目录 dataDir下 创建文件myid
4. hive
   1. 　　/opt/hive-xx/conf/hive-site.xml
5. sqoop
   1. 　　/opt/sqoop-xx/bin/configure-sqoop

---

第二步：虚拟机环境搭建

1. 使用 vSphere Client 创建虚拟机并指定自己下载的CentOS文件，先不设置网络，启动。
2. 用root用户登录，然后通过修改 /etc/sysconfig/network-scripts/ifcfg-enoxxxxxx 文件设置桥接模式网络，具体参照 CentOS7网卡设置为桥接模式静态IP配置方法详解
3. 修改 /etc/hostname
4. 修改 /etc/hosts

   192.168.0.155 NameNode1
   192.168.0.156 NameNode2
   192.168.0.157 DataNode1
   192.168.0.158 DataNode2
   192.168.0.159 DataNode3
   127.0.0.1     localhost  #这个必须要有

节点配置图

---

第三步：用户信息

为了以后的模块化管理，打算hadoop，hbase，hive等等都单独建用户

因为这5台机器创建用户，配置权限等的操作是一样的，我们要不就是在五个机器上都敲一遍命令，要不就是在一台机器上配完了再把文件复制过去，都比较繁琐。

因为我用的是Xshell，使用 【Alt + t , k】或者【工具】->【发送键输入到所有会话】，这样只要在一个会话中输入命令，所有打开的会话都会执行，就像是同时在这5台机器上敲命令一样。

su  #使用root用户
useradd -m hadoop -s  /bin/bash  #用同样方式创建hbase,hive,zookeeper,sqoop用户
passwd hadoop   #给用户设置密码
visudo  #给用户设定权限  :98  在98行新加hadoop的权限即可

接下来就是安装SSH、配置SSH无密码登陆

首先更新一下系统软件

yum upgrade

设置本机公钥、私钥

cd ~/.ssh/ # 若没有该目录，请先执行一次 mkdir ~/.ssh

ssh-keygen -t rsa #一路回车

cat id_rsa.pub >> authorized_keys # 将公钥加入服务器

chmod 600 ./authorized_keys # 修改文件权限

-----------------------------------如果是非root用户，下面这一步必须要做----------------------------------------------------

chmod 700 ~/.ssh   #修改文件夹权限  mkdir生成的文件夹默认是775，必须改成700；用ssh localhost生成的文件夹也可以

上面介绍的SSH免密登录本机的，而我们的登录关系是这样的

所以  还要分别赋予公钥

1. 将NameNode1,NameNode2的公钥分别加入对方的授权文件
2. 将NameNode1的公钥分别加入DataNode1,DataNode2,DataNode3的授权文件
3. 将NameNode2的公钥分别加入DataNode1,DataNode2,DataNode3的授权文件
4. 更改这5个.ssh的文件夹以及authorized_keys的权限

---

第四步 安装、配置Java环境

使用yum安装java(每一台虚拟机)

sudo yum install java-1.7.0-openjdk java-1.7.0-openjdk-devel

默认安装路径： /usr/lib/jvm/java-1.7.0-openjdk

然后在 /etc/environment 中保存JAVA_HOME变量

sudo vi /etc/environment

内容如下

---

第5步 Zookeeper安装配置

1. 在一台机器解压安装zookeeper,并进入该安装目录
2. 将conf/zoo_example.cfg 重命名为 zoo.cfg

   mv conf/zoo_example.cfg conf/zoo.cfg

3. 编辑zoo.cfg内容

   tickTime=2000
   initLimit=10
   syncLimit=5
   dataDir=/home/hadoop/data/zookeeper
   dataLogDir=/home/hadoop/logs/zookeeper
   clientPort=2181
   server.0=NameNode1:2888:3888
   server.1=NameNode2:2888:3888
   server.2=DataNode1:2888:3888
   server.3=DataNode2:2888:3888
   server.4=DataNode3:2888:3888

4. 通过scp 将安装包复制到其他机器
5. 在每一个机器上的对应位置创建 dataDir和dataLogDir目录，并将zoo.cfg文件中 server. 后面对应的数字写入 dataDir下的myid文件。如 节点NameNode2就要这行一下命令

   echo  > /home/hadoop/data/zookeeper/myid
   #因为zoo.cfg文件中 NameNode2前面的数字是1 所以写入1即可
   #如果DataNode3的话就需要写4

   注：一定要创建这两个目录 否则报错【ERROR [main:QuorumPeerMain@86] - Invalid config, exiting abnormally】

6. 使用Zookeeper要注意各节点的时间一致性问题，需要做时间同步，这里暂且同步一次。最好参考这篇CentOS7 中使用NTP进行时间同步

   # sudo yum install ntpdate #如果没有安装ntpdate的话，需要先安装
   
   sudo ntpdate time.nist.gov

7. 启动服务

   bin/zkServer.sh start
   

   　　

8. 查看状态 （注意：/etc/hosts中必须要有 127.0.0.1 与 localhost的映射，否则zk之间无法连接）

   bin/zkServer.sh status

---

第6步 Hadoop安装、配置

在/opt下面创建一个文件夹 software并更改用户组

cd /opt
sudo mkdir software
sudo chown -R hadoop:hadoop software

　　然后所有大数据相关程序都放到这个文件夹中

1. 在~/.bashrc 中定义 SOFTWARE_HOME

   export SOFTWARE_HOME=/opt/software
   

   　　

2. cd到Hadoop安装目录的配置目录 /etc/hadoop 编辑hadoop-env.sh，定义HADOOP_HOME,HADOOP_PID_DIR,HADOOP_LOG_DIR

   export HADOOP_HOME=/opt/hadoop/hadoop-2.5.0-cdh5.3.6
   export HADOOP_PID_DIR=$SOFTWARE_HOME/data/hadoop/pid
   export HADOOP_LOG_DIR=$SOFTWARE_HOME/logs/hadoop
   

   　　

3. 编辑yarn-env.sh 定义YARN_PID_DIR,YARN_LOG_DIR

   export YARN_LOG_DIR=$SOFTWARE_HOME/logs/yarn
   export YARN_PID_DIR=$SOFTWARE_HOME/data/yarn
   

   　　

4. 编辑 mapred-env.sh，定义PID和Log目录

   export HADOOP_MAPRED_LOG_DIR=$SOFTWARE_HOME/logs/mapred
   export HADOOP_MAPRED_PID_DIR=$SOFTWARE_HOME/data/mapred
   

   　　

5. 编辑core-site.xml  这里 命名空间的逻辑名称使用 sardoop

   <configuration>
       <property>
           <name>fs.defaultFS</name>
           <value>hdfs://sardoop</value>
       </property>
   
       <property>
           <name>hadoop.http.staticuser.user</name>
           <value>hadoop</value>
       </property>
       <property>
           <name>hadoop.proxyuser.hadoop.hosts</name>
           <value>*</value>
       </property>
       <property>
           <name>hadoop.proxyuser.hadoop.users</name>
           <value>hadoop</value>
       </property>
       <property>
           <name>fs.trash.interval</name>
           <value>4230</value>
       </property>
       <property>
           <name>io.file.buffer.size</name>
           <value>65536</value>
       </property>
   
       <property>
           <name>hadoop.tmp.dir</name>
           <value>/opt/software/hadoop-2.5.0-cdh5.3.6/tmp</value>
       </property>
   
       <property>
             <name>ha.zookeeper.quorum</name>
             <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value>
       </property>
   
   </configuration>

6. 编辑hdfs-site.xml。这里对NameNode使用HA，NameNode ID使用 nn1,nn2 分别对应 NameNode1,NameNode2，使用三个DataNode做JournalNode。

   <configuration>
       <property>
           <name>dfs.replication</name>
           <value>2</value>
       </property>
       <property>
           <name>dfs.nameservices</name>
           <value>sardoop</value>
       </property>
       <property>
           <name>dfs.ha.namenodes.sardoop</name>
           <value>nn1,nn2</value>
       </property>
       <property>
           <name>dfs.namenode.rpc-address.sardoop.nn1</name>
           <value>NameNode1:9820</value>
       </property>
       <property>
           <name>dfs.namenode.rpc-address.sardoop.nn2</name>
           <value>NameNode2:9820</value>
       </property>
       <property>
           <name>dfs.namenode.http-address.sardoop.nn1</name>
           <value>NameNode1:9870</value>
       </property>
       <property>
           <name>dfs.namenode.http-address.sardoop.nn2</name>
           <value>NameNode2:9870</value>
       </property>
       <property>
           <name>dfs.namenode.shared.edits.dir</name>
           <value>
           qjournal://DataNode1:8485;DataNode2:8485;DataNode3:8485/sardoop</value>
       </property>
       <property>
           <name>dfs.client.failover.proxy.provider.sardoop</name>
           <value>
           org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
       </property>
       <property>
           <name>dfs.ha.fencing.methods</name>
           <value>sshfence</value>
       </property>
       <property>
           <name>dfs.ha.fencing.ssh.private-key-files</name>
           <value>/home/hadoop/.ssh/id_rsa</value>
       </property>
       <property>
           <name>dfs.journalnode.edits.dir</name>
           <value>/opt/software/hadoop-2.5.0-cdh5.3.6/tmp/journal</value>
       </property>
       <property>
           <name>dfs.ha.automatic-failover.enabled</name>
           <value>true</value>
       </property>
       <property>
           <name>dfs.datanode.max.transfer.threads</name>
           <value>4096</value>
       </property>
   
       <!--这里必须要加上前缀 file://  否则会出现警告 should be specified as a URI in configuration files.并无法启动DataNode-->
       <property>
           <name>dfs.namenode.name.dir</name>
           <value>file:///opt/hdfsdata/namenode,file:///home/hadoop/data/hdfs/namenode</value>
       </property>
       <property>
           <name>dfs.datanode.data.dir</name>
           <value>file:///opt/hdfsdata/datanode,file:///home/hadoop/data/hdfs/datanode</value>
       </property>
   </configuration>

7. 编辑slaves文件

   DataNode1
   DataNode2
   DataNode3

8. 接下来就是启动及初始化JournalNode、NameNode、DataNode，可对应这篇文章 Hadoop HA.
9. 配置yarn-site.xml,使用HA

   <configuration>
     <property>
       <name>yarn.resourcemanager.ha.enabled</name>
       <value>true</value>
     </property>
     <property>
       <name>yarn.resourcemanager.ha.rm-ids</name>
       <value>rm1,rm2</value>
     </property>
     <property>
       <name>yarn.resourcemanager.hostname.rm1</name>
       <value>NameNode1</value>
     </property>
     <property>
       <name>yarn.resourcemanager.hostname.rm2</name>
       <value>NameNode2</value>
     </property>
     <property>
       <name>yarn.resourcemanager.recovery.enabled</name>
       <value>true</value>
     </property>
     <property>
       <name>yarn.resourcemanager.cluster-id</name>
       <value>yarnha</value>
     </property>
     <property>
       <name>yarn.resourcemanager.store.class</name>
       <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
     </property>
     <property>
       <name>yarn.resourcemanager.zk-address</name>
       <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value>
     </property>
   
     <property>
       <name>yarn.web-proxy.address</name>
       <value>NameNode2:9180</value>
     </property>
     <property>
       <name>yarn.nodemanager.aux-services</name>
       <value>mapreduce_shuffle</value>
     </property>
     <property>
       <name>yarn.nodemanager.vmem-check-enabled</name>
       <value>false</value>
     </property>
     <property>
       <name>yarn.nodemanager.vmem-pmem-ratio</name>
       <value>4</value>
     </property>
   
   </configuration>

10. 配置mapred-site.xml

    <configuration>
    
            <property>
                    <name>mapreduce.framework.name</name>
                    <value>yarn</value>
            </property>
            <property>
                    <name>mapreduce.jobhistory.address</name>
                    <value>NameNode1:10020</value>
            </property>
            <property>
                    <name>mapreduce.jobhistory.webapp.address</name>
                    <value>NameNode1:19888</value>
            </property>
    </configuration>

11. 退出Hadoop安全模式

    bin/hdfs dfsadmin -safemode leave

    检查HDFS

12. bin/hdfs fsck / -files -blocks

---

第七步：HBase安装部署

1. 安装并进入安装目录
2. 编辑 conf/backup-masters

   NameNode2

3. 编辑 conf/hbase-env.sh

   #主要修改这三项
   export HBASE_PID_DIR=${HOME}/data/hbase
   export HBASE_MANAGES_ZK=false
   export HBASE_LOG_DIR=${HOME}/logs/hbase

4. 编辑 conf/hbase-site.xml

   <configuration>
       <property>
           <name>hbase.cluster.distributed</name>
           <value>true</value>
       </property>
       <property>
           <name>hbase.rootdir</name>
           <!--这里应该是要使用nameservice的，但是用了之后IP解析不正确，只能暂时换成HostName;还要注意一点 这里的必须使用当前处于Active的NameNode-->
           <!--HBase如果要做HA，这里以后必须要改成Nameservice，否则NameNode发生变化的时候还要手动修改Hbase配置-->
           <value>hdfs://NameNode1:9820/hbase</value>
           <!--<value>hdfs://sardoop/hbase</value>-->
       </property>
       <property>
           <name>hbase.zookeeper.quorum</name>
           <value>NameNode1,NameNode2,DataNode1,DataNode2,DataNode3</value>
       </property>
       <property>
           <name>hbase.zookeeper.property.dataDir</name>
           <value>/home/hadoop/data/zookeeper</value>
       </property>
   </configuration>

5. 编辑 conf/regionservers

   NameNode2
   DataNode1
   DataNode2
   DataNode3

注意：有时候启动HBase的时候会出现【org.apache.Hadoop.hbase.TableExistsException: hbase:namespace】

或者什么【Znode already exists】相关的问题，一般都是因为之前的HBase信息已经在Zookeeper目录下已经存在引起的。

解决方法：

1. 登录到zookeeper节点的机器上
2. cd ${ZOOKEEPER_HOME}/bin
3. bin/zkCli.sh
4. ls /  可以查看到zookeeper上已有hbase目录
5. rmr /hbase  #删除该目录
6. 最后重新启动hbase即可

有时候用java调用hbase时，会发生访问hbase时虽然没有报错，但是一直没有响应。

解决方式：

在程序调用的机器中的hosts文件，添加hbase所在节点的hosts信息

---

第八步：Sqoop安装部署（Sqoop1）

通过sqoop我们可以实现RDMS与hadoop生态产品 如hdfs、hive、hbase(单向)的数据导入导出。

在导入的过程中 我们可以指定mapper的数量，甚至是压缩的方式。目前有sqoop1和sqoop2两个大版本，且差异较大。Sqoop1与Sqoop2的相关功能支持程度

1. 下载，解压，cd到安装目录
2. 将 conf/sqoop-env-template.sh 重命名为 conf/sqoop-env.sh
3. 编辑 conf/sqoop-env.sh

   #Set path to where bin/hadoop is available
   export HADOOP_COMMON_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6
   
   #Set path to where hadoop-*-core.jar is available
   export HADOOP_MAPRED_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6
   
   #set the path to where bin/hbase is available
   export HBASE_HOME=/opt/software/hbase-0.98.6-cdh5.3.6
   
   #Set the path to where bin/hive is available
   export HIVE_HOME=/opt/software/hive-0.13.1-cdh5.3.6
   
   #Set the path for where zookeper config dir is  (如果有独立的ZooKeeper集群，才需要配置这个)
   export ZOOCFGDIR=/opt/software/zookeeper-3.4.5-cdh5.3.6/

4. 编辑 bin/configure-sqoop,注释掉HCAT_HOME、ACCUMULO_HOME(如果没有用到这些Hadoop组件的话)，差不多在文件的中间位置，130行左右　
   　

   

5. 把mysql jdbc和sqlserver jdbc都放到 lib 下，同时拷贝到所有虚拟机的hadoop安装目录 $HADOOP_HOME/share/hadoop/common/lib。可使用下面的脚本

   cp mysql-connector-java-5.1.40-bin.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/
   
   --复制到所有虚拟机的Hadoop目录
   cp mysql-connector-java-5.1.40-bin.jar /opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp mysql-connector-java-5.1.40-bin.jar hadoop@NameNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode1:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp mysql-connector-java-5.1.40-bin.jar hadoop@DataNode3:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   
   cp sqljdbc4.jar /opt/software/sqoop-1.4.5-cdh5.3.6/lib/
   cp sqljdbc4.jar /opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp sqljdbc4.jar hadoop@NameNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp sqljdbc4.jar hadoop@DataNode1:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp sqljdbc4.jar hadoop@DataNode2:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/
   scp sqljdbc4.jar hadoop@DataNode3:/opt/software/hadoop-2.5.0-cdh5.3.6/share/hadoop/common/lib/

   jdbc copy

6. 检测安装状况,如下图所示，则安装配置都没问题了

   bin/sqoop help

   

7. 使用   注：MSSqlServer与MySql的区别只在于连接信息上

   ** 查看sqlserver数据库列表
   bin/sqoop list-databases --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123'
   
   ** 查看数据库表
   bin/sqoop list-tables --connect 'jdbc:mysql://192.168.0.154:3306/Test' --username sa --password 123
   
   ** 直接导表数据到HBase
   bin/sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test' --table Cities --split-by Id
   　　--hbase-table sqoop_Cities --column-family c --hbase-create-table --hbase-row-key Id
   
   **用sql语句导入(如果使用了query的形式，则必须要在sql后面加上 $CONDITIONS)
   bin/sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test'\

   　　--query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE id>10 AND $CONDITIONS' -m 1\
   　　--split-by Id --hbase-table sqoop_Cities --column-family c --hbase-create-table --hbase-row-key Id
   
   ** 导入HDFS（因为这是通过Mapper处理的，所有这个目标路径必须不存在）
   ./sqoop import --connect 'jdbc:sqlserver://192.168.0.154:1433;username=sa;password=123;database=Test' --table Cities --target-dir /input/Cities
   
   ** 从hdfs到处到mysql
   bin/sqoop export --connect jdbc:mysql://NameNode1:3306/test --username root --password 123
   　　--table loghour --m 2 --export-dir /tmp/loghour/ --input-fields-terminated-by '\t'

注：

• sqoop2 不支持从sqlserver导入数据，且sqoop1与sqoop2在配置和使用上有很大区别
• Sqoop1是无法从hbase/hive导出到mysql的，实现方式也都是通过hive将数据输出到文件 然后再用sqoop导出到mysql
• Sqoop2从1.99.6开始通过KiteConnector的方式在一定程度上支持了HBase的读写-->文章传送门
• Sqoop2 搭建及使用

---

第九步：Hive安装部署

1. 安装MySql
2. 在mysql命令行设置hive对应的数据库，用户及密码  hive,123，并设置权限;

   create database hive;
   grant all on hive*.* to hive@'%'  identified by 'hive';
   flush privileges;

3. cd到hive安装目录

   #为了操作方便，可以选择创建软链接(非必须)
   ln -s hive-0.13.1-cdh5.3.6 hive

4. 将conf下面的模板文件改名成正式文件

   hive-default.xml.template --> hive-site.xml
   hive-log4j.properties.template --> hive-log4j.properties
   hive-exec-log4j.properties.template --> hive-exec-log4j.properties
   hive-env.sh.template --> hive-env.sh

5. 修改 conf/hive-env.sh，主要是设置 HADOOP_HOME

   # Set HADOOP_HOME to point to a specific hadoop install directory
   HADOOP_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6/
   
   # Hive Configuration Directory can be controlled by:
   export HIVE_CONF_DIR=/opt/software/hive-0.13.1-cdh5.3.6/conf/
   
   # Folder containing extra ibraries required for hive compilation/execution can be controlled by:
   export HIVE_AUX_JARS_PATH=/opt/software/hive-0.13.1-cdh5.3.6/lib/

6. 修改 conf/hive-site.xml。这个版本的文件有一个错误的地方，在2784行少了一个起始标签 <property>。下面修改的配置是设定了元数据的存储方式，如果不做修改的话就会使用自带的derby作为数据库

   <property>
     <name>javax.jdo.option.ConnectionURL</name>
     <value>jdbc:mysql://NameNode1:3306/hive?createDatabaseIfNotExist=true</value>
     <description>JDBC connect string for a JDBC metastore</description>
   </property>
   <property>
     <name>javax.jdo.option.ConnectionDriverName</name>
     <value>com.mysql.jdbc.Driver</value>
     <description>Driver class name for a JDBC metastore</description>
   </property>
   <property>
     <name>javax.jdo.option.ConnectionUserName</name>
     <value>hive</value>
     <description>username to use against metastore database</description>
   </property>
   <property>
     <name>javax.jdo.option.ConnectionPassword</name>
     <value>123</value>
     <description>password to use against metastore database</description>
   </property>
   <!--用于远程连接-->
   <property>
     <name>hive.metastore.uris</name>
     <value>thrift://127.0.0.1:9083</value>
   </property>
   <!--这个参数用于启动hiveserver2，默认值存在bug 后续版本已修复-->
   <property>
      <name>hive.server2.long.polling.timeout</name>
      <value>5000ms</value>
      <description>Time in milliseconds that HiveServer2 will wait, before responding to asynchronous calls that use long polling</description>
   </property>
   <!--hive需要用到的包-->
   <property>
   　　<name>hive.aux.jars.path</name>
   　　<value>file:///opt/software/hive/lib/hive-hbase-handler-0.13.1-cdh5.3.6.jar,file:///opt/software/hive/lib/zookeeper-3.4.5-cdh5.3.6.jar,file:///opt/software/hive/lib/hbase-client-0.98.6-cdh5.3.6.jar</value>
   </property>

7. 在hdfs上面，创建目录

   $HADOOP_HOME/bin/hadoop fs -mkdir /tmp
   $HADOOP_HOME/bin/hadoop fs -mkdir /user/hive/warehouse
   $HADOOP_HOME/bin/hadoop fs -chmod g+w /tmp
   $HADOOP_HOME/bin/hadoop fs -chmod g+w /user/hive/warehouse

8. 启动metastore服务

   bin/hive --service metastore &  #后面的&是用来让hive服务在后台运行，没有&的话 关掉服务所在的ssh连接时，服务也会stop
   #启动成功后，敲任意键回到shell命令输入模式，然后输入exit退出即可(通过命令而不是直接关闭客户端)
   
   # bin/hive --service hiveserver & #这个命令启动的服务用于java的api调用。如果没有这个需求则不需要执行该命令

9. 启动成功后，会多一个RunJar进程，现在就可以使用Hive Cli了
10. 如果想启用远程模式的话需要启动hive metastore服务。有个前提条件是 jps显示的进程中不能有RunJar，有的话Kill掉。否则会出现【Could not create ServerSocket on address 0.0.0.0/0.0.0.0:9083】

其他：

①hive命令的调用有3种方式：

1. 多语句执行

   ./hive –f  ./hive-script.sql

2. 单行语句

   ./hive -e  'select * from table'

3. 交互模式  执行./hive 即可

②UDF的创建

1. 首先要自定义UDF类

   package com.sarnath.jobtask.hive.udf;
   
   import org.apache.hadoop.hive.ql.exec.Description;
   import org.apache.hadoop.hive.ql.exec.UDF;;
   
   /**
    * 将时间字符串转换成所在的5分钟区间
    *
    * @author Zhanglei 2016年12月2日
    */
   @Description(name = "get5minTimeZone", value = "FUNC<time> - cast string to 5min timezone?")
   public class get5minTimeZone extends UDF {
       public long evaluate(long time) {
           long minTotal = time/60;//总分钟数
           long timeValue = minTotal*60;// 时间值
           /*
            * 精确到秒的时间  + 5秒 - 秒位数值与5的余数
            */
           return timeValue + 5 * 60 - timeValue % (5 * 60);
       }
   }

2. 将项目打包并放到HDFS上某路径下 如 /user/hadoop/hiveUDF/udftest.jar
3. 在hive中执行创建命令

   #如果已存在 要先删除
   #drop function get5minTimeZone;
   
   create function get5minTimeZone as 'com.sarnath.jobtask.hive.udf.logTimeConvert' using jar 'hdfs:///user/hadoop/hiveUDF/jobtask.jar';

③相关command

• 创建表 后面的棕色文字是指定从文件load数据的时候的字段间的分隔符

  create table logdetail(proxyip string,origin string)  row format delimited fields terminated by ';';

• 分区  hive的分区可对大量数据的操作提升很大效率，一个分区就是一个文件夹
  • 创建分区

    create table logdetail(proxyip string ,origin string) partitioned by(logdate string);

  • 展示表的所有分区

    show partitions tablename;

• 从文件load数据到hive.如果不加 local 则是hdfs上的文件

  load data [local] inpath '/opt/software/log/log2016_12_15.log' overwrite into table logdetail;

• 创建hive与hbase的关联表(STORED BY前面的是hive中的表结构；mapping=后面的字符串表示hbase中对应的字段；:key表示rowkey；hbaseloghour是hbase的表名)

  CREATE TABLE log(time string,total int) STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
  　　WITH SERDEPROPERTIES ("hbase.columns.mapping" = ":key,f:total") TBLPROPERTIES ("hbase.table.name" = "hbaseloghour");

参考：

beeline 连接的问题

---

其他

1. Oozie-4.0.0-cdh5.3.6搭建

---

附：

① 批处理执行脚本(当前节点为NameNode1)

重新格式化时，需要删除数据的脚本

echo --remove hdfs data
rm -rf /opt/hdfsdata/datanode/*
rm -rf /opt/hdfsdata/namenode/*
rm -rf /home/hadoop/data/hdfs/namenode/*
rm -rf /home/hadoop/data/hdfs/datanode/*

ssh NameNode2 'rm -rf /opt/hdfsdata/datanode/*'
ssh NameNode2 'rm -rf /opt/hdfsdata/namenode/*'
ssh NameNode2 'rm -rf /home/hadoop/data/hdfs/namenode/*'
ssh NameNode2 'rm -rf /home/hadoop/data/hdfs/datanode/*'

ssh DataNode1 'rm -rf /opt/hdfsdata/datanode/*'
ssh DataNode1 'rm -rf /opt/hdfsdata/namenode/*'
ssh DataNode1 'rm -rf /home/hadoop/data/hdfs/namenode/*'
ssh DataNode1 'rm -rf /home/hadoop/data/hdfs/datanode/*'

ssh DataNode2 'rm -rf /opt/hdfsdata/datanode/*'
ssh DataNode2 'rm -rf /opt/hdfsdata/namenode/*'
ssh DataNode2 'rm -rf /home/hadoop/data/hdfs/namenode/*'
ssh DataNode2 'rm -rf /home/hadoop/data/hdfs/datanode/*'

ssh DataNode3 'rm -rf /opt/hdfsdata/datanode/*'
ssh DataNode3 'rm -rf /opt/hdfsdata/namenode/*'
ssh DataNode3 'rm -rf /home/hadoop/data/hdfs/namenode/*'
ssh DataNode3 'rm -rf /home/hadoop/data/hdfs/datanode/*'

echo --remove zookeeper data
rm -rf ~/data/zookeeper/version-2/*
rm -rf ~/data/zookeeper/zookeeper_server.pid
ssh NameNode2 'rm -rf ~/data/zookeeper/version-2/*'
ssh NameNode2 'rm -rf ~/data/zookeeper/zookeeper_server.pid'
ssh DataNode1 'rm -rf ~/data/zookeeper/version-2/*'
ssh DataNode1 'rm -rf ~/data/zookeeper/zookeeper_server.pid'
ssh DataNode2 'rm -rf ~/data/zookeeper/version-2/*'
ssh DataNode2 'rm -rf ~/data/zookeeper/zookeeper_server.pid'
ssh DataNode3 'rm -rf ~/data/zookeeper/version-2/*'
ssh DataNode3 'rm -rf ~/data/zookeeper/zookeeper_server.pid'

echo --remove hadoop logs
rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp
rm -rf /home/hadoop/logs/hadoop
ssh NameNode2 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp'
ssh NameNode2 'rm -rf /home/hadoop/logs/hadoop'
ssh DataNode1 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp'
ssh DataNode1 'rm -rf /home/hadoop/logs/hadoop'
ssh DataNode2 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp'
ssh DataNode2 'rm -rf /home/hadoop/logs/hadoop'
ssh DataNode3 'rm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmp'
ssh DataNode3 'rm -rf /home/hadoop/logs/hadoop'

echo --remove hbase logs
rm -rf ~/logs/hbase/*
ssh NameNode2 'rm -rf ~/logs/hbase/*'
ssh DataNode1 'rm -rf ~/logs/hbase/*'
ssh DataNode2 'rm -rf ~/logs/hbase/*'
ssh DataNode3 'rm -rf ~/logs/hbase/*'

启动过程的脚本

echo --start zookeeper
/opt/software/zookeeper-3.4.-cdh5.3.6/bin/zkServer.sh start
ssh NameNode2 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start'
ssh DataNode1 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start'
ssh DataNode2 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start'
ssh DataNode3 '/opt/software/zookeeper-3.4.5-cdh5.3.6/bin/zkServer.sh start'

echo --start journalnodes cluster
ssh DataNode1 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode'
ssh DataNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode'
ssh DataNode3 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start journalnode'

echo --format one namenode
/opt/software/hadoop-2.5.-cdh5.3.6/bin/hdfs namenode -format
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/hadoop-daemon.sh start namenode

echo --format another namenode
ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs namenode -bootstrapStandby'
sleep
ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start namenode'
sleep 

#echo --start all datanodes
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/hadoop-daemons.sh start datanode

echo --zookeeper init
/opt/software/hadoop-2.5.-cdh5.3.6/bin/hdfs zkfc -formatZK

echo --start hdfs
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/start-dfs.sh

echo --start yarn
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/start-yarn.sh
ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/yarn-daemon.sh start resourcemanager'
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/mr-jobhistory-daemon.sh  start historyserver
/opt/software/hadoop-2.5.-cdh5.3.6/sbin/yarn-daemon.sh start proxyserver

②关于CentOS7minimal下MySql的安装

③用MapReduce操作HBase

默认情况下，在MapReduce中操作HBase的时候 会出现各种  java.lang.NoClassDefFoundError 问题，这是因为没有提供相关jar包。解决方法：

1. 把$HBASE_HOME/lib 里的所有jar包都拷贝到 $HADOOP_HOME/share/common/lib 下面
2. 把$HBASE_HOME/conf/hbase-site.xml 拷贝到 $HADOOP_HOME/conf 下面
3. 所有节点都执行以上操作(不需要重启hadoop)

HBase官网文档中的路径是错误的，把jar包放到lib下面是没有用的

④hdfs相关命令

//刷新节点
$HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes

//查看目录大小
hadoop dfs -count -q <dir>

//查看目录下子目录大小
hadoop dfs -du <dir>