Hive 整合 Spark 全教程 （Hive on Spark）

1. [luanhao@Bigdata00
3. hadoop-3.1.3]$ pwd
4. /opt/module/hadoop-3.1.3

复制代码

​ （2）打开/etc/profile文件

1. [luanhao@Bigdata00
3. hadoop-3.1.3]$ sudo vim /etc/profile
4. 在profile文件末尾添加JDK路径：（shitf+g）
5. #HADOOP\_HOME
6. export HADOOP_HOME=/opt/module/hadoop-3.1.3
7. export PATH=$PATH:$HADOOP\_HOME/bin
8. export PATH=$PATH:$HADOOP\_HOME/sbin

复制代码

​ （3）刷新并查看是否设置成功

1. [luanhao@Bigdata00
3. module]$ source /etc/profile
4. [luanhao@Bigdata00
6. module]$ hadoop version
7. Hadoop 3.1.3
8. Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
9. Compiled by ztang on 2019-09-12T02:47Z
10. Compiled with protoc 2.5.0
11. From source with checksum ec785077c385118ac91aadde5ec9799
12. This command was run using /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar

复制代码

设置集群

1）焦点设置文件
设置core-site.xml

1. 文件内容如下：
2. <?xml version="1.0" encoding="UTF-8"?>
3. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
5. <configuration>
6.         <!-- 指定NameNode的地址 -->
7.     <property>
8.         <name>fs.defaultFS</name>
9.         <value>hdfs://Bigdata00
11. :9820</value>
12. </property>
13. <!-- 指定hadoop数据的存储目录 -->
14.     <property>
15.         <name>hadoop.tmp.dir</name>
16.         <value>/opt/module/hadoop-3.1.3/data</value>
17. </property>
19. <!-- 配置HDFS网页登录使用的静态用户为luanhao -->
20.     <property>
21.         <name>hadoop.http.staticuser.user</name>
22.         <value>luanhao</value>
23. </property>
25. <!-- 配置该luanhao(superUser)允许通过代理访问的主机节点 -->
26.     <property>
27.         <name>hadoop.proxyuser.luanhao.hosts</name>
28.         <value>*</value>
29. </property>
30. <!-- 配置该luanhao(superUser)允许通过代理用户所属组 -->
31.     <property>
32.         <name>hadoop.proxyuser.luanhao.groups</name>
33.         <value>*</value>
34. </property>
35. <!-- 配置该luanhao(superUser)允许通过代理的用户-->
36.     <property>
37.         <name>hadoop.proxyuser.luanhao.groups</name>
38.         <value>*</value>
39. </property>
40. </configuration>

复制代码

2）HDFS设置文件
设置hdfs-site.xml

1. <?xml version="1.0" encoding="UTF-8"?>
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
4. <configuration>
5.         <!-- nn web端访问地址-->
6.         <property>
7.         <name>dfs.namenode.http-address</name>
8.         <value>Bigdata00
10. :9870</value>
11.     </property>
12.    
13.         <!-- 2nn web端访问地址-->
14.     <property>
15.         <name>dfs.namenode.secondary.http-address</name>
16.         <value>Bigdata00
18. :9868</value>
19.     </property>
20.    
21.     <!-- 测试环境指定HDFS副本的数量1 -->
22.     <property>
23.         <name>dfs.replication</name>
24.         <value>1</value>
25.     </property>
26. </configuration>

复制代码

3）YARN设置文件
设置yarn-site.xml

1. <?xml version="1.0" encoding="UTF-8"?>
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
4. <configuration>
5.         <!-- 指定MR走shuffle -->
6.     <property>
7.         <name>yarn.nodemanager.aux-services</name>
8.         <value>mapreduce_shuffle</value>
9.     </property>
10.    
11.     <!-- 指定ResourceManager的地址-->
12.     <property>
13.         <name>yarn.resourcemanager.hostname</name>
14.         <value>Bigdata00
16. </value>
17.     </property>
18.    
19.     <!-- 环境变量的继承 -->
20.     <property>
21.         <name>yarn.nodemanager.env-whitelist</name>
22.    <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
23.     </property>
24.    
25.     <!-- yarn容器允许分配的最大最小内存 -->
26.     <property>
27.         <name>yarn.scheduler.minimum-allocation-mb</name>
28.         <value>512</value>
29.     </property>
30.     <property>
31.         <name>yarn.scheduler.maximum-allocation-mb</name>
32.         <value>4096</value>
33.     </property>
34.    
35.     <!-- yarn容器允许管理的物理内存大小 -->
36.     <property>
37.         <name>yarn.nodemanager.resource.memory-mb</name>
38.         <value>4096</value>
39.     </property>
40.    
41.     <!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
42.     <property>
43.         <name>yarn.nodemanager.pmem-check-enabled</name>
44.         <value>false</value>
45.     </property>
46.     <property>
47.         <name>yarn.nodemanager.vmem-check-enabled</name>
48.         <value>false</value>
49.     </property>
50. </configuration>

复制代码

4）MapReduce设置文件
设置mapred-site.xml

1. <?xml version="1.0" encoding="UTF-8"?>
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
4. <configuration>
5.         <!-- 指定MapReduce程序运行在Yarn上 -->
6.     <property>
7.         <name>mapreduce.framework.name</name>
8.         <value>yarn</value>
9.     </property>
10. </configuration>

复制代码

5）设置workers

1. Bigdata00

复制代码

6）设置hadoop-env.sh

1. export JAVA_HOME=/opt/module/jdk1.8.0_212

复制代码

设置历史服务器

为了查看程序的历史运行环境，须要设置一下历史服务器。具体设置步骤如下：
设置mapred-site.xml

1. <!-- 历史服务器端地点 --><property>    <name>mapreduce.jobhistory.address</name>    <value>Bigdata00
3. :10020</value></property><!-- 历史服务器web端地点 --><property>    <name>mapreduce.jobhistory.webapp.address</name>    <value>Bigdata00
5. :19888</value></property>

复制代码

设置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS体系上。
日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。
留意：开启日志聚集功能，须要重新启动NodeManager 、ResourceManager和HistoryManager。
开启日志聚集功能具体步骤如下：
设置yarn-site.xml

1. <!-- 开启日志聚集功能 --><property>    <name>yarn.log-aggregation-enable</name>    <value>true</value></property><!-- 设置日志聚集服务器地点 --><property>      <name>yarn.log.server.url</name>      <value>http://Bigdata00
3. :19888/jobhistory/logs</value></property><!-- 设置日志保存时间为7天 --><property>    <name>yarn.log-aggregation.retain-seconds</name>    <value>604800</value></property>

复制代码

启动集群

（1）如果集群是第一次启动，须要在Bigdata00

节点格式化NameNode（留意格式化之前，一定要先制止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

1. [luanhao@Bigdata00
3. hadoop-3.1.3]$ bin/hdfs namenode -format

复制代码

（2）启动HDFS

1. [luanhao@Bigdata00
3. hadoop-3.1.3]$ sbin/start-dfs.sh

复制代码

（3）在设置了ResourceManager的节点启动YARN

1. [luanhao@Bigdata00
3. hadoop-3.1.3]$ sbin/start-yarn.sh

复制代码

（4）Web端查看HDFS的Web页面：http://bigdata00:9870

（5）Web端查看SecondaryNameNode :http://bigdata00:9868/status.html （单机模式下面什么都没有）

（6）Web端查看ResourceManager ：http://bigdata00:8088/cluster

LZO压缩设置

1）将编译好后的 hadoop-lzo-0.4.20.jar 放入 hadoop-3.1.3/share/hadoop/common/

1. [luanhao@Bigdata00
3. common]$ pwd/opt/module/hadoop-3.1.3/share/hadoop/common[luanhao@Bigdata00
5. common]$ lshadoop-lzo-0.4.20.jar

复制代码

2）core-site.xml 增长设置支持 LZO 压缩

1. <configuration>
2. <property>
3. <name>io.compression.codecs</name>
4. <value>
5. org.apache.hadoop.io.compress.GzipCodec,
6. org.apache.hadoop.io.compress.DefaultCodec,
7. org.apache.hadoop.io.compress.BZip2Codec,
8. org.apache.hadoop.io.compress.SnappyCodec,
9. com.hadoop.compression.lzo.LzoCodec,
10. com.hadoop.compression.lzo.LzopCodec
11. </value>
12. </property>
13. <property>
14. <name>io.compression.codec.lzo.class</name>
15. <value>com.hadoop.compression.lzo.LzoCodec</value>
16. </property>
17. </configuration>

复制代码

Hadoop 3.x 端标语 总结

Hadoop 3.x后，应用的端口有所调解，如下：
分类应用Haddop 2.xHaddop 3.xNNPortsNamenode80209820NNPortsNN HTTP UI500709870NNPortsNN HTTPS UI504709871SNN portsSNN HTTP500919869SNN portsSNN HTTP UI500909868DN portsDN IPC500209867DN portsDN500109866DN portsDN HTTP UI500759864DN portsNamenode504759865YARN portsYARN UI80888088 MySQL预备

1）卸载自带的 Mysql-libs（如果之前安装过 mysql，要全都卸载掉）

1. [luanhao@Bigdata00
3. software]$ rpm -qa | grep -i -E mysql\|mariadb | xargs -n1 sudo rpm -e --nodeps

复制代码

2）安装 mysql 依靠

1. [luanhao@Bigdata00
3. software]$ sudo rpm -ivh 01_mysql-community-common-5.7.16-1.el7.x86_64.rpm[luanhao@Bigdata00
5. software]$ sudo rpm -ivh 02_mysql-community-libs-5.7.16-1.el7.x86_64.rpm[luanhao@Bigdata00
7. software]$ sudo rpm -ivh 03_mysql-community-libs-compat-5.7.16-1.el7.x86_64.rpm

复制代码

3）安装 mysql-client

1. [luanhao@Bigdata00
3. software]$ sudo rpm -ivh 04_mysql-community-client-5.7.16-1.el7.x86_64.rpm

复制代码

4）安装 mysql-server

1. [luanhao@Bigdata00
3. software]$ sudo rpm -ivh 05_mysql-community-server-5.7.16-1.el7.x86_64.rpm

复制代码

5）启动 mysql

1. [luanhao@Bigdata00
3. software]$ sudo systemctl start mysqld

复制代码

6）查看 mysql 密码

1. [luanhao@Bigdata00
3. software]$ sudo cat /var/log/mysqld.log | grep password

复制代码

设置只要是 root 用户+密码，在任何主机上都能登录 MySQL 数据库。
7）用刚刚查到的密码进入mysql（如果报错，给密码加单引号）

1. [luanhao@Bigdata00
3. software]$ mysql -uroot -p 'password'

复制代码

8）设置复杂密码(由于 mysql 密码计谋，此密码必须足够复杂)

1. mysql> set password=password("Qs23=zs32");

复制代码

9）更改 mysql 密码计谋

1. mysql> set global validate_password_length=4;
2. mysql> set global validate_password_policy=0;

复制代码

10）设置简单好记的密码

1. mysql> set password=password("000000");

复制代码

11）进入msyql 库

1. mysql> use mysql

复制代码

12）查询 user 表

1. mysql> select user, host from user;

复制代码

13）修改 user 表，把 Host 表内容修改为%

1. mysql> update user set host="%" where user="root";

复制代码

14）刷新

1. mysql> flush privileges;

复制代码

15）退出

1. mysql> quit;

复制代码

Hive 预备

1）把 apache-hive-3.1.2-bin.tar.gz上传到 linux 的/opt/software 目录下
2）解压 apache-hive-3.1.2-bin.tar.gz 到/opt/module目录下面

1. [luanhao@Bigdata00
3. software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/

复制代码

3）修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive

1. [luanhao@Bigdata00
3. software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive

复制代码

4）修改/etc/profile，添加环境变量

1. [luanhao@Bigdata00
3. software]$ sudo vim /etc/profile添加内容#HIVE\_HOMEexport HIVE_HOME=/opt/module/hiveexport PATH=$PATH:$HIVE\_HOME/bin

复制代码

重启 Xshell 对话框或者 source 一下 /etc/profile 文件，使环境变量生效

1. [luanhao@Bigdata00
3. software]$ source /etc/profile

复制代码

5）办理日志 Jar 包辩论，进入/opt/module/hive/lib 目录（有辩论再做）

1. [luanhao@Bigdata00
3. lib]$ mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bak

复制代码

Hive 元数据设置到 MySQL
拷贝驱动
将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下

1. [luanhao@Bigdata00
3. lib]$ cp /opt/software/mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/

复制代码

设置 Metastore 到 MySQL
在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件

1. [luanhao@Bigdata00
3. conf]$ vim hive-site.xml

复制代码

添加如下内容

1. <?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration> <property>         <name>javax.jdo.option.ConnectionURL</name>        <value>jdbc:mysql://Bigdata00
3. :3306/metastore?useSSL=false</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>000000</value> </property> <property>         <name>hive.metastore.warehouse.dir</name>         <value>/user/hive/warehouse</value> </property> <property>         <name>hive.metastore.schema.verification</name>         <value>false</value> </property> <property>         <name>hive.server2.thrift.port</name>         <value>10000</value> </property> <property>         <name>hive.server2.thrift.bind.host</name>         <value>Bigdata00
5. </value> </property> <property>        <name>hive.metastore.event.db.notification.api.auth</name>         <value>false</value> </property>  <property>         <name>hive.cli.print.header</name>         <value>true</value> </property> <property>         <name>hive.cli.print.current.db</name>         <value>true</value> </property></configuration>

复制代码

启动 Hive
初始化元数据库
1）登岸MySQL

1. [luanhao@Bigdata00
3. conf]$ mysql -uroot -p000000

复制代码

2）新建 Hive 元数据库

1. mysql> create database metastore;mysql> quit;

复制代码

3）初始化 Hive 元数据库

1. [luanhao@Bigdata00
3. conf]$ schematool -initSchema -dbType mysql -verbose

复制代码

启动 hive 客户端
1）启动 Hive 客户端

1. [luanhao@Bigdata00
3. hive]$ bin/hive

复制代码

2）查看一下数据库

1. hive (default)> show databases;
2. OK
3. database_name
4. default

复制代码

Spark 预备

（1）Spark 官网下载 jar 包地点：
http://spark.apache.org/downloads.html
（2）上传并解压解压 spark-3.0.0-bin-hadoop3.2.tgz

1. [luanhao@Bigdata00
3. software]$ tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module/ [luanhao@Bigdata00
5. software]$ mv /opt/module/spark-3.0.0-bin-hadoop3.2 /opt/module/spark

复制代码

（3）设置 SPARK_HOME 环境变量

1. [luanhao@Bigdata00
3. software]$ sudo vim /etc/profile添加如下内容# SPARK\_HOMEexport SPARK_HOME=/opt/module/sparkexport PATH=$PATH:$SPARK\_HOME/bin

复制代码

source 使其生效

1. [luanhao@Bigdata00
3. software]$ source /etc/profile

复制代码

（4）在hive 中创建 spark 设置文件

1. [luanhao@Bigdata00
3. software]$ vim /opt/module/hive/conf/spark-defaults.conf添加如下内容（在执行使命时，会根据如下参数执行）spark.master yarnspark.eventLog.enabled truespark.eventLog.dir hdfs://Bigdata00
5. :8020/spark-historyspark.executor.memory 1g spark.driver.memory 1g

复制代码

在 HDFS 创建如下路径，用于存储历史日志

1. [luanhao@Bigdata00
3. software]$ hadoop fs -mkdir /spark-history

复制代码

（5）向 HDFS 上传 Spark 纯净版 jar 包
说明 1：由于 Spark3.0.0 非纯净版默认支持的是 hive2.3.7 版本，直接利用会和安装的Hive3.1.2 出现兼容性问题。以是接纳 Spark 纯净版 jar 包，不包罗 hadoop 和 hive 相关依靠，避免辩论。
说明 2：Hive 使命最终由 Spark 来执行，Spark 使命资源分配由 Yarn 来调理，该使命有大概被分配到集群的任何一个节点。以是须要将 Spark 的依靠上传到 HDFS 集群路径，如许集群中任何一个节点都能获取到。
（6）上传并解压 spark-3.0.0-bin-without-hadoop.tgz

1. [luanhao@Bigdata00
3. software]$ tar -zxvf /opt/software/spark-3.0.0-bin-without-hadoop.tgz

复制代码

（7）上传 Spark 纯净版 jar 包到 HDFS

1. [luanhao@Bigdata00
3. software]$ hadoop fs -mkdir /spark-jars[luanhao@Bigdata00
5. software]$ hadoop fs -put spark-3.0.0-bin-without-hadoop/jars/* /spark-jars

复制代码

Hive on Spark 设置

修改 hive-site.xml 文件

1. [luanhao@Bigdata00
3. ~]$ vim /opt/module/hive/conf/hive-site.xml添加如下内容<!--Spark 依靠位置（留意：端标语 8020 必须和 namenode 的端标语同等）--><property>         <name>spark.yarn.jars</name>         <value>hdfs://Bigdata00
5. :8020/spark-jars/*</value></property> <!--Hive 执行引擎--><property>         <name>hive.execution.engine</name>         <value>spark</value></property><!--Hive 和 Spark 连接超时时间--><property>         <name>hive.spark.client.connect.timeout</name>         <value>10000ms</value></property>

复制代码

hadoop 3.1.3 默认 NameNode 端口是 9820 重新在hadoop 下的 core-site.xml 将 9820 修改成 8020 就可以了
core-site.xml

1. <!-- 指定NameNode的地址 -->
2. <property>

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。