目录：

• (sqoop1)

  

---

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。

• 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 
3. 修改 /etc/hostname 
4. 修改 /etc/hosts
   192.168.0.155 NameNode1192.168.0.156 NameNode2192.168.0.157 DataNode1192.168.0.158 DataNode2192.168.0.159 DataNode3127.0.0.1     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=2000initLimit=10syncLimit=5dataDir=/home/hadoop/data/zookeeperdataLogDir=/home/hadoop/logs/zookeeperclientPort=2181server.0=NameNode1:2888:3888server.1=NameNode2:2888:3888server.2=DataNode1:2888:3888server.3=DataNode2:2888:3888server.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 1 > /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
   # 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 /optsudo mkdir softwaresudo 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-cdh5.3.6export HADOOP_PID_DIR=$SOFTWARE_HOME/data/hadoop/pidexport HADOOP_LOG_DIR=$SOFTWARE_HOME/logs/hadoop

   　　

3. 编辑yarn-env.sh 定义YARN_PID_DIR,YARN_LOG_DIR
   export YARN_LOG_DIR=$SOFTWARE_HOME/logs/yarnexport YARN_PID_DIR=$SOFTWARE_HOME/data/yarn

   　　

4. 编辑 mapred-env.sh，定义PID和Log目录
   export HADOOP_MAPRED_LOG_DIR=$SOFTWARE_HOME/logs/mapredexport HADOOP_MAPRED_PID_DIR=$SOFTWARE_HOME/data/mapred

   　　

5. 编辑core-site.xml  这里 命名空间的逻辑名称使用 sardoop
              
                   
            
             fs.defaultFS
                    
            
             hdfs://sardoop
                
               
                   
            
             hadoop.http.staticuser.user
                    
            
             hadoop
                
               
                   
            
             hadoop.proxyuser.hadoop.hosts
                    
            
             *
                
               
                   
            
             hadoop.proxyuser.hadoop.users
                    
            
             hadoop
                
                
                   
            
             fs.trash.interval
                    
            
             4230
                
               
                   
            
             io.file.buffer.size
                    
            
             65536
                
               
                   
            
             hadoop.tmp.dir
                    
            
             /opt/software/hadoop-2.5.0-cdh5.3.6/tmp
                
               
                     
            
             ha.zookeeper.quorum
                      
            
             NameNode1,NameNode2,DataNode1,DataNode2,DataNode3
                
           
          

    

    

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。
              
                   
            
             dfs.replication
                    
            
             2
                
               
                   
            
             dfs.nameservices
                    
            
             sardoop
                
               
                   
            
             dfs.ha.namenodes.sardoop
                    
            
             nn1,nn2
                
               
                   
            
             dfs.namenode.rpc-address.sardoop.nn1
                    
            
             NameNode1:9820
                
               
                   
            
             dfs.namenode.rpc-address.sardoop.nn2
                    
            
             NameNode2:9820
                
               
                   
            
             dfs.namenode.http-address.sardoop.nn1
                    
            
             NameNode1:9870
                
               
                   
            
             dfs.namenode.http-address.sardoop.nn2
                    
            
             NameNode2:9870
                
               
                   
            
             dfs.namenode.shared.edits.dir
                    
            
                     qjournal://DataNode1:8485;DataNode2:8485;DataNode3:8485/sardoop
                
               
                   
            
             dfs.client.failover.proxy.provider.sardoop
                    
            
                     org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider
                
               
                   
            
             dfs.ha.fencing.methods
                    
            
             sshfence
                
               
                   
            
             dfs.ha.fencing.ssh.private-key-files
                            
            
             /home/hadoop/.ssh/id_rsa
                        
               
                           
            
             dfs.journalnode.edits.dir
                            
            
             /opt/software/hadoop-2.5.0-cdh5.3.6/tmp/journal
                        
               
                   
            
             dfs.ha.automatic-failover.enabled
                    
            
             true
                
               
                   
            
             dfs.datanode.max.transfer.threads
                    
            
             4096
                
                
               
                   
            
             dfs.namenode.name.dir
                    
            
             file:///opt/hdfsdata/namenode,file:///home/hadoop/data/hdfs/namenode
                
               
                   
            
             dfs.datanode.data.dir
                    
            
             file:///opt/hdfsdata/datanode,file:///home/hadoop/data/hdfs/datanode
                
           
          

    

7. 编辑slaves文件
   DataNode1DataNode2DataNode3

    

8. 接下来就是启动及初始化JournalNode、NameNode、DataNode，可对应这篇文章 .
9. 配置yarn-site.xml,使用HA
            
               
            
             yarn.resourcemanager.ha.enabled
                
            
             true
              
             
               
            
             yarn.resourcemanager.ha.rm-ids
                
            
             rm1,rm2
              
             
               
            
             yarn.resourcemanager.hostname.rm1
                
            
             NameNode1
              
             
               
            
             yarn.resourcemanager.hostname.rm2
                
            
             NameNode2
              
             
               
            
             yarn.resourcemanager.recovery.enabled
                
            
             true
              
             
               
            
             yarn.resourcemanager.cluster-id
                
            
             yarnha
              
             
               
            
             yarn.resourcemanager.store.class
                
            
             org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore
              
             
               
            
             yarn.resourcemanager.zk-address
                
            
             NameNode1,NameNode2,DataNode1,DataNode2,DataNode3
              
               
               
            
             yarn.web-proxy.address
                
            
             NameNode2:9180
              
             
               
            
             yarn.nodemanager.aux-services
                
            
             mapreduce_shuffle
              
             
               
            
             yarn.nodemanager.vmem-check-enabled
                
            
             false
              
             
               
            
             yarn.nodemanager.vmem-pmem-ratio
                
            
             4
              
           
          

    

10. 配置mapred-site.xml
                   
                            
             
              mapreduce.framework.name
                             
             
              yarn
                     
                    
                            
             
              mapreduce.jobhistory.address
                             
             
              NameNode1:10020
                     
                    
                            
             
              mapreduce.jobhistory.webapp.address
                             
             
              NameNode1:19888
                     
            
           

     

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=${HOME}/data/hbaseexport HBASE_MANAGES_ZK=falseexport HBASE_LOG_DIR=${HOME}/logs/hbase

    

4. 编辑 conf/hbase-site.xml
              
                   
            
             hbase.cluster.distributed
                    
            
             true
                
               
                   
            
             hbase.rootdir
                    
                    
                    
            
             hdfs://NameNode1:9820/hbase
                    
                
               
                   
            
             hbase.zookeeper.quorum
                    
            
             NameNode1,NameNode2,DataNode1,DataNode2,DataNode3
                
               
                   
            
             hbase.zookeeper.property.dataDir
                    
            
             /home/hadoop/data/zookeeper
                
           
          

    

5. 编辑 conf/regionservers
   NameNode2DataNode1DataNode2DataNode3

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。 

 

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 availableexport HADOOP_COMMON_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6#Set path to where hadoop-*-core.jar is availableexport HADOOP_MAPRED_HOME=/opt/software/hadoop-2.5.0-cdh5.3.6#set the path to where bin/hbase is availableexport HBASE_HOME=/opt/software/hbase-0.98.6-cdh5.3.6#Set the path to where bin/hive is availableexport 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/

    

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-->

 

---

 

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.xmlhive-log4j.properties.template --> hive-log4j.propertieshive-exec-log4j.properties.template --> hive-exec-log4j.propertieshive-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 directoryHADOOP_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
            
           
            javax.jdo.option.ConnectionURL
             
           
            jdbc:mysql://NameNode1:3306/hive?createDatabaseIfNotExist=true
             
           
            JDBC connect string for a JDBC metastore
           
          
            
           
            javax.jdo.option.ConnectionDriverName
             
           
            com.mysql.jdbc.Driver
             
           
            Driver class name for a JDBC metastore
           
          
            
           
            javax.jdo.option.ConnectionUserName
             
           
            hive
             
           
            username to use against metastore database
           
          
            
           
            javax.jdo.option.ConnectionPassword
             
           
            123
             
           
            password to use against metastore database
           
          
          
            
           
            hive.metastore.uris
             
           
            thrift://127.0.0.1:9083
           
          
          
             
           
            hive.server2.long.polling.timeout
              
           
            5000ms
              
           
            Time in milliseconds that HiveServer2 will wait, before responding to asynchronous calls that use long polling
           
           
          
          
           　　
           
            hive.aux.jars.path
           　　
           
            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
           
          

    

    

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 - 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：

 

---

 

其他

---

 

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 datarm -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 datarm -rf ~/data/zookeeper/version-2/*rm -rf ~/data/zookeeper/zookeeper_server.pidssh 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 logsrm -rf /opt/software/hadoop-2.5.0-cdh5.3.6/tmprm -rf /home/hadoop/logs/hadoopssh 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 logsrm -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-3.4.5-cdh5.3.6/bin/zkServer.sh startssh 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 clusterssh 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-2.5.0-cdh5.3.6/bin/hdfs namenode -format/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start namenodeecho --format another namenodessh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs namenode -bootstrapStandby'sleep 10ssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemon.sh start namenode'sleep 10#echo --start all datanodes/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/hadoop-daemons.sh start datanodeecho --zookeeper init/opt/software/hadoop-2.5.0-cdh5.3.6/bin/hdfs zkfc -formatZKecho --start hdfs/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/start-dfs.shecho --start yarn/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/start-yarn.shssh NameNode2 '/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/yarn-daemon.sh start resourcemanager'/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/mr-jobhistory-daemon.sh  start historyserver/opt/software/hadoop-2.5.0-cdh5.3.6/sbin/yarn-daemon.sh start proxyserver

 

②

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 
     
      //查看目录下子目录大小hadoop dfs -du