建哥手把手系列之大数据环境搭建

HelloTeacher陈 2018-08-25 11:45:51

一、环境选择

1. 前言

1.1. 何为大数据

百度百科给的定义是：大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

1.2. 搭建大数据环境的意义

废话少说，就两个字"高薪"，如果你满足于一个月10000元的工资，如果你沉溺于老婆孩子热炕头的安逸，流连忘返于灯红酒绿的花花世界。那么我们到此为止，你可以不用往下面继续浪费时间阅读了。请看下图，智联招聘截图时间是2018年8月25日，周六。有人说，建哥你周末在加班啊！加班？不可能的，敲代码使我快乐！哈哈哈哈哈，开个玩笑，

本文主要介绍图中各种技术框架的安装配置，阅读本文大概需要15分钟，有兴趣的朋友可以亲自操作一下，时间在2小时左右。想想3W到5W的月薪，两小时算啥？另外，喜欢的朋友可以关注我，私信发送"大数据"会赠送相关大数据资料。码字不易，不喜勿喷！

2. 环境准备

2.1. 大数据环境

本次安装需要三台虚拟机，选用的操作系统版本是contos6.9 64位。各组件在三台机器上的分布情况如下：

2.2. PC编译环境

另外本机操作系统是windows7 64位。因为需要编译打包streamingPro，所以本机也需要安装对应的环境，详情如下：

2.3. 配置说明

· JDK ：Hadoop和Spark 依赖的配置.

· Scala：Spark依赖的配置，建议版本不低于spark的版本。

· Hadoop: 是一个分布式系统基础架构。

· Spark: 分布式存储的大数据进行处理的工具。

· zookeeper:分布式应用程序协调服务，HBase集群需要。

· HBase: 一个结构化数据的分布式存储系统。

· Hive: 基于Hadoop的一个数据仓库工具，目前的默认元数据库是mysql。

· Kafka:分布式消息队列

所需要的安装包及依赖文件保存在百度云: 链接：https://pan.baidu.com/s/1J9YECM0Jd3LYuCqFRFG5yw 密码：1knn

二、集群的相关配置

下面前5步操作可以先在一台虚拟机上操作，然后克隆出另外两台机器。

1. 关闭防火墙及关闭操作系统安全访问控制

说明:其实可以不关闭防火墙，进行权限设置，但是为了方便访问，于是便关闭了防火墙。每个机器都做！！！

关闭防火墙的命令 停止防火墙: service iptables stop 启动防火墙: service iptables start 重启防火墙: service iptables restart 永久关闭防火墙: chkconfig iptables off

说明：操作系统默认是打开安全访问控制的，这样会导致部分软件安装配置失败，为了方便，我们将它关闭。

查看SELinux状态

getenforce

修改配置文件/etc/selinux/config 将SELINUX=enforcing改为SELINUX=disabled

2. 修改系统网络配置

配置固定ip地址和dns服务器地址，保证主机能上网。

重启网络服务，并检测dns是否生效

3. 调整系统时区及时间配置

首先将时区调整到东八区，

保险起见再执行一下下面的命令

cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime

集群上的机器时间要同步，我们可以将所有的机器跟集群中某台机器进行时间同步。也可以简单的跟互联网授时服务器同步。

ntpdate pool.ntp.org

4. 安装java和scala基础环境及修改系统环境变量

大家可以在网盘下载对应的安装文件。

安装jdk1.8

解压缩jdk安装包

tar zxvf jdk-8u144-linux-x64.tar.gz

创建目录/opt/jdk

mkdir /opt/jdk

移动文件夹jdk1.8.0_144到/opt/jdk下面，并改名为jdk1.8

mv jdk1.8.0_144/ /opt/jdk/jdk1.8

安装scala2.12.2

tar zxvf scala-2.12.2.tgz

创建目录/opt/scala

mkdir /opt/scala

移动文件夹scala-2.12.2到/opt/ scala下面，并改名为scala2.12.2

mv scala-2.12.2 /opt/scala/scala2.12.2

在 /etc/profile 这个配置文件要添加很多的环境配置，这里就先将整体的环境配置列举出来，各位在配置环境变量的以自己的为准！！！ 可以先配置好环境变量之后，在传输到其他机器上去。

#Java Config

export JAVA_HOME=/opt/java/jdk1.8

export JRE_HOME=/opt/java/jdk1.8/jre

export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib

# Scala Config

export SCALA_HOME=/opt/scala/scala2.12.2

# Spark Config

export SPARK_HOME=/opt/spark/spark2.2

# Zookeeper Config

export ZK_HOME=/opt/zookeeper/zookeeper3.4

# HBase Config

export HBASE_HOME=/opt/hbase/hbase1.2

# Hadoop Config

export HADOOP_HOME=/opt/hadoop/hadoop2.8

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

# Hive Config

export HIVE_HOME=/opt/hive/hive2.1

export HIVE_CONF_DIR=${HIVE_HOME}/conf

#kafka config

export KAFKA_HOME=/opt/kafka/kafka1.0.0

export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${ZK_HOME}/bin:${HBASE_HOME}/bin:${HIVE_HOME}/bin:${KAFKA_HOME}/bin:$PATH

查看java和scala版本

5. 主机名更改以及主机和IP做相关映射

5.1.更改主机名

说明:更改主机名是为了方便集群管理，不然每个机器的名称都叫localhost也不太好吧！ 集群所有的机器都要做这个操作。

输入

vim /etc/sysconfig/network

将localhost.localdomain修改为你要更改的名称，每台名称都不一样 例如:

HOSTNAME=master

5.2.主机和IP的关系映射

修改hosts文件，做关系映射 说明:这个每台机器都做这个配置，具体ip和主机名称以自己的为准。 输入:

vim /etc/hosts

添加

192.168.153.101 master

192.168.153.102 slave1

192.168.153.103 slave2

重启机器，开始克隆另外两台机器slave1,slave2,值得注意的是克隆完之后修改修改ip地址和主机名。

6. ssh免登录

设置ssh免密码登录是为了操作方便 生成秘钥文件 在每台机器上都执行一遍 首先输入:

ssh-keygen -t rsa -P ''

生成秘钥之后，然后将每台机器/root/.ssh 都存入内容相同的文件，文件名称叫authorized_keys，文件内容是我们刚才为3台机器生成的公钥。可以在一台机器上生成，然后复制到其它的机器上。

新建authorized_keys文件 输入 :

touch /root/.ssh/authorized_keys

编辑 authorized_keys 并将其他机器上的秘钥拷贝过来

cat /root/.ssh/id_rsa.pub

vim /root/.ssh/authorized_keys

将其它机器上的 id_rsa.pub 的内容拷贝到 authorized_keys这个文件中。

最终authorized_keys文件的内容

将这个最终的authorized_keys文件copy到其他机器的 /root/.ssh 目录下。使用scp或者ftp都可以。 scp命令示例:

scp -r /root/.ssh/authorized_keys root@slave1:/root/.ssh

scp -r /root/.ssh/authorized_keys root@slave2:/root/.ssh

测试免密码登录 输入:

ssh slave1

ssh slave2

输入 exit 退出

二、Hadoop的环境搭建

事先说明，这些配置可以在一台机器上配置，然后复制到其他机器上就行了。复制之后注意使这些配置文件生效。

1. hadoop配置

1.1. 文件准备

将下载下来的Hadoop的配置文件进行解压 在linux上输入:

tar -xvf hadoop-2.8.2.tar.gz

然后将解压之后的文件夹移动到opt/hadoop文件夹下，没有该文件夹就新建，然后将文件夹重命名为hadoop2.8。 在linux上输入移动文件夹命令:

mv hadoop-2.8.2 /opt/hadoop

mv hadoop-2.8.2 hadoop2.8

1.2. 环境配置

编辑 /etc/profile 文件 输入:

vim /etc/profile

添加:

export HADOOP_HOME=/opt/hadoop/hadoop2.8

export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

export PATH=.:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:$PATH

输入:

source /etc/profile

使配置生效

1.3. 修改配置文件

修改 core-site.xml、hadoop-env.sh、hdfs-site.xml、mapred-site.xml 等这些配置文件 在linux输入进入该目录的命令：

cd /opt/hadoop/hadoop2.8/etc/hadoop

1.3.1. 修改 core-site.xml

hadoop的存放路径可以自行更改。开始我以为这些文件夹需要手动创建，后来实践了，如果不手动创建，会自动创建的，所以就去掉了手动创建目录的步骤。 输入:

vim core-site.xml

在<configuration>节点内加入配置:

<configuration>

<property>

<name>hadoop.temp.dir</name>

<value>file:/root/hadoop/tmp</value>

</property>

<property>

<name>fs.defaultFS</name>

<value>hdfs://master:9000</value>

</property>

<!-- eclipse连接hive 的配置-->

<property>

<name>hadoop.proxyuser.root.hosts</name>

<value>*</value>

</property>

<property>

<name>hadoop.proxyuser.root.groups</name>

<value>*</value>

</property>

</configuration>

说明: fs.defaultFS 是缺省文件的名称， 最早使用的是 fs.default.name，后来在最新官方文档中查到该方法已经弃用了。于是边改成这个了。ps：感觉也没啥区别。

1.3.2. 修改 hadoop-env.sh

export JAVA_HOME=${JAVA_HOME}

修改为：

export JAVA_HOME=/opt/java/jdk1.8

注:修改为自己JDK的路径

1.3.3. 修改 hdfs-site.xml

下面的hdfs的存放路径，可以根据自己机器更改。 在<configuration>节点内加入配置:

<property>

<!--副本个数-->

<name>dfs:replication</name>

<value>2</value>

1.3.4. 修改mapred-site.xml

</property>

<property>

<name>dfs.namenode.name.dir</name>

<value>file:/root/hadoop/name</value>

</property>

<property>

<name>dfs.datanode.data.dir</name>

<value>file:/root/hadoop/data</value>

</property>

执行mapreduce的运行框架配置。ps:感觉这个配置没啥用，可能我没用mr吧。 如果没有 mapred-site.xml 该文件，就复制mapred-site.xml.template文件并重命名为mapred-site.xml。 修改这个新建的mapred-site.xml文件，在<configuration>节点内加入配置:

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

1.3.5. 修改yarn-site.xml文件

yarn 资源调度的配置，集群的话这个配置是必须的。 修改/opt/hadoop/hadoop2.8/etc/hadoop/yarn-site.xml文件， 在<configuration>节点内加入配置

<property>

<name>yarn.resourcemanager.hostname</name>

<value>master</value>

</property>

<property>

<name>yarn.resourcemanager.address</name>

<value>${yarn.resourcemanager.hostname}:8032</value>

</property>

<property>

<description>The address of the scheduler interface.</description>

<name>yarn.resourcemanager.scheduler.address</name>

<value>${yarn.resourcemanager.hostname}:8030</value>

</property>

<property>

<description>The http address of the RM web application.</description>

<name>yarn.resourcemanager.webapp.address</name>

<value>${yarn.resourcemanager.hostname}:8088</value>

</property>

<property>

<description>The https adddress of the RM web application.</description>

<name>yarn.resourcemanager.webapp.https.address</name>

<value>${yarn.resourcemanager.hostname}:8090</value>

</property>

<property>

<name>yarn.resourcemanager.resource-tracker.address</name>

<value>${yarn.resourcemanager.hostname}:8031</value>

</property>

<property>

<description>The address of the RM admin interface.</description>

<name>yarn.resourcemanager.admin.address</name>

<value>${yarn.resourcemanager.hostname}:8033</value>

</property>

<property>

<name>yarn.nodemanager.aux-services</name>

<!--#mapreduce分发任务的机制-->

<value>mapreduce_shuffle</value>

</property>

<property>

<name>yarn.scheduler.maximum-allocation-mb</name>

<value>8182</value>

<!--每个节点可用内存,单位MB,默认-->

<discription> 8182MB</discription>

</property>

<property>

<name>yarn.nodemanager.vmem-pmem-ratio</name>

<value>2.1</value>

</property>

<property>

<name>yarn.nodemanager.resource.memory-mb</name>

<value>2048</value>

</property>

<property>

<name>yarn.nodemanager.vmem-check-enabled</name>

<value>false</value>

</property>

说明：yarn.nodemanager.vmem-check-enabled这个的意思是忽略虚拟内存的检查，如果你是安装在虚拟机上，这个配置很有用，配上去之后后续操作不容易出问题。如果是实体机上，并且内存够多，可以将这个配置去掉。

1.3.6. 修改slaves

设置主从的配置。如果不设置这个，集群就无法得知主从了。如果是单机模式，就没必要配置了。 修改/opt/hadoop/hadoop2.8/etc/hadoop/slaves文件 更改为

slave1

slave2

在一台机器上(最好是master)做完这些配置之后，我们使用scp命令将这些配置传输到其他机器上。 输入:

hadoop环境传输

scp -r /opt/hadoop root@slave1:/opt

scp -r /opt/hadoop root@slave2:/opt

传输之后，便在主节点启动集群。 在启动hadoop之前，需要初始化，这个只需要在master上初始化就可以了。

2. hadoop启动

注:启动hadoop之前确保防火墙关闭，各个机器时间通过，ssh免登录都没问题。 初始化hadoop 切换到/opt/hadoop/hadoop2.8/bin目录下输入

./hdfs namenode -format

初始化成功之后，切换到/opt/hadoop/hadoop2.8/sbin 启动hadoop 的hdfs和yarn 输入:

start-dfs.sh

start-yarn.sh

第一次登录会询问是否连接，输入yes ，然后输入密码就可以了 启动成功之后，可以使用jps命令在各个机器上查看是否成功 可以在浏览器输入: ip+50070 和8088端口查看 http://master:50070

http://master:8088/cluster

若如图显示，则启动成功。 若失败，检查jps是否成功启动，防火墙是否都关闭。都确认没问题之后，还是无法打开界面，请查看日志，再来找原因。

四、Spark的环境配置

1. Spark配置

1.1. 文件准备

将下载好的Spark文件解压 输入

tar zxvf spark-2.2.0-bin-hadoop2.7.tgz

然后移动到/opt/spark 里面，并重命名 输入

mkdir /opt/spark

mv spark-2.2.0-bin-hadoop2.7 /opt/spark/spark2.2

1.2. 环境配置

编辑 /etc/profile 文件 (省略，前期已经做过了)输入:

export SPARK_HOME=/opt/spark/spark2.2

export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:$PATH

输入:

source /etc/profile

使配置生效

1.3. 更改配置文件

切换目录 输入: cd /opt/spark/spark2.2/conf/

1.3.1. 修改 spark-env.sh

在conf目录下，修改spark-env.sh文件，如果没有 spark-env.sh 该文件，就复制spark-env.sh.template文件并重命名为spark-env.sh。 修改这个新建的spark-env.sh文件，加入配置:

export SCALA_HOME=/opt/scala/scala2.12.2

export JAVA_HOME=/opt/java/jdk1.8

export HADOOP_HOME=/opt/hadoop/hadoop2.8

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

export SPARK_HOME=/opt/spark/spark2.2

export SPARK_MASTER_IP=master

export SPARK_EXECUTOR_MEMORY=4G

注:上面的路径以自己的为准，SPARK_MASTER_IP为主机，SPARK_EXECUTOR_MEMORY为设置的运行内存。

1.3.2. 修改slaves

slaves 分布式文件 在conf目录下，修改slaves文件，如果没有 slaves 该文件，就复制slaves .template文件并重命名为slaves 。 修改这个新建的slaves 文件，加入配置:

slave1

slave2

在一台机器上(最好是master)做完这些配置之后，我们使用scp命令将这些配置传输到其他机器上。

spark环境传输

scp -r /opt/spark root@slave1:/opt

scp -r /opt/spark root@slave2:/opt

传输之后，便在主节点启动集群。

2. spark启动

说明:要先启动Hadoop 切换到Spark目录下 输入:

cd /opt/spark/spark2.2/sbin

然后启动Spark 输入:

start-all.sh

启动成功之后，可以使用jps命令在各个机器上查看是否成功。 可以在浏览器输入: ip+8080 端口查看

若成功显示这个界面，则表示Spark成功启动。

五、Zookeeper的环境配置

因为HBase以及kafka做集群，所以就需要zookeeper了。 zookeeper 在很多环境搭建上，都会有他的身影，如kafka、storm等，这里就不多说了。

1. 文件准备

将下载下来的Zookeeper 的配置文件进行解压 在linux上输入:

tar -xvf zookeeper-3.4.10.tar.gz

然后移动到/opt/zookeeper里面，没有就新建，然后将文件夹重命名为zookeeper3.4 输入

mkdir /opt/zookeeper

mv zookeeper-3.4.10 /opt/zookeeper/zookeeper3.4

2. 环境配置(省略，前期已经做过了)

编辑 /etc/profile 文件 输入:

export ZK_HOME=/opt/zookeeper/zookeeper3.4

export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${ZK_HOME}/bin:$PATH

输入:

source /etc/profile

使配置生效

3. 修改配置文件

3.1. 创建文件和目录

在集群的服务器上都创建这些目录

mkdir /opt/zookeeper/data

mkdir /opt/zookeeper/dataLog

并且在/opt/zookeeper/data目录下创建myid文件 输入:

touch myid

创建成功之后，更改myid文件。 我这边为了方便，将master、slave1、slave2的myid文件内容改为1,2,3

3.2. 新建zoo.cfg

切换到/opt/zookeeper/zookeeper3.4/conf 目录下 如果没有 zoo.cfg 该文件，就复制zoo_sample.cfg文件并重命名为zoo.cfg。 修改这个新建的zoo.cfg文件

dataDir=/opt/zookeeper/data

dataLogDir=/opt/zookeeper/dataLog

server.1=master:2888:3888

server.2=slave1:2888:3888

server.3=slave2:2888:3888

配置说明：

client port，顾名思义，就是客户端连接zookeeper服务的端口。这是一个TCP port。

dataLogDir里是放到的顺序日志(WAL)。而dataDir里放的是内存数据结构的snapshot，便于快速恢复。为了达到性能最大化，一般建议把dataDir和dataLogDir分到不同的磁盘上，这样就可以充分利用磁盘顺序写的特性。dataDir和dataLogDir需要自己创建，目录可以自己制定，对应即可。

server.1中的这个1需要和master这个机器上的dataDir目录中的myid文件中的数值对应。server.2中的这个2需要和slave1这个机器上的dataDir目录中的myid文件中的数值对应。server.3中的这个3需要和slave2这个机器上的dataDir目录中的myid文件中的数值对应。当然，数值你可以随便用，只要对应即可。2888和3888的端口号也可以随便用，因为在不同机器上，用成一样也无所谓。

其他配置说明：

1.tickTime：CS通信心跳数 Zookeeper 服务器之间或客户端与服务器之间维持心跳的时间间隔，也就是每个 tickTime 时间就会发送一个心跳。tickTime以毫秒为单位。 tickTime=2000 2.initLimit：LF初始通信时限 集群中的follower服务器(F)与leader服务器(L)之间初始连接时能容忍的最多心跳数（tickTime的数量）。 initLimit=10 3.syncLimit：LF同步通信时限 集群中的follower服务器与leader服务器之间请求和应答之间能容忍的最多心跳数（tickTime的数量）。 syncLimit=5

依旧将zookeeper传输到其他的机器上，记得更改 /opt/zookeeper/data 下的myid，这个不能一致。 输入:

scp -r /opt/zookeeper root@slave1:/opt

scp -r /opt/zookeeper root@slave2:/opt

修改myid

4. 启动zookeeper

因为zookeeper是选举制，它的主从关系并不是像hadoop那样指定的，具体可以看官方的文档说明。 成功配置zookeeper之后，在每台机器上启动zookeeper。 切换到zookeeper目录下

cd /opt/zookeeper/zookeeper3.4/bin

输入:

zkServer.sh start

成功启动之后 查看状态输入:

zkServer.sh status

可以查看各个机器上zookeeper的leader和follower ，只能一个是主，随机选择，入下图：

六、HBase的环境配置

1. 文件准备

将下载下来的HBase的配置文件进行解压 在linux上输入:

tar -xvf hbase-1.2.6-bin.tar.gz

然后移动到/opt/hbase 文件夹里面，并重命名为 hbase1.2 输入

mv hbase-1.2.6 /opt/hbase

mv hbase-1.2.6/ hbase1.2

2. 环境配置(省略，前期已经做过了)

编辑 /etc/profile 文件 输入:

export HBASE_HOME=/opt/hbase/hbase1.2

export PATH=.:${JAVA_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:$PATH

输入:

source /etc/profile

使配置生效 输入 hbase version 查看版本

3. 修改配置文件

切换到 /opt/hbase/hbase1.2/conf下

3.1. 修改hbase-env.sh

编辑 hbase-env.sh 文件，添加以下配置

export JAVA_HOME=/opt/java/jdk1.8

export HADOOP_HOME=/opt/hadoop/hadoop2.8

export HBASE_HOME=/opt/hbase/hbase1.2

export HBASE_CLASSPATH=/opt/hadoop/hadoop2.8/etc/hadoop

export HBASE_PID_DIR=/root/hbase/pids

export HBASE_MANAGES_ZK=false

说明:配置的路径以自己的为准。HBASE_MANAGES_ZK=false 是不启用HBase自带的Zookeeper集群。

3.2. 修改 hbase-site.xml

编辑hbase-site.xml 文件，在<configuration>添加如下配置

<property>

<name>hbase.rootdir</name>

<value>hdfs://master:9000/hbase</value>

<description>The directory shared byregion servers.</description>

</property>

<!-- hbase端口 -->

<property>

<name>hbase.zookeeper.property.clientPort</name>

<value>2181</value>

</property>

<!-- 超时时间 -->

<property>

<name>zookeeper.session.timeout</name>

<value>120000</value>

</property>

<!--防止服务器时间不同步出错 -->

<property>

<name>hbase.master.maxclockskew</name>

<value>150000</value>

</property>

<!-- 集群主机配置 -->

<property>

<name>hbase.zookeeper.quorum</name>

<value>master,slave1,slave2</value>

</property>

<!-- 路径存放 -->

<property>

<name>hbase.tmp.dir</name>

<value>/root/hbase/tmp</value>

</property>

<!-- true表示分布式 -->

<property>

<name>hbase.cluster.distributed</name>

<value>true</value>

</property>

<!-- 指定master -->

<property>

<name>hbase.master</name>

<value>master:60000</value>

</property>

</configuration>

说明:hbase.rootdir：这个目录是region server的共享目录，用来持久化Hbase 。hbase.cluster.distributed ：Hbase的运行模式。false是单机模式，true是分布式模式。若为false,Hbase和Zookeeper会运行在同一个JVM里面。

3.3. 修改regionservers

指定hbase的主从，和hadoop的slaves文件配置一样 将文件修改为

slave1

slave2注:上面的为集群的主机名称

在一台机器上(最好是master)做完这些配置之后，我们使用scp命令将这些配置传输到其他机器上。 输入: hbase环境传输

scp -r /opt/hbase root@slave1:/opt

scp -r /opt/hbase root@slave2:/opt

传输之后，在主节点启动集群。

4. 启动hbase

在成功启动Hadoop、zookeeper之后 切换到HBase目录下

cd /opt/hbase/hbase1.2/bin

输入:

start-hbase.sh

启动成功之后，可以使用jps命令在各个机器上查看是否成功 可以在浏览器输入: ip+16010 端口查看

http://master:16010/master-status

若成功显示该界面，则启动成功。

七、Mysql安装

因为Hive的默认元数据是Mysql，所以先要安装Mysql。Mysql有两种安装模式，可自行选择。

1. yum安装mysql

首先查看mysql 是否已经安装

输入：

rpm -qa | grep mysql

如果已经安装，想删除的话输入:普通删除命令:

强力删除命令:

依赖文件也会删除

安装mysql输入:

2. 启动和配置mysql

安装成功后，输入 service mysqld start 启动服务

输入之后直接回车(默认是没有密码的)然后再输入mysql -u root -p通过授权法更改远程连接权限输入: mysql> GRANT ALL PRIVILEGES ON *.* TO 'root'@'%'IDENTIFIED BY '123456' WITH GRANT OPTION;注:第一个'root'是用户名,第二个'%'是所有的ip都可以远程访问,第三个'123456'表示 用户密码 如果不常用 就关闭掉

use mysql;

update user set password=passworD("123456") where user='root';输入:flush privileges;

可以使用navcat之类的工具测试是否能正确连接

八、Hive环境安装和配置

1. 文件准备

2. 环境配置(省略，前期已经做过了)

编辑 /etc/profile 文件输入:

添加:

注:实际配置以自己的为准！输入:

使配置生效

3. 配置更改

3.1. 新建文件夹

在修改配置文件之前，需要先在root目录下建立一些文件夹。

新建完该文件之后，需要让hadoop新建/root/hive/warehouse 和 /root/hive/ 目录。执行命令：

给刚才新建的目录赋予读写权限，执行命令：

检查这两个目录是否成功创建输入:

可以看到已经成功创建

3.2. 修改hive-site.xml

切换到 /opt/hive/hive2.1/conf 目录下将hive-default.xml.template 拷贝一份，并重命名为hive-site.xml然后编辑hive-site.xml文件

编辑hive-site.xml文件，在 中添加:

然后将配置文件中所有的

更改为 /opt/hive/tmp (如果没有该文件则创建)，并将此文件夹赋予读写权限，将

更改为 root

注: 由于hive-site.xml 文件中的配置过多，可以通过FTP将它下载下来进行编辑。也可以直接配置自己所需的，其他的可以删除。 MySQL的连接地址中的master是主机的别名，可以换成ip。

3.3. 修改 hive-env.sh

修改hive-env.sh 文件，没有就复制 hive-env.sh.template ，并重命名为hive-env.sh在这个配置文件中添加

3.4. 添加 数据驱动包

由于Hive 默认自带的数据库是使用mysql，所以这块就是用mysql将mysql 的驱动包 上传到 /opt/hive/hive2.1/lib

cp /home/chenjian/mysql-connector-java-5.1.41.jar /opt/hive/hive2.1/lib/

4. Hive Shell 测试

在成功启动Hadoop之后切换到Hive目录下输入:

4.1. 首先初始化数据库初始化的时候注意要将mysql启动输入:

执行成功之后，可以看到hive数据库和一堆表已经创建成功了

4.2. 启动hive

进入hive (确保hadoop以及成功启动)输入:

hive

进入hive 之后

做一些简单的操作

新建一个库，然后在建一张表

基本操作和普通的关系型数据库差不多

创建库:

create database db_chenjian;

创建表:

create table db_chenjian.student(id int,name string) row format delimited fields terminated by ' ';

4.3. 加载数据新打开一个窗口因为hive 不支持写，所以添加数据使用load加载文本获取。新建一个文本

编辑该文本添加数据输入:

添加数据:中间的空格符使用Tab建

说明: 文本可以在Windows上面新建，然后通过ftp上传到linux中，需要注意文本的格式为unix 格式。

切换到hive shell加载数据输入:

4.4. 查询该数据输入：

select * from db_chenjian.student;

九、安装配置kafka

1. 文件准备

将下载下来的kafka 的安装文件进行解压 在linux上输入:

tar -zxvf kafka_2.11-1.0.0.tgz

然后移动到/opt/kafka里面，没有就新建，

输入

mkdir /opt/kafka

mv kafka_2.12-1.0.0 /opt/kafka/kafka1.0.0

2. 环境配置(省略，前期已经做过了)

3. 修改配置文件

修改master机器配置文件 config/server.properties

broker.id=0 标示符(多台服务器标示符0,1,2,3，...依次增长)

host.name=master 绑定的主机

log.dirs= /opt/kafka/kafka1.0.0/kafka-logs 数据保存的位置

log.retention.hours=168 数据的保留时间

zookeeper.connect=master:2181,slave1:2181,slave2:2181

将本机kafka拷贝至其他机器，此处只选用了两台机器master和slave1，执行下面的命令：

scp -r /opt/kafka/ root@slave1:/opt/

修改slave1配置文件 config/server.properties

broker.id=1 标示符(多台服务器标示符0,1,2,3，...依次增长)

host.name=slave1 绑定的主机

log.dirs= /opt/kafka/kafka1.0.0/kafka-logs 数据保存的位置

log.retention.hours=168 数据的保留时间

zookeeper.connect=master:2181,slave1:2181,slave2:2181

启动kafka

a.启动zookeeper集群

b.启动服务的命令(两台机器都执行)

nohup /opt/kafka/kafka1.0.0/bin/kafka-server-start.sh /opt/kafka/kafka1.0.0/config/server.properties &

c.创建主题

/opt/kafka/kafka1.0.0/bin/kafka-topics.sh --create --zookeeper master:2181,slave1:2181 --replication-factor 1 --partitions 1 --topic chenjian

d.查看当前有哪些主题：

/opt/kafka/kafka1.0.0/bin/kafka-topics.sh --list --zookeeper master:2181,slave1:2181,slave2:2181

4. 测试kafka

4.1. 模拟发送数据

/opt/kafka/kafka1.0.0/bin/kafka-console-producer.sh --broker-list slave1:9092,slave2:9092 --topic chenjian

4.2. 消费数据

kafka-console-consumer.sh --zookeeper master:2181,slave1:2181,slave2:2181 --from-beginning --topic chenjian

在模拟发送数据窗口输入，就会看到在消费端有相应的数据。 springboot集成kafka可以参看哥哥以前的文章建哥手把手系列之springboot整合kafka

耐得住寂寞,才能守得住繁华！