基于Docker搭建Hadoop+Hive

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

为配合生产hadoop使用，在本地搭建测试环境，使用docker环境实现（主要是省事~），拉取阿里云已有hadoop镜像基础上，安装hive组件，参考下面两个专栏文章：

克里斯：基于 Docker 构建 Hadoop 平台

docker上从零开始搭建hadoop和hive环境

由于hadoop与hive等存在版本兼容问题，安装前可以先通过官网确认版本兼容情况：

http://hive.apache.org/downloads.html

本次使用的各版本配置如下：

Docker 19.03.8
JDK 1.8
Hadoop 3.2.0
Hive 3.1.2
mysql 8.0.1
mysql-connector-java-5.1.49.jar
hive_jdbc_2.5.15.1040

Hadoop部分:

一、拉取镜像

docker pull registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base

二、运行容器

进入容器看worker里面有三台机子，分别是Master、Slave1、Slave2

关于worker路径，通过etc/profile环境变量配置的文件即可查看hadoop安装目录

#随意建立个容器查看配置情况 docker run -it --name hadopp-test registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base #查看系统变量路径 vim etc/profile #查看worker情况 vim /usr/local/hadoop/etc/hadoop/workers

建立hadoop用的内部网络

#指定固定ip号段 docker network create --driver=bridge --subnet=172.19.0.0/16 hadoop

建立Master容器，映射端口

10000端口为hiveserver2端口，后面本地客户端要通过beeline连接hive使用，有其他组件要安装的话可以提前把端口都映射出来，毕竟后面容器运行后再添加端口还是有点麻烦的

docker run -it --network hadoop -h Master --name Master -p 9870:9870 -p 8088:8088 -p 10000:10000 registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base bash

创建Slave1容器

docker run -it --network hadoop -h Slave1 --name Slave1 registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base bash

创建Slave2容器

docker run -it --network hadoop -h Slave2 --name Slave2 registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base bash

三台机器，都修改host vim /etc/hosts

172.20.0.4Master

172.20.0.3Slave1

172.20.0.2Slave2

三、启动hadoop

虽然容器里面已经把hadoop路径配置在系统变量里面，但每次进入需要运行source /etc/profile才能生效使用

进入master，启动hadoop，先格式化hdfs

#进入Master容器 docker exec -it Master bash #进入后格式化hdfs root@Master:/# hadoop namenode -format

启动全部，包含hdfs和yarn

root@Master:/usr/local/hadoop/sbin# ./start-all.sh

可以看到服务起来了，本地范围宿主机ip的8088及9870端口可以看到监控信息

Starting namenodes on [Master] Master: Warning: Permanently added 'master,172.19.0.4' (ECDSA) to the list of known hosts. Starting datanodes Slave1: Warning: Permanently added 'slave1,172.19.0.3' (ECDSA) to the list of known hosts. Slave2: Warning: Permanently added 'slave2,172.19.0.2' (ECDSA) to the list of known hosts. Slave1: WARNING: /usr/local/hadoop/logs does not exist. Creating. Slave2: WARNING: /usr/local/hadoop/logs does not exist. Creating. Starting secondary namenodes [Master] Starting resourcemanager Starting nodemanagers

查看分布式文件系统状态

root@Master:/usr/local/hadoop/sbin# hdfs dfsadmin -report

四、运行内置WordCount例子

把license作为需要统计的文件

root@Master:/usr/local/hadoop# cat LICENSE.txt > file1.txt root@Master:/usr/local/hadoop# ls LICENSE.txt NOTICE.txt README.txt bin etc file1.txt include lib libexec logs sbin share

在 HDFS 中创建 input 文件夹

root@Master:/usr/local/hadoop# hadoop fs -mkdir /input

上传 file1.txt 文件到 HDFS 中

root@Master:/usr/local/hadoop# hadoop fs -put file1.txt /input 2020-09-14 11:02:01,183 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false

查看 HDFS 中 input 文件夹里的内容

root@Master:/usr/local/hadoop# hadoop fs -ls /input Found 1 items -rw-r--r-- 2 root supergroup 150569 2020-09-14 11:02 /input/file1.txt

运作 wordcount 例子程序

root@Master:/usr/local/hadoop# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /input /output

查看 HDFS 中的 /output 文件夹的内容

root@Master:/usr/local/hadoop# hadoop fs -ls /output Found 2 items -rw-r--r-- 2 root supergroup 0 2020-09-14 11:09 /output/_SUCCESS -rw-r--r-- 2 root supergroup 35324 2020-09-14 11:09 /output/part-r-00000

查看part-r-00000文件的内容，就是运行的结果

root@Master:/usr/local/hadoop# hadoop fs -cat /output/part-r-00000

Hadoop 部分结束了

HIVE部分：

Hive下载后上传到容器目录下：

下载地址：http://mirror.bit.edu.cn/apache/hive/hive-3.1.2/

一、解压安装包

# 拷贝安装包进Master容器 docker cp apache-hive-3.1.2-bin.tar.gz Master:/usr/local # 进入容器 docker exec -it Master bash cd /usr/local/ # 解压安装包 tar xvf apache-hive-3.1.2-bin.tar.gz

二、修改配置文件

root@Master:/usr/local/apache-hive-3.1.2-bin/conf# cp hive-default.xml.template hive-site.xml root@Master:/usr/local/apache-hive-3.1.2-bin/conf# vim hive-site.xml

在最前面添加下面配置：

<property> <name>system:java.io.tmpdir</name> <value>/tmp/hive/java</value> </property> <property> <name>system:user.name</name> <value>${user.name}</value> </property>

三、配置Hive相关环境变量

vim /etc/profile

文本最后添加

export HIVE_HOME="/usr/local/apache-hive-3.1.2-bin"

export PATH=$PATH:$HIVE_HOME/bin

配置后执行source /etc/profile 生效

source /etc/profile

四、配置mysql作为元数据库

拉取Mysql镜像并生产容器：

#拉取镜像 docker pull mysql:8:0.18 #建立容器 docker run --name mysql_hive -p 4306:3306 --net hadoop --ip 172.19.0.5 -v /root/mysql:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=abc123456 -d mysql:8.0.18 #进入容器 docker exec -it mysql_hive bash #进入myslq mysql -uroot -p #密码上面建立容器时候已经设置abc123456 #建立hive数据库 create database hive; #修改远程连接权限 ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'abc123456';

ps：容器ip地址类似window的分配机制，如果不设置固定ip容器重启后会自动分配ip，因此数据库相关的容器建议设置为固定ip。

回去Master容器，修改关联数据库的配置

docker exec -it Master bash vim /usr/local/apache-hive-3.1.2-bin/conf/hive-site.xml

搜索关键词修改数据库url、驱动、用户名，url根据上面建容器时候地址。

#还请注意hive配置文件里面使用&作为分隔，高版本myssql需要SSL验证，在这里设置关闭 <property> <name>javax.jdo.option.ConnectionUserName</name> <value>root</value> </property> <property> <name>javax.jdo.option.ConnectionPassword</name> <value>abc123456</value> </property> <property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://172.19.0.5:3306/hive?createDatabaseIfNotExist=true&useSSL=false</value> </property> <property> <name>javax.jdo.option.ConnectionDriverName</name> <value>com.mysql.jdbc.Driver</value> </property> <property> <name>hive.metastore.schema.verification</name> <value>false</value> <property>

mysql驱动上传到hive的lib下

#前面已经跟hive安装包一起上传到容器/usr/local目录 root@Master:/usr/local# cp mysql-connector-java-5.1.49.jar /usr/local/apache-hive-3.1.2-bin/lib

jar包配置修改

对hive的lib文件夹下的部分文件做修改，不然初始化数据库的时候会报错

#slf4j这个包hadoop及hive两边只能有一个，这里删掉hive这边 root@Master:/usr/local/apache-hive-3.1.2-bin/lib# rm log4j-slf4j-impl-2.10.0.jar#guava这个包hadoop及hive两边只删掉版本低的那个，把版本高的复制过去，这里删掉hive，复制hadoop的过去 root@Master:/usr/local/hadoop/share/hadoop/common/lib# cp guava-27.0-jre.jar /usr/local/apache-hive-3.1.2-bin/lib root@Master:/usr/local/hadoop/share/hadoop/common/lib# rm /usr/local/apache-hive-3.1.2-bin/lib/guava-19.0.jar#把文件hive-site.xml第3225行的特殊字符删除 root@Master: vim /usr/local/apache-hive-3.1.2-bin/conf/hive-site.xml

五、初始化元数据库

root@Master:/usr/local/apache-hive-3.1.2-bin/bin# schematool -initSchema -dbType mysql

成功后提示:

Metastore connection URL: jdbc:mysql://172.19.0.5:3306/hive?createDatabaseIfNotExist=true&useSSL=false Metastore Connection Driver : com.mysql.jdbc.Driver Metastore connection User: root Starting metastore schema initialization to 3.1.0 Initialization script hive-schema-3.1.0.mysql.sql Initialization script completed schemaTool completed

六、验证

我们先创建一个数据文件放到/usr/local下

cd /usr/local vim test.txt 1,jack 2,hel 3,nack

进入hive交互界面

root@Master:/usr/local# hive Hive Session ID = 7bec2ab6-e06d-4dff-8d53-a64611875aebLogging initialized using configuration in jar:file:/usr/local/apache-hive-3.1.2-bin/lib/hive-common-3.1.2.jar!/hive-log4j2.properties Async: true Hive-on-MR is deprecated in Hive 2 and may not be available in the future versions. Consider using a different execution engine (i.e. spark, tez) or using Hive 1.X releases. Hive Session ID = 5cdee915-5c95-4834-bd3b-bec6f3d90e5b hive> create table test( > id int > ,name string > ) > row format delimited > fields terminated by ','; OK Time taken: 1.453 seconds hive> load data local inpath '/usr/local/test.txt' into table test; Loading data to table default.test OK Time taken: 0.63 seconds hive> select * from test; OK 1 jack 2 hel 3 nack Time taken: 1.611 seconds, Fetched: 3 row(s)

hive安装完毕

启动 Hiveserver2

一、修改hadoop的一些权限配置

root@Master:/usr/local# vim /usr/local/hadoop/etc/hadoop/core-site.xml

加入以下配置

<property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property>

重启hdfs:

root@Master:/usr/local/hadoop/sbin# ./stop-dfs.sh Stopping namenodes on [Master] Stopping datanodes Stopping secondary namenodes [Master] root@Master:/usr/local/hadoop/sbin# ./start-dfs.sh Starting namenodes on [Master] Starting datanodes Starting secondary namenodes [Master]

二、后台启动hiveserver2

root@Master:/usr/local/hadoop/sbin# nohup hiveserver2 >/dev/null 2>/dev/null & [2] 7713

三、验证

通过beeline连接并查询

查看10000端口运行正常，beeline命令，!connect连接，结果查询正常

root@Master:/usr/local/hadoop/sbin# netstat -ntulp |grep 10000 tcp 0 0 0.0.0.0:10000 0.0.0.0:* LISTEN 7388/java root@Master:/usr/local/hadoop/sbin# beeline Beeline version 3.1.2 by Apache Hive beeline> !connect jdbc:hive2://localhost:10000/default Connecting to jdbc:hive2://localhost:10000/default Enter username for jdbc:hive2://localhost:10000/default: root Enter password for jdbc:hive2://localhost:10000/default: ********* Connected to: Apache Hive (version 3.1.2) Driver: Hive JDBC (version 3.1.2) Transaction isolation: TRANSACTION_REPEATABLE_READ 0: jdbc:hive2://localhost:10000/default> select * from test; INFO : Compiling command(queryId=root_20200915075948_0672fa16-435e-449c-9fcd-f71fcdf6841c): select * from test INFO : Concurrency mode is disabled, not creating a lock manager INFO : Semantic Analysis Completed (retrial = false) INFO : Returning Hive schema: Schema(fieldSchemas:[FieldSchema(name:test.id, type:int, comment:null), FieldSchema(name:test.name, type:string, comment:null)], properties:null) INFO : Completed compiling command(queryId=root_20200915075948_0672fa16-435e-449c-9fcd-f71fcdf6841c); Time taken: 2.584 seconds INFO : Concurrency mode is disabled, not creating a lock manager INFO : Executing command(queryId=root_20200915075948_0672fa16-435e-449c-9fcd-f71fcdf6841c): select * from test INFO : Completed executing command(queryId=root_20200915075948_0672fa16-435e-449c-9fcd-f71fcdf6841c); Time taken: 0.004 seconds INFO : OK INFO : Concurrency mode is disabled, not creating a lock manager +----------+------------+ | test.id | test.name | +----------+------------+ | 1 | jack | | 2 | hel | | 3 | nack | +----------+------------+ 3 rows selected (3.194 seconds) 0: jdbc:hive2://localhost:10000/default>