Hive 整合 Spark 全教程 (Hive on Spark) |
您所在的位置:网站首页 › pyhive安装 › Hive 整合 Spark 全教程 (Hive on Spark) |
文章目录
Hive 引擎简介环境配置 (ssh已经搭好)JDK准备Hadoop准备部署配置集群配置历史服务器配置日志的聚集启动集群LZO压缩配置Hadoop 3.x 端口号 总结
MySQL准备Hive 准备Spark 准备
Hive on Spark 配置Hive on Spark测试
Hive 引擎简介
Hive 引擎包括:默认 MR、tez、spark 最底层的引擎就是MR (Mapreduce)无需配置,Hive运行自带 Hive on Tez 配置:https://blog.csdn.net/weixin_45417821/article/details/115181000 Hive on Spark:Hive 既作为存储元数据又负责 SQL 的解析优化,语法是 HQL 语法,执行引擎变成了 Spark,Spark 负责采用 RDD 执行。 Spark on Hive : Hive 只作为存储元数据,Spark 负责 SQL 解析优化,语法是 Spark SQL语法,Spark 负责采用 RDD 执行。 搭建环境的前奏 : https://blog.csdn.net/weixin_45417821/article/details/113704258 环境配置 (ssh已经搭好) Java 1.8.0+Hadoop 3.1.3+MySQLHive 3.1.2Spark 3.0.0为了方便只用单台虚拟机去跑,多台和单台一个套路,分发即可 JDK准备1)卸载现有JDK [luanhao@Bigdata00 software]$ sudo rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps2)解压JDK到/opt/module目录下 [luanhao@Bigdata00 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/3)配置JDK环境变量 (1)进入 /etc/profile [luanhao@Bigdata00 module]# sudo vim /etc/profile添加如下内容,然后保存(:wq)退出 #JAVA_HOME export JAVA_HOME=/opt/module/jdk1.8.0_212 export PATH=$PATH:$JAVA_HOME/bin(2)让环境变量生效 [luanhao@Bigdata00 module]$ source /etc/profile(3)测试JDK是否安装成功 [luanhao@Bigdata00 module]$ java -version java version "1.8.0_212" Java(TM) SE Runtime Environment (build 1.8.0_212-b10) Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)如果能看到以下结果、则Java正常安装 java version "1.8.0_212" Hadoop准备 部署1)进入到Hadoop安装包路径下 [luanhao@Bigdata00 ~]$ cd /opt/software/2)解压安装文件到/opt/module下面 [luanhao@Bigdata00 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/3)查看是否解压成功 [luanhao@Bigdata00 software]$ ls /opt/module/ hadoop-3.1.34)将Hadoop添加到环境变量 (1)获取Hadoop安装路径 [luanhao@Bigdata00 hadoop-3.1.3]$ pwd /opt/module/hadoop-3.1.3 (2)打开/etc/profile文件 [luanhao@Bigdata00 hadoop-3.1.3]$ sudo vim /etc/profile 在profile文件末尾添加JDK路径:(shitf+g) #HADOOP_HOME export HADOOP_HOME=/opt/module/hadoop-3.1.3 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin (3)刷新并查看是否配置成功 [luanhao@Bigdata00 module]$ source /etc/profile [luanhao@Bigdata00 module]$ hadoop version Hadoop 3.1.3 Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579 Compiled by ztang on 2019-09-12T02:47Z Compiled with protoc 2.5.0 From source with checksum ec785077c385118ac91aadde5ec9799 This command was run using /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar 配置集群1)核心配置文件 配置core-site.xml 文件内容如下: fs.defaultFS hdfs://Bigdata00:9820 hadoop.tmp.dir /opt/module/hadoop-3.1.3/data hadoop.http.staticuser.user luanhao hadoop.proxyuser.luanhao.hosts * hadoop.proxyuser.luanhao.groups * hadoop.proxyuser.luanhao.groups *2)HDFS配置文件 配置hdfs-site.xml dfs.namenode.http-address Bigdata00:9870 dfs.namenode.secondary.http-address Bigdata00:9868 dfs.replication 13)YARN配置文件 配置yarn-site.xml yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname Bigdata00 yarn.nodemanager.env-whitelist JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME yarn.scheduler.minimum-allocation-mb 512 yarn.scheduler.maximum-allocation-mb 4096 yarn.nodemanager.resource.memory-mb 4096 yarn.nodemanager.pmem-check-enabled false yarn.nodemanager.vmem-check-enabled false4)MapReduce配置文件 配置mapred-site.xml mapreduce.framework.name yarn5)配置workers Bigdata006)配置hadoop-env.sh export JAVA_HOME=/opt/module/jdk1.8.0_212 配置历史服务器为了查看程序的历史运行情况,需要配置一下历史服务器。具体配置步骤如下: 配置mapred-site.xml mapreduce.jobhistory.address Bigdata00:10020 mapreduce.jobhistory.webapp.address Bigdata00:19888 配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系统上。 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。 注意:开启日志聚集功能,需要重新启动NodeManager 、ResourceManager和HistoryManager。 开启日志聚集功能具体步骤如下: 配置yarn-site.xml yarn.log-aggregation-enable true yarn.log.server.url http://Bigdata00:19888/jobhistory/logs yarn.log-aggregation.retain-seconds 604800 启动集群(1)如果集群是第一次启动,需要在Bigdata00节点格式化NameNode(注意格式化之前,一定要先停止上次启动的所有namenode和datanode进程,然后再删除data和log数据) [luanhao@Bigdata00 hadoop-3.1.3]$ bin/hdfs namenode -format(2)启动HDFS [luanhao@Bigdata00 hadoop-3.1.3]$ sbin/start-dfs.sh(3)在配置了ResourceManager的节点启动YARN [luanhao@Bigdata00 hadoop-3.1.3]$ sbin/start-yarn.sh(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压缩配置1)将编译好后的 hadoop-lzo-0.4.20.jar 放入 hadoop-3.1.3/share/hadoop/common/ [luanhao@Bigdata00 common]$ pwd /opt/module/hadoop-3.1.3/share/hadoop/common [luanhao@Bigdata00 common]$ ls hadoop-lzo-0.4.20.jar2)core-site.xml 增加配置支持 LZO 压缩 io.compression.codecs org.apache.hadoop.io.compress.GzipCodec, org.apache.hadoop.io.compress.DefaultCodec, org.apache.hadoop.io.compress.BZip2Codec, org.apache.hadoop.io.compress.SnappyCodec, com.hadoop.compression.lzo.LzoCodec, com.hadoop.compression.lzo.LzopCodec io.compression.codec.lzo.class com.hadoop.compression.lzo.LzoCodec Hadoop 3.x 端口号 总结Hadoop 3.x后,应用的端口有所调整,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准备1)卸载自带的 Mysql-libs(如果之前安装过 mysql,要全都卸载掉) [luanhao@Bigdata00 software]$ rpm -qa | grep -i -E mysql\|mariadb | xargs -n1 sudo rpm -e --nodeps2)安装 mysql 依赖 [luanhao@Bigdata00 software]$ sudo rpm -ivh 01_mysql-community-common-5.7.16-1.el7.x86_64.rpm [luanhao@Bigdata00 software]$ sudo rpm -ivh 02_mysql-community-libs-5.7.16-1.el7.x86_64.rpm [luanhao@Bigdata00 software]$ sudo rpm -ivh 03_mysql-community-libs-compat-5.7.16-1.el7.x86_64.rpm3)安装 mysql-client [luanhao@Bigdata00 software]$ sudo rpm -ivh 04_mysql-community-client-5.7.16-1.el7.x86_64.rpm4)安装 mysql-server [luanhao@Bigdata00 software]$ sudo rpm -ivh 05_mysql-community-server-5.7.16-1.el7.x86_64.rpm5)启动 mysql [luanhao@Bigdata00 software]$ sudo systemctl start mysqld6)查看 mysql 密码 [luanhao@Bigdata00 software]$ sudo cat /var/log/mysqld.log | grep password配置只要是 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) [luanhao@Bigdata00 software]$ mysql -uroot -p 'password'8)设置复杂密码(由于 mysql 密码策略,此密码必须足够复杂) mysql> set password=password("Qs23=zs32");9)更改 mysql 密码策略 mysql> set global validate_password_length=4; mysql> set global validate_password_policy=0;10)设置简单好记的密码 mysql> set password=password("000000");11)进入msyql 库 mysql> use mysql12)查询 user 表 mysql> select user, host from user;13)修改 user 表,把 Host 表内容修改为% mysql> update user set host="%" where user="root";14)刷新 mysql> flush privileges;15)退出 mysql> quit; Hive 准备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 [luanhao@Bigdata00 software]$ tar -zxvf /opt/software/apache-hive-3.1.2-bin.tar.gz -C /opt/module/3)修改 apache-hive-3.1.2-bin.tar.gz 的名称为 hive [luanhao@Bigdata00 software]$ mv /opt/module/apache-hive-3.1.2-bin/ /opt/module/hive4)修改/etc/profile,添加环境变量 [luanhao@Bigdata00 software]$ sudo vim /etc/profile 添加内容 #HIVE_HOME export HIVE_HOME=/opt/module/hive export PATH=$PATH:$HIVE_HOME/bin重启 Xshell 对话框或者 source 一下 /etc/profile 文件,使环境变量生效 [luanhao@Bigdata00 software]$ source /etc/profile5)解决日志 Jar 包冲突,进入/opt/module/hive/lib 目录(有冲突再做) [luanhao@Bigdata00 lib]$ mv log4j-slf4j-impl-2.10.0.jar log4j-slf4j-impl-2.10.0.jar.bakHive 元数据配置到 MySQL 拷贝驱动 将 MySQL 的 JDBC 驱动拷贝到 Hive 的 lib 目录下 [luanhao@Bigdata00 lib]$ cp /opt/software/mysql-connector-java-5.1.27-bin.jar /opt/module/hive/lib/配置 Metastore 到 MySQL 在$HIVE_HOME/conf 目录下新建 hive-site.xml 文件 [luanhao@Bigdata00 conf]$ vim hive-site.xml添加如下内容 javax.jdo.option.ConnectionURL jdbc:mysql://Bigdata00:3306/metastore?useSSL=false javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver javax.jdo.option.ConnectionUserName root javax.jdo.option.ConnectionPassword 000000 hive.metastore.warehouse.dir /user/hive/warehouse hive.metastore.schema.verification false hive.server2.thrift.port 10000 hive.server2.thrift.bind.host Bigdata00 hive.metastore.event.db.notification.api.auth false hive.cli.print.header true hive.cli.print.current.db true启动 Hive 初始化元数据库 1)登陆MySQL [luanhao@Bigdata00 conf]$ mysql -uroot -p0000002)新建 Hive 元数据库 mysql> create database metastore; mysql> quit;3)初始化 Hive 元数据库 [luanhao@Bigdata00 conf]$ schematool -initSchema -dbType mysql -verbose启动 hive 客户端 1)启动 Hive 客户端 [luanhao@Bigdata00 hive]$ bin/hive2)查看一下数据库 hive (default)> show databases; OK database_name default Spark 准备(1)Spark 官网下载 jar 包地址: http://spark.apache.org/downloads.html (2)上传并解压解压 spark-3.0.0-bin-hadoop3.2.tgz [luanhao@Bigdata00 software]$ tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module/ [luanhao@Bigdata00 software]$ mv /opt/module/spark-3.0.0-bin-hadoop3.2 /opt/module/spark(3)配置 SPARK_HOME 环境变量 [luanhao@Bigdata00 software]$ sudo vim /etc/profile 添加如下内容 # SPARK_HOME export SPARK_HOME=/opt/module/spark export PATH=$PATH:$SPARK_HOME/binsource 使其生效 [luanhao@Bigdata00 software]$ source /etc/profile(4)在hive 中创建 spark 配置文件 [luanhao@Bigdata00 software]$ vim /opt/module/hive/conf/spark-defaults.conf 添加如下内容(在执行任务时,会根据如下参数执行) spark.master yarn spark.eventLog.enabled true spark.eventLog.dir hdfs://Bigdata00:8020/spark-history spark.executor.memory 1g spark.driver.memory 1g在 HDFS 创建如下路径,用于存储历史日志 [luanhao@Bigdata00 software]$ hadoop fs -mkdir /spark-history(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,直接使用会和安装的Hive3.1.2 出现兼容性问题。所以采用 Spark 纯净版 jar 包,不包含 hadoop 和 hive 相关依赖,避免冲突。 说明 2:Hive 任务最终由 Spark 来执行,Spark 任务资源分配由 Yarn 来调度,该任务有可能被分配到集群的任何一个节点。所以需要将 Spark 的依赖上传到 HDFS 集群路径,这样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 [luanhao@Bigdata00 software]$ tar -zxvf /opt/software/spark-3.0.0-bin-without-hadoop.tgz(7)上传 Spark 纯净版 jar 包到 HDFS [luanhao@Bigdata00 software]$ hadoop fs -mkdir /spark-jars [luanhao@Bigdata00 software]$ hadoop fs -put spark-3.0.0-bin-without-hadoop/jars/* /spark-jars Hive on Spark 配置修改 hive-site.xml 文件 [luanhao@Bigdata00 ~]$ vim /opt/module/hive/conf/hive-site.xml 添加如下内容 spark.yarn.jars hdfs://Bigdata00:8020/spark-jars/* hive.execution.engine spark hive.spark.client.connect.timeout 10000mshadoop 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 fs.defaultFS hdfs://Bigdata00:8020注意:hive.spark.client.connect.timeout 的默认值是 1000ms,如果执行 hive 的 insert 语句时,抛如下异常,可以调大该参数到 10000ms FAILED: SemanticException Failed to get a spark session: org.apache.hadoop.hive.ql.metadata.HiveException: Failed to create Spark client for Spark session d9e0224c-3d14-4bf4-95bc-ee3ec56df48e1)兼容性说明 注意:官网下载的 Hive3.1.2 和 Spark3.0.0 默认是不兼容的。因为 Hive3.1.2 支持的 Spark版本是 2.4.5,所以需要我们重新编译 Hive3.1.2 版本。 编译步骤:官网下载 Hive3.1.2 源码,修改 pom 文件中引用的 Spark 版本为 3.0.0,如果编译通过,直接打包获取 jar 包。如果报错,就根据提示,修改相关方法,直到不报错,打包获取 jar 包。 Hive on Spark仅使用特定版本的Spark进行测试,因此只能确保给定版本的Hive与特定版本的Spark一起使用。其他版本的Spark可能与给定版本的Hive一起使用,但这不能保证。下面是Hive版本列表及其相应的兼容Spark版本。 Hive VersionSpark Versionmaster2.3.03.0.x2.3.02.3.x2.0.02.2.x1.6.02.1.x1.6.02.0.x1.5.01.2.x1.3.11.1.x1.2.02)在 Hive 所在节点部署 Spark 如果之前已经部署了 Spark,则该步骤可以跳过,但要检查 SPARK_HOME 的环境变量配置是否正确。 Hive on Spark测试(1)启动 hive 客户端 [luanhao@Bigdata00 hive]$ bin/hive(2)创建一张测试表 hive (default)> create table huanhuan(id int, name string);建表之后查看表发现报错,此时排障,我们忘了将 hadoop-lzo-0.4.20.jar 放到 /opt/module/hadoop-3.1.3/share/hadoop/common/ 目录下, hive (default)> show tables; OK tab_name Failed with exception java.io.IOException:java.lang.RuntimeException: Error in configuring object这时重新启动集群,并且启动hive 发现已经将huanhuan表展示出来了。 hive (default)> show tables; OK tab_name huanhuan Time taken: 3.253 seconds, Fetched: 1 row(s)(3)通过 insert 测试效果 hive (default)> insert into huanhuan values(1,'haoge');如果出现这个页面,说明成功 添加数据时最开始出现这个问题 。。。。 hive (default)> insert into huanhuan values(1,'haoge'); Query ID = luanhao_20210327142214_4ee343e7-52b1-4bfa-81a7-958a03175150 Total jobs = 1 Launching Job 1 out of 1 In order to change the average load for a reducer (in bytes): set hive.exec.reducers.bytes.per.reducer= In order to limit the maximum number of reducers: set hive.exec.reducers.max= In order to set a constant number of reducers: set mapreduce.job.reduces= Job failed with java.lang.ClassNotFoundException: Class com.hadoop.compression.lzo.LzoCodec not found FAILED: Execution Error, return code 3 from org.apache.hadoop.hive.ql.exec.spark.SparkTask. Spark job failed during runtime. Please check stacktrace for the root cause.报错信息如下 Job failed with java.lang.ClassNotFoundException: Class com.hadoop.compression.lzo.LzoCodec not found FAILED: Execution Error, return code 3 from org.apache.hadoop.hive.ql.exec.spark.SparkTask. Spark job failed during runtime. Please check stacktrace for the root cause.此时说明yarn 分配的内存太少了 ,我们把虚拟机的内存调整为 12g ( 前提是要将虚拟机的内存扩到12g ,才可以调整) 然后关闭集群,找到 yarn-site.xml 文件 修改如下内容: 给Yarn容器最大内存分配 12288 , 运行管理物理内存分配 12288 ,重新启动集群 此时最大内存 12 G 之后重新编写spark-defaults.conf 文件 给堆内内存扩大到2G spark.master yarn spark.eventLog.enabled true spark.eventLog.dir hdfs://Bigdata00:8020/spark-history spark.executor.memory 2g # 堆内内存,扩大到2g spark.driver.memory 1g # 运行内存堆内内存: 执行内存 (Execution Memory) : 主要用于存放 Shuffle、Join、Sort、Aggregation 等计算过程中的临时数据;存储内存 (Storage Memory) : 主要用于存储 spark 的 cache 数据,例如RDD的缓存、unroll数据;用户内存(User Memory): 主要用于存储 RDD 转换操作所需要的数据,例如 RDD 依赖等信息;预留内存(Reserved Memory): 系统预留内存,会用来存储Spark内部对象。届时4天完成 Hive on Spark 。。。。 END |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |