離線安裝Cloudera Manager 5和CDH5(最新版5.1.3) 完全教程
關於CDH和Cloudera Manager
CDH (Cloudera's Distribution, including Apache Hadoop)，是Hadoop眾多分支中的一種，由Cloudera維護，基於穩定版本的Apache Hadoop構建，並集成了很多補丁，可直接用於生產環境。
Cloudera Manager則是為了便於在集群中進行Hadoop等大數據處理相關的服務安裝和監控管理的組件，對集群中主機、Hadoop、Hive、Spark等服務的安裝配置管理做了極大簡化。
系統環境
安裝說明
官方參考文檔：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Installation-Guide/cm5ig_install_path_C.html
官方共給出了3中安裝方式：第一種方法必須要求所有機器都能連網，由於最近各種國外的網站被牆的厲害，我嘗試了幾次各種超時錯誤，巨耽誤時間不說，一旦失敗，重裝非常痛苦。第二種方法下載很多包。第三種方法對系統侵入性最小,最大優點可實現全離線安裝，而且重裝什么的都非常方便。后期的集群統一包升級也非常好。這也是我之所以選擇離線安裝的原因。
相關包的下載地址
Cloudera Manager下載地址：
http://archive.cloudera.com/cm5/cm/5/cloudera-manager-el6-cm5.1.3_x86_64.tar.gz，
下載信息：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Version-and-Download-Information/Cloudera-Manager-Version-and-Download-Information.html#cmvd_topic_1
CDH安裝包地址：http://archive.cloudera.com/cdh5/parcels/latest/，由於我們的操作系統為CentOS6.5，需要下載以下文件：
注意：與CDH4的不同，原來安裝CDH4的時候還需要下載IMPALA、Cloudera Search(SOLR)，CDH5中將他們包含在一起了，所以只需要下載一個CDH5的包就可以了。
准備工作：系統環境搭建
以下操作均用root用戶操作。
如果用的最小化Centos7安裝 需安裝幾個命令
yum -y install psmisc gcc ntp net-tools wget vim
1. 網絡配置(所有節點)
vi /etc/sysconfig/network修改hostname：
NETWORKING=yes
HOSTNAME=n1
通過service network restart重啟網絡服務生效。
vi /etc/hosts,修改ip與主機名的對應關系
192.168.1.106 n1
192.168.1.107 n2
192.168.1.108 n3
注意：這里需要將每台機器的ip及主機名對應關系都寫進去，本機的也要寫進去，否則啟動Agent的時候會提示hostname解析錯誤。
關閉防火牆
2.打通SSH，設置ssh無密碼登陸（所有節點）
在主節點上執行ssh-keygen -t rsa一路回車，生成無密碼的密鑰對。
將公鑰添加到認證文件中：cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，並設置authorized_keys的訪問權限：chmod 600 ~/.ssh/authorized_keys。
scp文件到所有datenode節點：
scp ~/.ssh/authorized_keys root@n2:~/.ssh/ 如果其他節點沒有ssh目錄 直接把目錄復制過去即可
測試：在主節點上ssh n2，正常情況下，不需要密碼就能直接登陸進去了。
3.安裝Oracle的Java（所有節點）
CentOS，自帶OpenJdk，不過運行CDH5需要使用Oracle的Jdk，需要Java 7的支持。
由於使用的最小化系統，Centos7中並沒有然后java自帶包，這里必須注意。。即是沒有 也用yum -y install java 系統會自動解決依賴性關系，這點很重要，如果單用官網RPM包安裝java 后期會有很多日志報錯，缺少python之類的包，下圖就是 提前用yum安裝的java 。然后把java包安裝
因為是用yum裝的 用java -version可以查看版本。但是javac命令確不能用 所以在這把那些java的包卸載 ，使用rpm -e --nodeps 包名卸載之。 只剩下圖2個包即可 （自己的笨辦法，在這里吃了很多虧）
卸載自帶的OpenJdk，使用rpm -qa | grep java查詢java相關的包，
去Oracle的官網下載jdk的rpm安裝包，並使用rpm -ivh 包名安裝之。 這里我下載的jdk-8u77-linux-x64.rpm
配置環境變量
然后source 讓其立即生效
以上配置都是所有節點都需要配置。可以在主節點配置好。scp到其他節點 ，快速配置
4.安裝配置MySql（主節點）
CentOS 7的yum源中貌似沒有正常安裝mysql時的mysql-sever文件，需要去官網上下載
|
1
2
3
|
# wget http://dev.mysql.com/get/mysql-community-release-el7-5.noarch.rpm
# rpm -ivh mysql-community-release-el7-5.noarch.rpm
# yum install mysql-community-server
|
成功安裝之后重啟mysql服務
|
1
|
# service mysqld restart
|
並service mysqld start啟動mysql服務，並根據提示設置root的初試密碼：mysqladmin -u root password 'xxxx'。
mysql -uroot -pxxxx進入mysql命令行，創建以下數據庫：
#hive
create database hive DEFAULT CHARSET utf8 COLLATE utf8_general_ci;
#activity monitor
create database amon DEFAULT CHARSET utf8 COLLATE utf8_general_ci;
設置root授權訪問以上所有的數據庫：
#授權root用戶在主節點擁有所有數據庫的訪問權限
grant all privileges on *.* to'root'@'n1'identified by'123'with grant option; （需要一下2條命令，不然后面驗證數據庫 就會出錯）
flush privileges;
5.關閉防火牆和SELinux
注意： 需要在所有的節點上執行，因為涉及到的端口太多了，臨時關閉防火牆是為了安裝起來更方便，安裝完畢后可以根據需要設置防火牆策略，保證集群安全。
關閉防火牆：
systemctl stop firewalld.service #停止firewall
修改/etc/selinux/config 下的 SELINUX=disabled （重啟后永久生效）
6.所有節點配置NTP服務
集群中所有主機必須保持時間同步，如果時間相差較大會引起各種問題。具體思路如下：
master節點作為ntp服務器與外界對時中心同步時間，隨后對所有datanode節點提供時間同步服務。
所有datanode節點以master節點為基礎同步時間。
所有節點安裝相關組件：yum install ntp。完成后，配置開機啟動：chkconfig ntpd on,檢查是否設置成功：chkconfig --list ntpd其中2-5為on狀態就代表成功。
rpm 先查詢本機是否已經有ntp包。
如果有 /bin/systemctl restart ntpd.service 啟動服務 並查看運行狀況
主節點配置
在配置之前，先使用ntpdate手動同步一下時間，免得本機與對時中心時間差距太大，使得ntpd不能正常同步。這里選用 ntpdate -u s2m.time.edu.cn
ntp服務只有一個配置文件，配置好了就OK。這里只給出有用的配置，不需要的配置都用#注掉，這里就不在給出：
driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrict default nomodify notrap
server s2m.time.edu.cn
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys
配置文件完成，保存退出，啟動服務，執行如下命令：service ntpd start
檢查是否成功，用ntpstat命令查看同步狀態，出現以下狀態代表啟動成功：
synchronised to NTP server () at stratum 2
time correct to within 74 ms
polling server every 128 s
如果出現異常請等待幾分鍾，一般等待5-10分鍾才能同步。
配置ntp客戶端（所有datanode節點）
driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrictdefault kod nomodify notrap nopeer noquery
restrict -6 default kod nomodify notrap nopeer noquery
server n1
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys
ok保存退出，請求服務器前，請先使用ntpdate手動同步一下時間：ntpdate -u n1 (主節點ntp服務器)
這里可能出現同步失敗的情況，請不要着急，一般是本地的ntp服務器還沒有正常啟動，一般需要等待5-10分鍾才可以正常同步。啟動服務：service ntpd start
因為是連接內網，這次啟動等待的時間會比master節點快一些，但是也需要耐心等待一會兒。
正式開工
安裝Cloudera Manager Server 和Agent
主節點解壓安裝
cloudera manager的目錄默認位置在/opt下，解壓：tar xzvf cloudera-manager*.tar.gz將解壓后的cm-5.1.3和cloudera目錄放到/opt目錄下。
為Cloudera Manager 5建立數據庫
首先需要去MySql的官網下載JDBC驅動，http://dev.mysql.com/downloads/connector/j/，解壓后，找到mysql-connector-java-5.1.33-bin.jar，放到/opt/cm-5.1.3/share/cmf/lib/中。
在主節點初始化CM5的數據庫：
/opt/cm-5.1.3/share/cmf/schema/scm_prepare_database.sh mysql cm -hlocalhost -uroot -pxxxx --scm-host localhost scm scm scm
Agent配置
修改/opt/cm-5.1.3/etc/cloudera-scm-agent/config.ini中的server_host為主節點的主機名。
同步Agent到其他節點
scp -r /opt/cm-5.1.3 root@n2:/opt/
在所有節點創建cloudera-scm用戶
useradd --system --home=/opt/cm-5.5.0/run/cloudera-scm-server/ --no-create-home --shell=/bin/false --comment "Cloudera SCM User" cloudera-scm
准備Parcels，用以安裝CDH5
將CHD5相關的Parcel包放到主節點的/opt/cloudera/parcel-repo/目錄中（parcel-repo需要手動創建）。
相關的文件如下：
最后將CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1，重命名為CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha，這點必須注意，否則，系統會重新下載CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel文件。
相關啟動腳本
通過/opt/cm-5.5.0/etc/init.d/cloudera-scm-server start啟動服務端。
通過/opt/cm-5.5.0/etc/init.d/cloudera-scm-agent start啟動Agent服務。
我們啟動的其實是個service腳本，需要停止服務將以上的start參數改為stop就可以了，重啟是restart。
CDH5的安裝配置
Cloudera Manager Server和Agent都啟動以后，就可以進行CDH5的安裝配置了。
這時可以通過瀏覽器訪問主節點的7180端口測試一下了（由於CM Server的啟動需要花點時間，這里可能要等待一會才能訪問），默認的用戶名和密碼均為admin：
可以看到，免費版本的CM5已經沒有原來50個節點數量的限制了。
各個Agent節點正常啟動后，可以在當前管理的主機列表中看到對應的節點。選擇要安裝的節點，點繼續。
接下來，出現以下包名，說明本地Parcel包配置無誤，直接點繼續就可以了。
點擊，繼續，如果配置本地Parcel包無誤，那么下圖中的已下載，應該是瞬間就完成了，然后就是耐心等待分配過程就行了，大約10多分鍾吧，取決於內網網速。
接下來是服務器檢查，可能會遇到以下問題：
Cloudera 建議將/proc/sys/vm/swappiness 設置為0。當前設置為60。使用 sysctl 命令在運行時更改該設置並編輯/etc/sysctl.conf 以在重啟后保存該設置。您可以繼續進行安裝，但可能會遇到問題，Cloudera Manager 報告您的主機由於交換運行狀況不佳。以下主機受到影響：
通過echo 0 > /proc/sys/vm/swappiness即可解決。
接下來是選擇安裝服務：
服務配置，一般情況下保持默認就可以了（Cloudera Manager會根據機器的配置自動進行配置，如果需要特殊調整，自行進行設置就可以了）：
接下來是數據庫的設置，檢查通過后就可以進行下一步的操作了：
下面是集群設置的審查頁面，我這里都是保持默認配置的：
終於到安裝各個服務的地方了，注意，這里安裝Hive的時候可能會報錯，因為我們使用了MySql作為hive的元數據存儲，hive默認沒有帶mysql的驅動，通過以下命令拷貝一個就行了：
cp /opt/cm-5.1.3/share/cmf/lib/mysql-connector-java-5.1.33-bin.jar /opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib/ 切記：給最多權限，以免發生錯誤
服務的安裝過程大約半小時內就可以完成：
安裝完成后，就可以進入集群界面看一下集群的當前狀況了。
這里可能會出現無法發出查詢：對 Service Monitor 的請求超時的錯誤提示，如果各個組件安裝沒有問題，一般是因為服務器比較卡導致的，過一會刷新一下頁面就好了：
測試
在集群的一台機器上執行以下模擬Pi的示例程序：
sudo -u hdfs hadoop jar /opt/cloudera/parcels/CDH/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar pi 10 100
執行過程需要花一定的時間，通過YARN的后台也可以看到MapReduce的執行狀態：
MapReduce執行過程中終端的輸出如下：
Number of Maps = 10
Samples per Map = 100
Wrote input for Map #0
Wrote input for Map #1
Wrote input for Map #2
Wrote input for Map #3
Wrote input for Map #4
Wrote input for Map #5
Wrote input for Map #6
Wrote input for Map #7
Wrote input for Map #8
Wrote input for Map #9
Starting Job
14/10/13 01:15:34 INFO client.RMProxy: Connecting to ResourceManager at n1/192.168.1.161:8032
14/10/13 01:15:36 INFO input.FileInputFormat: Total input paths to process : 10
14/10/13 01:15:37 INFO mapreduce.JobSubmitter: number of splits:10
14/10/13 01:15:39 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1413132307582_0001
14/10/13 01:15:40 INFO impl.YarnClientImpl: Submitted application application_1413132307582_0001
14/10/13 01:15:40 INFO mapreduce.Job: The url to track the job: http://n1:8088/proxy/application_1413132307582_0001/
14/10/13 01:15:40 INFO mapreduce.Job: Running job: job_1413132307582_0001
14/10/13 01:17:13 INFO mapreduce.Job: Job job_1413132307582_0001 running in uber mode : false
14/10/13 01:17:13 INFO mapreduce.Job: map 0% reduce 0%
14/10/13 01:18:02 INFO mapreduce.Job: map 10% reduce 0%
14/10/13 01:18:25 INFO mapreduce.Job: map 20% reduce 0%
14/10/13 01:18:35 INFO mapreduce.Job: map 30% reduce 0%
14/10/13 01:18:45 INFO mapreduce.Job: map 40% reduce 0%
14/10/13 01:18:53 INFO mapreduce.Job: map 50% reduce 0%
14/10/13 01:19:01 INFO mapreduce.Job: map 60% reduce 0%
14/10/13 01:19:09 INFO mapreduce.Job: map 70% reduce 0%
14/10/13 01:19:17 INFO mapreduce.Job: map 80% reduce 0%
14/10/13 01:19:25 INFO mapreduce.Job: map 90% reduce 0%
14/10/13 01:19:33 INFO mapreduce.Job: map 100% reduce 0%
14/10/13 01:19:51 INFO mapreduce.Job: map 100% reduce 100%
14/10/13 01:19:53 INFO mapreduce.Job: Job job_1413132307582_0001 completed successfully
14/10/13 01:19:56 INFO mapreduce.Job: Counters: 49
File System Counters
FILE: Number of bytes read=91
FILE: Number of bytes written=1027765
FILE: Number ofread operations=0
FILE: Number of large read operations=0
FILE: Number ofwrite operations=0
HDFS: Number of bytes read=2560
HDFS: Number of bytes written=215
HDFS: Number ofread operations=43
HDFS: Number of large read operations=0
HDFS: Number ofwrite operations=3
Job Counters
Launched map tasks=10
Launched reduce tasks=1
Data-local map tasks=10
Total time spent by all maps in occupied slots (ms)=118215
Total time spent by all reduces in occupied slots (ms)=11894
Total time spent by all map tasks (ms)=118215
Total time spent by all reduce tasks (ms)=11894
Total vcore-seconds taken by all map tasks=118215
Total vcore-seconds taken by all reduce tasks=11894
Total megabyte-seconds taken by all map tasks=121052160
Total megabyte-seconds taken by all reduce tasks=12179456
Map-Reduce Framework
Map input records=10
Map output records=20
Map output bytes=180
Map output materialized bytes=340
Input split bytes=1380
Combine input records=0
Combine output records=0
Reduce input groups=2
Reduce shuffle bytes=340
Reduce input records=20
Reduce output records=0
Spilled Records=40
Shuffled Maps =10
Failed Shuffles=0
Merged Map outputs=10
GC time elapsed (ms)=1269
CPU time spent (ms)=9530
Physical memory (bytes) snapshot=3792773120
Virtual memory (bytes) snapshot=16157274112
Total committed heap usage (bytes)=2856624128
Shuffle Errors
BAD_ID=0
CONNECTION=0
IO_ERROR=0
WRONG_LENGTH=0
WRONG_MAP=0
WRONG_REDUCE=0
File Input Format Counters
Bytes Read=1180
File Output Format Counters
Bytes Written=97
Job Finished in 262.659 seconds
Estimated value of Pi is 3.14800000000000000000
檢查Hue
首次登陸Hue會讓設置一個初試的用戶名和密碼，設置好，登陸到后台，會做一次檢查，一切正常后會提示：
到這里表明我們的集群可以使用了。
如上如果安裝Oozie失敗：
出現
Java Connect to database Error：ClassNotFoundException:com.mysql.jdbc.Driver 錯誤
hadoop2.6完全分布式安裝文檔
ssh和jdk的配置上面參照即可
這里主要列出配置文件的內容
useradd hadoop (創建用戶)
passwd hadoop （設置密碼，為簡單起見，3台機器上的hadoop密碼最好設置成一樣，比如hadoop123）
為了方便，建議將hadoop加入root用戶組，操作方法：
先以root身份登錄，然后輸入
usermod -g root hadoop ，執行完后hadoop即歸屬於root組了，可以再輸入
id hadoop 查看輸出驗證一下，如果看到類似下面的輸出：
uid=502(hadoop) gid=0(root) 組=0(root)
就表示OK了
http://mirrors.cnnic.cn/apache/hadoop/common/ 下載，本教程選擇的是 2.6.0 版本，下載時請下載 hadoop-2.x.y.tar.gz這個格式的文件，這是編譯好的，另一個包含 src 的則是 Hadoop 源代碼，需要進行編譯才可使用。
下載時強烈建議也下載 hadoop-2.x.y.tar.gz.mds 這個文件，該文件包含了檢驗值可用於檢查 hadoop-2.x.y.tar.gz 的完整性，否則若文件發生了損壞或下載不完整，Hadoop 將無法正常運行。
下載后使用MD5校驗是否完整
這里我是下載的hadoop2.6 並解壓放置到/usr/local/hadoop
並檢查是否可用
1、進/usr/local/hadoop/etc/hadoop目錄中，編輯hadoop-env.sh文件，使用vim hadoop-env.sh，修改內容如下：
export JAVA_HOME=/usr/java/jdk1.6.0_31
2、編輯yarn-env.sh vim yarn-env.sh，修改內容如下：
JAVA_HOME=/usr/java/jdk1.6.0_31
3、編輯core-site.xml，修改內容如下： 這里自行建立/home/hadoop/tmp
<property>
<name>fs.default.name</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>
4、編輯hdfs-site.xml，編輯內容如下：
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/dfs/data</value>
</property>
5、編輯mapred-site.xml（需要復制mapred-site.xml.template，並命名為mapred-site.xml），編輯內容如下：
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>n1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>n1:19888</value>
</property>
6、編輯yarn-site.xml文件，修改內容如下：
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>n1:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>n1:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>n1:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>n1:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>n1:8088</value>
</property>
7、編輯slaves文件，修改內容如下：
n2
n3
8、復制hadoop2.6到另外兩個節點，
9、在master節點格式化hdfs文件
./bin/hdfs namenode -format
成功格式化后，如下圖：
10、啟動hadoop
./sbin/start-all.sh
使用jps查看運行的進程，表示master和slave節點成功運行的進程如下：
master：
slave1：
slave2：
至此hadoop2.6集群搭建完成。 搭建完成后 訪問網站http://192.168.1.120:50070
另外也可以通過 bin/hdfs dfsadmin -report 查看hdfs的狀態報告
a) master(即：namenode節點)若要重新格式化，請先清空各datanode上的data目錄（最好連tmp目錄也一起清空），否則格式化完成后，啟動dfs時,datanode會啟動失敗
b) 如果覺得master機器上只運行namenode比較浪費,想把master也當成一個datanode,直接在slaves文件里,添加一行master即可
c） 設置hadoop環境變量
安裝HIVE項目
首先建立hive庫
-- 創建 hive 數據庫
mysql> CREATE DATABASE hive;
-- 創建 hive 用戶，並賦予訪問 hive 數據庫的權限
mysql> GRANT ALL PRIVILEGES ON hive.*TO'hive'@'localhost' IDENTIFIED BY'hive';
mysql> FLUSH PRIVILEGES;
-- 設置 binary log 的格式：
mysql>setglobal binlog_format=MIXED;
下載HIve並配置環境變量
tar xzvf hive-2.0.tar.gz -C /home/hadoop
並mv為hive
-- 在 .bashrc 或是 .bash_profile 文件中增加以下設置：
export HIVE_HOME=/home/hadoop/hive
export PATH=$PATH:$HIVE_HOME/bin
修改配置文件
cd /home/hadoop/
cp hive-default.xml.template hive-site.xml
cp hive-log4j.properties.template hive-log4j.propertie
配置文件修改如下
-- cat hive-1.1.0-cdh5.4.7/conf/hive-site.xml
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>hive.server2.thrift.port</name><value>10000</value></property><property><name>hive.server2.thrift.bind.host</name><value>n1</value></property><property><name>hive.server2.authentication</name><value>NONE</value><description>
Client authentication types.
NONE: no authentication check
LDAP: LDAP/AD based authentication
KERBEROS: Kerberos/GSSAPI authentication
CUSTOM: Custom authentication provider
(Use with property hive.server2.custom.authentication.class)
</description></property><property><name>hive.server2.enable.doAs</name><value>true</value></property><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true</value><description>JDBC connect string for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionUserName</name><value>hive</value><description>username to use against metastore database</description></property><property><name>javax.jdo.option.ConnectionPassword</name><value>hive</value><description>password to use against metastore database</description></property></configuration>
下載mysql jdb jar包
wget http://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.37.tar.gz
tar xvzf mysql-connector-java-5.1.37.tar.gz
cp mysql-connector-java-5.1.37/mysql-connector-java-5.1.37-bin.jar $HIVE_HOME/lib
在啟動hive 進入bin目錄執行hive
如果這里報錯 [ERROR] Terminal initialization failed; falling back to unsupported
原因是hadoop目錄下存在老版本jline：
/hadoopshare/hadoop/yarn/lib：
-rw-r--r-- 1 root root 87325 Mar 10 18:10 jline-0.9.94.jar
解決方法是：
將hive下的新版本jline的JAR包拷貝到hadoop下：
cp /home/hive/lib/jline-2.12.jar /usr/local/hadoop/share/hadoop/yarn/lib
並將/usr/local/hadoop/share/hadoop/yarn/lib 內的jline包改名 如下 即可
-rw-r--r-- 1 root root 87325 Mar 10 18:10 jline-0.9.94.jar.bak
-rw-r--r-- 1 root root 213854 Mar 11 22:22 jline-2.12.jar
最后設置的環境變量為
自己總結的各種小毛病處理
在配置之前 清除服務項目安裝在哪一個文件目錄下。 這樣出了問題好排查
如果還是解決不了。可操作
是CDH 的BUG,需要修改文件 <CM-PATH>/lib64/cmf/agent/src/cmf/util.py
將util.py里的一行代碼：
pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env" % (path, command)],
stdout=subprocess.PIPE, env=caller_env)
修改成：
pipe = subprocess.Popen(['/bin/bash', '-c', ". %s; %s; env | grep -v { | grep -v }" % (path, command)],
stdout=subprocess.PIPE, env=caller_env)
就好了
