基於Docker搭建Hadoop+Hive

為配合生產hadoop使用，在本地搭建測試環境，使用docker環境實現（主要是省事~），拉取阿里雲已有hadoop鏡像基礎上，安裝hive組件，參考下面兩個專欄文章：

克里斯：基於 Docker 構建 Hadoop 平台
docker上從零開始搭建hadoop和hive環境

由於hadoop與hive等存在版本兼容問題，安裝前可以先通過官網確認版本兼容情況：

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、拉取鏡像

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

二、運行容器

進入容器看worker里面有三台機子，分別是Master、Slave1、Slave2

關於worker路徑，通過etc/profile環境變量配置的文件即可查看hadoop安裝目錄

#隨意建立個容器查看配置情況
docker run -it --name hadopp-test registry.cn-hangzhou.aliyuncs.com/hadoop_test/hadoop_base
#查看系統變量路徑
vim etc/profile
#查看worker情況
vim /usr/local/hadoop/etc/hadoop/workers

• 建立hadoop用的內部網絡

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

• 建立Master容器，映射端口
  10000端口為hiveserver2端口，后面本地客戶端要通過beeline連接hive使用，有其他組件要安裝的話可以提前把端口都映射出來，畢竟后面容器運行后再添加端口還是有點麻煩的

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

• 創建Slave1容器

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

• 創建Slave2容器

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

• 三台機器，都修改host vim /etc/hosts

172.20.0.4 Master
172.20.0.3 Slave1
172.20.0.2 Slave2

三、啟動hadoop

雖然容器里面已經把hadoop路徑配置在系統變量里面，但每次進入需要運行source /etc/profile才能生效使用

• 進入master，啟動hadoop，先格式化hdfs

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

• 啟動全部，包含hdfs和yarn

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

可以看到服務起來了，本地范圍宿主機ip的8088及9870端口可以看到監控信息

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

• 查看分布式文件系統狀態

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

四、運行內置WordCount例子

• 把license作為需要統計的文件

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 中創建 input 文件夾

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

• 上傳 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 文件夾里的內容

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

• 運作 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 文件夾的內容

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文件的內容，就是運行的結果

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

Hadoop 部分結束了

HIVE部分：

Hive下載后上傳到容器目錄下：

下載地址：http://mirror.bit.edu.cn/apache/hive/hive-3.1.2/

一、解壓安裝包

# 拷貝安裝包進Master容器
docker cp apache-hive-3.1.2-bin.tar.gz Master:/usr/local
# 進入容器
docker exec -it Master bash
cd /usr/local/
# 解壓安裝包
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相關環境變量

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

配置后執行source /etc/profile 生效

source /etc/profile

四、配置mysql作為元數據庫

1. 拉取Mysql鏡像並生產容器：

#拉取鏡像
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
#進入容器
docker exec -it mysql_hive bash
#進入myslq
mysql -uroot -p
#密碼上面建立容器時候已經設置abc123456
#建立hive數據庫
create database hive;
#修改遠程連接權限
ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'abc123456';

ps：容器ip地址類似window的分配機制，如果不設置固定ip容器重啟后會自動分配ip，因此數據庫相關的容器建議設置為固定ip。

2. 回去Master容器，修改關聯數據庫的配置

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

搜索關鍵詞修改數據庫url、驅動、用戶名，url根據上面建容器時候地址。

#還請注意hive配置文件里面使用&作為分隔，高版本myssql需要SSL驗證，在這里設置關閉
  <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&amp;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>

3. mysql驅動上傳到hive的lib下

#前面已經跟hive安裝包一起上傳到容器/usr/local目錄
root@Master:/usr/local# cp mysql-connector-java-5.1.49.jar /usr/local/apache-hive-3.1.2-bin/lib

4. jar包配置修改

對hive的lib文件夾下的部分文件做修改，不然初始化數據庫的時候會報錯

#slf4j這個包hadoop及hive兩邊只能有一個，這里刪掉hive這邊
root@Master:/usr/local/apache-hive-3.1.2-bin/lib# rm log4j-slf4j-impl-2.10.0.jar

#guava這個包hadoop及hive兩邊只刪掉版本低的那個，把版本高的復制過去，這里刪掉hive，復制hadoop的過去
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行的特殊字符刪除
root@Master: vim /usr/local/apache-hive-3.1.2-bin/conf/hive-site.xml

五、初始化元數據庫

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、驗證

• 我們先創建一個數據文件放到/usr/local下

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

• 進入hive交互界面

root@Master:/usr/local# hive
Hive Session ID = 7bec2ab6-e06d-4dff-8d53-a64611875aeb

Logging 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安裝完畢

啟動 Hiveserver2

一、修改hadoop的一些權限配置

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>

• 重啟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、后台啟動hiveserver2

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

三、驗證

通過beeline連接並查詢

查看10000端口運行正常，beeline命令，!connect連接，結果查詢正常

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>

Hiveserver2配置完畢

本地使用SQL Developer連接Hive

工具oracle官網下載即可，免費，驅動到cloudera官網下，在工具第三方驅動處安裝

Oracle SQL Developer 下載
Download Hive JDBC Driver 2.5.15

以上，完畢，下篇安裝Spark.

• 鏡像已上傳阿里雲：registry.cn-shenzhen.aliyuncs.com/rango/myhadoop
• 知乎專欄地址：基於Docker搭建Hadoop+Hive