文章目录
Hadoop平台CDH简介
CDH是Cloudera开发的基于Hadoop生态的一系列组件的组合,简化了Hadoop生态各个组件的版本匹配及安装、集群管理、监控等。
如果实时性要求不是很高,可以使用Hadoop平台,比如CDH。通过定时ETL,将在MySQL表抽取至Hive数据仓库,然后使用Impala代替MySQL快速完成复杂查询的任务。也可以将部分耗时多的处理复杂逻辑的作业转移至CDH进行计算,从而大大减轻MySQL的压力。
安装
CDH目前有5、6两个大版本,这里安装的是CDH5版本,介绍一篇参考文档:
https://blog.51cto.com/flyfish225/2490326
应用
这是CDH的管理端UI,可以查看集群各个主机的资源使用情况,配置需要的服务,修改参数等:
这是HUE的Web UI,可以使用Oozie执行Workflow作业、Impala/Hive编写查询,跟Navicat等编写mysql语法很相似:
-
注意:
①主机名不能含有下划线,应只有字母跟数字
②域名、IP对应转换:可以通过hosts文件配置,设置主机名跟域名:
[root@cdhmaster ~]# cat /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.176.9 cdh0.mycdh.com cdh0
192.168.176.10 cdhmaster.mycdh.com cdhmaster
192.168.176.11 cdhnode1.mycdh.com cdhnode1
192.168.176.12 cdhnode2.mycdh.com cdhnode2
也可以自建DNS服务器,然后在各主机网络的配置文件中配置DNS服务器地址。
③透明大页面压缩,要确认加入随机启动
-
遇到的问题的解决:
①sqoop抽取后加载到hive报错的问题:在workflow的节点中,ENVIRONMENT VARIABLES 新增: HADOOP_USER_NAME=${wf:user()}
②impala多次执行消耗内存较大的查询,报错 Failed to get minimum memory reservation of…:进入cloudera manager,打开impala组件,查询 limit关键词,修改 Impala Daemon Default Group / 资源管理 ,将256兆提高为2G