阿里云E-MapReduce操作

阿里云E-MapReduce操作

阿里云E-MapReduce（简称EMR），是运行在阿里云平台上的一种大数据处理的系统解决方案。EMR构建于云服务器ECS上，基于开源的Apache Hadoop和Apache Spark，让您可以方便地使用Hadoop和Spark生态系统中的其他周边系统分析和处理数据。EMR还可以与阿里云其他的云数据存储系统和数据库系统（例如，阿里云OSS和RDS等）进行数据传输。

一、E-MapReduce的用途

以往在使用Hadoop和Spark等分布式处理系统时，通常需要执行如下步骤：

在上述使用流程中，真正跟用户的应用逻辑相关的是步骤8_{10，而步骤1}7都是前期准备工作，但这些前期准备工作都非常冗长繁琐。E-MapReduce提供了集群管理工具的集成解决方案，例如，主机选型、环境部署、集群搭建、集群配置、集群运行、作业配置、作业运行、集群管理和性能监控等。通过E-MapReduce，您可以从繁琐的集群构建相关的采购、准备和运维等工作中解放出来，只关心自己应用程序的处理逻辑即可。

此外，E-MapReduce还为您提供了灵活的搭配组合方式，您可以根据自己的业务特点选择不同的集群服务。例如，如果您的需求是对数据进行日常统计和简单的批量运算，则可以只选择在E-MapReduce中运行Hadoop服务；如果您有流式计算和实时计算的需求，则可以在Hadoop服务基础上再加入Spark服务。

二、E-MapReduce的组成

E-MapReduce的核心是集群。E-MapReduce集群是由一个或多个阿里云ECS实例组成的Hadoop、Flink、Druid、ZooKeeper集群。以Hadoop为例，每个ECS 实例上通常都运行了一些daemon进程（例如，NameNode、DataNode、ResouceManager和NodeManager），这些daemon进程共同组成了Hadoop集群。例如下图是一个包含Master节点、Core节点、Task节点和Gateway节点的E-MapReduce集群。

1）Master节点，部署了Hadoop的主节点服务，包括HDFS NameNode、HDFS JournalNode、ZooKeeper、YARN ResourceManager和HBase HMaster等服务，可以根据集群的使用场景，选择高可用集群或非高可用集群。测试环境可以选择非高可用集群，生产环境建议选择高可用集群。高可用集群可以选择2个或3个Master节点，当选择2个Master节点时，HDFS JournalNode和ZooKeeper会部署在Core的emr-worker-1节点。生产环境建议创建高可用集群时选择3个Master节点。

2）Core节点，部署了HDFS DataNode和YARN Nodemanager，用于HDFS数据的存储和YARN的计算，不可以弹性伸缩。

3）Task节点，部署了YARN NodeManager，用于YARN计算，可以通过弹性伸缩的方式灵活扩容或缩容。

4）Gateway节点，部署了Hadoop的客户端文件，您可以通过Gateway提交作业，避免直接登录集群产生的安全和客户端环境隔离问题。您需要先创建Hadoop集群，然后创建Gateway集群关联至Hadoop集群。

三、Kafka模块

3.1 Kafka搭建（E-MR）

1）点击“产品与服务”，搜索“E-MapReduce”点击进入

2）点击创建集群

3）选择“Kafka”，选中Kafka版本对应的产品版本

4）选择“按量付费”

5）选择网络配置

6）选择实例配置

7）配置基础信息

8）确认集群信息

9）Kafka集群创建成功

10）查看ECS实例列表

3.2 Kafka节点连接

打开远程连接工具进行配置，这里以CRT为例。
1）新建一个Session

2）浏览框架搭建路径

[root@emr-header-1 service]# cd /opt/apps/ecm/service/
[root@emr-header-1 service]# ls
alertmanager   bigboot      emr-monitor  flow-agent  hive     kafka-client           livy       prometheus  superset
alluxio        clickhouse   emrsdk       flume       hudi     kafka-manager          metastore  ranger      tez
analytics-zoo  datafactory  ess          ganglia     hue      kafka-rest-proxy       oozie      solr        zeppelin
b2jindosdk     deltalake    esssdk       hadoop      impala   kafka-schema-registry  phoenix    spark       zookeeper
b2monitor      druid        flink        has         jupyter  knox                   pig        sqoop
b2smartdata    emrhook      flink-vvp    hbase       kafka    kudu                   presto     storm

2）修改hosts文件

[root@emr-header-1 service]# vim /etc/hosts

# 增加如下一行
172.29.242.153 cluster_master_node

3.3 Kafka命令行操作

1）查看当前服务器中的所有topic

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# pwd
/opt/apps/ecm/service/kafka/2.12-2.4.1-1.0.0/package/kafka_2.12-2.4.1-1.0.0
[root@hadoop102 kafka]$ kafka-topics.sh --zookeeper cluster_master_node:2181 --list

2）创建topic

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-topics.sh --zookeeper cluster_master_node:2181
 --create --replication-factor 3 --partitions 1 --topic first

选项说明：
–topic 定义topic名
–replication-factor 定义副本数
–partitions 定义分区数
3）删除topic

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-topics.sh --zookeeper cluster_master_node:2181 
--delete --topic first

需要server.properties中设置delete.topic.enable=true否则只是标记删除。
4）发送消息

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-console-producer.sh --broker-list 
cluster_master_node:9092 --topic first
>hello world
>atguigu  atguigu

5）消费消息

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-console-consumer.sh --bootstrap-server 
cluster_master_node:9092 --topic first

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-console-consumer.sh --bootstrap-server 
cluster_master_node:9092 --from-beginning --topic first

–from-beginning：会把主题中以往所有的数据都读取出来。
6）查看某个Topic的详情

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-topics.sh --zookeeper cluster_master_node:2181 
--describe --topic first

7）修改分区数

[root@emr-header-1 kafka_2.12-2.4.1-1.0.0]# kafka-topics.sh --zookeeper cluster_master_node:2181 --alter 
--topic first --partitions 6

3.4 Kafka数据监控

1）点击“监控大盘”

2）集群概览

3）主机监控