docker 搭建大数据集群（hive、hbase、ZooKeeper、Scala、Spark）-526互联

1）本机系统设置

电脑设置虚拟缓存（设置为自动管理）

虚拟机设置内存和CPU

内存设置为8G（或以上）

CPU稍微设置高一点（三个虚拟化能开就开）

虚拟机系统配置阿里源

wget -O /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo

虚拟机更新包

yum update

（2）安装Docker

移除以前docker相关包

	sudo yum remove docker \
	docker-client \
	docker-client-latest \
	docker-common \
	docker-latest \
	docker-latest-logrotate \
	docker-logrotate \
	docker-engine

添加yum源

	sudo yum install -y yum-utils

	sudo yum-config-manager \
	--add-repo \
	http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

安装docker

sudo yum install -y docker-ce docker-ce-cli containerd.io

启动Docker

systemctl enable docker --now

配置docker下载镜像

	sudo mkdir -p /etc/docker

	sudo tee /etc/docker/daemon.json <<-'EOF'
	{
	"registry-mirrors": ["https://82m9ar63.mirror.aliyuncs.com"],
	"exec-opts": ["native.cgroupdriver=systemd"],
	"log-driver": "json-file",
	"log-opts": {
	"max-size": "100m"
	},
	"storage-driver": "overlay2"
	}
	EOF

	sudo systemctl daemon-reload

	sudo systemctl restart docker

（3）安装Hadoop

拉取hadoop镜像

docker pull registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base

（4）运行容器

指定docker内部网络

docker network create --driver=bridge --subnet=172.19.0.0/16 hadoop

创建时最好指定容器端口号映射。10000端口为hiveserver端口，后面本地客户端要通过beeline连接hive使用，有其他组件要安装的话可以提前把端口都映射出来，毕竟后面容器运行后再添加端口还是有点麻烦的。

建立Master容器

docker run -it --network hadoop -h Master --name Master -p 9870:9870 -p 8088:8088 -p 10000:10000 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash

提示：CTRL + D 退出容器

docker exec -it [容器名] bash

建立Slave1容器

docker run -it --network hadoop -h Slave1 --name Slave1 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash

建立Slave2容器

docker run -it --network hadoop -h Slave2 --name Slave2 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash

三台机器修改hosts

	vim /etc/hosts

	//修改为以下格式
	172.19.0.2 Master
	172.19.0.3 Slave1
	172.19.0.4 Slave2

提示：每个容器的ip都需要通过命令ifconfig查看，或者在创建的时候通过‘ --ip ’指定ip地址

docker查看运行中的容器

docker ps

确保三个容器都在运行，不然后续的步骤无法进行，最好每个容器开一个终端

进入Master容器

docker exec -it Master /bin/bash

格式化hdfs

hadoop namenode -format

启动hadoop所有服务

tart-all.sh

提示：虽然容器里面已经把 hadoop 路径配置在系统变量里面，但由于docker和linux的特殊性，每次进入需要运行以下命令才能生效使用。

source /etc/profile

小黄象页面

文件网站

查看分布式文件分布状态

hdfs dfsadmin -report

运行结果

	Live datanodes (3):

	Name: 172.19.0.2:9866 (Master)
	Hostname: Master
	Decommission Status : Normal
	Configured Capacity: 19001245696 (17.70 GB)
	DFS Used: 4096 (4 KB)
	Non DFS Used: 7302295552 (6.80 GB)
	DFS Remaining: 11698946048 (10.90 GB)
	DFS Used%: 0.00%
	DFS Remaining%: 61.57%
	Configured Cache Capacity: 0 (0 B)
	Cache Used: 0 (0 B)
	Cache Remaining: 0 (0 B)
	Cache Used%: 100.00%
	Cache Remaining%: 0.00%
	Xceivers: 1
	Last contact: Sun Nov 07 02:27:39 GMT 2021
	Last Block Report: Sun Nov 07 02:26:03 GMT 2021
	Num of Blocks: 0
	//其余节点省略

运行实例测试hadoop集群运行状况

分布式实例

	//创建目录
	hdfs dfs -mkdir -p /user/hadoop
	//创建目录
	hdfs dfs -mkdir /input
	//放置文件
	hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml /input
	//运行mapreduce实例
	hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar grep /input /output 'dfs[a-z.]+'
	//查看结果
	hdfs dfs -cat /output/*

运行结果

	2021-11-07 02:45:31,924 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
	1 dfsadmin
	1 dfs.replication
	1 dfs.namenode.name.dir
	1 dfs.namenode.data.dir

（5）安装Hive

下载Hive-3.1.2

https://dlcdn.apache.org/hive/hive-3.1.2/

将文件复制到虚拟机后上传到容器内

docker cp apache-hive-3.1.2-bin.tar.gz Master:/usr/local

进入Master容器，解压文件

tar -zvxf apache-hive-3.1.2-bin.tar.gz

修改配置文件

	cd /usr/local/apache-hive-3.1.2-bin/conf
	cp hive-default.xml.template hive-site.xml
	vim hive-site.xml

追加文件内容，保存后退出

	<property>
	<name>system:java.io.tmpdir</name>
	<value>/tmp/hive/java</value>
	</property>
	<property>
	<name>system:user.name</name>
	<value>${user.name}</value>
	</property>

配置hive相关环境变量

	vim /etc/profile
	export HIVE_HOME="/usr/local/apache-hive-3.1.2-bin"
	export PATH=$PATH:$HIVE_HOME/bin

最后刷新配置文件

source /etc/profile

（6）配置MySQL作为元数据库

拉取MySQL镜像

docker pull mysql:8.0.22

建立mysql容器（注意：这里的ip对应mysql_hive的ip）

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:8.0.22

进入该容器

docker exec -it mysql_hive bash

进入mysql，密码是abc123456，可以在创建的时候通过“ -e MYSQL_ROOT_PASSWORD= ”更改

mysql -uroot -p

创建hive数据库

create database hive;

修改远程连接权限

ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'abc123456';

返回Master容器

docker exec -it Master bash

修改关联数据库的配置

vim /usr/local/apache-hive-3.1.2-bin/conf/hive-site.xml

提示：hive配置文件里面使用 & 作为分隔，高版本mysql需要SSL验证，在这里设置关闭

设置数据库驱动
设置数据库地址
设置数据库用户
设置数据库密码

	<property>
	<name>javax.jdo.option.ConnectionURL</name>
	<value>jdbc:mysql://172.19.0.5:3306/hive?createDatabaseIfNotExist=true&useSSL=false</value>
	<description>JDBC connect string for a JDBC metastore</description>
	</property>
	<property>
	<name>javax.jdo.option.ConnectionDriverName</name>
	<value>com.mysql.jdbc.Driver</value>
	</property>
	<property>
	<name>javax.jdo.option.ConnectionUserName</name>
	<value>root</value>
	</property>
	<property>
	<name>javax.jdo.option.ConnectionPassword</name>
	<value>abc123456</value>
	</property>
	<property>
	<name>hive.metastore.schema.verification</name>
	<value>false</value>
	</property>

下载MySQL驱动

https://downloads.mysql.com/archives/c-j/

把下载的驱动解压，然后复制myslq驱动到hive的lib文件夹下

docker cp mysql-connector-java-8.0.22.jar Master:usr/local/apache-hive-3.1.2-bin/lib

确认jar包在对应的目录下

对hive的lib文件夹下部分文件做修改，防止初始化数据库的时候报错

slf4j这个包hadoop及hive两边只能有一个，这里删掉hive这边

	cd /usr/local/apache-hive-3.1.2-bin/lib
	rm log4j-slf4j-impl-2.10.0.jar

guava这个包hadoop及hive两边只删掉版本低的那个，把版本高的复制过去，这里删掉hive，复制hadoop的过去

	cd /usr/local/hadoop/share/hadoop/common/lib
	cp guava-27.0-jre.jar /usr/local/apache-hive-3.1.2-bin/lib
	rm /usr/local/apache-hive-3.1.2-bin/lib/guava-19.0.jar

初始化元数据库

	cd /usr/local/apache-hive-3.1.2-bin/bin
	./schematool -dbType mysql -initSchema

验证hive是否正确搭建

创建测试数据文件

	cd /usr/local
	vim test.txt
	//输入以下内容
	1,jack
	2,ben
	3,sam

进入hive交互界面

hive

创建表格

	create table test(
	> id int,name string
	> )
	> row format delimited
	> fields terminated by ',';

载入数据

load data local inpath '/usr/local/test.txt' into table test;

选择数据

select * from test;

注意：需要用外网的工具的连接需要下列操作：目录安装hadoop下（/usr/local/hadoop/etc/hadoop）

启动hive2： hive --service hiveserver2 &

（7）安装ZooKeeper

下载ZooKeeper

https://archive.apache.org/dist/zookeeper/zookeeper-3.7.0/

在容器外复制到容器内

docker cp apache-zookeeper-3.7.0-bin.tar.gz Master:/usr

解压zookeeper压缩包

tar -zxvf apache-zookeeper-3.7.0-bin.tar.gz

改名

mv apache-zookeeper-3.7.0-bin/ zookeeper

创建两个工作目录，并对两个工作目录进行权限开放

	cd /usr/zookeeper
	mkdir zkdata
	mkdir zkdatalog
	chmod 777 zkdata
	chmod 777 zkdatalog

修改配置文件

	cd /usr/zookeeper/conf
	mv zoo_sample.cfg zoo.cfg
	vim zoo.cfg
	//修改或追加以下内容
	dataDir=/usr/zookeeper/zkdata
	dataLogDir=/usr/zookeeper/zkdatalog
	server.1=Master:2888:3888
	server.2=Slave1:2888:3888
	server.3=Slave2:2888:3888

进入zkdata文件夹，创建文件myid

	cd zkdata
	vim myid
	1

Slave1的myid为2

Slave2的myid为3

修改环境变量

	#zookeeper
	export ZOOKEEPER_HOME=/usr/zookeeper
	export PATH=$PATH:$ZOOKEEPER_HOME/bin

刷新环境变量

source /etc/profile

其他两个容器也执行以上操作

启动zookeeper集群

zkServer.sh start

查看zookeeper集群状态

zkServer.sh status

关闭zookeeper集群

zkServer.sh stop

至此zookeeper安装完成

（8）安装HBase

下载HBase

http://archive.apache.org/dist/hbase/2.2.6/

复制HBase镜像到Master容器

docker cp hbase-2.2.6-bin.tar.gz Master:/usr/local

配置HBase环境变量

	docker exec -ti Master bash
	vim /etc/profile
	追加以下内容
	#hbase
	export HBASE_HOME=/usr/local/hbase
	export PATH=$HBASE_HOME/bin:$PATH

刷新源文件

source /etc/profile

复制/usr/local/hadoop/etc/hadoop下的core-site.xml和hdfs-site.xml到/usr/local/hbase/conf文件夹下

	cd /usr/local/hadoop/etc/hadoop
	cp core-site.xml /usr/local/hbase/conf/
	cp hdfs-site.xml /usr/local/hbase/conf/
	cd /usr/local/hbase/conf
	vim hbase-site.xml

配置hbase-site.xml

提示：hbase.zookeeper.property.dataDir这里配置自己的文件地址，不要直接复制这里的

	<property>
	<name>hbase.rootdir</name>
	<value>hdfs://Master:9000/hbase</value>
	</property>
	<property>
	<name>hbase.cluster.distributed</name>
	<value>true</value>
	</property>
	<property>
	<name>hbase.zookeeper.quorum</name>
	<value>Master,Slave1,Slave2</value>
	</property>
	<property>
	<name>hbase.zookeeper.property.dataDir</name>
	<value>/usr/zookeeper/zkdata</value>
	</property>
	<property>
	<name>hbase.unsafe.stream.capability.enforce</name>
	<value>false</value>
	</property>
	<property>
	<name>hbase.master</name>
	<value>hdfs://Master:6000</value>
	</property>

设置hbase的JAVA_HOME和zookeeper

	cd /usr/local/hbase/conf
	vim hbase-env.sh
	//修改或追加以下内容
	//如果你用自己安装的zookeeper，这里设置为false(反之为true)，但是启动之前要先启动zookeeper集群
	export HBASE_MANAGES_ZK=false
	export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

移除冲突jar包，防止报错

	cd /usr/local/hbase/lib/client-facing-thirdparty/
	//可以直接rm删除，也可以mv改名，我这里选择改名
	mv slf4j-log4j12-1.7.25.jar slf4j-log4j12-1.7.25.jar.bak

其他容器进行相同操作（省略）

调试一下hbase看看能不能运行

	start-all.sh
	start-hbase.sh
	hbase shell

尝试创建个test表

	hbase(main):001:0> create 'test','id'
	Created table test
	Took 3.9776 seconds
	=> Hbase::Table - test

（9）安装Scala

下载scala

https://www.scala-lang.org/download/2.12.12.html

复制到docker容器内

docker cp scala-2.12.12.tgz Master:/usr/local/

解压scala压缩包

tar -zxvf scala-2.12.12.tgz

配置环境变量

	vim /etc/profile
	//追加以下内容
	#scala
	export SCALA_HOME=/usr/local/scala-2.12.12
	export PATH=$SCALA_HOME/bin:$PATH

刷新环境变量

source /etc/profile

查看Scala版本

	scala -version

	Scala code runner version 2.12.12 -- Copyright 2002-2020, LAMP/EPFL and Lightbend, Inc.

（10）安装Spark

下载Spark

http://archive.apache.org/dist/spark/spark-3.0.1/

复制Spark压缩包到容器

docker cp spark-3.0.1-bin-hadoop3.2.tgz Master:/usr/local

进入容器，解压spark压缩包

tar -zxvf spark-3.0.1-bin-hadoop3.2.tgz

文件夹改名

mv spark-3.0.1-bin-hadoop3.2 spark-3.0.1

	cd /usr/local/spark-3.0.1/conf
	cp spark-env.sh.template spark-env.sh
	vim spark-env.sh
	//修改或追加以下内容
	#spark
	export SPARK_MASTER_HOST=Master
	export SPARK_MEM=1G
	export SPARK_MASTER_PORT=7077
	export SPARK_WORKER_MEMORY=1G
	#java
	export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
	export SCALA_HOME=/usr/local/scala-2.12.12
	#hadoop
	export HADOOP_HOME=/usr/local/hadoop
	export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
	export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

修改slaves文件

	cp slaves.template slaves
	vim slaves
	//修改如下
	Slave1
	Slave2

配置Spark环境变量

	vim /etc/profile
	//追加以下内容
	#spark
	export SPARK_HOME=/usr/local/spark-3.0.1
	export PATH=$SPARK_HOME/bin:$PATH

刷新源文件

source /etc/profile

其他节点也如上配置spark

最后在Master节点启动Spark

start-all.sh

运行简单操作

	val textFile = sc.textFile("file:///usr/local/spark-3.0.1/README.md")
	//scala操作
	//获取RDD文件textFile的第一行内容
	textFile.first()
	//获取RDD文件textFile所有项的计数
	textFile.count()
	//抽取含有“Spark”的行，返回一个新的RDD
	val lineWithSpark = textFile.filter(line => line.contains("Spark"))
	//统计新的RDD的行数
	lineWithSpark.count()
	//找出文本中每行的最多单词数
	textFile.map(line => line.split(" ").size).reduce((a, b) => if (a > b) a else b)
	//退出spark-shell
	:quit

关闭所有程序

stop-all.sh

集群zookeeper docker hadoop

集群zookeeper环境docker

集群zookeeper docker kafka3

集群zookeeper compose docker

集群docker-compose zookeeper compose

集群zookeeper

集群zookeeper版本

集群zookeeper教程