文章回顾

理论

大数据框架原理简介

大数据发展历程及技术选型

实践

搭建大数据运行环境之一

搭建大数据运行环境之二

本地MAC环境配置

CPU数和内存大小

• 查看CPU数
  

sysctl machdep.cpu

# 核数为4machdep.cpu.core_count: 4    # cpu数量为8个，使用了超线程技术：四核八线程machdep.cpu.thread_count: 8  

• 内存大小
  

top -l 1 | head -n 10 | grep PhysMem

PhysMem: 16G used (10G wired), 67M unused.

在本地开了3个虚拟机centos服务器

虚拟机服务器配置

服务器1 192.168.84.128 4核4G服务器2 192.168.84.131 1核2G服务器3 192.168.84.132 1核2G

因为服务器1上的按照的软件比较多 所以这样分配核数和内存 可以将大数据环境运行起来

虚拟机软件给一个虚拟机分配核数和内存的方式

通过Sqoop查看Mysql数据库

/usr/local/sqoop/bin/sqoop list-databases --connect jdbc:mysql://hadoop001:3306/?useSSL=false --username root --password 123456

在Hive中创建测试表

创建test表

CREATE TABLE IF NOT EXISTS test (id int,uid int,title string,name string,status int,time timestamp)COMMENT '简介'ROW FORMAT DELIMITEDFIELDS TERMINATED BY "\001"LINES TERMINATED BY "\n"STORED AS TEXTFILE;

创建test_out表

CREATE TABLE IF NOT EXISTS test_out (name string, count int,time date)COMMENT '简介'ROW FORMAT DELIMITEDFIELDS TERMINATED BY '\001'LINES TERMINATED BY '\n'STORED AS TEXTFILE;

hive删除表

• 使用truncate仅可删除内部表数据，不可删除表结构
  

truncate table 表名（truncate可删除所有的行，但是不能删除外部表）

• 使用shell命令删除外部表
  

hdfs -dfs -rm -r 外部表路径

• 使用 drop 可删除整个表
  

drop table 表名

查看hive表

• 查询hive所有表
  

hive -e "show databases ;" > databases.txt

cat databases.txtdefault

• 指定default数据库
  

./hive -d default

在Mysql中创建测试表

• 创建test
  

DROP TABLE IF EXISTS `test`;CREATE TABLE `test` (  `id` int(10) DEFAULT NULL,  `uid` int(10) DEFAULT NULL,  `title` varchar(100) DEFAULT NULL,  `name` varchar(100) DEFAULT NULL,  `status` int(10) DEFAULT NULL,  `time` timestamp NULL DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;

插入3条测试数据

INSERT INTO `test`.`test`(`id`, `uid`, `title`, `name`, `status`, `time`) VALUES (1, 1, '第一条数据', '平凡人笔记', 1, '2021-01-11 16:30:02');

INSERT INTO `test`.`test`(`id`, `uid`, `title`, `name`, `status`, `time`) VALUES (2, 2, '第二条数据', '孟凡霄', 2, '2021-01-11 16:30:20');

INSERT INTO `test`.`test`(`id`, `uid`, `title`, `name`, `status`, `time`) VALUES (3, 3, '第三条数据', '平凡人', 3, '2021-01-11 16:30:41');

• 创建test_out
  

DROP TABLE IF EXISTS `test_out`;CREATE TABLE `test_out` (  `name` varchar(100) DEFAULT NULL,  `count` int(10) DEFAULT NULL,  `time` date DEFAULT NULL) ENGINE=InnoDB DEFAULT CHARSET=utf8;

Mysql导入Hive

/usr/local/sqoop/bin/sqoop import \--driver com.mysql.jdbc.Driver \--connect jdbc:mysql://hadoop001:3306/test?useSSL=false \--username root \--password 123456 \--table test \--fields-terminated-by '\001' \--lines-terminated-by '\n' \--delete-target-dir \--num-mappers 1 \--hive-import \--hive-database default \--hive-table test \--direct

虽然有报错 

ERROR bonecp.BoneCP: Unable to start/stop JMXjava.security.AccessControlException: access denied ("javax.management.MBeanTrustPermission" "register")

但不影响导入结果

• 查看hive表
  

说明从Mysql导入hive成功

增量数据定时导入

mysql test表增加一条测试数据

INSERT INTO `test`.`test`(`id`, `uid`, `title`, `name`, `status`, `time`) VALUES (4, 4, '第四条数据', '笔记', 4, '2021-01-11 16:50:00');

• 删除指定job
  

/usr/local/sqoop/bin/sqoop job --delete testJob

• 添加一个增量更新的job
  

/usr/local/sqoop/bin/sqoop job --create testJob -- \import \--driver com.mysql.jdbc.Driver \--connect jdbc:mysql://hadoop001:3306/test?useSSL=false \--username root \--password 123456 \--table test \--check-column time \--incremental lastmodified \--last-value '2018-08-09 15:30:29' \--merge-key id \--fields-terminated-by '\001' \--lines-terminated-by '\n' \--num-mappers 1 \--target-dir /user/hive/warehouse/test

• 执行job
  

/usr/local/sqoop/bin/sqoop job --exec testJob

• 查看数据已被更新
  

• 查看job
  

/usr/local/sqoop/bin/sqoop job --show testJob

通常情况可以结合sqoop job和crontab等任务调度工具实现相关业务

Hive导入Hive

cd /usr/local/hive/bin

hive

# 统计后将结果数据加入另一个表INSERT INTO TABLE test_out(name,count,time) SELECT name,count(1),to_date(time) FROM test GROUP BY name,to_date(time);

# 或者

INSERT OVERWRITE TABLE test_outSELECT name,count(1),to_date(time) FROM test GROUP BY name,to_date(time);

查看统计结果

统计成功

Hive导入Mysql

# hive的default库中的test_out表数据导出到mysql的test库test_out表

/usr/local/sqoop/bin/sqoop export \--connect "jdbc:mysql://hadoop001:3306/test?useUnicode=true&characterEncoding=UTF-8&useSSL=false&serverTimezone=Asia/Shanghai" \--username root \--password 123456 \--input-null-string '\\N' \--input-null-non-string '\\N' \--input-fields-terminated-by '\t' \--table test_out \--hcatalog-database default \--hcatalog-table test_out \-m 1;

导出成功

可能遇到的问题及注意点

• hive访问mysql数据库权限问题
  

服务器1上hive访问mysql如果报错

Access denied for user 'root'@'192.168.84.128' (using password: YES)

mysql需要授权访问者

GRANT ALL PRIVILEGES ON *.* TO 'root'@'192.168.84.128' IDENTIFIED BY '123456' WITH GRANT OPTION;

flush privileges;

• 在namenode上执行
  

报错：

RemoteException(org.apache.hadoop.ipc.StandbyException):Operation category READ is not supported in state standby

原因：

服务器1是namenode节点 active 状态服务器2是secondNamenode节点是 standby状态

执行命令要在active的namenode才可以

• 只有namenode才会有webui 50070端口
  

服务器1（192.168.84.128）上安装namenode 有50070端口服务器2（192.168.84.131）上安装secondNamenode 有50070端口服务器3（192.168.84.132）上没有安装namenode 没有

后记

接下来研究的方向：

1、hive运行原理2、弄一笔数据走一下搭建好的大数据运行环境3、10亿数据如何分库分表存储Mysql4、10亿数据同步到hive5、flink数据如何求交