超簡單的CDH6部署和體驗(單機版)
歡迎訪問我的GitHub
https://github.com/zq2599/blog_demos
內容:所有原創文章分類彙總及配套原始碼,涉及Java、Docker、Kubernetes、DevOPS等;
為什麼會超簡單
藉助ansible簡化了CDH6部署工作的大部分內容,也降低了手工操作失誤的概率,今天實戰的內容,是在一臺安裝了ansible的電腦上(蘋果或Linux作業系統)執行ansible指令碼,遠端操作一臺CentOS伺服器,在上面部署CDH6,並操作驗證本次部署是否成功。
ansible學習
如果您想了解ansible,請參考《ansible2.4安裝和體驗》
為什麼要部署單機版CDH6
主要是用來做為大資料技術的學習和開發的環境,並不適合生產;
實戰簡述
本次實戰內容:部署、啟動、驗證,整個過程如下圖所示:
全文大綱
本文由以下章節組成:
- 環境資訊;
- 下載檔案;
- 檔案擺放;
- CDH機器設定;
- ansible引數設定;
- 部署;
- 重啟CDH伺服器
- 啟動;
- 設定;
- 修復問題;
- 體驗;
環境資訊
本次實戰的操作過程如下圖所示,安裝ansible2.9版本的MabBook Pro電腦作為ansible伺服器,執行playbook指令碼,對一臺CentOS伺服器進行遠端操作,完成CDH6的部署和啟動:
上圖藍色背景的電腦,可以是蘋果作業系統,也可以是Linux作業系統,黃色背景的電腦要用來執行CDH6,必須是CentOS7.7作業系統(實在對不起,我這條件有限,別的系統沒有試過)
整個實戰涉及的環境版本資訊如下:
- ansible伺服器:macOS Catalina 10.15(實測用CentOS7.7也成功)
- CDH伺服器:CentOS Linux release 7.7.1908
- cm版本:6.1.0
- parcel版本:6.1.1
- jdk版本:8u191
下載檔案(ansible伺服器)
本次實戰用到的所有檔案如下表所示:
編號 | 檔名 | 簡介 |
---|---|---|
1 | jdk-8u191-linux-x64.tar.gz | Linux版的jdk安裝包 |
2 | mysql-connector-java-5.1.34.jar | mysql的JDBC驅動 |
3 | cloudera-manager-server-6.1.0-769885.el7.x86_64.rpm | cm的server安裝包 |
4 | cloudera-manager-daemons-6.1.0-769885.el7.x86_64.rpm | cm的daemon安裝包 |
5 | cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm | cm的agent安裝包 |
6 | CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel | CDH應用離線安裝包 |
7 | CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel.sha | CDH應用離線安裝包sha驗證碼 |
8 | hosts | ansible用到的遠端主機配置,裡面記錄了CDH6伺服器的資訊 |
9 | ansible.cfg | ansible用到的配置資訊 |
9 | ansible.cfg | ansible用到的配置資訊 |
10 | cdh-single-install.yml | 部署CDH時用到的ansible指令碼 |
11 | cdh-single-start.yml | 初次啟動CDH時用到的ansible指令碼 |
上述11個檔案的下載地址:
- jdk-8u191-linux-x64.tar.gz:Oracle官網可下,另外我將jdk-8u191-linux-x64.tar.gz和mysql-connector-java-5.1.34.jar一起打包上傳到csdn,您可以一次性下載,地址:https://download.csdn.net/download/boling_cavalry/12098987
- mysql-connector-java-5.1.34.jar:maven中央倉庫可下,另外我將jdk-8u191-linux-x64.tar.gz和mysql-connector-java-5.1.34.jar一起打包上傳到csdn,您可以一次性下載,地址:https://download.csdn.net/download/boling_cavalry/12098987
- cloudera-manager-server-6.1.0-769885.el7.x86_64.rpm:https://archive.cloudera.com/cm6/6.1.0/redhat7/yum/RPMS/x86_64/cloudera-manager-server-6.1.0-769885.el7.x86_64.rpm
- cloudera-manager-daemons-6.1.0-769885.el7.x86_64.rpm:https://archive.cloudera.com/cm6/6.1.0/redhat7/yum/RPMS/x86_64/cloudera-manager-daemons-6.1.0-769885.el7.x86_64.rpm
- cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm:https://archive.cloudera.com/cm6/6.1.0/redhat7/yum/RPMS/x86_64/cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm
- CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel:https://archive.cloudera.com/cdh6/6.1.1/parcels/CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel
- CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel.sha:https://archive.cloudera.com/cdh6/6.1.1/parcels/CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel.sha256 (下載完畢後,將副檔名從.sha256改為.sha)
- hosts、ansible.cfg、cdh-single-install.yml、cdh-single-start.yml:這四個檔案都儲存在我的GitHub倉庫,地址是:https://github.com/zq2599/blog_demos ,這裡面有多個資料夾,上述檔案在名為ansible-cdh6-single的資料夾中,如下圖紅框所示:
檔案擺放(ansible伺服器)
如果您已經下載好了上述11個檔案,請按照如下位置擺放,這樣才能順利完成部署:
- 在家目錄下新建名為playbooks的資料夾:mkdir ~/playbooks
- 把這四個檔案放入playbooks資料夾:hosts、ansible.cfg、cdh-single-install.yml、cdh-single-start.yml
- 在playbooks資料夾裡新建名為cdh6的子資料夾;
- 把這七個檔案放入cdh6資料夾(即剩餘的七個):jdk-8u191-linux-x64.tar.gz、mysql-connector-java-5.1.34.jar、cloudera-manager-server-6.1.0-769885.el7.x86_64.rpm、cloudera-manager-daemons-6.1.0-769885.el7.x86_64.rpm、cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm、CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel、CDH-6.1.1-1.cdh6.1.1.p0.875250-el7.parcel.sha
- 擺放完畢後目錄和檔案情況如下圖,再次提醒,資料夾playbooks一定要放在家目錄下(即:~/):
CDH伺服器設定
本次實戰中,CDH伺服器hostname是deskmini,IP地址是192.168.50.134,需要做以下操作:
- 請確保CDH伺服器能SSH登入(使用者名稱+密碼);
- SSH登入到部署CDH的機器;
- 檢查/etc/hostname檔案是正確,如下圖:
- 修改/etc/hosts檔案,將自己的IP地址和hostname配置上去,如下圖紅框所示(事實證明這一步很重要,如果不做可能導致在部署時一直卡在"分配"階段,看agent日誌顯示agent下載parcel的進度一直是百分之零):
ansible引數設定(ansible伺服器)
ansible引數設定的操作設定很簡單,就是把部署CDH的機器資訊配置好即可,包括IP地址、登入賬號、密碼等,修改~/playbooks/hosts檔案,內容如下所示,您需要根據自身情況修改deskmini、ansible_host、ansible_port、ansible_user、ansible_password:
[cdh_group]
deskmini ansible_host=192.168.50.134 ansible_port=22 ansible_user=root ansible_password=888888
部署(ansible伺服器)
- 進入~/playbooks目錄;
- 檢查ansible遠端操作CDH伺服器是否正常,執行命令ansible deskmini -a "free -m",正常情況下顯示CDH伺服器的記憶體資訊,如下圖:
- 執行此命令開始部署:ansible-playbook cdh-single-install.yml
- 整個部署過程涉及線上安裝、傳遞檔案等耗時的操作,因此請耐心等待(半小時左右),我在部署期間遭遇網路問題導致失敗退出,待網路正常後再重新執行上述操作即可,ansible保證了操作的冪等性;
- 部署成功如下圖所示:
重啟CDH伺服器
由於修改了selinux和swap的設定,需要重啟作業系統才能生效,因此請重啟CDH伺服器;
啟動(ansible伺服器)
- 等待CDH伺服器重啟成功;
- 登入ansible伺服器,進入~/playbooks目錄;
- 執行此命令開始初始化資料庫,然後啟動CDH:ansible-playbook cdh-single-start.yml
- 啟動完成輸出如下資訊:
設定(網頁)
CDH已經啟動,CDH伺服器對外提供了web服務,可以通過瀏覽器來操作:
- 瀏覽器訪問:http://192.168.50.134:7180 ,如下圖,賬號密碼都是admin:
- 一路next,在選擇版本頁面選擇60天體驗版:
- 選擇主機頁面可見deskmini:
- 選擇下圖紅框中的CDH版本,因為對應的離線包已經複製到CM的本地倉庫,無需下載:
- 下載瞬間完成,等候分配、解壓、啟用:
- 選擇服務的頁面,我這裡選擇了Data Engineering,因為需要spark:
- 選擇機器的頁面,全選deskmini:
- 資料庫設定頁面,請和下圖保持一致,資料庫主機都是localhost,每個資料庫的名稱、使用者名稱、密碼都相同,分別是:hive、amon、rman、oozie、hue
- 引數設定頁面,請根據磁碟情況適當調整儲存路徑,例如我的/home目錄空間充足,這裡都改到了/home目錄下面:
- 等待啟動完成:
- 等待啟動完成後,如下圖所示:
至此,所有服務啟動完成,不過有兩個小問題需要修復;
修復HDFS問題
- 服務整體情況如下圖,HDFS服務有問題,點選紅框中的圖示:
- 點選下圖紅框位置:
- 故障詳情如下圖所示,屬於常見的副本不足的問題:
- 如下圖所示,修改HDFS的配置dfs.replication,從3改成1,然後儲存更改:
- 重啟服務:
- 經過上述設定,副本數已經調整為1,但是已有檔案的副本數還沒有同步,需要重新做設定,SSH登入到電腦deskmini上;
- 執行命令vi /etc/passwd,找到賬號hdfs的配置,如下圖紅框所示,/sbin/nologin這樣的shell會導致切換到hdfs賬號失敗:
- 將上述紅框中的內容改為/bin/bash,修改後如下圖紅框所示:
- 執行命令su - hdfs,即可切換到hdfs賬號,此時執行以下命令即可完成副本數設定:
hadoop fs -setrep -R 1 /
- 服務已經全部正常了:
調整YARN引數避免spark-shell啟動失敗
- YARN預設給容器分配的記憶體過小,導致啟動spark-shell失敗,需要調整YARM相關的記憶體引數:
- 在YARN的配置頁面,調整yarn.scheduler.maximum-allocation-mb和yarn.nodemanager.resource.memory-mb這兩個引數的值,我這裡將這個兩個引數的值都改成8G(請按照自己電腦實際硬體配置來調整),如下圖:
- 重啟YARN:
- 執行spark-shell命令之前,先執行命令su - hdfs切換到hdfs賬號;
- 這次終於成功進入spark-shell互動模式:
至此,CDH6的部署、啟動、設定都已經完成,接下來體驗一下大資料服務;
體驗HDFS和Spark
接下來執行一個Spark任務,經典的WordCount:
- 準備一份文字檔案,裡面是英文內容,您可以下載這個檔案:https://raw.githubusercontent.com/zq2599/blog_demos/master/files/GoneWiththeWind.txt
- 登入SSH,切換到hdfs賬號;
- 建立HDFS資料夾:
hdfs dfs -mkdir /input
- 將文字檔案上傳到/input目錄:
hdfs dfs -put ./GoneWiththeWind.txt /input
- 執行命令spark-shell,啟動一個worker;
- 輸入以下命令,即可完成一次WorkCount任務,192.168.50.134是deskmini的IP地址:
sc.textFile("hdfs://192.168.50.134:8020/input/GoneWiththeWind.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).saveAsTextFile("hdfs://192.168.50.134:8020/output")
- 執行完畢後,下載結果檔案:
hdfs dfs -get /output/*
- 上述命令將spark任務的結果檔案part-00000、part-00001下載到本機,用vi命令檢視檔案,如下圖,可見WorkCount執行成功:
- 在瀏覽器上檢視歷史任務,地址是:http://192.168.50.134:18088 ,可見此次任務的詳情:
至此,CDH6的部署、設定、體驗都已經完成,如果您正在搭建自己的學習或者開發環境,希望本文能給您一些參考。
深度定製
整個實戰雖然避免了傳統部署過程中的大量手動操作,但弊端也很明顯:所有路徑、檔名、服務版本都是固定的,不能做任何設定,雖然ansible也支援變數,但是如果變數太多也會給您帶來困擾,所以,如果您有修改版本或路徑的需求,建議您自行修改cdh-single-install.yml、cdh-single-start.yml的內容,所有檔案和版本資訊都在裡面。
歡迎關注公眾號:程式設計師欣宸
微信搜尋「程式設計師欣宸」,我是欣宸,期待與您一同暢遊Java世界...
https://github.com/zq2599/blog_demos