[TOC]
# 1. Zookeeper正常部署啟動
首先保證Zookeeper集群的正常部署,并啟動:
```shell
-- 啟動Zookeeper集群
[hadoop@hadoop102 ~]$ zkServer.sh start
[hadoop@hadoop103 ~]$ zkServer.sh start
[hadoop@hadoop104 ~]$ zkServer.sh start
-- 查看狀態
[hadoop@hadoop102 ~]$ zkServer.sh status
JMX enabled by default
Using config: /opt/install/zookeeper/bin/../conf/zoo.cfg
Mode: follower
[hadoop@hadoop103 ~]$ zkServer.sh status
JMX enabled by default
Using config: /opt/install/zookeeper/bin/../conf/zoo.cfg
Mode: leader
[hadoop@hadoop104 ~]$ bin/zkServer.sh status
JMX enabled by default
Using config: /opt/install/zookeeper/bin/../conf/zoo.cfg
Mode: follower
```
# 2. Hadoop集群正常部署啟動
```sql
-- 到hadoop102主機啟動hdfs集群,因為我將namenode配置在hadoop102上了
[root@hadoop102 hadoop]# sbin/start-dfs.sh
-- 到hadoop103機器上啟動yarn集群,因為我將resourcemanager配置在hadoop103上了
[root@hadoop103 hadoop]# sbin/start-yarn.sh
```
# 3. HBase的上傳解壓
將hbase安裝包上傳到hadoop102機器上,上傳目錄為:/opt/software/
```sql
-- 解壓HBase到指定目錄
[root@hadoop102 software]# tar -zxf hbase-1.2.0-cdh5.14.2.tar.gz -C /opt/install
-- 我嫌解壓后的名字太長,所以創建HBase軟連接
[root@hadoop102 install]# ln -s /opt/install/hbase-1.2.0-cdh5.14.2 /opt/install/hbase
```
# 4. 修改HBase配置文件
1. 在 {hbase_home}/conf/hbase-env.sh 指定jdk和Zookeeper
```sql
[root@hadoop102 conf]# vim hbase-env.sh
#JDK路徑
export JAVA_HOME=/usr/local/software/jdk1.8.0_171
#使用外部ZooKeeper, false不使用
export HBASE_MANAGES_ZK=false
```
2. 在 {hbase_home}/conf/hbase-site.xml 指定hbase集群信息
```sql
[root@hadoop102 conf]# vim hbase-site.xml
<property> ?
<name>hbase.rootdir</name> ?
<value>hdfs://hadoop102:9000/hbase</value> ?
</property>
<property> ?
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<!-- 0.98后的新變動,之前版本沒有.port,默認端口為60000 -->
<property>
<name>hbase.master.port</name>
<value>16000</value>
</property>
<property> ?
<name>hbase.zookeeper.quorum</name>
<value>hadoop102:2181,hadoop103:2181,hadoop104:2181</value>
</property>
<property> ?
<name>hbase.zookeeper.property.dataDir</name>
<value>/opt/install/zookeeper/zkData</value>
</property>
```
3. 在 {hbase_home}/conf/regionservers 文件中指定hadoop102、hadoop103、hadoop104三臺機器
```sql
[root@hadoop102 conf]# vim regionservers
hadoop102
hadoop103
hadoop104
```
4. 將hadoop的core-site.xml、hdfs-site.xml兩個配置文件軟連接到{hbase_home}/conf/目錄下
```sql
[root@hadoop102 conf]# ln -s /opt/install/hadoop/etc/hadoop/core-site.xml /opt/install/hbase/conf/core-site.xml
[root@hadoop102 conf]# ln -s /opt/install/hadoop/etc/hadoop/hdfs-site.xml /opt/install/hbase/conf/hdfs-site.xml
```
# 5. 將配置好的HBase遠程發送到其他機器
1. 發送
```sql
-- 發送到hadoop103機器
[root@hadoop102 hbase]# scp -r /opt/install/hbase root@hadoop103:/opt/install/
-- 發送到hadoop104機器
[root@hadoop102 hbase]# scp -r /opt/install/hbase root@hadoop104:/opt/install/
```
2. 在hadoop102、hadoop103、hadoop104上都將hbase配置到各自的環境變量中
```sql
# vim /etc/profile
export HBASE_HOME=/opt/install/hbase
export PATH=$HBASE_HOME/bin:$HBASE_HOME/sbin:$PATH
-- 讓更改生效
# source /etc/profile
```
# 6. HBase服務的啟動
```sql
-- 在hadoop102上,切換到hbase的安裝目錄
[root@hadoop102 /]# cd /opt/install/hbase
```
**啟動方式1:單獨啟動hadoop102一臺機器上的hbase**
```
-- 啟動
bin/hbase-daemon.sh start master
bin/hbase-daemon.sh start regionserver
-- 查看進程
[root@hadoop102 hbase]# jps
4032 HMaster -- 新增的hbase進程
2984 DataNode
2874 NameNode
4267 HRegionServer -- 新增的hbase進程
2604 QuorumPeerMain
4543 Jps
-- 對應的停止命令
bin/hbase-daemon.sh stop master
bin/hbase-daemon.sh stop regionserver
```
**啟動方式2:啟動三臺機器上的hbase**
```sql
-- 啟動hbase集群
[root@hadoop102 hbase]# bin/start-hbase.sh
-- 查看進程
[root@hadoop102 hbase]# jps
5090 HRegionServer -- 新增的hbase進程
4931 HMaster -- 新增的hbase進程
5412 Jps
2984 DataNode
2874 NameNode
2604 QuorumPeerMain
[root@hadoop103 install]# jps
2752 ResourceManager
2609 DataNode
3528 Jps
3355 HRegionServer -- 新增的hbase進程
2492 QuorumPeerMain
[root@hadoop104 install]# jps
2707 SecondaryNameNode
3431 Jps
2605 DataNode
3277 HRegionServer -- 新增的hbase進程
2494 QuorumPeerMain
-- 對應的停止命令
[root@hadoop102 hbase]# bin/stop-hbase.sh
```
訪問:http://hadoop102:60010/ ,顯示的hbase頁面如下
<br/>
Hbase的分布式環境搭建完成!
- Hadoop
- hadoop是什么?
- Hadoop組成
- hadoop官網
- hadoop安裝
- hadoop配置
- 本地運行模式配置
- 偽分布運行模式配置
- 完全分布運行模式配置
- HDFS分布式文件系統
- HDFS架構
- HDFS設計思想
- HDFS組成架構
- HDFS文件塊大小
- HDFS優缺點
- HDFS Shell操作
- HDFS JavaAPI
- 基本使用
- HDFS的I/O 流操作
- 在SpringBoot項目中的API
- HDFS讀寫流程
- HDFS寫流程
- HDFS讀流程
- NN和SNN關系
- NN和SNN工作機制
- Fsimage和 Edits解析
- checkpoint時間設置
- NameNode故障處理
- 集群安全模式
- DataNode工作機制
- 支持的文件格式
- MapReduce分布式計算模型
- MapReduce是什么?
- MapReduce設計思想
- MapReduce優缺點
- MapReduce基本使用
- MapReduce編程規范
- WordCount案例
- MapReduce任務進程
- Hadoop序列化對象
- 為什么要序列化
- 常用數據序列化類型
- 自定義序列化對象
- MapReduce框架原理
- MapReduce工作流程
- MapReduce核心類
- MapTask工作機制
- Shuffle機制
- Partition分區
- Combiner合并
- ReduceTask工作機制
- OutputFormat
- 使用MapReduce實現SQL Join操作
- Reduce join
- Reduce join 代碼實現
- Map join
- Map join 案例實操
- MapReduce 開發總結
- Hadoop 優化
- MapReduce 優化需要考慮的點
- MapReduce 優化方法
- 分布式資源調度框架 Yarn
- Yarn 基本架構
- ResourceManager(RM)
- NodeManager(NM)
- ApplicationMaster
- Container
- 作業提交全過程
- JobHistoryServer 使用
- 資源調度器
- 先進先出調度器(FIFO)
- 容量調度器(Capacity Scheduler)
- 公平調度器(Fair Scheduler)
- Yarn 常用命令
- Zookeeper
- zookeeper是什么?
- zookeeper完全分布式搭建
- Zookeeper特點
- Zookeeper數據結構
- Zookeeper 內部原理
- 選舉機制
- stat 信息中字段解釋
- 選擇機制中的概念
- 選舉消息內容
- 監聽器原理
- Hadoop 高可用集群搭建
- Zookeeper 應用
- Zookeeper Shell操作
- Zookeeper Java應用
- Hive
- Hive是什么?
- Hive的優缺點
- Hive架構
- Hive元數據存儲模式
- 內嵌模式
- 本地模式
- 遠程模式
- Hive環境搭建
- 偽分布式環境搭建
- Hive命令工具
- 命令行模式
- 交互模式
- Hive數據類型
- Hive數據結構
- 參數配置方式
- Hive數據庫
- 數據庫存儲位置
- 數據庫操作
- 表的創建
- 建表基本語法
- 內部表
- 外部表
- 臨時表
- 建表高階語句
- 表的刪除與修改
- 分區表
- 靜態分區
- 動態分區
- 分桶表
- 創建分桶表
- 分桶抽樣
- Hive視圖
- 視圖的創建
- 側視圖Lateral View
- Hive數據導入導出
- 導入數據
- 導出數據
- 查詢表數據量
- Hive事務
- 事務是什么?
- Hive事務的局限性和特點
- Hive事務的開啟和設置
- Hive PLSQL
- Hive高階查詢
- 查詢基本語法
- 基本查詢
- distinct去重
- where語句
- 列正則表達式
- 虛擬列
- CTE查詢
- 嵌套查詢
- join語句
- 內連接
- 左連接
- 右連接
- 全連接
- 多表連接
- 笛卡爾積
- left semi join
- group by分組
- having刷選
- union與union all
- 排序
- order by
- sort by
- distribute by
- cluster by
- 聚合運算
- 基本聚合
- 高級聚合
- 窗口函數
- 序列窗口函數
- 聚合窗口函數
- 分析窗口函數
- 窗口函數練習
- 窗口子句
- Hive函數
- Hive函數分類
- 字符串函數
- 類型轉換函數
- 數學函數
- 日期函數
- 集合函數
- 條件函數
- 聚合函數
- 表生成函數
- 自定義Hive函數
- 自定義函數分類
- 自定義Hive函數流程
- 添加JAR包的方式
- 自定義臨時函數
- 自定義永久函數
- Hive優化
- Hive性能調優工具
- EXPLAIN
- ANALYZE
- Fetch抓取
- 本地模式
- 表的優化
- 小表 join 大表
- 大表 join 大表
- 開啟Map Join
- group by
- count(distinct)
- 笛卡爾積
- 行列過濾
- 動態分區調整
- 分區分桶表
- 數據傾斜
- 數據傾斜原因
- 調整Map數
- 調整Reduce數
- 產生數據傾斜的場景
- 并行執行
- 嚴格模式
- JVM重用
- 推測執行
- 啟用CBO
- 啟動矢量化
- 使用Tez引擎
- 壓縮算法和文件格式
- 文件格式
- 壓縮算法
- Zeppelin
- Zeppelin是什么?
- Zeppelin安裝
- 配置Hive解釋器
- Hbase
- Hbase是什么?
- Hbase環境搭建
- Hbase分布式環境搭建
- Hbase偽分布式環境搭建
- Hbase架構
- Hbase架構組件
- Hbase數據存儲結構
- Hbase原理
- Hbase Shell
- 基本操作
- 表操作
- namespace
- Hbase Java Api
- Phoenix集成Hbase
- Phoenix是什么?
- 安裝Phoenix
- Phoenix數據類型
- Phoenix Shell
- HBase與Hive集成
- HBase與Hive的對比
- HBase與Hive集成使用
- Hbase與Hive集成原理
- HBase優化
- RowKey設計
- 內存優化
- 基礎優化
- Hbase管理
- 權限管理
- Region管理
- Region的自動拆分
- Region的預拆分
- 到底采用哪種拆分策略?
- Region的合并
- HFile的合并
- 為什么要有HFile的合并
- HFile合并方式
- Compaction執行時間
- Compaction相關控制參數
- 演示示例
- Sqoop
- Sqoop是什么?
- Sqoop環境搭建
- RDBMS導入到HDFS
- RDBMS導入到Hive
- RDBMS導入到Hbase
- HDFS導出到RDBMS
- 使用sqoop腳本
- Sqoop常用命令
- Hadoop數據模型
- TextFile
- SequenceFile
- Avro
- Parquet
- RC&ORC
- 文件存儲格式比較
- Spark
- Spark是什么?
- Spark優勢
- Spark與MapReduce比較
- Spark技術棧
- Spark安裝
- Spark Shell
- Spark架構
- Spark編程入口
- 編程入口API
- SparkContext
- SparkSession
- Spark的maven依賴
- Spark RDD編程
- Spark核心數據結構-RDD
- RDD 概念
- RDD 特性
- RDD編程
- RDD編程流程
- pom依賴
- 創建算子
- 轉換算子
- 動作算子
- 持久化算子
- RDD 與閉包
- csv/json數據源
- Spark分布式計算原理
- RDD依賴
- RDD轉換
- RDD依賴
- DAG工作原理
- Spark Shuffle原理
- Shuffle的作用
- ShuffleManager組件
- Shuffle實踐
- RDD持久化
- 緩存機制
- 檢查點
- 檢查點與緩存的區別
- RDD共享變量
- 廣播變量
- 累計器
- RDD分區設計
- 數據傾斜
- 數據傾斜的根本原因
- 定位導致的數據傾斜
- 常見數據傾斜解決方案
- Spark SQL
- SQL on Hadoop
- Spark SQL是什么
- Spark SQL特點
- Spark SQL架構
- Spark SQL運行原理
- Spark SQL編程
- Spark SQL編程入口
- 創建Dataset
- Dataset是什么
- SparkSession創建Dataset
- 樣例類創建Dataset
- 創建DataFrame
- DataFrame是什么
- 結構化數據文件創建DataFrame
- RDD創建DataFrame
- Hive表創建DataFrame
- JDBC創建DataFrame
- SparkSession創建
- RDD、DataFrame、Dataset
- 三者對比
- 三者相互轉換
- RDD轉換為DataFrame
- DataFrame轉換為RDD
- DataFrame API
- DataFrame API分類
- Action 操作
- 基礎 Dataset 函數
- 強類型轉換
- 弱類型轉換
- Spark SQL外部數據源
- Parquet文件
- Hive表
- RDBMS表
- JSON/CSV
- Spark SQL函數
- Spark SQL內置函數
- 自定SparkSQL函數
- Spark SQL CLI
- Spark SQL性能優化
- Spark GraphX圖形數據分析
- 為什么需要圖計算
- 圖的概念
- 圖的術語
- 圖的經典表示法
- Spark Graphix簡介
- Graphx核心抽象
- Graphx Scala API
- 核心組件
- 屬性圖應用示例1
- 屬性圖應用示例2
- 查看圖信息
- 圖的算子
- 連通分量
- PageRank算法
- Pregel分布式計算框架
- Flume日志收集
- Flume是什么?
- Flume官方文檔
- Flume架構
- Flume安裝
- Flume使用過程
- Flume組件
- Flume工作流程
- Flume事務
- Source、Channel、Sink文檔
- Source文檔
- Channel文檔
- Sink文檔
- Flume攔截器
- Flume攔截器概念
- 配置攔截器
- 自定義攔截器
- Flume可靠性保證
- 故障轉移
- 負載均衡
- 多層代理
- 多路復用
- Kafka
- 消息中間件MQ
- Kafka是什么?
- Kafka安裝
- Kafka本地單機部署
- Kafka基本命令使用
- Topic的生產與消費
- 基本命令
- 查看kafka目錄
- Kafka架構
- Kafka Topic
- Kafka Producer
- Kafka Consumer
- Kafka Partition
- Kafka Message
- Kafka Broker
- 存儲策略
- ZooKeeper在Kafka中的作用
- 副本同步
- 容災
- 高吞吐
- Leader均衡機制
- Kafka Scala API
- Producer API
- Consumer API
- Kafka優化
- 消費者參數優化
- 生產者參數優化
- Spark Streaming
- 什么是流?
- 批處理和流處理
- Spark Streaming簡介
- 流數據處理架構
- 內部工作流程
- StreamingContext組件
- SparkStreaming的編程入口
- WordCount案例
- DStream
- DStream是什么?
- Input DStream與Receivers接收器
- DStream API
- 轉換操作
- 輸出操作
- 數據源
- 數據源分類
- Socket數據源
- 統計HDFS文件的詞頻
- 處理狀態數據
- SparkStreaming整合SparkSQL
- SparkStreaming整合Flume
- SparkStreaming整合Kafka
- 自定義數據源
- Spark Streaming優化策略
- 優化運行時間
- 優化內存使用
- 數據倉庫
- 數據倉庫是什么?
- 數據倉庫的意義
- 數據倉庫和數據庫的區別
- OLTP和OLAP的區別
- OLTP的特點
- OLAP的特點
- OLTP與OLAP對比
- 數據倉庫架構
- Inmon架構
- Kimball架構
- 混合型架構
- 數據倉庫的解決方案
- 數據ETL
- 數據倉庫建模流程
- 維度模型
- 星型模式
- 雪花模型
- 星座模型
- 數據ETL處理
- 數倉分層術語
- 數據抽取方式
- CDC抽取方案
- 數據轉換
- 常見的ETL工具