雲上大資料系列1：手把手教你何如在ECS上搭建Hadoop開發測試環境（CDH版）

本篇是雲上大資料系列第一篇文章，主要介紹開發測試環境的搭建。在後續的文章中，我們還將會分享更多關於雲上大資料系統的效能分析和調優經驗，敬請期待。

大資料系統是典型的複雜分散式系統，搭建一套大資料系統不但需要大量的資源，還需要對大資料系統本省有一定的瞭解。雲端計算的普及使得大資料系統的快速部署，甚至一鍵部署成為可能。筆者在阿里雲上嘗試搭建了一套大資料系統，將部署的過程和大家分享一下。

• 資源環境：ecs.d1.6xlarge × 5
• 軟體系統：CDH 5.14.2
• 作業系統：CentOS 7.3

以下教程基於Cloudera官方教程，結合筆者實際部署過程中遇到的問題編寫而成。讀者在實踐的過程中可以將本文和官方教程結合來參考。官方教程點這裡檢視。

教程特點（做好心理準備）：
需要下載 cloudera-manager-daemons 包（744M），cloudera-manager-agent 包（788M），下載過程比較慢，且中途容易出錯，需要多次重試。
如果對上述部署方式不滿意，還可以嘗試官方的第三種方式（預下載安裝包並手動安裝）：
https://www.cloudera.com/documentation/enterprise/5-13-x/topics/cm_ig_install_path_c.html#cmig_topic_6_7

第一步：購買ECS資源：

在阿里雲官方網站上購買5臺規格為ecs.d1.6xlarge的機器。注意兩點：

1. 修改機器名稱以區分不同的角色：1臺 master，4臺 worker，例如cdh-m1, cdh-w1, cdh-w2, cdh-w3, cdh-w4；
2. 點選下單前選擇密碼登入，並記住登入密碼。

第二步：簡單配置叢集

1. 為所有結點設定免密登入（百度搜尋“ssh免密登入”）
2. 修改所有結點 hostname ：

hostname cdh-m1

並同步修改 /etc/hostname 檔案

1. (optional) 為所有結點配置pdsh，方便批量操作。pdsh的基本命令：

pdsh -w cdh-w[1-4] cmd

1. （可以放在第四步的間隙來做）配置本地資料盤（格式化，掛載，開啟自動掛載）

點選這裡下載 format.sh指令碼。

for i in {1..4}; do scp format.sh root@cdh-w$i:/root; done
pdsh -w cdh-w[1-4] bash /root/format.sh

檢查一下是否配置成功（輸出為所有 worker 結點本地盤數量總和，4結點是48）：

pdsh -w cdh-w[1-4] df -h | grep "5.1T" | wc -l

其中“5.1T”為資料盤大小，可以根據本地資料盤做修改。

第三步：安裝基礎服務

1. 登入到 master 結點，安裝 MySQL ：詳細教程點選這裡。對照教程，完成：

   • 配置 my.cnf（只需要照著它的推薦配置配就可以了）;
   • 備份 ib_logfile；
   • 修改 root 使用者登入密碼；
   • 新增到開機自啟動；
   • 下載 jdbc；
   • 建立一些資料庫：在 MySQL 中執行指令碼：create_databases.sql。點選這裡下載指令碼。
2. 配置Cloudera源：
   下載（點選下載）並將 cloudera-manager.repo 檔案拷貝到 /etc/yum.repos.d/
3. 安裝jdk-1.7：(下載速度較慢，15min)

sudo yum install oracle-j2sdk1.7

第四步：安裝CDH

1. 安裝 Cloudera Manager Server Packages：（下載速度較慢，中途可能失敗，需要反覆重試，利用這個時間空隙，可以完成第二步第4小步）

sudo yum install cloudera-manager-daemons cloudera-manager-server

1. 為 Cloudera Manager 配置本地資料庫：

在 MySQL中建立一個服務於 cloudera manager 的資料庫，起名叫 cloudera_manager （小寫）：

create database cloudera_manager DEFAULT CHARACTER SET utf8;

連線到該資料庫：

/usr/share/cmf/schema/scm_prepare_database.sh mysql cloudera_manager root password

1. 啟動 Cloudera Manager Server：

sudo service cloudera-scm-server start

1. 在瀏覽器中開啟 http://cdh-m1:7180，此時無響應，需要做埠對映：詳細教程可以點選這裡瞭解更多。

我的做法：開兩個命令視窗，分別跑兩個程式：

ssh -i id_rsa -ND 7180 root@cdh-m1

其中“7180”是準備對映的埠。

/Applications/Google Chrome.app/Contents/MacOS/Google Chrome --proxy-server="socks5://localhost:7180" --host-resolver-rules="MAP * 0.0.0.0 , EXCLUDE localhost" --user-data-dir=/tmp/

1. 重新整理剛才的頁面：http://cdh-m1:7180，使用者名稱和密碼都是admin。按照提示開始安裝過程。由於每臺機器都需要安裝 jdk 和 cloudera-manager-agent，這兩個包的下載速度非常慢，過程可能長達數小時。需要提前做好心裡準備（其他準備也做不了）。安裝過程中需要注意幾個問題：

   • 在主機檢查階段，確保所有專案都checked，如果沒有，按照提示逐一修復；
   • 在服務選擇階段，可以自定義服務，根據需要選擇相應的服務，而無需選擇所有服務。也可以直接選擇所有服務，安裝完成後手動停掉不需要的服務，我選擇了所有服務（後來我又把不需要的服務都手工刪掉了，衰）；
   • 在資料庫連線階段，開啟 create_databases.sql 檔案，並對照填寫相應的內容；如果在上一步中選擇了 Hue 和 Oozie 服務，那麼這裡需要為這兩個服務配置相應的資料庫，詳細教程見這裡：

Hue：https://www.cloudera.com/documentation/enterprise/5-13-x/topics/hue_dbs_mysql.html#hue_dbs_mysql
Oozie：https://www.cloudera.com/documentation/enterprise/5-13-x/topics/install_oozie_ext_db.html#admin_oozie_ext_db

如果配置 Oozie 的時候需要JDBC，那麼建立軟鏈：

ln -s /usr/share/java/mysql-connector-java.jar /opt/cloudera/parcels/CDH/lib/oozie/lib/mysql-connector-java.jar

• 停止或者刪除不需要的服務，並根據 Cloudera Manager 的建議，修復一些其他問題。

第五步：驗證安裝是否成功：

1. 登入到 master 結點，以 hive 使用者連線到 HiveServer2 ：

beeline -u "jdbc:hive2://localhost:10000/default" -n hive

1. 建立一張叫 table_name 的 ORC 事務表：

CREATE TABLE table_name (id int, name string)
CLUSTERED BY (id) INTO 2 BUCKETS
STORED AS ORC
TBLPROPERTIES ("transactional"="true",
  "compactor.mapreduce.map.memory.mb"="2048",
  "compactorthreshold.hive.compactor.delta.num.threshold"="4",
  "compactorthreshold.hive.compactor.delta.pct.threshold"="0.5"
);

1. 插入一條記錄並讀取：

insert into table_name(id, name) values(`1`, `Alex`);
select * from table_name;

1. 驗證 Hive-on-Spark 是否正常：

set hive.execution.engine=spark;
select count(*) from table_name;

如果輸出的結果為1， 那麼表明安裝正常。

到此為止，我們已經成功在ECS上搭建起了一套大資料系統。