Atlas2.2.0編譯、安裝及使用(整合ElasticSearch，匯入Hive資料)

榆天紫夏發表於2022-05-11
編譯ElasticsearchHive

1、編譯階段

元件資訊：

元件名稱 版本
Atals 2.2.0
HBase 2.2.6
Hive 3.1.2
Hadoop 3.1.1
Kafka 2.11_2.4.1
Zookeeper 3.6.2
ElasticSearch 7.12.1

 
架構: x86 (已知arm編譯時會報node-sass缺少的問題，git上沒有對應arm架構的包)
作業系統：CentOS 7.6

說明：
1、編譯不包括其內嵌的HBase和Solr，只編譯Atlas本身
2、下面的步驟中有些並非編譯過程報錯，而是具體使用中或匯入hive後設資料時報的錯，提前修改

步驟：
step1：官網下載Atlas-2.2.0原始碼,解壓
 
step2：配個國內源。可以在maven的conf目錄下settings.xml裡配置，也可以在專案的pom.xml裡配置，這裡貼阿里源做參考
 
step3：提前從Here下一個nodejs的包放到maven倉庫下，目錄參考
$MAVEN_REPOSITORY/com/github/eirslett/node/12.16.0/node-12.16.0-linux-x64.tar.gz

注意下下來的包名字叫node-v12.16.0-linux-x64.tar.gz，放在maven倉庫裡的時候要把裡面的v去掉。如果不提前下，編譯時候自己下載的速度很慢

step4：主pom.xml裡新增下面兩個依賴

                        <dependency>
                <groupId>org.restlet.jee</groupId>
                <artifactId>org.restlet</artifactId>
                <version>2.4.0</version>
            </dependency>
            
            <dependency>
                <groupId>org.restlet.jee</groupId>
                <artifactId>org.restlet.ext.servlet</artifactId>
                <version>2.4.0</version>
            </dependency>

 
step5：修改./intg/src/main/java/org/apache/atlas/ApplicationProperties.java
註釋掉line 365 LOG.info("Setting " + SOLR_WAIT_SEARCHER_CONF + " = " + getBoolean(SOLR_WAIT_SEARCHER_CONF));

這步是因為我們採用es作為查詢引擎，solr的相關配置都會註釋掉，而這行呼叫會在匯入hive後設資料的時候報錯

 
step6：把專案裡的jsr311-api改成javax.ws.rs-api  (6處，可以直接在專案目錄下grep -rn搜)， 並修改主pom.xml中jsr.version為2.0.1

這步主要影響六個支援的元件的資料匯入及後續，包括hbase、hive、sqoop、impala、falcon、storm
主要原因：jsr311-api包中javax.ws.rs.core包中沒有Link類，而Atlas以HBase作為後設資料儲存，HBase本身使用的為javax.ws.rs-api包中的core包，其中有Link類，所以呼叫指令碼匯入資料時會報以下錯誤

step7：執行編譯命令mvn clean package -DskipTests -Drat.skip=true -Pdist

編譯後的包在./distro/target目下,server包即為Atlas部署包，bin包為整合了常用hook(如hbase-hook)的部署包

 

2、部署階段

前置條件：
叢集內有正常執行且可用的hadoop、hive、hbase、kafka、zk、es，且atlas所在節點必須有hbase及hive的配置檔案目錄

步驟：
step1:解壓atlas-bin包(這裡以/data/apps為例，順便改個名

tar -zxvf apache-atlas-2.2.0-bin.tar.gz -C /data/apps
mv apache-atlas-2.2.0 atlas-2.2.0

 
step2:解壓hook包(這裡以hive-hook為例)，並拷貝內容到atlas安裝目錄下

tar -zxvf apache-atlas-2.2.0-hive-hook.tar.gz -C /data/apps/
/usr/bin/cp /data/apps/apache-atlas-hive-hook-2.2.0/* /data/apps/atlas-2.2.0/

 
step3:修改atlas配置檔案(有的配置是已有的，修改即可；有的配置沒有，需要加)
atlas-application.properties:

     #atlas server config
             atlas.rest.address=http://atlas-ip:21000
        atlas.server.run.setup.on.start=false
      
     #hbase config
        atlas.audit.hbase.tablename=apache_atlas_entiry_audit
        atuls.audit.zookeeper.session.timeout.ms=1000
        atlas.audit.hbase.zookeeper.quorum=zk地址
             atlas.graph.storage.hostname=zk地址
        
     #solr config
      #註釋掉所有和solr相關的配置項
        
     #es config
              atlas.graph.index.search.backend=elasticsearch
        atlas.graph.index.search.hostname=es-ip:9200
        atlas.graph.index.search.elasticsearch.client-only=true
        atlas.graph.index.search.elasticsearch.http.auth.type=basic
        atlas.graph.index.search.elasticsearch.http.auth.basic.username=elastic
        atlas.graph.index.search.elasticsearch.http.auth.basic.password=Cestc!666
      
    #kafka config
             atlas.nofification.embedded=false
        atlas.kafka.data=/data/log/kafka
        atlas.kafka.zookeeper.connect=zk地址/kafkaCluster
        atlas.kafka.bootstrap.servers=kafka地址
      
    #hive config
             atlas.hook.hive.numRetries=3
        atlas.hook.hive.queueSize=10000
        atlas.cluster.name=primary

atlas-env.sh:

        export HBASE_CONF_DIR=/data/apps/hbase-2.2.6/conf

atlas-log4j.xml:

        #去掉org.apache.log4j.DailyRollingFileAppender一塊的註釋來暴露效能指標

 
step4:將atlas-application.properties分發到所有hive所在節點的hive/conf目錄下
 
step5:分發hive-hook目錄到hive節點下,並修改hive配置檔案

ssh hive-node "mkdir -p /data/apps/atlas-2.2.0/hook"
scp -r /data/apps/atlas-2.2.0/hook/hive hive-node:$PWD

hive-site.xml

           <property>
            <name>hive.exec.post.hooks</name>
            <value>org.apache.atlas.hive.hook.HiveHook</value>
        </property>

hive-env.sh

       export HIVE_AUX_JARS_PATH=/data/apps/atlas-2.2.0/hook/hive

 
step6:重啟Hive
 
step7:呼叫atlas啟動指令碼啟動服務

$ATLAS_HONE/bin/atlas_start.py

啟動過程如下圖所示

該過程會耗時較久，包含index建立、資料的初始化等操作
此時可以跟一下atlas的啟動日誌，直到日誌不再重新整理，再lsof或netstat查一下21000是否已經監聽了，如已存在，則開啟瀏覽器輸入ip:21000登入atlas頁面

千萬不要相信他提示的Apache Atlas Server started!!!和jps顯示的Atlas程式，因為啟動指令碼超過一定時間後一定會報成功，但此時21000埠還未被監聽，服務是不可用的，真正可用還是以21000被成功監聽，可以進到Atlas登入頁面為準

 

3、使用階段

說明：
此處我們以Hive的後設資料匯入及使用為例，其它資料來源使用類似
 

步驟：
step1:進入atlas安裝目錄下，執行hook-bin中的import-hive.sh指令碼

$ATLAS_HOME/hook-bin/import-hive.sh

執行後如下圖

過程中會提示輸入atlas使用者名稱和密碼，都輸入admin即可
成功後會提示

該過程時間視hive現有資料量大小而定

 

step2:登入Atlas Web頁面
開啟瀏覽器輸入ip:21000登入atlas頁面

 
登入後如下圖

此時可以點選右上角小圖示

檢視總體資料情況

 

檢視所有hive表

 

隨便點選一個表檢視詳情

可以清楚地看到這個表的各項資訊、欄位及血緣圖等
 
我們也可以通過左側搜尋欄檢索過濾想要查詢的項

 

以上就是我在生產環境中部署Atlas-2.2.0並整合es、hive的過程，使用時可以點選頁面操作，也可通過呼叫Rest API整合到自己系統裡用

本文首發於部落格園，作者榆天紫夏，希望對大家有所幫助。原文地址https://www.cnblogs.com/yutianzixia/p/16257916.html。如有遺漏或問題歡迎補充指正

相關文章