环境搭建 Hadoop+Hive(orcfile格式)+Presto实现大数据存储查询一

一、前言

Hadoop简介

Hadoop就是一个实现了Google云计算系统的开源系统，包括并行计算模型Map/Reduce，分布式文件系统HDFS，以及分布式数据库Hbase，同时Hadoop的相关项目也很丰富，包括ZooKeeper，Pig，Chukwa，Hive，Hbase，Mahout，flume等.接下来我们使用的是Hive

Hive简介

Hive 是一个基于 Hadoop的开源数据仓库工具，用于存储和处理海量结构化数据。    它把海量数据存储于 hadoop 文件系统，而不是数据库，但提供了一套类数据库的数据存储和处理机制，并采用 HQL （类 SQL ）语言对这些数据进行自动化管理和处理。我们可以把 Hive 中海量结构化数据看成一个个的表，而实际上这些数据是分布式存储在 HDFS 中的。 Hive 经过对语句进行解析和转换，最终生成一系列基于 hadoop 的 map/reduce 任务，通过执行这些任务完成数据处理。

Presto简介

Presto是一个开源的分布式SQL查询引擎，适用于交互式分析查询，数据量支持GB到PB字节。Presto的设计和编写完全是为了解决像Facebook这样规模的商业数据仓库的交互式分析和处理速度的问题。Presto支持在线数据查询，包括Hive, Cassandra, 关系数据库以及专有数据存储。 一条Presto查询可以将多个数据源的数据进行合并，可以跨越整个组织进行分析。

二、环境准备

Hadoop2.X

apache-hive-2.1.0

presto-server-0.156.tar.gz

Mysql5.7

三、速度测试

四、本机服务器准备

　　虚拟机使用linux的centos

　　Hadoop 192.168.209.142,192.168.209.140

　　hive 192.168.209.140

　　presto 192.168.209.140

　　mysql 10.0.0.7

五、环境搭建

　　1.Hadoop环境搭建<略>

　　2.Hive环境搭建

　　解压Hive文件

　　[root@HDP134 ~]# tar -zxvf /home/hive/apache-hive-2.1.0-bin.tar.gz

　　配置hive

　　[root@HDP134 ~]# vi /etc/profile

　　因为HIVE用到了Hadoop需要在最下边加上hadoop和Hive的路径

　　#Hadoop

　　export HADOOP_INSTALL=/opt/hadoop

　　export PATH=$PATH:$HADOOP_INSTALL/bin

　　export HADOOP_HOME=$HADOOP_INSTALL

　　#Hive

　　export HIVE_HOME=/home/hive/apache-hive-2.1.0-bin

　　export PATH=$PATH:$HIVE_HOME/bin

　　保存退出之后进入配置文件，复制并生命名hive-env.sh,hive-site.xml

　　[root@HDP134 ~]# cd /home/hive/apache-hive-2.1.0-bin/conf

　　[root@HDP134 ~]# cp hive-env.sh.template hive-env.sh

　　[root@HDP134 ~]# cp hive-default.xml.template hive-site.xml

　　配置hive-site.xml

　　替换hive-site.xml文件中的 ${system:java.io.tmpdir} 和 ${system:user.name}

　　默认情况下, Hive的元数据保存在了内嵌的 derby 数据库里, 但一般情况下生产环境使用 MySQL 来存放 Hive 元数据。

　　继续修改Hive-site.xml配置Mysql

　

<property> <name>javax.jdo.option.ConnectionURL</name> <value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true&amp;characterEncoding=UTF-8&amp;useSSL=false</value> </property> <property> <name>javax.jdo.option.ConnectionDriverName</name> <value>com.mysql.jdbc.Driver</value> </property> <property> <name>javax.jdo.option.ConnectionUserName</name> <value>hive</value> </property> <property> <name>javax.jdo.option.ConnectionPassword</name> <value>hive</value> </property>

　　保存退出

　　由于Hive要使用Hadoop，所以以下所有操作均是在hadoop用户下操作先为Hadoop赋值目录权限使用如下命令

　　

chown -R hadoop:hadoop /home/hive

　　切换用户

　　 

　　在 Hive 中创建表之前需要使用以下 HDFS 命令创建 /tmp 和 /user/hive/warehouse (hive-site.xml 配置文件中属性项 hive.metastore.warehouse.dir 的默认值) 目录并给它们赋写权限。

　　至此基本配置已经完成，可以运行Hive了，运行Hive之前需要先开启Hadoop.

　　从 Hive 2.1 版本开始, 我们需要先运行 schematool 命令来执行初始化操作。

　　执行成功之后，可以查看自己的Mysql，我刚配置的mysql库为Hive,我们可以进行MYSQL执行show databases;查看是否已经创建hive数据库

　　我们可以看到已经自动生成了很多表。说明Hive已成功连接Mysql

　　我们来运行一下Hive,直接输入hive命令，即可(一定要是在hadoop下操作,不然会报一些无权限的一大堆错误)

　　hive已启动，我们可以执行一下show tables;查看一下;

　　至此hive已安装完成，后边会说到如何创建一个orcfile格式的文件。

3.Presto安装

　　首先解压下载好的tar.gz包

　　 

　　配置presto

　　进入etc文件，我们总共需要创建并配置5个文件

　　

　　除去hadoop那个文件夹，另外的5个下边一一说明

　　node.properties：每个节点的环境配置

　　jvm.config：jvm 参数

　　config.properties：配置 Presto Server 参数

　　log.properties：配置日志等级

　　Catalog Properties：Catalog 的配置

　1>node.properties配置

　　节点配置node.id=1

　　切记:每个节点不能重复我本地把协调和生产节点部署到了一起

　2>config.properties

　　discover.uri是服务地址，http://HDP134:8080是我192.168.209.140的映射

　3>catalog hive.properties的配置

　　connector.name是连接器，我们就用Hive-cdh5

　4>jvm.config配置

　　这个可以根据自己的机器配置进行相应调整

　5>log.properties配置

　　配置完成之后，可以运行presto服务了，前提是要先为hadoop赋值目录权限，使用如下命令

chown -R hadoop:hadoop /home/presto

　　presto服务的启动方式有两种，第一种是strat后台运行看不到日志输出 ，run前台运行，可在前台看到打印日志，建议前期使用run进行前台运行

　　同样的，要使用hadoop用户启动服务

　　当出现这样的关键词时，恭喜搭建完成

　　接下来可以测试一下，我们使用一个工具presto-cli-0.90-executable.jar 下载之后，重命名为presto-cli

　　启动Hive服务

Presto客户端连接

连接Hive库，并进入如上命令行,可以执行一下show tables;进行测试

可以显示出hive的所有表，表示presto连接Hive成功

今天就先写到这里，接下来会写创建一个orcfile的几种方法，包括从txtfile转成orcfile,另一种是通过jdbc直接生成orcfile。

以上纯属自己的理解以及本地部署的过程，如果有什么地方有误敬请谅解!