Hadoop大数据平台部署（Hadoop3.2.4+Hive4.0.1）

1、前置要求与规划

环境要求：

1. 虚拟机配置：
   • 3台 CentOS 7.6 虚拟机，最小化安装
   • 内存 ≥ 2GB/节点，CPU核数 >=2，硬盘 ≥ 20GB/节点
   • 网络配置为 NAT 或桥接模式，保证互通
2. 软件版本：
   • CentOS Linux release 7.6.1810 (Core)
   • Apache Hadoop 3.2.4
   • Apache Hive 4.0.1
   • openjdk 11
   • MariaDB 10.6.x

集群节点规划：

2、基础环境配置

2.1. 配置主机名与 hosts 文件

# 所有节点执行（以 master 为例）
sudo vi /etc/hosts
# 添加以下内容：
192.168.37.101 master
192.168.37.102 slave1
192.168.37.103 slave2

2.2. 关闭防火墙与 SELinux

# 所有节点执行
systemctl stop firewalld
systemctl disable firewalld
setenforce 0
sed -i 's/SELINUX=enforcing/SELINUX=disabled/g' /etc/selinux/config

2.3. 安装 OpenJDK 11

# 所有节点执行
sudo yum install -y java-11-openjdk-devel

# 配置环境变量
echo 'export JAVA_HOME=/usr/lib/jvm/java-11-openjdk' >> ~/.bashrc
echo 'export PATH=$JAVA_HOME/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

# 验证安装
java -version  # 应输出 OpenJDK 11

如果找不到java-11-openjdk-devel，可以尝试启用 EPEL 仓库后重试
sudo yum install -y epel-release
sudo yum clean all
sudo yum update

2.4. 配置 SSH 免密登录

# 所有节点生成密钥
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa

# 在 master 节点将公钥分发到所有节点（包括自己）
ssh-copy-id master
ssh-copy-id slave1
ssh-copy-id slave2

# 测试免密登录
ssh slave1 date  # 无需密码即成功

2.5. 时间同步（NTP）

# 所有节点执行
sudo yum install -y ntp
sudo systemctl start ntpd
sudo systemctl enable ntpd

3、Hadoop 3.2.4 集群部署

3.1. 安装 Hadoop

# 在Master主节点执行
[root@master ~]# wget https://archive.apache.org/dist/hadoop/core/hadoop-3.2.4/hadoop-3.2.4.tar.gz
[root@master ~]# tar -zxvf hadoop-3.2.4.tar.gz -C /opt/
[root@master ~]# sudo mv /opt/hadoop-3.2.4 /opt/hadoop

如果提示wget未找到，可以运行 yum insall -y wget 安装

3.2. 修改 Hadoop 配置文件

hadoop-env.sh

# 在 master 节点配置
echo "export JAVA_HOME=/usr/lib/jvm/java-11-openjdk" >> /opt/hadoop/etc/hadoop/hadoop-env.sh
echo "export HDFS_NAMENODE_USER=root" >> /opt/hadoop/etc/hadoop/hadoop-env.sh
echo "export HDFS_DATANODE_USER=root" >> /opt/hadoop/etc/hadoop/hadoop-env.sh
echo "export HDFS_SECONDARYNAMENODE_USER=root" >> /opt/hadoop/etc/hadoop/hadoop-env.sh
echo "export YARN_RESOURCEMANAGER_USER=root" >> /opt/hadoop/etc/hadoop/hadoop-env.sh
echo "export YARN_NODEMANAGER_USER=root" >> /opt/hadoop/etc/hadoop/hadoop-env.sh

core-site.xml

[root@master ~]# vim /opt/hadoop/etc/hadoop/core-site.xml
<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://master:9000</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/hadoop/data/tmp</value>
  </property>
  <property>
    <name>hadoop.proxyuser.root.groups</name>
    <value>*</value>
  </property>
  <property>
    <name>hadoop.proxyuser.root.hosts</name>
    <value>*</value>
  </property>
</configuration>

hdfs-site.xml

[root@master ~]# vim /opt/hadoop/etc/hadoop/hdfs-site.xml
<configuration>
  <property>
    <name>dfs.replication</name>
    <value>2</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/opt/hadoop/data/namenode</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/opt/hadoop/data/datanode</value>
  </property>
</configuration>

yarn-site.xml

[root@master ~]# vim /opt/hadoop/etc/hadoop/yarn-site.xml
<configuration>
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>master</value>
  </property>
</configuration>

mapred-site.xml

[root@master ~]# vim /opt/hadoop/etc/hadoop/mapred-site.xml
<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
  <property>
    <name>mapreduce.application.classpath</name>
    <value>/opt/hadoop/share/hadoop/mapreduce/*:/opt/hadoop/share/hadoop/mapreduce/lib/*</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.address</name>
    <value>master:10020</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>master:19888</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.done-dir</name>
    <value>/history/done</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.intermediate-done-dir</name>
    <value>/history/intermediate-done</value>
  </property>
</configuration>

workers 文件

# 在 master 节点配置
echo "slave1" > /opt/hadoop/etc/hadoop/workers
echo "slave2" >> /opt/hadoop/etc/hadoop/workers

3.3. 同步配置到所有节点

# 在 master 节点配置
scp -r /opt/hadoop slave1:/opt/
scp -r /opt/hadoop slave2:/opt/

3.4. 配置环境变量

# 所有节点编辑 ~/.bashrc
echo 'export HADOOP_HOME=/opt/hadoop' >> ~/.bashrc
echo 'export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH' >> ~/.bashrc
source ~/.bashrc

3.5. 初始化并启动集群

# 在 master 节点执行
hdfs namenode -format  # 格式化 HDFS
start-dfs.sh
start-yarn.sh

# 启动历史服务进程 MR任务运行出错，有找不到错误，可以使用它查看详细日志信息
# mapred --daemon start historyserver

# 验证进程
jps  # master 应有 NameNode/SecondaryNameNode/ResourceManager，slave 应有 DataNode/NodeManager

4、MariaDB 10.6.x 安装（仅 master 节点）

4.1. 安装 MariaDB

sudo vi /etc/yum.repos.d/MariaDB.repo
# 添加以下内容：
[mariadb]
name = MariaDB
baseurl = http://yum.mariadb.org/10.6/centos7-amd64
gpgkey=https://yum.mariadb.org/RPM-GPG-KEY-MariaDB
gpgcheck=1

# 安装
sudo yum install -y MariaDB-server MariaDB-client
sudo systemctl start mariadb
sudo systemctl enable mariadb

# 查看安装的版本
mariadb --version  # mariadb  Ver 15.1 Distrib 10.6.19-MariaDB

4.2. 配置数据库

# 设置 root 密码和远程操作权限
ALTER USER 'root'@'localhost' IDENTIFIED BY 'root';
CREATE USER 'root'@'%' IDENTIFIED BY 'root';
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION;
DELETE FROM mysql.global_priv WHERE User='';
FLUSH PRIVILEGES;

# 设置字符编码，没有的就添加[client][mysql]
vim /etc/my.cnf.d/server.cnf
[client]
default-character-set=utf8
[mysql]
default-character-set=utf8
[mysqld]
init_connect='SET collation_connection = utf8_unicode_ci'
init_connect='SET NAMES utf8'
character-set-server=utf8
collation-server=utf8_unicode_ci

# 重启服务，登录查看字符编码
systemctl restart mariadb
mysql -uroot -proot
show variables like "%char%";

5、Hive 4.0.1 部署（仅 master 节点）

5.1. 安装 Hive

wget https://archive.apache.org/dist/hive/hive-4.0.1/apache-hive-4.0.1-bin.tar.gz
tar -zxvf apache-hive-4.0.1-bin.tar.gz -C /opt/
sudo mv /opt/apache-hive-4.0.1-bin /opt/hive

5.2. 配置环境变量

echo 'export HIVE_HOME=/opt/hive' >> ~/.bashrc
echo 'export PATH=$HIVE_HOME/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

5.3. 修改配置文件

hive-site.xml

[root@master ~]# vim /opt/hive/conf/hive-site.xml  # 文件没有提供，直接创建
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
  <property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.cj.jdbc.Driver</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>root</value>
  </property>
  <property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>root</value>
  </property>
  <!--设置hive客户端访问的用户名和密码-->
  <property>
    <name>hive.server2.thrift.client.user</name>
    <value>root</value>
  </property>
  <property>
    <name>hive.server2.thrift.client.password</name>
    <value>123456</value>
  </property>
  <property>
    <name>hive.metastore.schema.verification</name>
    <value>false</value>
  </property>
</configuration>

5.4. 初始化元数据库

# 下载 MySQL JDBC 驱动
wget https://downloads.mysql.com/archives/get/p/3/file/mysql-connector-j-8.0.33.tar.gz
tar -zxvf mysql-connector-j-8.0.33.tar.gz
cp mysql-connector-j-8.0.33/mysql-connector-j-8.0.33.jar $HIVE_HOME/lib/

# 初始化元数据库
schematool -dbType mysql -initSchema

5.5. 创建Hive的真实数据存放目录和权限设置

hadoop fs -mkdir -p /user/hive/warehouse/
hadoop fs -chown root:root /user/hive/warehouse

5.5. 登录进入Hive测试

# 启动Hive服务
hive --service hiveserver2&

# 连接测试
[root@master ~]# beeline -u jdbc:hive2://master:10000 -n root
0: jdbc:hive2://master:10000> create database lx_db;
0: jdbc:hive2://master:10000> show databases;
+----------------+
| database_name  |
+----------------+
| default        |
| lx_db          |
+----------------+
2 rows selected (0.264 seconds)
0: jdbc:hive2://master:10000> !quit

6、Sqoop 1.4.7 安装（仅 master 节点）

6.1. 安装 Sqoop

wget https://archive.apache.org/dist/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
tar -zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /opt/
sudo mv /opt/sqoop-1.4.7.bin__hadoop-2.6.0 /opt/sqoop

6.2. 配置环境变量

echo 'export SQOOP_HOME=/opt/sqoop' >> ~/.bashrc
echo 'export PATH=$SQOOP_HOME/bin:$PATH' >> ~/.bashrc
source ~/.bashrc

6.3. 配置数据库驱动和Hive执行依赖

cd $HIVE_HOME/lib
cp mysql-connector-j-8.0.33.jar hive-exec-4.0.1.jar hive-common-4.0.1.jar $SQOOP_HOME/lib/

6.4. Sqoop 测试

sqoop list-databases --connect jdbc:mysql://master:3306 --username root --password root

6、Hive 离线数据预处理

# 1. 上传“良信电器售后数据.csv”数据文件到CentOS操作系统用户家目录下
# 2. 在Hive中创建解析表用于解析上传的数据
use lx_db;
CREATE TABLE IF NOT EXISTS service_records (
  work_order_id    STRING    COMMENT '工单唯一标识，如 XC****0001',
  check_in_time    TIMESTAMP COMMENT '工程师打卡时间，格式：yyyy-MM-dd HH:mm:ss',
  engineer_name    STRING    COMMENT '售后工程师姓名（脱敏，如 Zou**）',
  service_address  STRING    COMMENT '服务地址（脱敏，如 浙江省杭州市**运达风电）',
  service_city     STRING    COMMENT '服务城市名称',
  industry         STRING    COMMENT '所属行业分类',
  region_assigned  STRING    COMMENT '编制人员所属大区',
  region           STRING    COMMENT '服务所属大区',
  office           STRING    COMMENT '所属办事处',
  product_line     STRING    COMMENT '大产品线分类',
  sub_product_line STRING    COMMENT '子产品线分类',
  longitude        DOUBLE    COMMENT '经度坐标',
  latitude         DOUBLE    COMMENT '纬度坐标',
  customer_name    STRING    COMMENT '终端客户名称（脱敏）',
  check_in_status  STRING    COMMENT '打卡状态（如 服务中）'
)
COMMENT '良信电器售后数据'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
# 3. 加载数据文件到Hive表中
# 注意，需要把文件中的表头信息删除
sed -i "1d" 良信电器售后数据.csv
# 加载数据到Hive
LOAD DATA LOCAL INPATH '/root/良信电器售后数据.csv' INTO TABLE service_records;
# 4. 查看解析结果
select * from service_records limit 10;
# 5. 预处理数据--> 根据自己业务需求进行处理，如果数据不需要处理则省略该步骤即可

7、Sqoop导出预处理结果到MySQL

# 在 MySQL 中创建与 Hive 表结构匹配的表
CREATE DATABASE lx_db default charset=utf8;
CREATE TABLE lx_db.service_records (
  work_order_id        VARCHAR(50)   COMMENT '工单唯一标识',
  check_in_time        TIMESTAMP     COMMENT '打卡时间',
  engineer_name        VARCHAR(100)  COMMENT '工程师姓名',
  service_address      VARCHAR(200)  COMMENT '服务地址',
  service_city         VARCHAR(50)   COMMENT '服务城市',
  industry             VARCHAR(50)   COMMENT '所属行业',
  region_assigned      VARCHAR(50)   COMMENT '编制所属大区',
  region               VARCHAR(50)   COMMENT '所属大区',
  office               VARCHAR(50)   COMMENT '所属办事处',
  product_line         VARCHAR(50)   COMMENT '大产品线',
  sub_product_line     VARCHAR(50)   COMMENT '子产品线',
  longitude            DOUBLE        COMMENT '经度',
  latitude             DOUBLE        COMMENT '纬度',
  customer_name        VARCHAR(100)  COMMENT '终端客户',
  check_in_status      VARCHAR(20)   COMMENT '打卡状态'
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

# 使用Sqoop命令导出数据到MySQL中
sqoop export \
  --connect "jdbc:mysql://master:3306/lx_db" \
  --username root \
  --password root \
  --table service_records \
  --export-dir /user/hive/warehouse/lx_db.db/service_records \
  --input-fields-terminated-by ',' \
  --input-lines-terminated-by '\n' \
  --input-optionally-enclosed-by '\"' \
  --input-null-string '\\N' \
  --input-null-non-string '\\N'