HBase整合hue以及Phoenix集成

x33g5p2x  于2020-09-30 发布在 Hbase  
字(7.7k)|赞(0)|评价(0)|浏览(1166)

1.Hbase整合hue

1.1 hue介绍

HUE=Hadoop User Experience
在没有HUE的时候,如果我们想要查看Hadoop生态圈各组件的状态,可以通过它们的webconsole,地址分别是:

HDFS: NameNode网页 http://ip:50070
SecondaryNameNode网页: http://ip:50090
Yarn: http://ip:8088
HBase: http://ip:16010
Hive http://ip:9999/hwi/
Spark http://ip:8080

如果一个个去查看肯定是可以的,但是…比较耗时间,稍显麻烦。而HUE就是对这些的整合,在HUE一个地方就可以查看上面全部组件的状况和进行一些操作。

Hue是一个开源的Apache Hadoop UI系统,由Cloudera Desktop演化而来,最后Cloudera公司将其贡献给Apache基金会的Hadoop社区,它是基于Python Web框架Django实现的。

通过使用Hue我们可以在浏览器端的Web控制台上与Hadoop集群进行交互来分析处理数据,例如操作HDFS上的数据,运行MapReduce Job,执行Hive的SQL语句,浏览HBase数据库等等。

HUE链接

Site: http://gethue.com/

Github: https://github.com/cloudera/hue

Reviews: https://review.cloudera.org

核心功能

  1. SQL编辑器,支持Hive, Impala, MySQL, Oracle, PostgreSQL, SparkSQL, Solr SQL, Phoenix…
  2. 搜索引擎Solr的各种图表
  3. Spark和Hadoop的友好界面支持
  4. 支持调度系统Apache Oozie,可进行workflow的编辑、查看

HUE提供的这些功能相比Hadoop生态各组件提供的界面更加友好,但是一些需要debug的场景可能还是需要使用原生系统才能更加深入的找到错误的原因。

HUE中查看Oozie workflow时,也可以很方便的看到整个workflow的DAG图,不过在最新版本中已经将DAG图去掉了,只能看到workflow中的action列表和他们之间的跳转关系,想要看DAG图的仍然可以使用oozie原生的界面系统查看。

  1. 访问HDFS和文件浏览
  2. 通过web调试和开发hive以及数据结果展示
  3. 查询solr和结果展示,报表生成
  4. 通过web调试和开发impala交互式SQL Query
  5. spark调试和开发
  6. oozie任务的开发,监控,和工作流协调调度
  7. Hbase数据查询和修改,数据展示
  8. Hive的元数据(metastore)查询
  9. MapReduce任务进度查看,日志追踪
  10. 创建和提交MapReduce,Streaming,Java job任务
  11. Sqoop2的开发和调试
  12. Zookeeper的浏览和编辑
  13. 数据库(MySQL,PostGres,SQlite,Oracle)的查询和展示

总结:Hue是一个友好的界面集成框架,可以集成我们各种学习过的以及将要学习的框架,一个界面就可以做到查看以及执行所有的框架

1.2 hue的环境准备及安装

Hue的安装支持多种方式,包括rpm包的方式进行安装,tar.gz包的方式进行安装以及cloudera manager的方式来进行安装等,我们这里使用tar.gz包的方式来进行安装

1.2.1 下载依赖包
yum install ant asciidoc cyrus-sasl-devel cyrus-sasl-gssapi cyrus-sasl-plain gcc gcc-c++ krb5-devel libffi-devel libxml2-devel libxslt-devel make mysql mysql-devel openldap-devel python-devel sqlite-devel  gmp-devel openssl-devel -y
1.2.2 安装配置maven

hue的编译需要使用maven进行下载一些其他jar包

wget http://repos.fedorapeople.org/repos/dchen/apache-maven/epel-apache-maven.repo -O /etc/yum.repos.d/epel-apache-maven.repo

sed -i s//$releasever/6/g /etc/yum.repos.d/epel-apache-maven.repo

yum install -y apache-maven

mvn --version

配置maven的下载地址

vim  /etc/maven/settings.xml
 <mirror>
         <id>alimaven</id>
         <mirrorOf>central</mirrorOf>
         <name>aliyun maven</name>
         <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
     </mirror>
 
     <mirror>
         <id>ui</id>
         <mirrorOf>central</mirrorOf>
         <name>Human Readable Name for this Mirror.</name>
         <url>http://uk.maven.org/maven2/</url>
     </mirror>
 
     <mirror>
         <id>jboss-public-repository-group</id>
         <mirrorOf>central</mirrorOf>
         <name>JBoss Public Repository Group</name>
         <url>http://repository.jboss.org/nexus/content/groups/public</url>
     </mirror>

注:在标签<mirrors>内添加

1.2.3 为linux操作系统添加普通用户

hue的安装必须添加普通用户 hue,否则启动报错,直接给node03服务器添加普通用户即可

useradd  hue
passwd  hue
1.2.4 下载hue压缩包并上传解压
cd /opt/module

wget http://gethue.com/downloads/releases/4.0.1/hue-4.0.1.tgz

tar -zxf hue-4.0.1.tgz -C /export/servers/
1.2.5 修改配置文件

修改hue的配置文件hue.ini

cd/opt/module/hue-4.0.0/desktop/conf/
vim hue.ini
#通用配置
[desktop]
secret_key=adsfasdfadsfasdfadfadfad
http_host=bigdata333
time_zone=Asia/Shanghai
server_user=root
server_group=root
default_user=root
default_hdfs_superuser=root

配置使用mysql作为hue的存储数据库,大概在hue.ini的561行左右

[[database]]
engine=mysql
host=bigdata333
port=3306
user=root
password=000000
name=hue
1.2.6 创建mysql数据库

进入mysql客户端,然后创建mysql数据库

mysql –uroot  -p000000
create database hue default character set utf8 default collate utf8_general_ci;
1.2.7 对hue进行编译
/opt/module/hue-4.0.0
make apps

注意:如果编译失败,那么需要重新进行编译,多编译几次,网速够快就能编译通过

make clean
make apps
1.2.8 启动hue服务并进行页面访问
cd /opt/module/hue-4.0.0

build/env/bin/supervisor

页面访问:http://bigdata333:8888

第一次访问的时候,需要设置管理员用户和密码

我们这里的管理员的用户名与密码尽量保持与我们安装hadoop的用户名和密码一致。

进入之后发现我们的hue页面报错了,这个错误主要是因为hive的原因,因为我们的hue与hive集成的时候出错了,所以我们需要配置我们的hue与hive进行集成。

1.3 hue与HDFS以及yarn集成

1.3.1 更改所有hadoop节点的core-site.xml配置

记得更改完core-site.xml之后一定要重启hdfs与yarn集群

三台机器更改core-site.xml

<property>
<name>hadoop.proxyuser.root.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.root.groups</name>
<value>*</value>
</property> 
1.3.2 更改所有hadoop节点的hdfs-site.xml
<property>
	  <name>dfs.webhdfs.enabled</name>
	  <value>true</value>
	</property>
1.3.3 继续配置hue.ini

配置我们的hue与hdfs集成 在830行

[[hdfs_clusters]]
[[[default]]]
fs_defaultfs=hdfs://bigdata111:9000
webhdfs_url=http://bigdata111:50070/webhdfs/v1
hadoop_hdfs_home=/opt/module/hadoop-2.8.4
hadoop_bin=/opt/module/hadoop-2.8.4/bin
hadoop_conf_dir=/opt/module/hadoop-2.8.4/etc/hadoop
1.3.4 配置我们的hue与yarn集成
[[yarn_clusters]]
[[[default]]]
resourcemanager_host=bigdata222
resourcemanager_port=8032
submit_to=True
resourcemanager_api_url=http://bigdata222:8088
history_server_api_url=http://bigdata111:19888

注:需要根据自己服务器的设置进行相关配置,本机测试是yarn在bigdata222节点,其他在bigdata111节点

1.4 配置hue 与 hive集成

如果需要配置hue与hive的集成,我们需要启动hive的hiveserver2服务

1.4.1 配置hue.ini

大约在955行

[beeswax]
 hive_server_host=bigdata111
 hive_server_port=10000
 hive_conf_dir=/opt/module/hive-2.3.4/conf
 erver_conn_timeout=120
 auth_username=root
 auth_password=000000
 
[metastore]
#允许使用hive创建数据库表等操作
enable_new_create_table=true
1.4.2 启动hive的metastore服务
cd /opt/module/hive-2.3.4
bin/hive --service hiveserver2 

重新启动hue,然后就可以通过浏览器页面操作hive了

1.5 hue与HBase的集成

1.5.1 修改hue.ini

大约在1190行

[hbase]
hbase_clusters=(Cluster|bigdata111:9090)
hbase_conf_dir=/opt/module/hbase-2.0.0/conf
1.5.2 启动hbase的thrift server服务

启动hbase的thriftserver

bin/hbase-daemon.sh start thrift  
1.5.3 启动hue
build/env/bin/supervisor
1.5.4 页面访问

http://bigdata333:8888/hue/

注意:与HBase有关系的组件也需要全部启动,比如:启动hbase需要hdfs与zookeeper,所有这两个也需要启动

2.Phoenix集成

2.1 Phoenix介绍

可以把Phoenix理解为Hbase的查询引擎,phoenix,由saleforce.com开源的一个项目,后又捐给了Apache。它相当于一个Java中间件,帮助开发者,像使用jdbc访问关系型数据库一些,访问NoSql数据库HBase。

phoenix,操作的表及数据,存储在hbase上。phoenix只是需要和Hbase进行表关联起来。然后再用工具进行一些读或写操作。

其实,可以把Phoenix只看成一种代替HBase的语法的一个工具。虽然可以用java可以用jdbc来连接phoenix,然后操作HBase,但是在生产环境中,不可以用在OLTP中。在线事务处理的环境中,需要低延迟,而Phoenix在查询HBase时,虽然做了一些优化,但延迟还是不小。所以依然是用在OLAT中,再将结果返回存储下来。

2.2 安装

  1. 上传压缩包,并解压至module目录
   tar -zxvf apache-phoenix-4.14.1-HBase-1.2-bin.tar.gz -C /opt/module
   mv apache-phoenix-4.14.1-HBase-1.2-bin phoenix-4.14.1
  1. 配置环境变量
   vi /etc/profile
   
   #phoenix
   export PHOENIX_HOME=/opt/module/phoenix-4.14.1
   export PATH=$PATH:$PHOENIX_HOME/bin

source /etc/profile

  1. 将主节点的phoenix包传到从节点
   scp -r phoenix-4.14.1 root@bigdata13:/opt/module
   scp -r phoenix-4.14.1 root@bigdata12:/opt/module
  1. hbase-site.xml(注)三台都要
   cp hbase-site.xml /opt/module/phoenix-4.14.1/bin/
  1. 拷贝jar包(注)三台都要

    将如下两个jar包,目录在/opt/module/phoenix-4.14.1下,拷贝到hbase的lib目录,目录在/opt/module/hbase-1.3.1/lib/

   phoenix-4.10.0-HBase-1.2-server.jar
   phoenix-core-4.10.0-HBase-1.2.jar
  1. 启动
   sqlline.py bigdata111:2181

2.3 基本命令

  1. 展示表
   !table
  1. 创建表
   create table test(id integer not null primary key,name varchar);
   
   create table "Andy"(id integer not null primary key,name varchar);
  1. 删除表
   drop table test;
  1. 插入数据
   upsert into test values(1,'Andy');
   upsert into users(name) values('toms');
  1. 查询数据
   select * from test;
   
   scan 'test'
  1. 退出phoenix
   !q
  1. 删除数据
   delete from test where id=2;
  1. sum函数的使用
   select sum(id) from "Andy";
  1. 增加一列
   alter table "Andy" add address varchar;
  1. 删除一列
alter table "Andy" drop column address;

**其他语法详见:**http://phoenix.apache.org/language/index.html

2.4 表映射

  1. hbase中创建表
   create 'teacher','info','contact'
  1. 插入数据
   put 'teacher','1001','info:name','Jack'
   put 'teacher','1001','info:age','28'
   put 'teacher','1001','info:gender','male'
   put 'teacher','1001','contact:address','shanghai'
   put 'teacher','1001','contact:phone','13458646987'
   
   put 'teacher','1002','info:name','Jim'
   put 'teacher','1002','info:age','30'
   put 'teacher','1002','info:gender','male'
   put 'teacher','1002','contact:address','tianjian'
   put 'teacher','1002','contact:phone','13512436987'
  1. 在Phoenix创建映射表
   create view "teacher"(
   
   "ROW" varchar primary key,
   
   "contact"."address" varchar,
   
   "contact"."phone" varchar,
   
   "info"."age"  varchar,
   
   "info"."gender" varchar,
   
   "info"."name" varchar
   
   );
  1. 在Phoenix查找数据
   select * from "teacher";

相关文章