Hive on Spark安裝配置詳解及避坑指南

個人主頁:http://www.linbingdong.com

簡介

本文主要記錄如何安裝配置Hive on Spark氧敢,在執(zhí)行以下步驟之前泞遗,請先確保已經(jīng)安裝Hadoop集群,Hive展懈,MySQL,JDK供璧,Scala存崖,具體安裝步驟不再贅述。

背景

Hive默認使用MapReduce作為執(zhí)行引擎睡毒,即Hive on mr来惧。實際上,Hive還可以使用Tez和Spark作為其執(zhí)行引擎演顾,分別為Hive on Tez和Hive on Spark供搀。由于MapReduce中間計算均需要寫入磁盤,而Spark是放在內(nèi)存中钠至,所以總體來講Spark比MapReduce快很多葛虐。因此,Hive on Spark也會比Hive on mr快棕洋。為了對比Hive on Spark和Hive on mr的速度挡闰,需要在已經(jīng)安裝了Hadoop集群的機器上安裝Spark集群(Spark集群是建立在Hadoop集群之上的,也就是需要先裝Hadoop集群掰盘,再裝Spark集群摄悯,因為Spark用了Hadoop的HDFS、YARN等)愧捕,然后把Hive的執(zhí)行引擎設(shè)置為Spark奢驯。

Spark運行模式分為三種1、Spark on YARN 2次绘、Standalone Mode 3瘪阁、Spark on Mesos。
Hive on Spark默認支持Spark on YARN模式邮偎,因此我們選擇Spark on YARN模式管跺。Spark on YARN就是使用YARN作為Spark的資源管理器。分為Cluster和Client兩種模式禾进。

一豁跑、環(huán)境說明

本教程Hadoop相關(guān)軟件全部基于CDH5.5.1,用yum安裝泻云,系統(tǒng)環(huán)境如下:

  • 操作系統(tǒng):CentOS 7.2
  • Hadoop 2.6.0
  • Hive1.1.0
  • Spark1.5.0
  • MySQL 5.6
  • JDK 1.8
  • Maven 3.3.3
  • Scala 2.10

各節(jié)點規(guī)劃如下:

192.168.117.51     Goblin01           nn1  jn1  rm1  worker  master  hive  metastore  mysql
192.168.117.52     Goblin02    zk2    nn2  jn2  rm2  worker          hive
192.168.117.53     Goblin03    zk3    dn1  jn3       worker          hive
192.168.117.54     Goblin04    zk4    dn2            worker          hive

說明:Goblin01~04是每臺機器的hostname艇拍,zk代表zookeeper狐蜕,nn代表hadoop的namenode,dn代表datanode卸夕,jn代表journalnode层释,rm代表resourcemanager,worker代表Spark的slaves快集,master代表Spark的master

二贡羔、編譯和安裝Spark(Spark on YARN)

2.1 編譯Spark源碼

要使用Hive on Spark,所用的Spark版本必須不包含Hive的相關(guān)jar包个初,hive on spark 的官網(wǎng)上說“Note that you must have a version of Spark which does not include the Hive jars”治力。在spark官網(wǎng)下載的編譯的Spark都是有集成Hive的,因此需要自己下載源碼來編譯勃黍,并且編譯的時候不指定Hive宵统。

我們這里用的Spark源碼是spark-1.5.0-cdh5.5.1版本,下載地址如下:

http://archive.cloudera.com/cdh5/cdh/5/spark-1.5.0-cdh5.5.1-src.tar.gz

下載完后用 tar xzvf 命令解壓,進入解壓完的文件夾覆获,準(zhǔn)備編譯马澈。

注意:編譯前請確保已經(jīng)安裝JDK、Maven和Scala弄息,maven為3.3.3及以上版本痊班,并在/etc/profile里配置環(huán)境變量。

命令行進入在源碼根目錄下摹量,執(zhí)行

  ./make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.6,parquet-provided"

若編譯過程出現(xiàn)內(nèi)存不足的情況涤伐,需要在運行編譯命令之前先運行:

export MAVEN_OPTS="-Xmx2g -XX:MaxPermSize=512M -XX:ReservedCodeCacheSize=512m"

來設(shè)置Maven的內(nèi)存。

編譯過程由于要下載很多Maven依賴的jar包缨称,需要時間較長(大概一兩個小時)凝果,要保證網(wǎng)絡(luò)狀況良好,不然很容易編譯失敗睦尽。若出現(xiàn)以下結(jié)果器净,則編譯成功:

編譯成功.jpg

編譯成功后,會在源碼根目錄下多出一個文件(紅色部分):

spark-1.5.0-cdh5.5.1-bin-hadoop2-without-hive.tgz

編譯完生成的文件.png

2.2 安裝Spark

  • 將編譯完生成的spark-1.5.0-cdh5.5.1-bin-hadoop2-without-hive.tgz拷貝到Spark的安裝路徑当凡,并用 tar -xzvf 命令解壓

  • 配置環(huán)境變量

    $vim /etc/profile
    export SPARK_HOME=spark安裝路徑
    $source /etc/profile
    

2.3 配置Spark

配置spark-env.sh山害、slaves和spark-defaults.conf三個文件

  • spark-env.sh

主要配置JAVA\_HOME、SCALA\_HOME沿量、HADOOP\_HOME浪慌、HADOOP\_CONF\_DIR、SPARK\_MASTER\_IP等

export JAVA_HOME=/usr/lib/jvm/java
export SCALA_HOME=/root/scala
export HADOOP_HOME=/usr/lib/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop 
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_LAUNCH_WITH_SCALA=0
export SPARK_WORKER_MEMORY=1g
export SPARK_DRIVER_MEMORY=1g
export SPARK_MASTER_IP=192.168.117.51
export SPARK_LIBRARY_PATH=/root/spark-without-hive/lib
export SPARK_MASTER_WEBUI_PORT=18080
export SPARK_WORKER_DIR=/root/spark-without-hive/work
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_PORT=7078
export SPARK_LOG_DIR=/root/spark-without-hive/log
export SPARK_PID_DIR='/root/spark-without-hive/run'
  • slaves(將所有節(jié)點都加入朴则,master節(jié)點同時也是worker節(jié)點)
Goblin01
Goblin02
Goblin03
Goblin04
  • spark-defaults.conf
 spark.master                     yarn-cluster
 spark.home                       /root/spark-without-hive
 spark.eventLog.enabled           true
 spark.eventLog.dir               hdfs://Goblin01:8020/spark-log
 spark.serializer                 org.apache.spark.serializer.KryoSerializer
 spark.executor.memory            1g
 spark.driver.memory              1g
 spark.executor.extraJavaOptions  -XX:+PrintGCDetails -Dkey=value -Dnumbers="one two three"

spark.master指定Spark運行模式权纤,可以是yarn-client、yarn-cluster...

spark.home指定SPARK_HOME路徑

spark.eventLog.enabled需要設(shè)為true

spark.eventLog.dir指定路徑,放在master節(jié)點的hdfs中妖碉,端口要跟hdfs設(shè)置的端口一致(默認為8020),否則會報錯

spark.executor.memory和spark.driver.memory指定executor和dirver的內(nèi)存芥被,512m或1g欧宜,既不能太大也不能太小,因為太小運行不了拴魄,太大又會影響其他服務(wù)

三冗茸、配置YARN

配置yarn-site.xml,跟hdfs-site.xml在同一個路徑下($HADOOP_HOME/etc/hadoop)

<property>
  <name>yarn.resourcemanager.scheduler.class</name>
  <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
</property>

四匹中、配置Hive

  • 添加spark依賴到hive(將spark-assembly-1.5.0-cdh5.5.1-hadoop2.6.0.jar拷貝到$HIVE\_HOME/lib目錄下)

進入SPARK\_HOME

cp spark-assembly-1.5.0-cdh5.5.1-hadoop2.6.0.jar /usr/lib/hive/lib
  • 配置hive-site.xml

配置的內(nèi)容與spark-defaults.conf相同夏漱,只是形式不一樣,以下內(nèi)容是追加到hive-site.xml文件中的,并且注意前兩個配置,如果不設(shè)置hive的spark引擎用不了顶捷,在后面會有詳細的錯誤說明挂绰。


<property>
  <name>hive.execution.engine</name>
  <value>spark</value>
</property>

<property>
  <name>hive.enable.spark.execution.engine</name>
  <value>true</value>
</property>

<property>
  <name>spark.home</name>
  <value>/root/spark-without-hive</value>
</property>
<property>
  <name>spark.master</name>
  <value>yarn-client</value>
</property>
<property>
  <name>spark.enentLog.enabled</name>
  <value>true</value>
</property>
<property>
  <name>spark.enentLog.dir</name>
  <value>hdfs://Goblin01:8020/spark-log</value>
</property>
<property>
  <name>spark.serializer</name>
  <value>org.apache.spark.serializer.KryoSerializer</value>
</property>
<property>
  <name>spark.executor.memeory</name>
  <value>1g</value>
</property>
<property>
  <name>spark.driver.memeory</name>
  <value>1g</value>
</property>
<property>
  <name>spark.executor.extraJavaOptions</name>
  <value>-XX:+PrintGCDetails -Dkey=value -Dnumbers="one two three"</value>
</property>

五、驗證是否安裝配置成功

1.驗證Spark集群

注意:在啟動Spark集群之前服赎,要確保Hadoop集群和YARN均已啟動

  • 進入$SPARK_HOME目錄葵蒂,執(zhí)行:
./sbin/start-all.sh

用jps命令查看51節(jié)點上的master和worker,52重虑、53践付、54節(jié)點上的worker是否都啟動了

  • 同樣在$SPARK_HOME目錄下,提交計算Pi的任務(wù)缺厉,驗證Spark集群是否能正常工作永高,運行如下命令
./bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client lib/spark-examples-1.5.0-cdh5.5.1-hadoop2.6.0.jar 10

若無報錯,并且算出Pi的值提针,說明Spark集群能正常工作

2.驗證Hive on Spark是否可用

  • 命令行輸入 hive命爬,進入hive CLI
  • set hive.execution.engine=spark; (將執(zhí)行引擎設(shè)為Spark,默認是mr辐脖,退出hive CLI后遇骑,回到默認設(shè)置。若想讓引擎默認為Spark揖曾,需要在hive-site.xml里設(shè)置)
  • create table test(ts BIGINT,line STRING); (創(chuàng)建表)
  • select count(*) from test;
  • 若整個過程沒有報錯落萎,并出現(xiàn)正確結(jié)果,則Hive on Spark配置成功炭剪。

六练链、遇到的問題

0

編譯spark基于maven有兩種方式

  • 用mvn 命令編譯
./build/mvn -Pyarn -Phadoop-2.6 -Dhadoop.version=2.6.0 -DskipTests clean package 

編譯到倒數(shù)MQTT模塊一直報錯,而且編譯出的文件比較大奴拦,不適合安裝集群媒鼓,因此不推薦。使用Intellij IDEA maven 插件報錯如下:

spark-build-fail.png
  • 使用spark提供的預(yù)編譯腳本,網(wǎng)絡(luò)狀況穩(wěn)定绿鸣,會編譯出需要的安裝版本疚沐,推薦。命令
./make-distribution.sh --name "hadoop2-without-hive" --tgz "-Pyarn,hadoop-provided,hadoop-2.6,parquet-provided"

結(jié)果如上文所述潮模。

1

運行:

./bin/spark-submit --class org.apache.spark.examples.SparkPi  --master yarn  lib/spark-examples-1.5.0-cdh5.5.1-hadoop2.6.0.jar 10

報錯:

spark-fail.png

原因:

hdfs的默認端口為8020 亮蛔,而我們在spark-default.conf中配置成了8021端口,導(dǎo)致連接不上HDFS報錯

spark.eventLog.enabled           true
spark.eventLog.dir              hdfs://Goblin01:8021/spark-log

解決:

配置spark-default.conf中的spark.eventLog.dir 為本地路徑擎厢,也就是不持久化日志到hdfs上究流,也就沒有和hdfs的通行

or

spark-default.conf 注釋掉 spark.eventLog.enabled true

or

在spark-default.conf里配置的eventLog端口跟hdfs的默認端口(8020)一致

or

由于配置的hdfs是高可用的,51,52都可以作為namenode,我們的spark集群的主節(jié)點在51上动遭,當(dāng)51上的namenode變成standby芬探,導(dǎo)致無法訪問hdfs的8020端口(hdfs默認端口),也就是說在51上讀不出hdfs上spark-log的內(nèi)容厘惦,在spark-default.conf中配置為spark.eventLog.dir hdfs://Goblin01:8021/spark-log偷仿,如果發(fā)生這種情況,直接kill掉52宵蕉,讓namenode只在51上運行炎疆。(這個后面要搭建spark的高可用模式解決)

2

運行:

在hive里設(shè)置引擎為spark,執(zhí)行select count(*) from a;

報錯:

Failed to execute spark task, with exception 'org.apache.hadoop.hive.ql.metadata.HiveException(Unsupported execution engine: Spark. Please set hive.execution.engine=mr)'

解決:

這是因為CDH版的Hive默認運行支持Hive on Spark(By default, Hive on Spark is not enabled).

需要用cloudera manager(cloudera官網(wǎng)給的的方法国裳,但是要裝cloudera manager形入,比較麻煩,不建議)

Go to the Hive service.
Click the Configuration tab.
Enter Enable Hive on Sparkin the Search field.
Check the box for Enable Hive on Spark (Unsupported).
Locate the Spark On YARN Service and click SPARK_ON_YARN.
Click Save Changes to commit the changes.

或者

在hive-site.xml添加配置(簡單缝左、推薦)

<property>
<name>hive.enable.spark.execution.engine</name>
<value>true</value>
</property>

3

終端輸入hive無法啟動hive CLI

原因:namenode掛了

解決:重啟namenode

4

運行:

./bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client lib/spark-examples-1.5.0-cdh5.5.1-hadoop2.6.0.jar 10

問題:

沒有報錯亿遂,但是出現(xiàn)以下情況,停不下來

停不下來.png

原因:

  1. ResourceManager或者NodeManager掛掉渺杉,一直沒有NodeManager響應(yīng)蛇数,任務(wù)無法執(zhí)行,所有停不下來是越。
  2. 還有一種情況是spark有別的application在運行耳舅,導(dǎo)致本次spark任務(wù)的等待或者失敗

解決:

  1. 對于原因1,重啟ResourceManager和NodeManager倚评。
service hadoop-yarn-resourcemanager start;
service hadoop-yarn-nodemanager start;
  1. 對于原因2浦徊,解決辦法是在hadoop配置文件中設(shè)置yarn的并行度,在/etc/hadoop/conf/capacity-scheduler.xml文件中配置yarn.scheduler.capacity.maximum-am-resource-percent from 0.1 to 0.5
 <property>
    <name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
    <value>0.5</value>
    <description>
      Maximum percent of resources in the cluster which can be used to run
      application masters i.e. controls number of concurrent running
      applications.
    </description>
  </property>

參考資料

可進入我的博客查看原文

FullStackPlan

歡迎關(guān)注公眾號: FullStackPlan 獲取更多干貨哦~

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末天梧,一起剝皮案震驚了整個濱河市盔性,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌呢岗,老刑警劉巖冕香,帶你破解...
    沈念sama閱讀 217,509評論 6 504
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件蛹尝,死亡現(xiàn)場離奇詭異,居然都是意外死亡悉尾,警方通過查閱死者的電腦和手機突那,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,806評論 3 394
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來构眯,“玉大人愕难,你說我怎么就攤上這事⊥依担” “怎么了?”我有些...
    開封第一講書人閱讀 163,875評論 0 354
  • 文/不壞的土叔 我叫張陵拄衰,是天一觀的道長它褪。 經(jīng)常有香客問我,道長翘悉,這世上最難降的妖魔是什么茫打? 我笑而不...
    開封第一講書人閱讀 58,441評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮妖混,結(jié)果婚禮上老赤,老公的妹妹穿的比我還像新娘。我一直安慰自己制市,他們只是感情好抬旺,可當(dāng)我...
    茶點故事閱讀 67,488評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著祥楣,像睡著了一般开财。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上误褪,一...
    開封第一講書人閱讀 51,365評論 1 302
  • 那天责鳍,我揣著相機與錄音,去河邊找鬼兽间。 笑死历葛,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的嘀略。 我是一名探鬼主播恤溶,決...
    沈念sama閱讀 40,190評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼帜羊!你這毒婦竟也來了宏娄?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,062評論 0 276
  • 序言:老撾萬榮一對情侶失蹤逮壁,失蹤者是張志新(化名)和其女友劉穎孵坚,沒想到半個月后粮宛,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,500評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡卖宠,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,706評論 3 335
  • 正文 我和宋清朗相戀三年巍杈,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片扛伍。...
    茶點故事閱讀 39,834評論 1 347
  • 序言:一個原本活蹦亂跳的男人離奇死亡筷畦,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出刺洒,到底是詐尸還是另有隱情鳖宾,我是刑警寧澤,帶...
    沈念sama閱讀 35,559評論 5 345
  • 正文 年R本政府宣布逆航,位于F島的核電站鼎文,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏因俐。R本人自食惡果不足惜拇惋,卻給世界環(huán)境...
    茶點故事閱讀 41,167評論 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望抹剩。 院中可真熱鬧撑帖,春花似錦、人聲如沸澳眷。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,779評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽钳踊。三九已至灶平,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間箍土,已是汗流浹背逢享。 一陣腳步聲響...
    開封第一講書人閱讀 32,912評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留吴藻,地道東北人瞒爬。 一個月前我還...
    沈念sama閱讀 47,958評論 2 370
  • 正文 我出身青樓,卻偏偏與公主長得像沟堡,于是被迫代替她去往敵國和親侧但。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,779評論 2 354

推薦閱讀更多精彩內(nèi)容