hadoop+spark+hive+mysql集群搭建过程

之前一直在local mode或伪分布式下学习spark大数据编程，一直没有尝试分布式集群。最近新分了机器，配置不错，想玩一下。

在参考了几篇博客，搜寻了一些资料后，成功地在虚拟机中搭建了1一个master和一个slave的分布式集群，slave的规模可以根据自己机器的配置，继续很方便地扩充，只需要复制已经搭建起来的slave节点即可。想快速体验或者不想折腾的可以给我发邮件我索取虚拟机文件（文件太大，不想上传到云盘了）。

搭建的基本过程在我参考的博客中有比较详细的叙述，我就不重复了，现在主要记录下原博客里不妥之处，自己摸索改进地方，以及自己的踩坑填坑过程。

1.创建虚拟机节点的操作系统我选的ubuntu14.04，一来比较熟悉它，二来它没有防火墙，在通信那块限制少点。创建Master节点时，建议用户名直接是hadoop，主机名为master。虚拟机的网络连接采用原博客里的桥接方式会无法联网（我的网络里还有IPV6），并且也不利于将来在物理节点上部署，所以我采用nat方式，经测试可以联通，效果很好。因为是同一个局域网，且采用了DHCP，节点IP租约到期后会重新分配IP，所以需要在集群运行前查看下节点IP和hosts文件里配置的是否一致。否则会产生 “no route to host”的错误。当然，可以关闭DHCP，这样每次就不需要改了。

2.在master节点上把hadoop环境配置好，如果已经在/etc/profile里设置了JAVA_HOME，但是仍然出现JAVA_HOME NOT found，在Hadoop-env.sh里面设置下JAVA_HOME.

3. 接着在master里把spark环境配好，然后先简单配置下hive，因为目前配置的hive是客户端hive，只需要设置下hive的安装路径，HIVE_HOME即可。，然后在虚拟机里把master导出，进行节点复制创建slave节点，记得修改下slave节点的主机名为slave1。

4.hive服务器是搭建在master上的，其他节点的hive客户端可以远程访问master节点上的hive服务。所以需要在master节点上继续配置hive。

5.master节点的hive服务器采用的mysql来存储metastore，所以需要在master上安装mysql服务，在ubuntu里可以一条命令解决：

sudo apt-get install mysql-server

不需要原博客里自行编译然后手动安装。

6.mysql服务需要开启远程服务，因为会有slave节点远程连接hive，而hive依赖mysql的远程连接。所以要修改/etc/mysql/my.cnf配置文件，去掉bind-address.并且在mysql里创建hive用户，host设置为%（也可以把需要连接mysql服务的主机节点都设置一遍，这样安全些，如果想简单，可以用%来通配）并且授予权限。这样就可以解决111的拒绝连接错误。

7.如果遇到mysql的113错误，那就以root用户进入mysql里，修改新建立的hive用户的密码，然后重启mysql。

8.可以用perror errorcode来查看错误的详细说明，这个很好。、

9.启动hive时，如果出现hiveServer：class not found。一般是hive版本的不同，导致启动命令不同。那就尝试下这个命令：bin/hive --service hiveserver2

10. 启动hive时，如果出现Getting MissingTableException: Required table missing VERSION错误，有两种解决方法，一种是在hive的配置文件里配置自动生成（可能不起效），另一种是手动初始化下，命令如下：bin/schematool -dbType mysql -initSchema

参考的博客：http://www.powerxing.com/install-hadoop-cluster/

http://wuchong.me/blog/2015/04/04/spark-on-yarn-cluster-deploy/

http://lxw1234.com/archives/2015/06/294.htm

以上博客写的不错，可以对照着把流程走一遍。

因为是搭建完后事后写的这篇博客，遇到的问题不一定都记录下来了，如果有问题，可以留言交流。