hadoop CDH4.4上Impala集群安装

hadoop-001     10.168.204.55  state-store, catalog, impalad

hadoop-002     10.168.204.56   impalad

hadoop-003     10.168.204.57   impalad

hadoop-004     10.168.204.58   impalad

版本: impala 1.2.1

一、安装impala

   每个节点上都要操作

   先安装依赖包bigtop-utils

wget -O /etc/yum.repos.d/bigtop.repo http://www.apache.org/dist/bigtop/bigtop-0.6.0/repos/centos6/bigtop.repo
sudo yum intall bigtop-utils

   再安装impala的包

rpm -ivh impala-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-server-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-debuginfo-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-state-store-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-shell-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-udf-devel-1.2.1-1.p0.1346.el6.x86_64.rpm 
rpm -ivh impala-catalog-1.2.1-1.p0.1346.el6.x86_64.rpm

所有的包都在:  http://archive.cloudera.com/impala/redhat/6/x86_64/impala/1.2.1/RPMS/x86_64/

二、配置

   1. hadoop配置

     在hdfs-site.xml添加配置

    dfs.client.read.shortcircuit
    true


    dfs.domain.socket.path
    /var/run/hadoop-hdfs/dn._PORT


    dfs.client.file-block-storage-locations.timeout
    3000


  dfs.datanode.hdfs-blocks-metadata.enabled
  true
 

针对配置中的路径，设置可写的权限

sudo mkdir -p /var/run/hadoop-hdfs
sudo usermod -a -G root hadoop
sudo chmod g+w /var/run/hadoop-hdfs
sudo chmod 775 /var/run/hadoop-hdfs

重启hadoop，会出现一个错误：

java.lang.RuntimeException: Although a UNIX domain socket path is configured as /var/run/hadoop-hdfs/dn._PORT, we cannot start a localDataXceiverServer because libhadoop cannot be loaded.

少了libhadoop.so，这个在/user/lib/impala/lib中有，copy至 hadoop/lib/native，然后在.bashrc中export CLASSPATH，在前一篇hadoop安装中的环境变量已设置。

或者直接cp 至/usr/java/jdk1.7.0_45/jre/lib/amd64/， 结果是一样的。

2.impala配置

将hadoop 的core-site.xml  hdfs-site.xml，以及hive的 hive-site.xml 复制至 /etc/impala/conf/下，因为impala用到hive的metastore，访问hive的数据库，也需要一个授权，因为这个环境中state-store和catalog都在 10.168.204.55上，hive已配置过。 如果服务器不同，需要额外的mysql授权配置。

修改 /etc/sudoers，将impala用户设置为sudoer用户，因为进程是以impala用户启动，为了避免一些权限问题，这个当然是不安全的，但是测试环境无所谓，如果要考虑安全问题，要设置  auth-policy.ini，详见：http://www.cloudera.com/content/cloudera-content/cloudera-docs/Impala/latest/Installing-and-Using-Impala/ciiu_security.html

 

三、启动

hadoop-001上启动state-store，catalog，impala进程。其它服务器只启动impala进程.

sudo service impala-state-store start
sudo service impala-catalog start
sudo service impala-server strart

查看/var/log/impala下的日志，发现catalog有错误：

java.lang.NoClassDefFoundError: org/datanucleus/NucleusContext

这是因为impala与hive用的datanucleus包版本不一致造成的，查看 /usr/lib/impala/lib 和hive/lib目录，hive用的是 

-rw-rw-r-- 1 hadoop hadoop  337012 Apr  5  2013 datanucleus-api-jdo-3.2.1.jar
-rw-rw-r-- 1 hadoop hadoop 1801810 Apr  5  2013 datanucleus-core-3.2.2.jar
-rw-rw-r-- 1 hadoop hadoop 1769726 Apr  5  2013 datanucleus-rdbms-3.2.1.jar

而impala用的是

-rw-r--r-- 1 root root  337012 Nov 22 15:47 datanucleus-api-jdo-3.2.1.jar
-rw-r--r-- 1 root root   16880 Nov 22 15:47 datanucleus-connectionpool-2.0.3.jar
-rw-r--r-- 1 root root 2002412 Nov 22 15:47 datanucleus-core-2.0.3.jar
-rw-r--r-- 1 root root  188159 Nov 22 15:47 datanucleus-enhancer-2.0.3.jar
-rw-r--r-- 1 root root 1225113 Nov 22 15:47 datanucleus-rdbms-2.0.3.jar

将hive的core和rdbms包copy过去，还要修改 /usr/bin/catalogd，因为里面是hardcode，找到这两个文件，改成对应的版本号。

还有一个问题是impala的catalogd也要用到mysql driver，而 /usr/bin/catalogd是这么写的

export MYSQL_CONNECTOR_JAR=${MYSQL_CONNECTOR_JAR:-/usr/share/java/mysql-connector-java.jar}

为了偷懒，将hive的mysql driver 复制一份到这个路径，并改名。

到此为止，impala 配置完成，确实有一些需要注意的地方。

Impala-shell进入命令行模式，show tables一下，对比hive蜗牛一般的速度，是不是瞬间爽了。

页面查看集群工作状态：

微博：http://weibo.com/kingjames3