大数据生态系统


大数据方向的工作目前主要分为三个主要方向:

  1. 大数据工程师
  2. 数据分析师
  3. 大数据科学家
  4. 其他(数据挖掘等)

二、大数据工程师的技能要求

附上大数据工程师技能图:

enter image description here

必须掌握的技能11条

  1. Java高级(虚拟机、并发)
  2. Linux 基本操作
  3. Hadoop(HDFS+MapReduce+Yarn )
  4. HBase(JavaAPI操作+Phoenix )
  5. Hive(Hql基本操作和原理理解)
  6. Kafka
  7. Storm/JStorm
  8. Scala
  9. Python
  10. Spark (Core+sparksql+Spark streaming )
  11. 辅助小工具(Sqoop/Flume/Oozie/Hue等)

高阶技能6条

  1. 机器学习算法以及mahout库加MLlib
  2. R语言
  3. Lambda 架构
  4. Kappa架构
  5. Kylin
  6. Alluxio

三、学习路径

假设每天可以抽出3个小时的有效学习时间,加上周末每天保证10个小时的有效学习时间;

3个月会有(21*3+4*2*10)*3=423小时的学习时间。

第一阶段(基础阶段)

1)Linux学习(跟鸟哥学就ok了)—–20小时

  1. Linux操作系统介绍与安装。
  2. Linux常用命令。
  3. Linux常用软件安装。
  4. Linux网络。
  5. 防火墙。
  6. Shell编程等。

官网:https://www.centos.org/download/ 
中文社区:http://www.linuxidc.com/Linux/2017-09/146919.htm

2)Java 高级学习(《深入理解Java虚拟机》、《Java高并发实战》)—30小时

  1. 掌握多线程。
  2. 掌握并发包下的队列。
  3. 了解JMS。
  4. 掌握JVM技术。
  5. 掌握反射和动态代理。

官网:https://www.java.com/zh_CN/ 
中文社区:http://www.java-cn.com/index.html

3)Zookeeper学习(可以参照这篇博客进行学习:http://www.cnblogs.com/wuxl360/p/5817471.html)

  1. Zookeeper分布式协调服务介绍。
  2. Zookeeper集群的安装部署。
  3. Zookeeper数据结构、命令。
  4. Zookeeper的原理以及选举机制。

官网:http://zookeeper.apache.org/ 
中文社区:http://www.aboutyun.com/forum-149-1.html

第二阶段(攻坚阶段)

4)Hadoop (《Hadoop 权威指南》)—80小时

  1. HDFS

    • HDFS的概念和特性。
    • HDFS的shell操作。
    • HDFS的工作机制。
    • HDFS的Java应用开发。
  2. MapReduce

    • 运行WordCount示例程序。
    • 了解MapReduce内部的运行机制。 
      • MapReduce程序运行流程解析。
      • MapTask并发数的决定机制。
      • MapReduce中的combiner组件应用。
      • MapReduce中的序列化框架及应用。
      • MapReduce中的排序。
      • MapReduce中的自定义分区实现。
      • MapReduce的shuffle机制。
      • MapReduce利用数据压缩进行优化。
      • MapReduce程序与YARN之间的关系。
      • MapReduce参数优化。
  3. MapReduce的Java应用开发

官网:http://hadoop.apache.org/ 
中文文档:http://hadoop.apache.org/docs/r1.0.4/cn/ 
中文社区:http://www.aboutyun.com/forum-143-1.html

5)Hive(《Hive开发指南》)–20小时

  1. Hive 基本概念

    • Hive 应用场景。
    • Hive 与hadoop的关系。
    • Hive 与传统数据库对比。
    • Hive 的数据存储机制。
  2. Hive 基本操作

    • Hive 中的DDL操作。
    • 在Hive 中如何实现高效的JOIN查询。
    • Hive 的内置函数应用。
    • Hive shell的高级使用方式。
    • Hive 常用参数配置。
    • Hive 自定义函数和Transform的使用技巧。
    • Hive UDF/UDAF开发实例。
  3. Hive 执行过程分析及优化策略

官网:https://hive.apache.org/ 
中文入门文档:http://www.aboutyun.com/thread-11873-1-1.html 
中文社区:http://www.aboutyun.com/thread-7598-1-1.html

6)HBase(《HBase权威指南》)—20小时

  1. hbase简介。
  2. habse安装。
  3. hbase数据模型。
  4. hbase命令。
  5. hbase开发。
  6. hbase原理。

官网:http://hbase.apache.org/ 
中文文档:http://abloz.com/hbase/book.html 
中文社区:http://www.aboutyun.com/forum-142-1.html

7)Scala(《快学Scala》)–20小时

  1. Scala概述。
  2. Scala编译器安装。
  3. Scala基础。
  4. 数组、映射、元组、集合。
  5. 类、对象、继承、特质。
  6. 模式匹配和样例类。
  7. 了解Scala Actor并发编程。
  8. 理解Akka。
  9. 理解Scala高阶函数。
  10. 理解Scala隐式转换。

官网:http://www.scala-lang.org/ 
初级中文教程:http://www.runoob.com/scala/scala-tutorial.html

8)Spark (《Spark 权威指南》)—60小时

enter image description here

  1. Spark core

    • Spark概述。
    • Spark集群安装。
    • 执行第一个Spark案例程序(求PI)。
  2. RDD

    enter image description here

    • RDD概述。
    • 创建RDD。
    • RDD编程API(Transformation 和 Action Operations)。
    • RDD的依赖关系
    • RDD的缓存
    • DAG(有向无环图)
  3. Spark SQL and DataFrame/DataSet

    enter image description here

    • Spark SQL概述。
    • DataFrames。
    • DataFrame常用操作。
    • 编写Spark SQL查询程序。
  4. Spark Streaming

    enter image description here

    enter image description here

    • park Streaming概述。
    • 理解DStream。
    • DStream相关操作(Transformations 和 Output Operations)。
  5. Structured Streaming

  6. 其他(MLlib and GraphX )

这个部分一般工作中如果不是数据挖掘,机器学习一般用不到,可以等到需要用到的时候再深入学习。

官网:http://spark.apache.org 
中文文档(但是版本有点老):https://www.gitbook.com/book/aiyanbo/spark-programming-guide-zh-cn/details 
中文社区:http://www.aboutyun.com/forum-146-1.html

9)Python (推荐廖雪峰的博客—30小时

10)自己用虚拟机搭建一个集群,把所有工具都装上,自己开发一个小demo —30小时

可以自己用VMware搭建4台虚拟机,然后安装以上软件,搭建一个小集群(本人亲测,I7,64位,16G内存,完全可以运行起来,以下附上我学习时用虚拟机搭建集群的操作文档)


集群搭建文档1.0版本

1. 集群规划

enter image description here

所有需要用到的软件:

链接:http://pan.baidu.com/s/1jIlAz2Y 
密码:kyxl

2. 前期准备

  1. 2.0 系统安装
  2. 2.1 主机名配置
  3. 2.1.0 vi /etc/sysconfig/network
  4. NETWORKING=yes
  5. 2.1.1 vi /etc/sysconfig/network
  6. NETWORKING=yes
  7. HOSTNAME=ys02
  8. 2.1.2 vi /etc/sysconfig/network
  9. NETWORKING=yes
  10. 2.1.3 vi /etc/sysconfig/network
  11. NETWORKING=yes
  12. HOSTNAME=ys04
  13. 2.2 host文件修改
  14. 2.2.0 vi /etc/hosts
  15. 10.1.1.149 ys01
  16. 10.1.1.148 ys02
  17. 10.1.1.146 ys03
  18. 10.1.1.145 ys04
  19. 2.3 关闭防火墙(centos 7默认使用的是firewall,centos 6 默认是iptables)
  20. 2.3.0 systemctl stop firewalld.service (停止firewall)
  21. 2.3 .1 systemctl disable firewalld.service (禁止firewall开机启动)
  22. 2.3 .2 firewall-cmd --state (查看默认防火墙状态(关闭后显示notrunning,开启后显示running)
  23. 2.4 免密登录(ys01 ->ys02, 03, 04)
  24. ssh-keygen -t rsa
  25. ssh-copy- id ys02(随后输入密码)
  26. ssh-copy- id ys03(随后输入密码)
  27. ssh-copy- id ys04(随后输入密码)
  28. ssh ys02(测试是否成功)
  29. ssh ys03(测试是否成功)
  30. ssh ys04(测试是否成功)
  31. 2.5 系统时区与时间同步
  32. tzselect(生成日期文件)
  33. cp /usr/ share/zoneinfo/Asia/Shanghai /etc/ localtime(将日期文件copy到本地时间中)

3. 软件安装

  1. 3.0 安装目录规划(软件为所有用户公用)
  2. 3.0.0所有软件的安装放到/usr/ local/ys/soft目录下(mkdir /usr/ local/ys/soft)
  3. 3.0.1所有软件安装到/usr/ local/ys/app目录下(mkdir /usr/ local/ys/app)
  4. 3.1 JDK(jdk1.7)安装
  5. 3.1.1 alt+p 后出现sftp窗口, cd /usr/ local/ys/soft,使用sftp上传tar包到虚机ys01的/usr/ local/ys/soft目录下
  6. 3.1.2解压jdk
  7. cd /usr/ local/ys/soft
  8. #解压
  9. tar -zxvf jdk-7u80-linux-x64.tar.gz -C /usr/ local/ys/app
  10. 3.1.3将java添加到环境变量中
  11. vim /etc/profile
  12. #在文件最后添加
  13. export JAVA_HOME= /usr/ local/ys/app/ jdk-7u80
  14. export PATH= $PATH: $JAVA_HOME/bin
  15. 3.1.4 刷新配置
  16. source /etc/profile
  17. 3.2 Zookeeper安装
  18. 3.2.0解压
  19. tar -zxvf zookeeper-3.4.5.tar.gz -C /usr/ local/ys/app(解压)
  20. 3.2.1 重命名
  21. mv zookeeper-3.4.5 zookeeper(重命名文件夹zookeeper-3.4.5为zookeeper)
  22. 3.2.2修改环境变量
  23. vi /etc/profile(修改文件)
  24. 添加内容:
  25. export ZOOKEEPER_HOME=/usr/ local/ys/app/zookeeper
  26. export PATH= $PATH: $ZOOKEEPER_HOME/bin
  27. 3.2.3 重新编译文件:
  28. source /etc/profile
  29. 注意:3台zookeeper都需要修改
  30. 3.2.4修改配置文件
  31. cd zookeeper/conf
  32. cp zoo_sample.cfg zoo.cfg
  33. vi zoo.cfg
  34. 添加内容:
  35. dataDir=/usr/ local/ys/app/zookeeper/data
  36. dataLogDir=/usr/ local/ys/app/zookeeper/ log
  37. server.1=ys01:2888:3888 (主机名, 心跳端口、数据端口)
  38. server.2=ys02:2888:3888
  39. server.3=ys04:2888:3888
  40. 3.2.5 创建文件夹
  41. cd /usr/ local/ys/app/zookeeper/
  42. mkdir -m 755 data
  43. mkdir -m 755 log
  44. 3.2.6 在data文件夹下新建myid文件,myid的文件内容为:
  45. cd data
  46. vi myid
  47. 添加内容:
  48. 1
  49. 将集群下发到其他机器上
  50. scp -r /usr/ local/ys/app/zookeeper ys02:/usr/ local/ys/app/
  51. scp -r /usr/ local/ys/app/zookeeper ys04:/usr/ local/ys/app/
  52. 3.2.7修改其他机器的配置文件
  53. 到ys02上:修改myid为:2
  54. 到ys02上:修改myid为:3
  55. 3.2.8启动(每台机器)
  56. zkServer.sh start
  57. 查看集群状态
  58. jps(查看进程)
  59. zkServer.sh status(查看集群状态,主从信息)
  60. 3.3 Hadoop(HDFS+Yarn)
  61. 3.3.0 alt+p 后出现sftp窗口,使用sftp上传tar包到虚机ys01的/usr/ local/ys/soft目录下
  62. 3.3.1 解压jdk
  63. cd /usr/ local/ys/soft
  64. #解压
  65. tar -zxvf cenos-7-hadoop-2.6.4.tar.gz -C /usr/ local/ys/app
  66. 3.3.2 修改配置文件
  67. core-site.xml

enter image description here

hdfs-site.xml

enter image description here

enter image description here

enter image description here

enter image description here

enter image description here

yarn-sifite.xml

enter image description here

  1. svales
  2. ys02
  3. ys03
  4. ys04
  5. 3.3.3集群启动(严格按照下面的步骤)
  6. 3.3.3.1启动zookeeper集群(分别在ys01、ys02、ys04上启动zk)
  7. cd /usr/ local/ys/app/zookeeper-3.4.5/bin/
  8. ./zkServer.sh start
  9. #查看状态:一个leader,两个follower
  10. ./zkServer.sh status
  11. 3.3.3.2启动journalnode(分别在在mini5、mini6、mini7上执行)
  12. cd /usr/ local/ys/app/hadoop-2.6.4
  13. sbin/hadoop-daemon.sh start journalnode
  14. #运行jps命令检验,ys02、ys03、ys04上多了JournalNode进程
  15. 3.3.3.3格式化HDFS
  16. #在ys01上执行命令:
  17. hdfs namenode -format
  18. #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件,这里我配置的是/usr/local/ys/app/hadoop-2.6.4/tmp,然后将/usr/local/ys/app/hadoop-2.6.4/tmp拷贝到ys02的/usr/local/ys/app/hadoop-2.6.4/下。
  19. scp -r tmp/ ys02:/usr/ local/ys /app/hadoop-2.6.4/
  20. ##也可以这样,建议hdfs namenode -bootstrapStandby
  21. 3.3.3.4格式化ZKFC(在ys01上执行一次即可)
  22. hdfs zkfc -formatZK
  23. 3.3.3.5启动HDFS(在ys01上执行)
  24. sbin/start-dfs.sh
  25. 3.3.3.6启动YARN
  26. sbin/start-yarn.sh
  27. 3.3MySQL-5.6安装
  28. 略过
  29. 3.4 Hive
  30. 3.4.1 alt+p 后出现sftp窗口, cd /usr/ local/ys/soft,使用sftp上传tar包到虚机ys01的/usr/ local/ys/soft目录下
  31. 3.4.2解压
  32. cd /usr/ local/ys/soft
  33. tar -zxvf hive-0.9.0.tar.gz -C /usr/ local/ys/app
  34. 3.4.3 .配置hive
  35. 3.4.3.1配置HIVE_HOME环境变量 vi conf/hive-env.sh 配置其中的 $hadoop_home
  36. 3.4.3.2配置元数据库信息 vi hive-site.xml

添加如下内容:

enter image description here

enter image description here

  1. 3.4.4 安装hive和mysq完成后,将mysql的连接jar包拷贝到 $HIVE_HOME/lib目录下
  2. 如果出现没有权限的问题,在mysql授权(在安装mysql的机器上执行)
  3. mysql -uroot -p
  4. #(执行下面的语句 *.*:所有库下的所有表 %:任何IP地址或主机都可以连接)
  5. GRANT ALL PRIVILEGES ON *.* TO 'root'@ '%' IDENTIFIED BY 'root' WITH GRANT OPTION;
  6. FLUSH PRIVILEGES;
  7. 3.4.5 Jline包版本不一致的问题,需要拷贝hive的lib目录中jline.2.12.jar的jar包替换掉hadoop中的 /usr/ local/ys/app/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar
  8. 3.4.6启动hive
  9. bin/hive
  10. 3.5 Kafka
  11. 3.5.1 下载安装包
  12. http://kafka.apache.org/downloads.html
  13. 在linux中使用wget命令下载安装包
  14. wget http://mirrors.hust.edu.cn/apache/kafka/0.8.2.2/kafka_2.11-0.8.2.2.tgz
  15. 3.5.2 解压安装包
  16. tar -zxvf /usr/ local/ys/soft/kafka_2.11-0.8.2.2.tgz -C /usr/ local/ys/app/
  17. cd /usr/ local/ys/app/
  18. ln -s kafka_2.11-0.8.2.2 kafka
  19. 3.5.3 修改配置文件
  20. cp
  21. /usr/ local/ys/app/kafka/config/server.properties
  22. /usr/ local/ys/app/kafka/config/server.properties.bak
  23. vi /usr/ local/ys/kafka/config/server.properties

输入以下内容:

enter image description here

  1. 3.5.4 分发安装包
  2. scp -r /usr/ local/ys/app/kafka_2.11-0.8.2.2 ys02: /usr/ local/ys/app/
  3. scp -r /usr/ local/ys/app/kafka_2.11-0.8.2.2 ys03: /usr/ local/ys/app/
  4. scp -r /usr/ local/ys/app/kafka_2.11-0.8.2.2 ys04: /usr/ local/ys/app/
  5. 然后分别在各机器上创建软连
  6. cd /usr/ local/ys/app/
  7. ln -s kafka_2.11-0.8.2.2 kafka
  8. 3.5.5 再次修改配置文件(重要)
  9. 依次修改各服务器上配置文件的的broker.id,分别是0,1,2不得重复。
  10. 3.5.6 启动集群
  11. 依次在各节点上启动kafka
  12. bin/kafka-server-start.sh config/server.properties
  13. 3.6 Spark
  14. 3.6.1 alt+p 后出现sftp窗口, cd /usr/ local/ys/soft,使用sftp上传tar包到虚机ys01的/usr/ local/ys/soft目录下
  15. 3.6.2 解压安装包
  16. tar -zxvf /usr/ local/ys/soft/ spark-1.6.1-bin-hadoop2.6.tgz -C /usr/ local/ys/app/
  17. 3.6.3 修改Spark配置文件(两个配置文件spark-env.sh和slaves)
  18. cd /usr/ local/ys/soft/spark-1.6.1-bin-hadoop2.6
  19. 进入conf目录并重命名并修改spark-env.sh.template文件
  20. cd conf/
  21. mv spark-env.sh.template spark-env.sh
  22. vi spark-env.sh
  23. 在该配置文件中添加如下配置
  24. export JAVA_HOME=/usr/java/jdk1.7.0_45
  25. export SPARK_MASTER_PORT=7077
  26. export SPARK_DAEMON_JAVA_OPTS= "-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=ys01,ys02,ys04 -Dspark.deploy.zookeeper.dir=/spark"
  27. 保存退出
  28. 重命名并修改slaves.template文件
  29. mv slaves.template slaves
  30. vi slaves
  31. 在该文件中添加子节点所在的位置(Worker节点)
  32. Ys02
  33. Ys03
  34. Ys04
  35. 保存退出
  36. 3.6.4 将配置好的Spark拷贝到其他节点上
  37. scp -r spark-1.6.1-in-hadoop2.6/ ys02:/usr/ local/ys/app
  38. scp -r spark-1.6.1-bin-hadoop2.6/ ys03:/usr/ local/ys/app
  39. scp -r spark-1.6.1-bin-hadoop2.6/ ys04:/usr/ local/ys/app
  40. 3.6.5 集群启动
  41. 在ys01上执行sbin/start-all.sh脚本
  42. 然后在ys02上执行sbin/start-master.sh启动第二个Master
  43. 3.7 Azkaban
  44. 3.7.1 azkaban web服务器安装
  45. 解压azkaban-web-server-2.5.0.tar.gz
  46. 命令: tar –zxvf /usr/ local/ys/soft/azkaban-web-server-2.5.0.tar.gz -C /usr/ local/ys/app/azkaban
  47. 将解压后的azkaban-web-server-2.5.0 移动到 azkaban目录中,并重新命名 webserver
  48. 命令: mv azkaban-web-server-2.5.0 ../azkaban
  49. cd ../azkaban
  50. mv azkaban-web-server-2.5.0 webserver
  51. 3.7.2 azkaban 执行服器安装
  52. 解压azkaban-executor-server-2.5.0.tar.gz
  53. 命令:tar –zxvf /usr/ local/ys/soft/azkaban-executor-server-2.5.0.tar.gz -C /usr/ local/ys/app/azkaban
  54. 将解压后的azkaban-executor-server-2.5.0 移动到 azkaban目录中,并重新命名 executor
  55. 命令:mv azkaban-executor-server-2.5.0 ../azkaban
  56. cd ../azkaban
  57. mv azkaban-executor-server-2.5.0 executor
  58. 3.7.3 azkaban脚本导入
  59. 解压: azkaban-sql-script-2.5.0.tar.gz
  60. 命令:tar –zxvf azkaban-sql-script-2.5.0.tar.gz
  61. 将解压后的mysql 脚本,导入到mysql中:
  62. 进入mysql
  63. mysql> create database azkaban;
  64. mysql> use azkaban;
  65. Database changed
  66. mysql> source /usr/ local/ys/soft/azkaban-2.5.0/create-all-sql-2.5.0.sql;
  67. 3.7.4 创建SSL配置
  68. 参考地址: http://docs.codehaus.org/display/JETTY/How+to+configure+SSL
  69. 命令: keytool -keystore keystore - alias jetty -genkey -keyalg RSA
  70. 运行此命令后,会提示输入当前生成 keystor的密码及相应信息,输入的密码请劳记,信息如下(此处我输入的密码为:123456)
  71. 输入keystore密码:
  72. 再次输入新密码:
  73. 您的名字与姓氏是什么?
  74. [Unknown]:
  75. 您的组织单位名称是什么?
  76. [Unknown]:
  77. 您的组织名称是什么?
  78. [Unknown]:
  79. 您所在的城市或区域名称是什么?
  80. [Unknown]:
  81. 您所在的州或省份名称是什么?
  82. [Unknown]:
  83. 该单位的两字母国家代码是什么
  84. [Unknown]: CN
  85. CN=Unknown, OU=Unknown, O=Unknown, L=Unknown, ST=Unknown, C=CN 正确吗?
  86. [否]: y
  87. 输入的主密码(如果和 keystore 密码相同,按回车):
  88. 再次输入新密码
  89. 完成上述工作后,将在当前目录生成 keystore 证书文件,将keystore 考贝到 azkaban web服务器根目录中.如:cp keystore azkaban/webserver
  90. 3.7.5 配置文件
  91. 注:先配置好服务器节点上的时区
  92. 先生成时区配置文件Asia/Shanghai,用交互式命令 tzselect 即可
  93. 拷贝该时区文件,覆盖系统本地时区配置
  94. cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
  95. 3.7.6 azkaban web服务器配置
  96. 进入azkaban web服务器安装目录 conf目录
  97. 修改azkaban.properties文件
  98. 命令vi azkaban.properties

内容说明如下:

  1. *Azkaban Personalization Settings
  2. azkaban .name=Test #服务器UI名称,用于服务器上方显示的名字
  3. azkaban .label=My Local Azkaban #描述
  4. azkaban .color= #FF3601 #UI颜色
  5. azkaban .default .servlet .path=/index #
  6. web .resource .dir=web/ #默认根web目录
  7. default .timezone .id=Asia/Shanghai #默认时区,已改为亚洲/上海 默认为美国
  8. *Azkaban UserManager class
  9. user .manager .class=azkaban .user .XmlUserManager #用户权限管理默认类
  10. user .manager .xml .file=conf/azkaban-users .xml #用户配置,具体配置参加下文
  11. *Loader for projects
  12. executor .global .properties=conf/ global .properties # global配置文件所在位置
  13. azkaban .project .dir=projects #
  14. database .type=mysql #数据库类型
  15. mysql .port= 3306 #端口号
  16. mysql .host=localhost #数据库连接IP
  17. mysql .database=azkaban #数据库实例名
  18. mysql .user=root #数据库用户名
  19. mysql .password=Root123456 #数据库密码
  20. mysql .numconnections= 100 #最大连接数
  21. * Velocity dev mode
  22. velocity .dev .mode= false
  23. * Jetty服务器属性.
  24. jetty .maxThreads= 25 #最大线程数
  25. jetty .ssl .port= 8443 #Jetty SSL端口
  26. jetty .port= 8081 #Jetty端口
  27. jetty .keystore=keystore #SSL文件名
  28. jetty .password= 123456 #SSL文件密码
  29. jetty .keypassword= 123456 #Jetty主密码 与 keystore文件相同
  30. jetty .truststore=keystore #SSL文件名
  31. jetty .trustpassword= 123456 # SSL文件密码
  32. * 执行服务器属性
  33. executor .port= 12321 #执行服务器端
  34. *邮件设置
  35. mail .sender=xxxxxxxx @163 .com #发送邮箱
  36. mail .host=smtp .163 .com #发送邮箱smtp地址
  37. mail .user=xxxxxxxx #发送邮件时显示的名称
  38. mail .password=********** #邮箱密码
  39. job .failure .email=xxxxxxxx @163 .com #任务失败时发送邮件的地址
  40. job .success .email=xxxxxxxx @163 .com #任务成功时发送邮件的地址
  41. lockdown .create .projects= false #
  42. cache .directory=cache #缓存目录
  43. 3.7 .7azkaban 执行服务器executor配置
  44. 进入执行服务器安装目录conf,修改azkaban .properties
  45. vi azkaban .properties
  46. *Azkaban
  47. default .timezone .id=Asia/Shanghai #时区
  48. * Azkaban JobTypes 插件配置
  49. azkaban .jobtype .plugin .dir=plugins/jobtypes #jobtype 插件所在位置
  50. *Loader for projects
  51. executor .global .properties=conf/ global .properties
  52. azkaban .project .dir=projects
  53. *数据库设置
  54. database .type=mysql #数据库类型(目前只支持mysql)
  55. mysql .port= 3306 #数据库端口号
  56. mysql .host= 192.168 .20 .200 #数据库IP地址
  57. mysql .database=azkaban #数据库实例名
  58. mysql .user=root #数据库用户名
  59. mysql .password=Root23456 #数据库密码
  60. mysql .numconnections= 100 #最大连接数
  61. *执行服务器配置
  62. executor .maxThreads= 50 #最大线程数
  63. executor .port= 12321 #端口号(如修改,请与web服务中一致)
  64. executor .flow .threads= 30 #线程数
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  1. 3 .7 .8用户配置
  2. 进入 azkaban web服务器 conf目录,修改 azkaban-users .xml
  3. vi azkaban-users .xml 增加 管理员用户

enter image description here

  1. 3.7. 9 web服务器启动
  2. 在azkaban web服务器目录下执行启动命令
  3. bin/azkaban-web-start.sh
  4. 注:在web服务器根目录运行
  5. 或者启动到后台
  6. nohup bin/azkaban-web-start.sh 1>/tmp/azstd. out 2>/tmp/azerr. out &
  7. 3.7. 10执行服务器启动
  8. 在执行服务器目录下执行启动命令
  9. bin/azkaban-executor-start.sh
  10. 注:只能要执行服务器根目录运行
  11. 启动完成后,在浏览器(建议使用谷歌浏览器)中输入https: //服务器IP地址:8443 ,即可访问azkaban服务了.在登录中输入刚才新的户用名及密码,点击 login
  12. 3.8 Zeppelin
  13. 参照如下文件:
  14. http: //blog.csdn.net/chengxuyuanyonghu/article/details/54915817
  15. http: //blog.csdn.net/chengxuyuanyonghu/article/details/54915962
  16. 3.9 HBase
  17. 3.9. 1解压
  18. tar –zxvf /usr/ local/ys/soft/hbase- 0.99. 2-bin.tar.gz -C /usr/ local/ys/app
  19. 3.9. 2重命名
  20. cd /usr/ local/ys/app
  21. mv hbase- 0.99. 2 hbase
  22. 3.9. 3修改配置文件
  23. 每个文件的解释如下:
  24. hbase-env.sh
  25. export JAVA_HOME=/usr/ local/ys/app/jdk1. 7.0_80 //jdk安装目录
  26. export HBASE_CLASSPATH=/usr/ local/ys/app/hadoop- 2.6. 4/etc/hadoop //hadoop配置文件的位置
  27. export HBASE_MANAGES_ZK=false #如果使用独立安装的zookeeper这个地方就是false(此处使用自己的zookeeper)
  28. hbase-site.xml

enter image description here

enter image description here

  1. Regionservers //是从机器的域名
  2. Ys02
  3. ys03
  4. ys04
  5. 注:此处HBase配置是针对HA模式的hdfs
  6. 3.9. 4将Hadoop的配置文件hdfs-site.xml和core-site.xml拷贝到HBase配置文件中
  7. cp /usr/ local/ys/app/Hadoop- 2.6. 4/etc/hadoop/hdfs-site.xml /usr/ local/ys/app/hbase/conf
  8. cp /usr/ local/ys/app/hadoop- 2.6. 4/etc/hadoop/core-site.xml /usr/ local/ys/app/hbase/conf
  9. 3.9. 5发放到其他机器
  10. scp –r /usr/ local/ys/app/hbase ys02: /usr/ local/ys/app
  11. scp –r /usr/ local/ys/app/hbase ys03: /usr/ local/ys/app
  12. scp –r /usr/ local/ys/app/hbase ys04: /usr/ local/ys/app
  13. 3.9. 6启动
  14. cd /usr/ local/ys/app/hbase/bin
  15. ./ start-hbase.sh
  16. 3.9. 7查看
  17. 进程:jps
  18. 进入hbase的shell:hbase shell
  19. 退出hbase的shell:quit
  20. 页面:http: //master:60010/
  21. 3.10KAfkaOffsetMonitor(Kafka集群的监控程序,本质就是一个jar包)
  22. 3.10. 1上传jar包
  23. 3.10. 2 运行jar包
  24. nohup java -cp KafkaOffsetMonitor-assembly- 0.2. 1.jar com.quantifind.kafka.offsetapp.OffsetGetterWeb --zk ys01,ys02,ys04 --refresh 5.minutes --retain 1.day --port 8089 $

4. 集群调优

  1. 4.1 辅助工具尽量不安装到数据或者运算节点,避免占用过多计算或内存资源。
  2. 4.2 dataNode和spark的slave节点尽量在一起;这样运算的时候就可以避免通过网络拉取数据,加快运算速度。
  3. 4.3 Hadoop集群机架感知配置,配置之后可以使得数据在同机架的不同机器 2份,然后其他机架机器 1份,可是两台机器四台虚机没有必要配感知个人感觉。
  4. 4.4 配置参数调优
  5. 可以参考http: //blog.csdn.net/chndata/article/details/46003399

第三阶段(辅助工具工学习阶段)

11)Sqoop(CSDN,51CTO ,以及官网)—20小时

enter image description here

  1. 数据导出概念介绍
  2. Sqoop基础知识
  3. Sqoop原理及配置说明
  4. Sqoop数据导入实战
  5. Sqoop数据导出实战、
  6. Sqoop批量作业操作

推荐学习博客:http://student-lp.iteye.com/blog/2157983 
官网:http://sqoop.apache.org/

12)Flume(CSDN,51CTO ,以及官网)—20小时

enter image description here

  1. FLUME日志采集框架介绍。
  2. FLUME工作机制。
  3. FLUME核心组件。
  4. FLUME参数配置说明。
  5. FLUME采集nginx日志案例(案例一定要实践一下)

推荐学习博客:http://www.aboutyun.com/thread-8917-1-1.html 
官网:http://flume.apache.org

13)Oozie(CSDN,51CTO ,以及官网)–20小时

enter image description here

  1. 任务调度系统概念介绍。
  2. 常用任务调度工具比较。
  3. Oozie介绍。
  4. Oozie核心概念。
  5. Oozie的配置说明。
  6. Oozie实现mapreduce/hive等任务调度实战案例。

你可能感兴趣的:(大数据生态系统)