【学习】Mac上hadoop3.1.2+hive3.1.1+scoop1.4.6

1、brew 安装 hadoop

可以在主目录下用 brew list来查看brew安装了哪些文件。
安装命令

$ brew install hadoop

2、配置Hadoop相关文件（此处伪分布式，还有单机模式和完全分布式模式）

a 环境变量配置 :

找到java安装路径

/usr/libexec/java_home

vim ~/.bash_profile

export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_211.jdk/Contents/Home    #java的安装路径
export HADOOP_HOME=/usr/local/Cellar/hadoop/3.1.2/libexec
export HADOOP_ROOT_LOGGER=DEBUG,console
export PATH=$PATH:${HADOOP_HOME}/bin

#esc+:q!退出     esc+:wq保存退出

source ~/.bash_profile立即执行

b.core-site.xml配置

cd /usr/local/Cellar/hadoop/3.1.2/libexec/etc/hadoop
open -e core-site.xml

将core-site.xml中代码修改为：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

c.hadoop-env.sh配置

找到java安装路径

/usr/libexec/java_home

把找到的java路径添加到hadoop-env.sh文件中

cd /usr/local/Cellar/hadoop/3.1.2/libexec/etc/hadoop
ls
open -e hadoop-env.sh

在打开的hadoop-env.sh文件中添加java路径

export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_211.jdk/Contents/Home

d.hdfs-site.xml配置
将hdfs-site.xml中代码修改为：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>  
</configuration>

e.mapred-site.xml配置
将mapred-site.xml中代码修改为：

<configuration>
    <property>
         <name>mapreduce.framework.name</name>
         <value>yarn</value>
     </property>
</configuration>

如果文件后缀是 .xml.example，改为 .xml

f.yarn-site.xml配置
将yarn-site.xml中代码修改为：

<configuration>
    <property> 
        <name>yarn.resourcemanager.hostname</name>
                  <value>ranmodeiMac.local</value>
    </property>
    <property> 
        <name>yarn.nodemanager.aux-services</name> 
        <value>mapreduce_shuffle</value> 
    </property>

</configuration>

ranmodeiMac.local是自己主机的名字，可以用 $hostname查看

3、运行hadoop

进入到 /usr/local/Cellar/hadoop/3.1.2/libexec/bin 路径中，对文件系统进行格式化：

cd /usr/local/Cellar/hadoop/3.1.2/libexec/bin
hdfs namenode -format

进入 /usr/local/Cellar/hadoop/3.1.2/libexec/sbin 路径，启动NameNode和datanode:

cd /usr/local/Cellar/hadoop/3.1.2/sbin/
./start-all.sh

这时候NameNode和DataNode都已经启动成功了，我们可以在网页中看到Overview页面了:
NameNode - http://localhost:9870
在浏览器中查看All Applications 界面:
ResourceManager - http://localhost:8088

jps查看进行，发现缺少datanode

(base) ranmodeiMac:~ ranmo$ jps
55057 NameNode
55665 Jps
2548 
53429 SecondaryNameNode
55579 NodeManager
55484 ResourceManager

解决办法：https://www.cnblogs.com/mtime2004/p/10008325.html
（最后写错了，是复制datanode的值，到version里面去）

查看日志：

cd /usr/local/Cellar/hadoop/3.1.2/libexec/logs
open -e hadoop-ranmo-datanode-ranmodeiMac.local.log

在里面找到：

image.png

namenode clusterID和datanode clusterID不同，复制datanode clusterID

cd /tmp/hadoop-ranmo/dfs/name/current
open -e version

修改clusterID为复制的datanode clusterID

#Sun Jul 14 03:53:07 CST 2019
namespaceID=333721495
clusterID=CID-c69af5e0-abad-412f-bf0e-33711cfe47f1
cTime=1563047587165
storageType=NAME_NODE
blockpoolID=BP-471837932-192.168.1.4-1563047587165
layoutVersion=-64

之后./stop-all.sh关闭程序，在./start-all.sh，这下显示正常：

(base) ranmodeiMac:sbin ranmo$ jps
59698 ResourceManager
59507 SecondaryNameNode
59795 NodeManager
2548 
59270 NameNode
59863 Jps
59373 DataNode

四、路径总结

JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_211.jdk/Contents/Home #java的安装路径
HADOOP_HOME=/usr/local/Cellar/hadoop/3.1.2/libexec

配置文件:
cd /usr/local/Cellar/hadoop/3.1.2/libexec/etc/hadoop
格式化文件：
cd /usr/local/Cellar/hadoop/3.1.2/libexec/bin
运行/关闭文件：
/usr/local/Cellar/hadoop/3.1.2/sbin/
临时文件：
/usr/local/Cellar/hadoop/3.1.2/libexec/tmp
日志文件：
/usr/local/Cellar/hadoop/3.1.2/libexec/logs

五、常用命令

hadoop fs -ls 显示当前目录结构，-ls -R 递归显示目录结构
hadoop fs -ls /显示目录下文件及文件夹
hadoop fs -mkdir 创建目录
hadoop fs -rm -r -skipTrash /path_to_file/file_name 删除文件
hadoop fs -rm -r -skipTrash /folder_name 删除文件夹
hadoop fs -put [localsrc] [dst] 从本地加载文件到HDFS
hadoop fs -get [dst] [localsrc] 从HDFS导出文件到本地
hadoop fs - copyFromLocal [localsrc] [dst] 从本地加载文件到HDFS，与put一致
hadoop fs -copyToLocal [dst] [localsrc] 从HDFS导出文件到本地，与get一致
hadoop fs -test -e 检测目录和文件是否存在，存在返回值$?为0，不存在返回1
hadoop fs -text 查看文件内容
hadoop fs -du 统计目录下各文件大小，单位字节。-du -s 汇总目录下文件大小，-du -h 显示单位
hadoop fs -tail 显示文件末尾
hadoop fs -cp [src] [dst] 从源目录复制文件到目标目录
hadoop fs -mv [src] [dst] 从源目录移动文件到目标目录

六、简单测试

创建input文件夹：

hadoop fs -mkdir /input

显示：

[ranmodeiMac:~ ranmo$ hadoop fs -ls /
2019-07-14 19:21:30,639 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Found 1 items
drwxr-xr-x   - ranmo supergroup          0 2019-07-14 18:15 /input

在/usr/local/Cellar/hadoop/3.1.2/目录下创建test文件夹

cd /usr/local/Cellar/hadoop/3.1.2/
mkdir test

在test文件夹中创建dream.txt做测试文本

cd /usr/local/Cellar/hadoop/3.1.2/test
touch dream.txt
open -e dream.txt
hadoop fs -put dream.txt /input
#查看input里是否存在
hadoop fs -ls /input
#显示确实存在，用cat命令查看内容
hadoop fs -cat /input/dream.txt
#2019-07-14 21:19:43,064 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
#Hello world

如果不能显示，http://localhost:9870
界面显示文件可能已经损坏，所以需要重新上传到hdfs。
现在删除input文件夹中的所有文件：

hadoop fs -rmr /input/*

七、安装hive

1、brew安装

brew install hive

2、设置环境变量
open -e ~/.bash_profile 添加：

export HIVE_HOME=/usr/local/Cellar/hive/3.1.1/libexec
export PATH=$PATH:${HIVE_HOME}/bin

source ~/.bash_profile 生效
3、创建配置文件
https://www.cnblogs.com/micrari/p/7067968.html
https://blog.csdn.net/u013185349/article/details/86691634

cd /usr/local/Cellar/hive/3.1.1/libexec/conf
cp hive-default.xml.template hive-site.xml  #把别的文件复制过来再进行property，主要是想要别的文件的头部命令

hive-site.xml配置的是mysql的位置、用户名信息等，
最终的配置文件是：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>              
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>root</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>xxxxx</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionURL</name>mysql
        <value>jdbc:mysql://localhost:3306/hive?useSSL=false</value>
    </property>
    <property>
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.jdbc.Driver</value>
    </property>
</configuration>

里面root和xxxxx是自己mysql的用户名以及密码
4、关联mysql和hive
给Hive的lib目录下拷贝一个mysql-connector

curl -L 'http://www.mysql.com/get/Downloads/Connector-J/mysql-connector-java-8.0.11.tar.gz/from/http://mysql.he.net/' | tar xz
cp mysql-connector-java-8.0.11/mysql-connector-java-8.0.11-bin.jar /usr/local/Cellar/hive/3.1.1/libexec/lib/

可以进一步前往lib文件夹查看：

cd /usr/local/Cellar/hive/3.1.1/libexec/lib

发现是把mysql-connector-java-8.0.11文件夹放在了lib里面，但是我只需要文件夹里面的mysql-connector-java-8.0.11-bin.jar，然后我自己前往文件夹路径把jar从里面拿出来放在lib里面了。不然之后的初始化连接过程中，会读不到这个包。

5、数据初始化（把mysql的数据初始化到hive上）

/usr/local/Cellar/hive/3.1.1/libexec/bin
schematool -initSchema -dbType mysql

过程显示Initialization script hive-schema-3.1.0.mysql.sql，是因为自己的mysql是3.1.0版本，然后会对里面hive的tables进行初始化。（但是目前为空）

中途可能会报错，原因可能是：
a. root和password没有写对；
b.MySQL Connector的jar包和数据库不匹配，jar包版本太低
https://blog.csdn.net/qq_21870555/article/details/80711187
c.Failed to load driver，因为lib里面没有connector的jar包（不能是文件夹）

6、运行hive

cd $HIVE_HOME 
cd bin
hive

附：mac终端操作mysql
连接（打开）mysql，输入密码后可正常使用（quit 退出mysql）
https://www.cnblogs.com/jamescr7/p/7842784.html

 /usr/local/mysql/bin/mysql -u root -p

7、简单测试
a.在桌面创建测试文件student.txt
内容如下：

1,zhangsan,12
2,lisi,13
3,wangwu,14

b.上传至hadoop

hadoop fs -put student.txt /input
hadoop fs -ls /input

显示文件存在，上传成功
c.运行hive，将其转换为表

hive
create table student (id int,username string,age int) row format delimited fields terminated by ',';
load data inpath '/input/student.txt' into table student;
select * from student;

显示完全正常！

1   zhangsan    12
2   lisi    13
3   wangwu  14

desc formatted student;

显示表的详情信息。

OK
# col_name              data_type               comment             
id                      int                                         
username                string                                      
age                     int                                         
         
# Detailed Table Information         
Database:               default                  
OwnerType:              USER                     
Owner:                  ranmo                    
CreateTime:             Mon Jul 15 02:43:11 CST 2019     
LastAccessTime:         UNKNOWN                  
Retention:              0                        
Location:               hdfs://localhost:9000/user/hive/warehouse/student    
Table Type:             MANAGED_TABLE            
Table Parameters:        
    bucketing_version       2                   
    numFiles                1                   
    numRows                 0                   
    rawDataSize             0                   
    totalSize               35                  
    transient_lastDdlTime   1563129886          
         
# Storage Information        
SerDe Library:          org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe   
InputFormat:            org.apache.hadoop.mapred.TextInputFormat     
OutputFormat:           org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat   
Compressed:             No                       
Num Buckets:            -1                       
Bucket Columns:         []                       
Sort Columns:           []                       
Storage Desc Params:         
    field.delim             ,                   
    serialization.format    ,                   
Time taken: 0.22 seconds, Fetched: 33 row(s)

用hadoop命令查看信息中心的位置，是否保存的是hive表

hadoop fs -ls /user/hive/warehouse/student
hadoop fs -cat hadoop fs -ls /user/hive/warehouse/student/student.txt

显示正常！

附：用hive创建外部表

create external table student_w(id int,username string,age int) row format delimited fields terminated by ',';

创建外部表和内部表的区别，在于drop table的时候，外部表不会被删掉，只有用终端命令进行删除；

八、安装scoop

https://blog.csdn.net/maxmao1024/article/details/79478794
https://blog.csdn.net/scgh_fx/article/details/73522372

1、brew安装sqoop

brew install sqoop

2、配置环境变量
open -e ~/.bash_profile

export SQOOP_HOME=/usr/local/Cellar/sqoop/1.4.6_1/libexec
export PATH=$PATH:${SQOOP_HOME}/bin

source ~/.bash_profile生效
3、创建配置文件

cd $SQOOP_HOME
cd conf
open -e sqoop-env.sh

在里面配置hadoop和hive路径，其他路径不用配置，因为还没装。。

export HADOOP_HOME="/usr/local/Cellar/hadoop/3.1.2/libexec"
export HIVE_HOME="/usr/local/Cellar/hive/3.1.1/libexec"

4、关联mysql和hive
sqoop本质上是操作mysql和hive的链接，lib目录下也要拷贝一个mysql-connector，直接从hive lib里面把jar拷贝过来就行了

cp /usr/local/Cellar/hive/3.1.1/libexec/lib/mysql-connector-java-8.0.11.jar lib/

可以进一步前往lib文件夹查看：
cd /usr/local/Cellar/hive/3.1.1/libexec/lib

5、用sqoop实现mysql数据到hive的导入
sqoop help命令查看帮助，显示：

Available commands:
  codegen            Generate code to interact with database records
  create-hive-table  Import a table definition into Hive
  eval               Evaluate a SQL statement and display the results
  export             Export an HDFS directory to a database table
  help               List available commands
  import             Import a table from a database to HDFS
  import-all-tables  Import tables from a database to HDFS
  import-mainframe   Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases     List available databases on a server
  list-tables        List available tables in a database
  merge              Merge results of incremental imports
  metastore          Run a standalone Sqoop metastore
  version            Display version information

用import实现导入：

sqoop import --connect jdbc:mysql://localhost:3306/hive --username root --password lingying --table food --target-dir /input/food

第一次报错，显示：

2019-07-16 01:55:27,454 ERROR manager.SqlManager: Error executing statement: java.sql.SQLException: The connection property 'zeroDateTimeBehavior' acceptable values are: 'CONVERT_TO_NULL', 'EXCEPTION' or 'ROUND'. The value 'convertToNull' is not acceptable.

显示是connector jar包和mysql的版本兼容问题，https://www.2cto.com/net/201806/757728.html
调整语句为：

sqoop import --connect jdbc:mysql://localhost:3306/hive?zeroDateTimeBehavior=EXCEPTION --username root --password lingying --table hive_test --target-dir /input/food

第二次报错，显示：

[2019-07-16 02:23:52.743]Container exited with a non-zero exit code 1. Error file: prelaunch.err.
Last 4096 bytes of prelaunch.err :
Last 4096 bytes of stderr :
错误: 找不到或无法加载主类 org.apache.hadoop.mapreduce.v2.app.MRAppMaster


[2019-07-16 02:23:52.743]Container exited with a non-zero exit code 1. Error file: prelaunch.err.
Last 4096 bytes of prelaunch.err :
Last 4096 bytes of stderr :
错误: 找不到或无法加载主类 org.apache.hadoop.mapreduce.v2.app.MRAppMaster


For more detailed output, check the application tracking page: http://ranmodeiMac.local:8088/cluster/app/application_1563210689881_0009 Then click on links to logs of each attempt.
. Failing the application.
2019-07-16 02:23:53,014 INFO mapreduce.Job: Counters: 0
2019-07-16 02:23:53,021 WARN mapreduce.Counters: Group FileSystemCounters is deprecated. Use org.apache.hadoop.mapreduce.FileSystemCounter instead
2019-07-16 02:23:53,023 INFO mapreduce.ImportJobBase: Transferred 0 bytes in 5.8023 seconds (0 bytes/sec)
2019-07-16 02:23:53,028 WARN mapreduce.Counters: Group org.apache.hadoop.mapred.Task$Counter is deprecated. Use org.apache.hadoop.mapreduce.TaskCounter instead
2019-07-16 02:23:53,028 INFO mapreduce.ImportJobBase: Retrieved 0 records.
2019-07-16 02:23:53,029 ERROR tool.ImportTool: Error during import: Import job failed!

参考
https://blog.csdn.net/hongxiao2016/article/details/88919176，重新设置yarn-site.xml解决。
重新调试：

[https://blog.csdn.net/hongxiao2016/article/details/88919176](https://blog.csdn.net/hongxiao2016/article/details/88919176)

显示成功
查看hdfs上的数据

hadoop fs -ls /input/food

显示：

Found 4 items
-rw-r--r--   1 ranmo supergroup          0 2019-07-16 02:28 /input/food/_SUCCESS
-rw-r--r--   1 ranmo supergroup          8 2019-07-16 02:28 /input/food/part-m-00000
-rw-r--r--   1 ranmo supergroup          9 2019-07-16 02:28 /input/food/part-m-00001
-rw-r--r--   1 ranmo supergroup          9 2019-07-16 02:28 /input/food/part-m-00002

hadoop fs -cat /input/food/part-m-00000

显示：

apple,1

所以其实是把food里面有m行，就分别执行m个mapreduce，最终汇总成m个文件。

6、只用一个mapreduce执行程序

sqoop import --connect jdbc:mysql://localhost:3306/hive?zeroDateTimeBehavior=EXCEPTION --username root --password lingying --table hive_test --target-dir /input/food1 -m 1

查看文件：

hadoop fs -ls /input/food1

显示：

Found 2 items
-rw-r--r--   1 ranmo supergroup          0 2019-07-16 02:34 /input/food1/_SUCCESS
-rw-r--r--   1 ranmo supergroup         26 2019-07-16 02:34 /input/food1/part-m-00000

7、用sqoop直接导入hive允许操作
不用sqoop导入操作流程有三步：
a. mysql数据导入hdfs
b. hive创建表
c. hdfs数据导入hive
用scoop可以直接一步实现上述三步：

sqoop import --connect jdbc:mysql://localhost:3306/hive?zeroDateTimeBehavior=EXCEPTION --username root --password lingying --table hive_test --hive-import --hive-table food -m 1 --delete-target-dir

delete在中间的作用，是因为hdfs上已经有这个文件了，所以重复必须删除；
显示报错：

2019-07-16 23:33:42,872 INFO hive.HiveImport: FAILED: ParseException line 1:211 missing EOF at ';' near 'TEXTFILE'
2019-07-16 23:33:43,070 ERROR tool.ImportTool: Encountered IOException running import job: java.io.IOException: Hive exited with status 64
    at org.apache.sqoop.hive.HiveImport.executeExternalHiveScript(HiveImport.java:389)
    at org.apache.sqoop.hive.HiveImport.executeScript(HiveImport.java:339)
    at org.apache.sqoop.hive.HiveImport.importTable(HiveImport.java:240)
    at org.apache.sqoop.tool.ImportTool.importTable(ImportTool.java:514)
    at org.apache.sqoop.tool.ImportTool.run(ImportTool.java:605)
    at org.apache.sqoop.Sqoop.run(Sqoop.java:143)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:76)
    at org.apache.sqoop.Sqoop.runSqoop(Sqoop.java:179)
    at org.apache.sqoop.Sqoop.runTool(Sqoop.java:218)
    at org.apache.sqoop.Sqoop.runTool(Sqoop.java:227)
    at org.apache.sqoop.Sqoop.main(Sqoop.java:236)

发现是已经上传到了hadoop，但是在导入hive过程中出错的。用hadoop fs -ls命令，会显示：

Found 1 items
drwxr-xr-x   - ranmo supergroup          0 2019-07-16 04:02 hive_test

理论上，hadoop fs -ls /才会显示文件夹的，上面的分析表明：

hadoop fs -ls 会显示存在hadoop fs -ls /user/user/ranmo里的文件，而这个文件夹相当于是临时目录，所以如果hadoop fs -ls指令显示有文件存在，则表示有的文件没有正确上传；
如果不指定路径，正确上传到hive的文件应该都是在hadoop fs -ls /user/hive/warehouse里。

本来以为错误是Hive exited with status 64的问题，后来找了一圈方法也不起作用，发现是FAILED: ParseException line 1:211 missing EOF at ';' near 'TEXTFILE'的问题。这条指令明明是执行hive语句才会出现的指令，为什么用sqoop传数据也会出现？发现是表中的列名有一个是“na’me”，列名不能使用’符号，不然hive读取hadoop数据是以默认分隔符进行切割的（反正大概就是这个意思），调整列名之后正确上传。

附：sqoop常用命令：
https://www.cnblogs.com/cenyuhai/p/3306037.html

九、总结

对小白来说，搭建这一套实在是太不容易了（hadoop圈还有那么多没搭建完天呐），中间的坑实在太多了。。找资料解决bug的过程简直让我的精神得到了洗礼。。。