Apache Atlas安装和配置

Atlas概述

Apache Atlas为组织提供开放式元数据管理和治理功能，用以构建其数据资产目录，对这些资产进行分类和管理，并为数据分析师和数据治理团队，提供围绕这些数据资产的协作功能。

 Atlas架构原理

 

Atlas安装及使用

1）Atlas官网地址：https://atlas.apache.org/

2）文档查看地址：https://atlas.apache.org/0.8.4/index.html

3）下载地址：https://www.apache.org/dyn/closer.cgi/atlas/0.8.4/apache-atlas-0.8.4-sources.tar.gz

通常企业开发中选择集成外部的HBase+Solr，方便项目整体进行集成操作。

安装Solr5.2.1

1）Solr版本要求必须是5.2.1，见官网

2）Solr下载：http://archive.apache.org/dist/lucene/solr/5.2.1/solr-5.2.1.tgz

4）解压solr-5.2.1.tgz到/opt/module/目录下面
  [kris@hadoop101 module]$ tar -zxvf solr-5.2.1.tgz -C /opt/module/

5）修改solr-5.2.1的名称为solr
  [kris@hadoop101 module]$ mv solr-5.2.1/ solr

6）进入solr/bin目录，修改solr.in.sh文件
  [kris@hadoop102 solr]$ vim bin/solr.in.sh

#添加下列指令
ZK_HOST="hadoop101:2181,hadoop102:2181,hadoop103:2181"
SOLR_HOST="hadoop101"
# Sets the port Solr binds to, default is 8983
#可修改端口号
SOLR_PORT=8983

7）分发Solr，进行Cloud模式部署
  [kris@hadoop101 module]$ xsync solr
    提示：分发完成后，分别对hadoop102、hadoop103主机/opt/module/solr/bin下的solr.in.sh文件，修改为SOLR_HOST=对应主机名。

8）在三台节点上分别启动Solr，这个就是Cloud模式
  [kris@hadoop101 solr]$ bin/solr start
  [kris@hadoop102 solr]$ bin/solr start
  [kris@hadoop103 solr]$ bin/solr start
  提示：启动Solr前，需要提前启动Zookeeper服务。

9）Web访问8983端口，可指定三台节点中的任意一台IP，http://hadoop101:8983/solr/#/ 
  提示：UI界面出现Cloud菜单栏时，Solr的Cloud模式才算部署成功。

10）编写Solr启动停止脚本
  （1）在hadoop101的/home/kris/bin目录下创建脚本
   [kris@hadoop102 bin]$ vim s.sh
   在脚本中编写如下内容

#!/bin/bash
case $1 in
"start"){
    for i in hadoop101 hadoop102 hadoop103
    do
        ssh $i "/opt/module/solr/bin/solr start"
    done
};;
"stop"){
    for i in hadoop101 hadoop102 hadoop103
    do
        ssh $i "/opt/module/solr/bin/solr stop"
    done
};;
esac

  （2）增加脚本执行权限
    [kris@hadoop101 bin]$ chmod +x s.sh
  （3）Solr集群启动脚本
    [kris@hadoop101 module]$ s.sh start
  （4）Solr集群停止脚本
    [kris@hadoop101 module]$ s.sh stop

安装Atlas0.8.4

1）解压apache-atlas-0.8.4-bin.tar.gz到/opt/module/目录下面
   [kris@hadoop101 module]$ tar -zxvf apache-atlas-0.8.4-bin.tar.gz -C /opt/module/

2）修改apache-atlas-0.8.4的名称为atlas
   [kris@hadoop101 module]$ mv apache-atlas-0.8.4/ atlas

Atlas集成外部框架

Atlas集成Hbase

1）进入/opt/module/atlas/conf/目录，修改配置文件
[kris@hadoop101 conf]$ vim atlas-application.properties
#修改atlas存储数据主机
atlas.graph.storage.hostname=hadoop101:2181,hadoop102:2181,hadoop103:2181

2）进入到/opt/module/atlas/conf/hbase路径，添加Hbase集群的配置文件到${Atlas_Home}
[kris@hadoop101 hbase]$
ln -s /opt/module/hbase/conf/ /opt/module/atlas/conf/hbase/

3）在/opt/module/atlas/conf/atlas-env.sh中添加HBASE_CONF_DIR
[kris@hadoop101 conf]$ vim atlas-env.sh
#添加HBase配置文件路径
export HBASE_CONF_DIR=/opt/module/atlas/conf/hbase/conf

 Atlas集成Solr

1）进入/opt/module/atlas/conf目录，修改配置文件
[kris@hadoop101 conf]$ vim atlas-application.properties
#修改如下配置
atlas.graph.index.search.solr.zookeeper-url=hadoop101:2181,hadoop102:2181,hadoop103:2181

2）将Atlas自带的Solr文件夹拷贝到外部Solr集群的各个节点。
[kris@hadoop101 conf]$
 cp -r /opt/module/atlas/conf/solr /opt/module/solr/

3）进入到/opt/module/solr路径，修改拷贝过来的配置文件名称为atlas_conf
[kris@hadoop101 solr]$ mv solr atlas_conf

4）在Cloud模式下，启动Solr（需要提前启动Zookeeper集群），并创建collection
[kris@hadoop101 solr]$ bin/solr create -c vertex_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2
[kris@hadoop101 solr]$ bin/solr create -c edge_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2
[kris@hadoop101 solr]$ bin/solr create -c fulltext_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2

-shards 3：表示该集合分片数为3
-replicationFactor 2：表示每个分片数都有2个备份
vertex_index、edge_index、fulltext_index：表示集合名称
注意：如果需要删除vertex_index、edge_index、fulltext_index等collection可以执行如下命令。
[kris@hadoop101 solr]$ bin/solr delete -c ${collection_name}
   创建collection的详细如下：

[kris@hadoop101 solr]$ bin/solr create -c vertex_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2
Connecting to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181
Uploading /opt/module/solr/atlas_conf for config vertex_index to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181

Creating new collection 'vertex_index' using command:
http://hadoop103:8983/solr/admin/collections?action=CREATE&name=vertex_index&numShards=3&replicationFactor=2&maxShardsPerNode=2&collection.configName=vertex_index

{
  "responseHeader":{
    "status":0,
    "QTime":5435},
  "success":{"":{
      "responseHeader":{
        "status":0,
        "QTime":5094},
      "core":"vertex_index_shard1_replica1"}}}

[kris@hadoop101 solr]$ bin/solr create -c edge_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2
Connecting to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181
Uploading /opt/module/solr/atlas_conf for config edge_index to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181

Creating new collection 'edge_index' using command:
http://hadoop103:8983/solr/admin/collections?action=CREATE&name=edge_index&numShards=3&replicationFactor=2&maxShardsPerNode=2&collection.configName=edge_index

{
  "responseHeader":{
    "status":0,
    "QTime":3280},
  "success":{"":{
      "responseHeader":{
        "status":0,
        "QTime":3116},
      "core":"edge_index_shard3_replica2"}}}

[kris@hadoop101 solr]$ bin/solr create -c fulltext_index -d /opt/module/solr/atlas_conf -shards 3 -replicationFactor 2
Connecting to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181
Uploading /opt/module/solr/atlas_conf for config fulltext_index to ZooKeeper at hadoop101:2181,hadoop102:2181,hadoop103:2181

Creating new collection 'fulltext_index' using command:
http://hadoop103:8983/solr/admin/collections?action=CREATE&name=fulltext_index&numShards=3&replicationFactor=2&maxShardsPerNode=2&collection.configName=fulltext_index

{
  "responseHeader":{
    "status":0,
    "QTime":3455},
  "success":{"":{
      "responseHeader":{
        "status":0,
        "QTime":3115},
      "core":"fulltext_index_shard3_replica1"}}}

5）验证创建collection成功
登录solr web控制台：http://hadoop101:8983/solr/#/~cloud 看到如下图显示：

Atlas集成Kafka

1）进入/opt/module/atlas/conf/目录，修改配置文件atlas-application.properties
[kris@hadoop101 conf]$ vim atlas-application.properties
#########  Notification Configs  #########
atlas.notification.embedded=false
atlas.kafka.zookeeper.connect=hadoop101:2181,hadoop102:2181,hadoop103:2181
atlas.kafka.bootstrap.servers=hadoop101:9092,hadoop102:9092,hadoop103:9092
atlas.kafka.zookeeper.session.timeout.ms=4000
atlas.kafka.zookeeper.connection.timeout.ms=2000
atlas.kafka.enable.auto.commit=true

2）启动Kafka集群，并创建Topic
[kris@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --create --replication-factor 3 --partitions 3 --topic _HOATLASOK

[kris@hadoop101 kafka]$ bin/kafka-topics.sh --zookeeper hadoop101:2181,hadoop102:2181,hadoop103:2181 --create --replication-factor 3 --partitions 3 --topic ATLAS_ENTITIES

 Atlas其他配置

1）进入/opt/module/atlas/conf/目录，修改配置文件atlas-application.properties
[kris@hadoop101 conf]$ vim atlas-application.properties
#########  Server Properties  #########
atlas.rest.address=http://hadoop101:21000
# If enabled and set to true, this will run setup steps when the server starts
atlas.server.run.setup.on.start=false
 
#########  Entity Audit Configs  #########
atlas.audit.hbase.zookeeper.quorum=hadoop101:2181,hadoop102:2181,hadoop103:2181

2）记录性能指标，进入/opt/module/atlas/conf/路径，修改当前目录下的atlas-log4j.xml
[kris@hadoop101 conf]$ vim atlas-log4j.xml
#去掉如下代码的注释
<appender name="perf_appender" class="org.apache.log4j.DailyRollingFileAppender">
    <param name="file" value="${atlas.log.dir}/atlas_perf.log" />
    <param name="datePattern" value="'.'yyyy-MM-dd" />
    <param name="append" value="true" />
    <layout class="org.apache.log4j.PatternLayout">
        <param name="ConversionPattern" value="%d|%t|%m%n" />
    </layout>
</appender>
<logger name="org.apache.atlas.perf" additivity="false">
    <level value="debug" />
    <appender-ref ref="perf_appender" />
</logger>

 Atlas集成Hive

1）进入/opt/module/atlas/conf/目录，修改配置文件atlas-application.properties
[kris@hadoop101 conf]$ vim atlas-application.properties

######### Hive Hook Configs #######
atlas.hook.hive.synchronous=false
atlas.hook.hive.numRetries=3
atlas.hook.hive.queueSize=10000
atlas.cluster.name=primary

2）将atlas-application.properties配置文件加入到atlas-plugin-classloader-1.0.0.jar中
[kris@hadoop101 hive]$ zip -u /opt/module/atlas/hook/hive/atlas-plugin-classloader-0.8.4.jar /opt/module/atlas/conf/atlas-application.properties

[kris@hadoop101 hive]$ cp /opt/module/atlas/conf/atlas-application.properties /opt/module/hive/conf/

原因：这个配置不能参照官网，将配置文件考到hive的conf中。参考官网的做法一直读取不到atlas-application.properties配置文件，
看了源码发现是在classpath读取的这个配置文件，所以将它压到jar里面。

3）在/opt/module/hive/conf/hive-site.xml文件中设置Atlas hook
[kris@hadoop101 conf]$ vim hive-site.xml
<property>
      <name>hive.exec.post.hooks</name>
      <value>org.apache.atlas.hive.hook.HiveHook</value>
</property>

[kris@hadoop101 conf]$ vim hive-env.sh
#在tez引擎依赖的jar包后面追加hive插件相关jar包
export HIVE_AUX_JARS_PATH=/opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-lzo-0.4.20.jar$TEZ_JARS,/opt/module/atlas/hook/hive/atlas-plugin-classloader-0.8.4.jar,/opt/module/atlas/hook/hive/hive-bridge-shim-0.8.4.jar

 

 将Hive元数据导入Atlas

1）配置Hive环境变量
[kris@hadoop101 hive]$ sudo vim /etc/profile
#配置Hive环境变量
export HIVE_HOME=/opt/module/hive
export PATH=$PATH:$HIVE_HOME/bin/

[kris@hadoop101 hive]$ source /etc/profile

2）启动Hive，如果Hive能正常启动说明环境OK，就可以退出Hive客户端

[kris@hadoop101 hive]$ hive
hive (default)> show databases;
hive (default)> use gmall;

3）在/opt/module/atlas/路径，将Hive元数据导入到Atlas
[kris@hadoop101 atlas]$ bin/import-hive.sh
Using Hive configuration directory [/opt/module/hive/conf]
Log file for import is /opt/module/atlas/logs/import-hive.log
log4j:WARN No such property [maxFileSize] in org.apache.log4j.PatternLayout.
log4j:WARN No such property [maxBackupIndex] in org.apache.log4j.PatternLayout.

输入用户名：admin；输入密码：admin
Enter username for atlas :- admin
Enter password for atlas :-
Hive Meta Data import was successful!!!

 在Hive中创建test库，total_amount_result表：刷新页面即可实时展示出来：

hive (default)> create database test;
OK
Time taken: 0.034 seconds
hive (default)> use test;
OK
Time taken: 0.019 seconds
hive (test)> CREATE EXTERNAL TABLE total_amount_result(
           >   `order_id` int,
           >   `update_time` string,
           >   `deal_total_amount` double
           > )row format delimited fields terminated by ','
           > ;
OK

 必须得跑个脚本任务atlas它才知道依赖关系，历史数据它不知道；

   执行ads_gmv.sh脚本：

 表之间的血缘图：

Lineage血缘图、Audits记录修改时间等详情信息

 

字段的血缘图：

Rest API使用（二次开发使用）

  如果需要对Atlas进行二次开发，可以查看官网地址，https://atlas.apache.org/api/v2/index.html，根据官方API进行二次开发。