• 【Hadoop离线基础总结】impala简单介绍及安装部署



    impala的简单介绍

    • 概述

      有两个关于impala介绍的网址:
      https://docs.cloudera.com/documentation/enterprise/6/6.3/topics/impala_intro.html
      https://impala.apache.org/docs/build/impala-2.12.pdf
      内容基本相同

      Impala直接对存储在HDFS、HBase或Amazon Simple Storage Service (S3)中的Apache Hadoop数据提供快速的交互式SQL查询。除了使用相同的统一存储平台外,Impala还使用了
      与Apache Hive相同的元数据、SQL语法(Hive SQL)、ODBC驱动程序和用户界面(色调中的Impala查询UI)。
      这为实时或面向批处理的查询提供了一个熟悉的、统一的平台。
      Impala是大数据查询工具的补充。Impala不会替代构建在MapReduce上的批处理框架,比如Hive。Hive和其他构建在MapReduce上的框架最适合长时间运行的批处理作业,比如那些涉及提取、转换和加载(ETL)类型作业的批处理。

    • 优点

      1.数据科学家和分析师已经熟悉的SQL接口。
      2.能够在Apache Hadoop中查询大量数据(“大数据”)。
      3.在集群环境中使用分布式查询,方便扩展和利用具有成本效益的商品硬件。
      4.能够在不同的组件之间共享数据文件,而不需要复制或导出/导入步骤;例如,用Pig来写,用Hive来转换,用Impala来查询。Impala可以读写Hive表,支持使用Impala对hiveproduced数据进行分析的简单数据交换。
      5.单一系统的大数据处理和分析,因此客户可以避免昂贵的建模和ETL只是为了分析。

    • 缺点

      1.基于内存计算,对内存依赖性较大
      2.改用C++编写,意味着维护难度增大
      3.基于hive,与hive共存亡,紧耦合
      4.稳定性不如hive,但不存在数据丢失的情况

    • impala和Hive的关系

      impala是基于hive的大数据分析查询引擎,直接使用hive的元数据库metadata,意味着impala元数据都存储在hive的metastore当中,并且impala兼容hive的绝大多数sql语法。所以需要安装impala的话,必须先安装hive,保证hive安装成功,并且还需要启动hive的metastore服务。

    • impala如何和CDH一起工作

      在这里插入图片描述
      Impala解决方案由以下组件组成:
      客户端 —— 包括Hue、ODBC客户端、JDBC客户端和Impala Shell在内的实体都可以与Impala进行交互。这些接口通常用于发出查询或完成管理任务,比如连接到Impala。
      Hive Metastore —— 存储信息的数据可用的Impala。例如,metastore让Impala知道哪些数据库是可用的,以及这些数据库的结构是什么。当您通过Impala SQL语句创建、删除和更改模式对象、将数据加载到表中等等时,相关的元数据更改将通过Impala 1.2中引入的专用目录服务自动广播到所有Impala节点。
      Impala —— 这个进程在数据节点上运行,协调和执行查询。Impala的每个实例都可以接收、计划和协调来自Impala客户端的查询。查询分布在Impala节点中,这些节点充当工作人员,执行并行查询片段。
      HBase和HDFS —— 用于查询数据的存储。

      使用Impala执行的查询处理如下:
      1.用户应用程序通过ODBC或JDBC向Impala发送SQL查询,后者提供了标准化的查询接口。用户应用程序可以连接到集群中的任何impalad。这个impalad将成为查询的协调器。
      2.Impala解析查询并分析它,以确定需要由集群中的impalad实例执行哪些任务。计划执行以获得最佳效率。
      本地impalad实例可以访问HDFS和HBase等服务来提供数据。
      3.每个impalad将数据返回给协调impalad,协调impalad将这些结果发送给客户机。

    • impala的架构及查询计划

      架构:
      impala-server:从节点。主要负责执行查询任务的计算,官方建议 impala-server与每一个datanode安装在一起
      impala-catalog:主节点。主要是存储了元数据信息在两个地方,一个在内存当中,一个在磁盘当中。impala当中的元数据管理的服务
      impala-statestore:主节点,状态存储区,主要存储了一些sql执行的进度信息,状态信息等等

      查询计划:
      fronted : 使用java来实现,负责生成查询计划
      backend : 使用的C++来实现,主要负责的是执行查询

      fronted前台的查询计划又分为两个阶段:
      第一个阶段: 生成单机版的查询计划
      第二个阶段: 生成分布式的查询计划,将单机版的查询计划,发送到其他机器上
      sql语句的优化,其实就是查询计划的优化,单机版的优化策略与分布式的优化策略是一样

    • impala/hive/spark 对比

      在这里插入图片描述


    impala的安装部署

    • 安装环境准备

      一定已经安装了Hive和Hadoop,并且在Hadoop的lib目录的native目录下要有如下文件
      在这里插入图片描述

    • 下载impala的所有依赖包

      要根据自己CDH的版本和centOS的版本选择下载
      我下载的是 http://archive.cloudera.com/cdh5/repo-as-tarball/5.14.0/cdh5.14.0-centos7.tar.gz

    • 挂载磁盘

      移步到 【Hadoop离线基础总结】Mac版VMware Fusion虚拟机磁盘挂载 查看详细步骤

    • 上传压缩包并解压

      cd /data02/
      tar -zxvf cdh5.14.0-centos6.tar.gz

    • 制作本地yum源

      镜像源是centos当中下载相关软件的地址,我们可以通过制作我们自己的镜像源指定我们去哪里下载impala的rpm包,这里我们使用httpd这个软件来作为服务端,启动httpd的服务来作为我们镜像源的下载地址
      在第三台机器node03执行以下命令

      yum  -y install httpd
      systemctl start httpd.service
      cd /etc/yum.repos.d
      vim localimp.repo 
      
      [localimp]
      name=localimp
      baseurl=http://node03/cdh5.14.0/
      gpgcheck=0
      enabled=1
      

      这里如果启动httpd报错:Job for httpd.service failed because the control process exited with error code. See “systemctl status httpd.service” and “journalctl -xe” for details. 查看这篇文章即可解决 centos7启动httpd服务失败:Job for httpd.service failed because the control process exited with error code.

      ln -s /data02/cdh/5.14.0 /var/www/html/cdh5.14.0 创建apache httpd的读取链接
      出现下图表示本地yum源制作成功
      在这里插入图片描述
      将制作好的localimp配置文件发放到所有需要安装impala的节点上去

      scp localimp.repo  node02:$PWD
      scp localimp.repo  node01:$PWD
      
    • 开始安装impala

      安装规划
      在这里插入图片描述
      在node03执行以下命令

      yum install impala -y
      yum install impala-server -y
      yum install impala-state-store  -y
      yum install impala-catalog  -y
      yum install impala-shell -y
      

      在node01和node02执行yum install impala-server -y

    • 所有节点配置impala

      1.修改hive-site.xml
      vim /export/servers/hive-1.1.0-cdh5.14.0/conf/hive-site.xml
      添加配置

      <property>
          <name>hive.metastore.uris</name>
          <value>thrift://node03.hadoop.com:9083</value>
      </property>
      <property>
          <name>hive.metastore.client.socket.timeout</name>
          <value>3600</value>
      </property>
      

      2.将node03的hive安装包发送到node01,node02

      cd /export/servers/
      scp -r hive-1.1.0-cdh5.14.0/ node02:$PWD
      scp -r hive-1.1.0-cdh5.14.0/ node01:$PWD
      

      3.node03启动hive的metastore服务

      cd  /export/servers/hive-1.1.0-cdh5.14.0
      nohup bin/hive --service metastore &
      nohup bin/hive -- service hiveserver2 &
      

      注意:一定要保证mysql的服务正常启动,否则metastore的服务不能够启动

      4.所有hadoop节点修改hdfs-site.xml
      在所有节点创建文件夹 mkdir -p /var/run/hdfs-sockets
      修改所有节点的hdfs-site.xml
      vim /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/hdfs-site.xml
      添加以下配置

      <property>
      	<name>dfs.client.read.shortcircuit</name>
      	<value>true</value>
      </property>
      <property>
      	<name>dfs.domain.socket.path</name>
      	<value>/var/run/hdfs-sockets/dn</value>
      </property>
      <property>
      	<name>dfs.client.file-block-storage-locations.timeout.millis</name>
      	<value>10000</value>
      </property>
      <property>
      	<name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
      	<value>true</value>
      </property>
      

      因为我用的是root用户,所以不用以下操作,一般在实际工作过程中都是普通用户,就需要以下操作
      创建文件夹 /var/run/hadoop-hdfs/
      chown -R hadoop:hadoop /var/run/hdfs-sockets/

      5.重启hdfs
      在node01执行

      cd /export/servers/hadoop-2.6.0-cdh5.14.0/
      sbin/stop-dfs.sh
      sbin/start-dfs.sh
      

      6.创建hadoop与hive的配置文件的连接
      impala的配置目录为 /etc/impala/conf
      这个路径下面需要把core-site.xmlhdfs-site.xml以及hive-site.xml拷贝到这里来,但是我们这里使用软连接的方式会更好
      所有节点都要执行

      ln -s /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/core-site.xml /etc/impala/conf/core-site.xml
      ln -s /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/hdfs-site.xml /etc/impala/conf/hdfs-site.xml
      ln -s /export/servers/hive-1.1.0-cdh5.14.0/conf/hive-site.xml /etc/impala/conf/hive-site.xml
      

      7.修改impala的配置文件
      所有节点更改impala默认配置文件
      vim /etc/default/impala

      IMPALA_CATALOG_SERVICE_HOST=node03
      IMPALA_STATE_STORE_HOST=node03
      

      所有节点创建mysql的驱动包的软连接
      ln -s /export/servers/hive-1.1.0-cdh5.14.0/lib/mysql-connector-java-5.1.38.jar /usr/share/java/mysql-connector-java.jar
      如果提示 ln: 无法创建符号链接"/usr/share/java/mysql-connector-java.jar": 没有那个文件或目录 ,在/usr/share/目录下创建一个java文件夹即可

      所有节点修改bigtop的java路径
      vim /etc/default/bigtop-utils
      export JAVA_HOME=/export/servers/jdk1.8.0_141

      8.启动impala服务
      在node03启动

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

      在这里插入图片描述
      在node01和node02启动

      service impala-server start
      

      在这里插入图片描述
      在这里插入图片描述
      用ps -ef | grep impala 查看进程
      node03应该三个
      在这里插入图片描述
      node01和node02各有一个
      在这里插入图片描述
      在这里插入图片描述
      访问impalad的管理界面
      http://node03:25000/
      访问statestored的管理界面
      http://node03:25010/
      访问catalog的管理界面
      http://node03:25020

  • 相关阅读:
    《大道至简》第一章读后感,java伪代码形式
    chm文件内容无法显示的问题
    Windows下.py文件右键菜单的增删
    在ArchLinux中安装VMWare Workstation
    笔记本屏幕锁定
    pacman 日志摘要
    数据库事务特性和隔离级别
    数据库范式以及ER图
    《剑指offer》算法题第四天
    《剑指offer》算法题第二天
  • 原文地址:https://www.cnblogs.com/zzzsw0412/p/12772465.html
Copyright © 2020-2023  润新知