+关注

高可用Hadoop平台-集成Hive HAProxy


1.概述

  这篇博客是接着《高可用Hadoop平台》系列讲,本篇博客是为后面用 Hive 来做数据统计做准备的,介绍如何在 Hadoop HA 平台下集成高可用的 Hive 工具,下面我打算分以下流程来赘述:

环境准备
集成并配置 Hive 工具
使用 Java API 开发 Hive 代码
  下面开始进行环境准备。

2.环境准备

  Hive版本:《Hive-0.14》

  HAProxy版本:《HAProxy-1.5.11》

  注:前提是 Hadoop 的集群已经搭建完成,若还没用完成集群搭建,可以参考《配置高可用的Hadoop平台》

  需要安装的工具,我们已经准备好了,接下来给出 Hive 搭建的结构图,如下图所示:

1.png

 这里由于集群资源有限,所以将 HAProxy1 配置在 NNA 节点,HAProxy2 配置在 NNS 节点,Hive1,Hive2,Hive3分别配置在 DN1,DN2,DN3 节点。如下表所示:

服务器 角色
NNA HAProxy1
NNS  HAProxy2
DN1 Hive1
DN2  Hive2
DN3 Hive3
  我们将下载好的 Hive 安装包和 HAProxy 安装包用 scp 命令,参考上表格分别分发到对应的节点。

  注:hive 指定的 HDFS 必须是相同的,否则,统计的数据源不同,那么统计是没有意义的。

3.集成并配置 Hive 工具

  HAProxy 是一款提供高可用性、负载均衡以及基于 TCP(第四层)和 HTTP(第七层)应用的代理软件,HAProxy 是完全免费的、借助 HAProxy 可以快速并且可靠的提供基于TCP 和 HTTP 应用的代理解决方案。HAProxy 在这里的作用起一个代理功能,让 Hive Server 负载均衡;这里我们分别在 NNA 和 NNS 节点都搭建 HAProxy ,是为了防止一个 HAProxy 代理容易引发单点问题。考虑到高可用性,这里我们多用一个节点来承担类似于 HDFS HA 方案中的 standby 角色。

3.1系统环境

  首先,在 NNA 和 NNS 节点搭建 HAProxy 工具,这里我们需要先检查下系统环境,因为 HAProxy 工具包需要编译安装。这里我们安装必要的依赖组建,命令如下所示:

安装 gcc 组件

[hadoop@nna]$ sudo yum -y install gcc*

# 安装 SSL
[hadoop@nna]$ sudo yum -y install openssl-devel pcre-devel
  然后,解压并进入到 haproxy 目录文件中,命令如下:

[hadoop@nna]$ tar -zxvf haproxy-1.5.11.tar.gz && cd haproxy-1.5.11
  接着,我们开始编译安装 haproxy 组件,命令如下所示:

[hadoop@nna]$ make TARGET=linux2628 USE_PCRE=1 USE_OPENSSL=1 USE_ZLIB=1 USE_CRYPT_H=1 USE_LIBCRYPT=1
[hadoop@nna]$ make install
  安装完成后,我们输入如下命令,看是否安装成功。

[hadoop@nna]$./haproxy -vv
  若现实如下信息,即表示安装成功。内容如下:

复制代码
HA-Proxy version 1.5.11 2015/01/31
Copyright 2000-2015 Willy Tarreau

Build options :
TARGET = linux26
CPU = generic
CC = gcc
CFLAGS = -O2 -g -fno-strict-aliasing
OPTIONS =

Default settings :
maxconn = 2000, bufsize = 16384, maxrewrite = 8192, maxpollevents = 200

Encrypted password support via crypt(3): yes
Built without zlib support (USE_ZLIB not set)
Compression algorithms supported : identity
Built without OpenSSL support (USE_OPENSSL not set)
Built without PCRE support (using libc's regex instead)
Built with transparent proxy support using: IP_TRANSPARENT IP_FREEBIND

Available polling systems :
epoll : pref=300, test result OK
poll : pref=200, test result OK
select : pref=150, test result OK
Total: 3 (3 usable), will use epoll.
复制代码
3.2配置 HAProxy

  在 haproxy 目录下,我们新建一个 config.cfg 的配置文件,填写如下内容:

复制代码
global
daemon
nbproc 1

defaults
mode tcp #mode { tcp|http|health },tcp 表示4层,http表示7层,health仅作为健康检查使用
retries 2 #尝试2次失败则从集群摘除
option redispatch #如果失效则强制转换其他服务器
option abortonclose #连接数过大自动关闭
maxconn 1024 #最大连接数
timeout connect 1d #连接超时时间,重要,hive查询数据能返回结果的保证
timeout client 1d #同上
timeout server 1d #同上
timeout check 2000 #健康检查时间
log 127.0.0.1 local0 err #[err warning info debug]

listen admin_stats #定义管理界面
bind 0.0.0.0:1090 #管理界面访问IP和端口
mode http #管理界面所使用的协议
maxconn 10 #最大连接数
stats refresh 30s #30秒自动刷新
stats uri / #访问url
stats realm Hive\ Haproxy #验证窗口提示
stats auth admin:123456 #401验证用户名密码

listen hive #hive后端定义
bind 0.0.0.0:10001 #ha作为proxy所绑定的IP和端口
mode tcp #以4层方式代理,重要
balance leastconn #调度算法 'leastconn' 最少连接数分配,或者 'roundrobin',轮询分配
maxconn 1024 #最大连接数
server hive_1 10.211.55.18:10000 check inter 180000 rise 1 fall 2
server hive_2 10.211.55.15:10000 check inter 180000 rise 1 fall 2
server hive_3 10.211.55.17:10000 check inter 180000 rise 1 fall 2
#释义:server 主机代名(你自己能看懂就行),IP:端口 每180000毫秒检查一次。也就是三分钟。
#hive每有10000端口的请求就会创建一个log,设置短了,/tmp下面会有无数个log文件,删不完。
复制代码
  接着,我们在 NNS 也做相同的操作,搭建 HAProxy。

3.3搭建 Hive

  在 DN1 节点上,我们先配置 Hive 的环境变量,配置内容如下:

export HIVE_HOME=/home/hadoop/hive-0.14.0-bin
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZK_HOME/bin:$HIVE_HOME/bin
  接着,我们配置3个重要文件。

hive-env.sh

Set HADOOP_HOME to point to a specific hadoop install directory

HADOOP_HOME=/home/hadoop/hadoop-2.6.0
hive-log4j.properties

Define some default values that can be overridden by system properties

hive.log.threshold=ALL
hive.root.logger=INFO,DRFA
hive.log.dir=/home/hadoop/logs/hive
hive.log.file=hive.log
hive-site.xml

复制代码



datanucleus.fixedDatastore
false


hive.metastore.execute.setugi
true


hive.metastore.warehouse.dir
/home/hive/warehouse
location of default database for the warehouse




javax.jdo.option.ConnectionURL
jdbc:mysql://10.211.55.26:3306/hive?useUnicode=true&characterEncoding=UTF-8&createDatabaseIfNotExist=true
JDBC connect string for a JDBC metastore


javax.jdo.option.ConnectionDriverName
com.mysql.jdbc.Driver
Driver class name for a JDBC metastore


javax.jdo.option.ConnectionUserName
root
username to use against metastore database


javax.jdo.option.ConnectionPassword
root
password to use against metastore database


复制代码
  注:由于我这里配置的 Hive 元数据仓库地址是 Mysql ,所以我们在启动 Hive 之前,得将 Mysql 的驱动包放到 Hive 目录的 lib 文件夹下。

  然后,在 DN2 和 DN3 节点做相同的操作。

3.4启动服务

启动 hive 服务
  这里,我们先启动 Hive 的第三方服务,命令如下所示:

[hadoop@dn1]$hive --service hiveserver &
  注:DN1,DN2 和 DN3 节点都需要启动该服务。

启动代理服务 haproxy
  在 hive 的服务成功启动后,我们在到 NNA 和 NNS 节点分别启动 HAProxy 代理服务,命令如下所示:

[hadoop@nna haproxy-1.5.11]$ ./haproxy -f config.cfg
  到这里,如果没有出错,整个高可用的 Hive 工具就搭建完成了。

3.5异常

  若是我们在搭建的过程中遇到异常怎么办?首先,我们来逐个排查,我们先启动 hive 服务,若是在启动中报错,或是一直卡在启动中,我可以到 hive 的启动日志中查看具体原因,根据抛出的异常,我们做对应的处理就可以了;其次,在启动 haproxy 服务时,若是出现异常,我们根据它报错的信息,做对应的处理即可。要冷静,莫慌!

4.Java API使用

  搭建好平台后,我们得验证平台是否可用,下面,我们用 Java API 来验证其 HA 是否可用。下面是写得一个测试代码,用来测试平台是否可用,代码表达的意图是:创建表,然后显示表结构。代码如下所示:

复制代码
/**
*
*/
package cn.hdfs.hive.example;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;

/**
* @author dengjie
* @date 2015年3月26日
* @description 提供一个JDBC访问hive的原型,若用在实际业务中,可拓展该类。
*/
public class HiveVisit {

static {
// 注册jdbc驱动
try {
Class.forName("org.apache.hadoop.hive.jdbc.HiveDriver");
} catch (ClassNotFoundException e) {
e.printStackTrace();
}
}

// 设置 NNA 和 NNS 的连接信息
private static String[] url = new String[] { "jdbc:hive://10.211.55.29:10001/default", "jdbc:hive://10.211.55.26:10001/default" };

public static void main(String[] args) throws Exception {
System.setProperty("hadoop.home.dir", "/Users/dengjie/HDFS/hadoop-2.5.1");
Connection conn = null;
for (int i = 0; i < url.length; i++) {
try {
// 创建连接
conn = DriverManager.getConnection(url[i], "", "");
if (!conn.isClosed()) {// 连接成功,即返回连接对象
break;
}
} catch (Exception ex) {
ex.printStackTrace();
}
}

Statement st = conn.createStatement();
String tableName = "stu";
// 删除表
st.executeQuery("drop table " + tableName);
// 创建表
ResultSet rs = st.executeQuery("create table " + tableName + "(" + "id string," + "name string," + "sex string" + ")" + "row format delimited " + "fields terminated by ',' " + "stored as textfile");
// 显示所有的表
String sql = "show tables";
System.out.println("running:" + sql);
rs = st.executeQuery(sql);
if (rs.next()) {
System.out.println(rs.getString(1));
}
// 得到表信息
sql = "describe " + tableName;
System.out.println("running:" + sql);
rs = st.executeQuery(sql);
while (rs.next()) {
System.out.println(rs.getString(1) + "\t" + rs.getString(2));
}
// 关闭资源
rs.close();
st.close();
conn.close();
}

}
复制代码
  结果展示,内容如下:

running:show tables
stu
running:describe stu
id string

name string

sex string

5.总结

在启动 haproxy 代理服务之前,切记 hive 服务是否正常启动。
在启动 hive 服务是,确保 hadoop 集群运行正常。
已邀请:

要回复问题请先登录注册