Apache Accumulo是一个基于Google BigTable的开源分布式NoSQL数据库。它用于在极大数据集(通常称为大数据)上有效执行CRUD(创建读取更新删除)操作。如果项目需要细胞级访问控制形式的细粒度安全性,则Accumulo优于其他类似的分布式数据库(例如HBase或CouchDB)。
Accumulo建立在其他Apache软件之上。Accumulo以键值对的形式表示其数据,并将该数据存储在HDFS(Apache的Hadoop分布式文件系统)上。它还使用Apache ZooKeeper在其所有进程之间同步设置。
在本教程中,您将学习如何:
您将需要以下内容:
没有服务器的同学可以在这里购买,不过我个人更推荐您使用免费的腾讯云开发者实验室进行试验,学会安装后再购买服务器。
Accumulo,HDFS和ZooKeeper都是用Java编写的,需要运行JVM(Java虚拟机)。那么,让我们从安装JDK开始吧。
更新包列表索引。
sudo apt-get update
使用apt-get
安装OpenJDK 7 。
sudo apt-get install openjdk-7-jdk
使用nano
编辑您的shell环境文件.bashrc
。
nano ~/.bashrc
在文件末尾添加环境变量JAVA_HOME
。
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-i386
注意:根据服务器的体系结构,
JAVA_HOME
值可能会有所不同。例如,在64位服务器上,值为/usr/lib/jvm/java-7-openjdk-amd64
。您可以通过列出/usr/lib/jvm/
目录的内容来查看确切的路径。如果您的路径与此处显示的路径不同,请确保在此处和其他地方进行适当的更改。
保存文件并退出nano
。键入以下命令更新当前会话的环境变量:
. ~/.bashrc
使用nano
编辑JVM的java.security
配置文件。
sudo nano $JAVA_HOME/jre/lib/security/java.security
搜索参数securerandom.source
并更改行,使其如下所示:
securerandom.source=file:/dev/./urandom
保存文件并退出nano
。此更改对于减少JVM的启动时间是必要的。不进行此更改可能会导致大多数虚拟服务器上的启动时间过长。
Hadoop需要SSH和Rsync来管理其守护进程。使用以下命令安装它们:
sudo apt-get install ssh rsync
Hadoop应该能够通过SSH连接到您的服务器,而不会被提示输入密码。
使用ssh-keygen
生成RSA密钥。
ssh-keygen -P ''
出现提示时按ENTER键,选择默认值。
将生成的密钥添加到authorized_keys
文件中。
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
localhost
值和0.0.0.0
应该被添加到已知主机列表中。最简单的方法是运行ssh
命令。
我们先添加一下localhost
。
ssh localhost
您将收到如下消息的提示:
The authenticity of host 'localhost (127.0.0.1)' can't be established.
ECDSA key fingerprint is bf:01:63:5b:91:aa:35:db:ee:f4:7e:2d:36:e7:de:42.
Are you sure you want to continue connecting (yes/no)?
输入yes
并按ENTER
。
登录完成后,键入以下内容退出子SSH会话:
exit
我们现在加0.0.0.0
。
ssh 0.0.0.0
输入yes
并在出现提示时按ENTER``ENTER
。
再次输入以下命令退出子SSH会话:
exit
SSH设置现已完成。
您将为本教程下载几个文件。虽然不是必需的,但最好将所有下载存储在单独的目录中。
mkdir -p ~/Downloads
输入目录。
cd ~/Downloads
使用wget
下载Hadoop的最新稳定版本。
wget "http://www.eu.apache.org/dist/hadoop/common/stable/hadoop-2.6.0.tar.gz"
使用wget
下载ZooKeeper的最新稳定版本。
wget "http://www.eu.apache.org/dist/zookeeper/stable/zookeeper-3.4.6.tar.gz"
最新稳定版的Accumulo是1.6.1。使用下载它wget
。
wget "http://www.eu.apache.org/dist/accumulo/1.6.1/accumulo-1.6.1-bin.tar.gz"
创建一个目录来存储我们所有与Accumulo相关的安装。
mkdir -p ~/Installs
输入目录。
cd ~/Installs
使用tar
命令提取hadoop-2.6.0-src.tar.gz
的内容。
tar -xvzf ~/Downloads/hadoop-2.6.0.tar.gz
注意:如果您安装了此软件的任何其他版本,请在文件名中使用相应的版本。
使用nano
打开hadoop-env.sh
。
nano ~/Installs/hadoop-2.6.0/etc/hadoop/hadoop-env.sh
查找以export JAVA_HOME
开头的行并将其更改为:
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-i386
确保此值与您在.bashrc
中设置的值相同。
默认情况下,Hadoop会生成大量调试日志。要停止此行为,请查找以export HADOOP_OPTS
开头的行并将其更改为:
export HADOOP_OPTS="$HADOOP_OPTS -XX:-PrintWarnings -Djava.net.preferIPv4Stack=true"
保存并退出。
使用nano
打开core-site.xml
。
nano ~/Installs/hadoop-2.6.0/etc/hadoop/core-site.xml
添加一个名为fs.defaultFS
的块<property>
。它的值应该指向namenode的主机名和端口(在我们的例子中,它是localhost
和默认端口9000
)。忽略评论,编辑您的文件,使其如下所示:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
保存并退出。
使用nano
打开hdfs-site.xml
。
nano ~/Installs/hadoop-2.6.0/etc/hadoop/hdfs-site.xml
需要将以下属性添加到此文件中:
dfs.replication
:此数字指定Hadoop复制块的次数。默认情况下,Hadoop会3
为每个块创建副本。在本教程中,使用值1
,因为我们没有创建集群。dfs.name.dir
:这指向文件系统中namenode可以存储名称表的位置。您需要更改此设置,因为Hadoop 默认使用/tmp
。让我们用hdfs_storage/name
来存储名称表。dfs.data.dir
:这指向文件系统中datanode应存储其块的位置。您需要更改此设置,因为Hadoop /tmp
默认使用。让我们hdfs_storage/data
用来存储数据块。在添加这些属性后忽略注释,您的文件应如下所示:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.name.dir</name>
<value>hdfs_storage/name</value>
</property>
<property>
<name>dfs.data.dir</name>
<value>hdfs_storage/data</value>
</property>
</configuration>
使用nano
创建一个名为mapred-site.xml
的新文件。
nano ~/Installs/hadoop-2.6.0/etc/hadoop/mapred-site.xml
添加名为mapred.job.tracker
的属性到此文件。此属性包含运行MapReduce作业跟踪程序的主机名和端口号。对于我们的设置,使用localhost
和默认端口9001
。
将以下内容添加到文件中:
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
</configuration>
输入Hadoop的基目录(这很重要,因为Hadoop在当前目录中创建了目录 hdfs_storage
)。
cd ~/Installs/hadoop-2.6.0/
现在可以通过键入以下内容来初始化NameNode:
~/Installs/hadoop-2.6.0/bin/hdfs namenode -format
你应该看到相当多的输出。
接下来,输入以下命令启动NameNode:
~/Installs/hadoop-2.6.0/sbin/start-dfs.sh
等一两分钟才能开始。启动后,您可以使用浏览器访问http://<your-ip>:50070/
和浏览NameNode的Web界面。
故障排除
如果您无法访问Web界面,请使用以下命令检查NameNode是否处于活动状态:
jps
您的输出应包含以下三个过程以及Jps
过程:
DataNode
NameNode
SecondaryNameNode
如果您看到输出中不存在NameNode
,请执行以下步骤。如果它们不在块中执行,则可能必须单独运行它们。评论包含在内。
cd ~/Installs/hadoop-2.6.0/
~/Installs/hadoop-2.6.0/sbin/stop-dfs.sh # Stop Hadoop's nodes
rm -rf hdfs_storage # Delete the namenode data
rm -rf /tmp/hadoop-* # Delete the temporary directories
~/Installs/hadoop-2.6.0/bin/hdfs namenode -format # Reformat the namenode
使用start-dfs.sh
命令重启Hadoop :
~/Installs/hadoop-2.6.0/sbin/start-dfs.sh
您现在应该可以访问Web界面了。
输入Installs
目录。
cd ~/Installs
使用tar
提取zookeeper-3.4.6.tar.gz
。
tar -xvzf ~/Downloads/zookeeper-3.4.6.tar.gz
将示例文件zoo_sample.cfg
复制到zoo.cfg
。
cp ~/Installs/zookeeper-3.4.6/conf/zoo_sample.cfg ~/Installs/zookeeper-3.4.6/conf/zoo.cfg
ZooKeeper的配置现已完成。输入以下命令启动ZooKeeper:
~/Installs/zookeeper-3.4.6/bin/zkServer.sh start
您应该看到如下所示的输出:
JMX enabled by default
Using config: ~/Installs/zookeeper-3.4.6/bin/../conf/zoo.cfg
Starting zookeeper ... STARTED
现在它的所有依赖项都得到了满足,现在是时候开始安装Accumulo本身了。
输入Installs
目录。
cd ~/Installs
使用tar
提取accumulo-1.6.1-bin.tar.gz
:
tar -xvzf ~/Downloads/accumulo-1.6.1-bin.tar.gz
Accumulo为各种内存大小的服务器提供了示例配置:512 MB,1 GB,2 GB和3 GB。我将在本教程中使用512 MB的配置。如果服务器有更多内存,您可以选择其他配置。
将512 MB配置文件复制到conf
目录。
cp ~/Installs/accumulo-1.6.1/conf/examples/512MB/standalone/* ~/Installs/accumulo-1.6.1/conf/
使用.bashrc
文件用nano
再次编辑shell环境。
nano ~/.bashrc
将以下环境变量添加到此文件:
将以下行添加到您的文件中:
export HADOOP_HOME=~/Installs/hadoop-2.6.0/
export ZOOKEEPER_HOME=~/Installs/zookeeper-3.4.6/
保存并退出。
更新环境,以便您添加到.bashrc
的变量在当前会话中可用。
. ~/.bashrc
使用nano
编辑accumulo-env.sh
。
nano ~/Installs/accumulo-1.6.1/conf/accumulo-env.sh
默认情况下,Accumulo的HTTP监视器仅绑定到本地网络接口。要能够通过Internet访问它,您必须将值ACCUMULO_MONITOR_BIND_ALL
设置为true
。
找到以export ACCUMULO_MONITOR_BIND_ALL
开头的行并取消注释。它应该如下所示:
export ACCUMULO_MONITOR_BIND_ALL="true"
保存并退出。
使用nano
编辑accumulo-site.xml
。
nano ~/Installs/accumulo-1.6.1/conf/accumulo-site.xml
Accumulo的工作进程使用密钥相互通信。这应该更改为一个安全的字符串。搜索属性instance.secret
并更改其值。我打算用这个字符串:PASS1234
。属性的XML应如下所示:
<property>
<name>instance.secret</name>
<value>PASS1234</value>
<description>A secret unique to a given instance that all servers must know in order to communicate with one another.
Change it before initialization. To
change it later use ./bin/accumulo org.apache.accumulo.server.util.ChangeSecret --old [oldpasswd] --new [newpasswd],
and then update this file.
</description>
</property>
接下来,添加一个名为instance.volumes
的新属性。此属性的值指定Accumulo应将其数据存储在HDFS中的位置。让我们将数据存储在/accumulo
目录中。
<property>
<name>instance.volumes</name>
<value>hdfs://localhost:9000/accumulo</value>
</property>
找到属性trace.token.property.password
,并将其值设置为安全的东西。请记住此值,因为您将在下一步中使用它。我要把它设置为mypassw
。
<property>
<name>trace.token.property.password</name>
<value>mypassw</value>
</property>
保存并退出。
初始化Accumulo。
~/Installs/accumulo-1.6.1/bin/accumulo init
系统将提示您输入实例名称。使用您选择的任何名称。我选择DIGITAL_OCEAN
。
接下来,系统将提示您输入密码。输入您用于trace.token.property.password
属性的相同密码。
命令完成后,您可以启动Accumulo。
~/Installs/accumulo-1.6.1/bin/start-all.sh
您可能会看到一些警告,建议某些系统参数的值更高。由于我们在本教程中创建了一个非常小的实例,因此您可以忽略这些警告。
启动完成后,您可以使用浏览器访问http://<your-server-ip>:50095
的Accumulo的Web界面。
在本教程中,您学习了如何设置Apache Accumulo及其依赖的所有其他组件。我们今天在伪分布式模式下使用HDFS创建了一个非常简单的设置,可以在单个小型服务器上运行。为了在生产方案中获得最佳性能,HDFS应该以完全分布式模式运行。
在生产方案中,还强烈建议将这些进程部署在具有至少8GB RAM和4个或更多处理器核心的服务器上,以便每个进程可以使用超过2GB的内存和单独的核心。或者,您可以在不同的服务器上单独部署组件。
想要了解更多关于安装对大数据友好的Apache Accumulo NoSQL数据库的相关教程,请前往腾讯云+社区学习更多知识。
参考文献:《How To Install the Big-Data Friendly Apache Accumulo NoSQL Database on Ubuntu 14.04》
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。