用HAWQ轻松取代传统数据仓库（二） —— 安装部署

一、安装规划
1. 选择安装介质
        HAWQ的安装介质有两种选择，一是下载源码手工编译，二是使用Pivotal公司提供的HDB安装包。源码的下载地址为http://apache.org/dyn/closer.cgi/incubator/hawq/2.0.0.0-incubating/apache-hawq-src-2.0.0.0-incubating.tar.gz，目前最新版本是2.0.0。源码编译和安装Apache官方文档地址为https://cwiki.apache.org/confluence/display/HAWQ/Build+and+Install。
        建议初学者不要使用源码编译方式，这种方法需要的依赖包很多，对操作系统、Hadoop的版本、安装与配置也提出较高的要求。我曾尝试在已有的CDH 5.7集群上源码编译安装HAWQ 2.0.0，过程可谓步履维艰，一步一坎，最终还是放弃了这个失败的安装方案。如果想挑战一下自己的心理承受能力或技术水平的同学，不妨尝试这种方式。网上也有一些详细的资料可供参考，如“Apache HAWQ集群的安装部署”和“HAWQ手动安装”。我推荐的方式是使用HDB介质，主要原因是过程相对简单，安装成功率高。

2. 选择HAWQ版本
        目前Pivotal提供的最新版本是HDB 2.1.1，该版本最主要的变化是包含了对ORC文件格式的一些支持（Beta版），包含所有Apache HAWQ孵化项目的功能特性，并修复了一些Apache HAWQ的bug。
        在选择HDB版本时，需要考虑它与所支持操作系统、Hadoop平台和安装工具Ambari的版本之间的匹配关系。表1显示了最新的Pivotal HDB 2.1.1版本的产品支持。完整的产品支持矩阵参考http://hdb.docs.pivotal.io/211/hdb/releasenotes/HAWQ211ReleaseNotes.html#topic_g53_tgv_2v。

表1 HDB 2.1.1产品支持

注意：

• 不支持RHEL/CentOS 7。
• Hadoop仅支持Hortonworks Data Platform（HDP）和Pivotal HDP两种发行版本。

本次安装选择最新版Pivotal HDB 2.1.1。

3. 确认Ambari与HDP的版本兼容性
        安装HDB之前首先需要安装Ambari和Hortonworks Data Platform（HDP）。从表1看到Ambari的版本是2.4.1，HDP的版本是2.5，再次从hortonworks官方的安装文档中确认版本兼容性，兼容矩阵如图1所示。

图1 Ambari与HDP的版本兼容性

4. 实验环境
        主机信息如表2所示，所有主机都能连接互联网。

表2 主机信息

硬件配置：每台主机CPU4核、内存8G、硬盘100G
        软件版本如表3所示。

表3 系统软件版本

二、安装前准备
        整个HAWQ的安装部署过程包括安装Ambari、安装HDP、安装HAWQ三个依次进行的步骤，在实施这些步骤前需要做一些准备工作。如没做特殊说明，所有配置或命令都用root用户执行。
1. 参考官方文档确认最小系统需求
        操作系统：CentOS v6.x
        浏览器：Google Chrome 26及以上
        依赖软件包：yum、rpm、scp、curl、unzip、tar、wget、OpenSSL (v1.01, build 16 or later)、Python 2.6.x、OpenJDK 7/8 64-bit
        系统内存与磁盘：Ambari主机至少应该有1G内存和500M剩余磁盘空间。如果要使用Ambari Metrics，所需内存和磁盘依据集群规模，如图2所示。

图2 资源需求与集群规模

最大打开文件描述符：推荐值大于10000。使用下面的命令检查每个主机的当前值：

ulimit -Sn
ulimit -Hn

如果小于10000，使用下面的命令设置成10000

ulimit -n 10000

2. 准备系统安装环境
（1）禁用防火墙
        在安装期间Ambari需要与部署集群主机通信，因此特定的端口必须打开。最简单的实现方式是执行下面的命令禁用防火墙：

/etc/init.d/iptables stop
chkconfig iptables off

四台主机都要执行。

（2）禁用SELinux
        Ambari安装需要禁用SELinux：

setenforce 0
# 编辑/etc/selinux/config文件，设置
SELINUX=disabled

四台主机都要执行。

（3）配置域名解析
        编辑/etc/hosts文件，添加如下四行：

172.16.1.124 hdp1
172.16.1.125 hdp2
172.16.1.126 hdp3
172.16.1.127 hdp4

四台主机都要执行。

注意：不要删除文件中原有的如下两行，否则可能引起网络问题。

127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

在hdp1上执行：

hostname hdp1
# 编辑/etc/sysconfig/network文件，设置如下两行：
NETWORKING=yes
HOSTNAME=hdp1

在hdp2、hdp3、hdp4上执行类似的配置。

（4）安装配置NTP

yum install -y ntp
chkconfig ntpd on
service ntpd start

四台主机都要执行。

（5）配置SSH免密码
        为了使得Ambari Server在集群所有主机上自动安装Ambari Agents，必须配置Ambari Server主机到集群其它主机的SSH免密码连接。以下配置用于在hdp1上运行Ambari Server，在所有四台主机上运行Ambari Agents的情况。

ssh-keygen
... 一路回车 ...
ssh-copy-id hdp1
ssh-copy-id hdp2
ssh-copy-id hdp3
ssh-copy-id hdp4

四hdp1上执行以上命令。

chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys

四台主机都要执行。

（6）安装MySQL JDBC驱动

tar -zxvf mysql-connector-java-5.1.38.tar.gz
cp ./mysql-connector-java-5.1.38/mysql-connector-java-5.1.38-bin.jar /usr/share/java/mysql-connector-java.jar

四台主机都要执行。

（7）安装MySQL数据库
        在hdp1、hdp2上安装MySQL，hdp1上的MySQL用于Ambari，hdp1上的MySQL用于Hive、Oozie等Hadoop组件。在hdp1、hdp2上执行以下命令。

rpm -ivh MySQL-5.6.14-1.el6.x86_64.rpm
service mysql start

（8）在hd2上的MySQL中建立数据库用户并授权

# mysql -u root -p
create database hive;
create database oozie;
create user ‘hive‘@‘%‘ identified by ‘hive‘;
grant all privileges on hive.* to ‘hive‘@‘%‘;
create user ‘oozie‘@‘%‘ identified by ‘oozie‘;
grant all privileges on oozie.* to ‘oozie‘@‘%‘;
flush privileges;

3. 建立本地Repository
        联机安装过程中需要从远程的Repository中yum下载所需要的包，为了防止由于网络不稳定或远程Repository不可用等原因导致的安装失败，最好配置本地Repository。在安装HDP时，本地和远程的Repository配合使用，既能加快安装进度，又能补全所需的包。
（1）下载以下两个文件到hdp1

wget http://public-repo-1.hortonworks.com/HDP/centos6/2.x/updates/2.5.0.0/HDP-2.5.0.0-centos6-rpm.tar.gz
wget http://public-repo-1.hortonworks.com/HDP-UTILS-1.1.0.21/repos/centos6/HDP-UTILS-1.1.0.21-centos6.tar.gz

（2）在hdp1上建立一个HTTP服务器

yum install httpd
mkdir -p /var/www/html/
cd /var/www/html/
tar -zxvf ~/HDP-2.5.0.0-centos6-rpm.tar.gz
tar -zxvf ~/HDP-UTILS-1.1.0.21-centos6.tar.gz
service httpd start

（3）新建/etc/yum.repos.d/hdp.repo文件，添加如下行：

name=hdp-2.5.0.0
baseurl=http://172.16.1.124/HDP/centos6/
path=/
enabled=1
gpgcheck=0
priority=10

（4）新建/etc/yum.repos.d/hdp-utils.repo文件，添加如下行：

name=HDP-UTILS-1.1.0.21
baseurl=http://172.16.1.124/HDP-UTILS-1.1.0.21/repos/centos6
path=/
enabled=1
gpgcheck=0
priority=10

（5）下载CentOS6-Base-163.repo到/etc/yum.repos.d目录
        安装过程中发现本地仓库不全，还少RPM包，因此再加一个163的源。

cd /etc/yum.repos.d/
wget http://mirrors.163.com/.help/CentOS6-Base-163.repo

（6）新建/etc/yum.repos.d/fedora.repo文件，添加如下行：

name=epel
baseurl=http://dl.fedoraproject.org/pub/epel/6/x86_64/
enabled=1
gpgcheck=0

HAWQ的Repository中缺少libgsasl库，需要再加一个包含libgsasl库的源。

（7）将新建的Repository配置文件复制到其它主机

scp /etc/yum.repos.d/* [email protected]:/etc/yum.repos.d/
scp /etc/yum.repos.d/* [email protected]:/etc/yum.repos.d/
scp /etc/yum.repos.d/* [email protected]:/etc/yum.repos.d/

三、安装Ambari
        Ambari跟Hadoop等开源软件一样，也是Apache Software Foundation中的一个项目，并且是顶级项目。目前最新的发布版本是 2.4.2。就Ambari的作用来说，就是创建、管理、监视Hadoop的集群。但是这里的Hadoop是广义的，指的是Hadoop整个生态圈（例如 Hive、Hbase、Sqoop、Zookeeper等等），而并不仅是特指Hadoop。用一句话来说，Ambari就是让Hadoop 以及相关的大数据软件更容易使用的一个工具。
        Ambari主要具有以下功能特性：

• 通过一步一步的安装向导简化了集群部署。
• 预先配置好关键的运维指标（metrics），可以直接查看Hadoop Core（HDFS和MapReduce）及相关项目（如HBase、Hive和HCatalog）是否健康。
• 支持作业与任务执行的可视化与分析，能够更好地查看依赖和性能。
• 通过一个完整的RESTful API把监控信息暴露出来，集成了现有的运维工具。
• 用户界面非常直观，用户可以轻松有效地查看信息并控制集群。

Ambari使用Ganglia收集度量指标，用Nagios支持系统报警，当需要引起管理员的关注时（比如，节点停机或磁盘剩余空间不足等问题），系统将向其发送邮件。此外，Ambari能够安装安全的（基于Kerberos）Hadoop集群，以此实现了对Hadoop 安全的支持，提供了基于角色的用户认证、授权和审计功能，并为用户管理集成了LDAP和Active Directory。
        Ambari自身也是一个分布式架构的软件，主要由两部分组成：Ambari Server和Ambari Agent。简单来说，用户通过Ambari Server通知Ambari Agent安装对应的软件，Agent会定时地发送各个机器每个软件模块的状态给Ambari Server，最终这些状态信息会呈现在Ambari的 GUI，方便用户了解到集群的各种状态，并进行相应的维护。下面详细说明Ambari的安装。

1. 下载Ambari repository到hdp1
（1）下载Ambari repository文件

wget -nv http://public-repo-1.hortonworks.com/ambari/centos6/2.x/updates/2.4.1.0/ambari.repo -O /etc/yum.repos.d/ambari.repo

注意：文件名必须是ambari.repo，当Ambari Agent注册到Ambari Server时需要此文件。

（2）确认Repository配置

yum repolist | grep amba

应该看到类似图3所示的信息

图3 查看Ambari repository

（3）安装Ambari Server

yum install ambari-server

这步也会安装Ambari缺省使用的PostgreSQL数据库。出现提示符时输入y，确认事务和依赖检查。

2. 为Ambari配置MySQL数据库
（1）在hdp1上的MySQL中建立Ambari数据库用户并授权

# mysql -u root -p
create user ‘ambari‘@‘%‘ identified by ‘ambari‘;
grant all privileges on *.* to ‘ambari‘@‘%‘;
flush privileges;

（2）建立Ambari Server数据库模式

# mysql -u ambari -p
create database ambari;
use ambari;
source /var/lib/ambari-server/resources/Ambari-DDL-MySQL-CREATE.sql;

3. 配置Ambari Server
        启动Ambari Server前必须进行配置，指定Ambari使用的数据库、安装JDK、定制运行Ambari Server守护进程的用户等。在hdp1上执行下面的命令管理配置过程。

ambari-server setup

• Customize user account for ambari-server daemon提示时输入n，使用root用户运行Ambari Server。
• 选择JDK 1.7。
• Enter advanced database configuration提示时输入y，选择Option [3] MySQL/MariaDB，然后根据提示输入连接MySQL的用户名、密码和数据库名，这里均为ambari。

4. 启动Ambari Server
        在hdp上执行下面的命令启动Ambari Server：

ambari-server start
# 查看Ambari Server进程状态
ambari-server status

至此，Ambari安装完成

四、安装、配置、部署HDP集群
        Hortonworks Data Platform是Hortonworks公司开发的Hadoop数据平台。Hortonworks由Yahoo的工程师创建，它为Hadoop提供了一种“service only”的分发模型。有别于其它商业化的Hadoop版本，Hortonworks是一个可以自由使用的开放式企业级数据平台。其Hadoop发行版本即HDP，可以被自由下载并整合到各种应用当中。
        Hortonworks是第一个提供基于Hadoop 2.0版产品的厂商，也是目前唯一支持Window平台的Hadoop分发版本。用户可以通过HDInsight服务，在Windows Azure上部署Hadoop集群。HDP的特性如下：

• HDP通过其新的Stinger项目，使Hive的执行速度更快。
• HDP承诺是一个Apache Hadoop的分支版本，对专有代码的依赖极低，避免了厂商锁定。
• 专注于提升Hadoop平台的可用性。

下面说明在浏览器中使用Ambari的安装向导交互式安装、配置、部署HDP。

1. 在浏览器中登录Ambari
http://172.16.1.124:8080，初始的用户名/密码为admin/admin。在欢迎页面点击“Launching Install Wizard”，如图4所示。

图4

2. 给集群命名
        集群名称中不要有空格和特殊字符，然后点击“Next”。

3. 选择HDP版本
        选择2.5.0.0，如图5所示。

图5

4. 选择Repositories
        选择Use Public Repositories，然后点击“Next”。

5. 安装选项

• Target Hosts编辑框中输入四个主机名，每个一行。

hdp1
hdp2
hdp3
hdp4

• 点击“Choose File”按钮，选择“准备系统安装环境”第（5）步中hdp1上生成的私钥文件id_rsa。
• 用户名root，端口22
• 选择“Register and Confirm”

6. 确认主机
        选中四台主机，点击“Next”。

7. 选择服务
        根据需要选择服务，点击“Next”。

8. 标识Masters
        根据需要选择Masters，点击“Next”。

9. 标识Slaves和Clients
        根据需要选择Slaves和Clients，点击“Next”。

10. 定制服务

• 为hive和oozie配置MySQL数据库连接。
• 设置所需的密码。
• 其它保持缺省。

11. 复查确认
        选择“Deploy”。

12. 安装、启动与测试
        此时显示安装进度页面。Ambari对HDP的每个组件执行安装、启动和简单的测试。不要刷新浏览器，等待部署过程完全执行成功。当出现“Successfully installed and started the services”时，选择“Next”。

13. 完成
        汇总页面显示完成的任务列表。选择“Complete”，显示Ambari Web GUI主页面。

至此，HDP安装完成。

五、安装HAWQ
1. 选择HAWQ主机
        在安装HAWQ之前，使用下面的步骤选择和准备所需主机。
（1）选择作为HAWQ segment的主机。记住有以下限制：

• 每台主机都必须满足安装相应版本HAWQ的系统要求。
• 每个HAWQ segment所在主机必须和其上运行的HDFS DataNode协同工作。
• HAWQ master segment和standby master segment必须部署在不同的主机上。

在本实验环境中，集群中的四台主机均作为HAWQ segment，其中两台分别作为master和standby，在安装时Ambari会自动部署主机。
（2）选择运行PXF的主机。记住有以下限制：

• PXF必须安装在HDFS NameNode和所有HDFS DataNodes主机上。
• 如果配置了Hadoop HA，PXF必须安装在包括所有NameNode和所有HDFS Node的主机上。
• 如果想通过PXF访问HBase和Hive，必须在将要安装PXF的主机上首先安装HBase和Hive的客户端。

在本实验环境中，集群中的四台主机均安装PXF，在安装时Ambari会自动部署主机。（在前面部署HDP时，已经在所有四台机器上安装了客户端程序。）
（3）确认所有主机上的所需端口没有被占用
        HAWQ master和standby master服务缺省使用5432端口。前面安装Ambari是使用的是MySQL数据库存储元数据，而不是缺省的PostgreSQL，所以本次安装中不存在端口冲突问题。

2. 建立HDB软件的Repositories
        在安装HDB前必须建立两个本地yum repositories。在运行Ambari server的主机上（hdp1）以root用户执行下面的步骤。这台主机（称为repo-node）必须能够访问HAWQ集群的所有节点。
（1）重启httpd服务器

service httpd [re]start

（2）从https://network.pivotal.io/products/pivotal-hdb下载名为hdb-2.1.1.0-7.tar的HDB安装文件。
（3）建立一个临时目录存储解压后的的HDB安装包。运行httpd进程的操作系统用户（本此安装中是root）必须对该目录及其所有上级目录具有可读可执行的权限。

mkdir /staging
chmod a+rx /staging

注意：不要使用/tmp目录，/tmp下的文件可能在任意时间被删除。
（4）HDB安装文件中包含一个yum repository。解压HDB安装文件后，运行setup_repo.sh脚本，将HDB软件的发布包添加到本地yum包的repository中。

cd /staging
tar -zxvf hdb-2.1.1.0-7.tar
cd hdb-2.1.1.0
./setup_repo.sh

setup_repo.sh在本地建立一个名为hdb-2.1.1.0.repo的HDB repository，并且在httpd服务器的根目录（缺省为/var/www/html）下建立一个符号链接指向hdb-2.1.1.0-7.tar的解压缩目录。在本次安装中为：/var/www/html/hdb-2.1.1.0 -> /staging/hdb-2.1.1.0
（5）在HAWQ集群的所有节点上安装epel-release包

yum install -y epel-release

3. 使用Ambari安装HAWQ
（1）用root用户登录Ambari server主机（hdp1）。
（2）从HDB repository安装HAWQ Ambari插件。

yum install -y hawq-ambari-plugin

以上命令会建立/var/lib/hawq目录，并将所需的脚本和模板文件安装到该目录中。
（3）重启Ambari服务器。

ambari-server restart

（4）执行add-hawq.py脚本将HDB repository添加到Ambari服务器中。

cd /var/lib/hawq
./add-hawq.py --user admin --password admin --stack HDP-2.5

注意：提供正确的Ambari管理员用户名/密码，缺省为admin/admin。
（5）重启Ambari服务器。

ambari-server restart

（6）登录Ambari web控制台。
http://172.16.1.124:8080，缺省的用户名/密码为admin/admin，确认HAWQ服务已经可用。
（7）选择HDFS -> Configs标签。
（8）配置HDFS。

• 选择Settings标签，修改DataNode max data transfer threads为40960。
• 选择Advanced标签，点开DataNode，设置DataNode directories permission为750。
• 点开General，设置Access time precision为0。
• 点开Advanced hdfs-site，设置表4所示属性的值，如果属性不存在，则选择Custom hdfs-site，点击Add property… 添加属性并设置表中所示的值。

表4 hdfs-site属性
（9）点开Advanced core-site，设置表5所示属性的值，如果属性不存在，则选择Custom core-site，点击Add property… 添加属性并设置表中所示的值。

表5 core-site属性
（10）点击Save保存配置。
（11）如果Ambari提示需要重启，在继续后面的步骤前先点击Restart重启服务。
（12）在主页选择Actions > Add Service。
（13）从服务列表选择HAWQ和PXF，点击Next，显示Assign Masters页。
（14）选择HAWQ Master和HAWQ Standby Master的主机，或接受缺省值，点击Next显示Assign Slaves and Clients页。
（15）选择运行HAWQ segments和PXF的主机，或接受缺省值，点击Next。Add Service助手会基于可用的Hadoop服务自动为HAWQ选择主机。
        注意：PXF必须安装在NameNode、Standby NameNode和每一个DataNode节点上，而HAWQ segment必须安装在每个DataNode节点上。
（16）在Customize Services页面接受缺省设置。
（17）点击Advanced标签，输入HAWQ系统用户口令，点击Next。
（18）在后面的页面均接受缺省值，连续点击Next。
（19）最后点击Complete。如果Ambari提示集群上的组件需要重启，选择Restart > Restart All Affected重启所有受影响的服务。
（20）验证HAWQ安装。
        用gpadmin用户登录HAWQ master所在主机，执行下面的命令：

# 设置HAWQ环境变量
source /usr/local/hawq/greenplum_path.sh
psql -d postgres
create database test;
\c test
create table t (i int);
insert into t select generate_series(1,100);
\timing
select count(*) from t;

结果如图6所示。

图6 验证HAWQ安装

参考：
http://hdb.docs.pivotal.io/
https://docs.hortonworks.com/HDPDocuments/HDP2/HDP-2.5.0/index.html