一、基础环境准备
1. 硬件配置
- 物理机：建议 16GB 内存以上，500GB 硬盘，多核 CPU
- 虚拟机：至少 3 台（1 主 2 从），每台 4GB 内存，50GB 硬盘
2. 操作系统
- Ubuntu 20.04 LTS 或 CentOS 7/8
3. 网络配置
- 静态 IP 分配（例如：192.168.1.101~103）
- 主机名映射（
/etc/hosts）：plaintext
192.168.1.101 hadoop-master 192.168.1.102 hadoop-slave1 192.168.1.103 hadoop-slave2
二、核心组件安装
1. Hadoop 分布式系统
- 安装步骤参考之前的回答
- 配置高可用（HA）模式（可选）
2. Hive 数据仓库
bash
# 下载和解压
wget https://downloads.apache.org/hive/hive-3.1.3/apache-hive-3.1.3-bin.tar.gz
tar -xzf apache-hive-3.1.3-bin.tar.gz -C /opt/
mv /opt/apache-hive-3.1.3-bin /opt/hive# 配置环境变量
echo 'export HIVE_HOME=/opt/hive' >> ~/.bashrc
echo 'export PATH=$PATH:$HIVE_HOME/bin' >> ~/.bashrc
source ~/.bashrc
3. Spark 计算引擎
bash
# 下载和解压
wget https://downloads.apache.org/spark/spark-3.3.2/spark-3.3.2-bin-hadoop3.tgz
tar -xzf spark-3.3.2-bin-hadoop3.tgz -C /opt/
mv /opt/spark-3.3.2-bin-hadoop3 /opt/spark# 配置环境变量
echo 'export SPARK_HOME=/opt/spark' >> ~/.bashrc
echo 'export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin' >> ~/.bashrc
source ~/.bashrc
4. HBase 分布式数据库
bash
# 下载和解压
wget https://downloads.apache.org/hbase/2.5.7/hbase-2.5.7-bin.tar.gz
tar -xzf hbase-2.5.7-bin.tar.gz -C /opt/
mv /opt/hbase-2.5.7 /opt/hbase# 配置环境变量
echo 'export HBASE_HOME=/opt/hbase' >> ~/.bashrc
echo 'export PATH=$PATH:$HBASE_HOME/bin' >> ~/.bashrc
source ~/.bashrc
三、服务集成与配置
1. Hive 与 Hadoop 集成
- 修改
$HIVE_HOME/conf/hive-site.xml：xml
<configuration><property><name>hive.metastore.warehouse.dir</name><value>/user/hive/warehouse</value></property><property><name>hive.metastore.uris</name><value>thrift://hadoop-master:9083</value></property> </configuration>
2. Spark 与 Hadoop 集成
- 修改
$SPARK_HOME/conf/spark-env.sh：bash
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop export SPARK_MASTER_HOST=hadoop-master export SPARK_WORKER_MEMORY=2g
3. HBase 与 Hadoop 集成
- 修改
$HBASE_HOME/conf/hbase-site.xml：xml
<configuration><property><name>hbase.rootdir</name><value>hdfs://hadoop-master:9000/hbase</value></property><property><name>hbase.cluster.distributed</name><value>true</value></property> </configuration>
四、服务启动与验证
1. 启动顺序
bash
# 启动 Hadoop
start-dfs.sh
start-yarn.sh# 启动 Hive Metastore
hive --service metastore &# 启动 Spark
start-master.sh
start-workers.sh# 启动 HBase
start-hbase.sh
2. 验证服务
- Hadoop：http://hadoop-master:9870（HDFS）和 http://hadoop-master:8088（YARN）
- Spark：http://hadoop-master:8080
- HBase：http://hadoop-master:16010
五、可视化工具安装
1. Zeppelin 数据探索
bash
# 下载和解压
wget https://downloads.apache.org/zeppelin/zeppelin-0.10.1/zeppelin-0.10.1-bin-all.tgz
tar -xzf zeppelin-0.10.1-bin-all.tgz -C /opt/
mv /opt/zeppelin-0.10.1-bin-all /opt/zeppelin# 启动 Zeppelin
/opt/zeppelin/bin/zeppelin-daemon.sh start
访问：http://hadoop-master:8081
2. Superset 数据可视化
bash
# 安装依赖
sudo apt install python3-pip python3-venv# 创建虚拟环境
python3 -m venv superset
source superset/bin/activate# 安装 Superset
pip install apache-superset
superset db upgrade# 创建管理员用户
superset fab create-admin# 初始化
superset init# 启动 Superset
superset run -p 8088 --with-threads --reload --debugger
访问：http://hadoop-master:8088
)
)
