Hadoop的相关资料
1 HDFS1.1 概念
Hadoop分布式文件系统(HDFS)被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统
1.2 特点
- 高度容错性
- 硬件要求低
- 能提供高吞吐量的数据访问
1.3 文件系统命令行
1.3.1 获取帮助
hadoop fs -help 1.3.2 ls命令
hadoop fs -ls /
hadoop fs -ls -R /user
1.3.3 getconf命令
hdfs getconf -help
hdfs getconf -namenodes
1.3.4 版本信息
hdfs version 注：由于与linux系统指令用法接近，详细请参阅文后的官方链接。
2 MapReduce
2.1 MapReduce的简介
MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。
2.2 工作原理
假若一个盘子中有黑豆、黄豆、绿豆、红豆，你现在想挑出其中的红豆。
MapReduce方法则是：
step1 找一个团队来处理（相当于一群服务器组成的集群）
step2 把豆子平均分配给团队里的每成员（相当于给群集中的服务器分配数据）
step3 让团队的成员开始挑选出其中的红豆（相当于群集的计算机并行地处理数据）
step4 把团队成员挑出来的豆子汇聚（相当于群集汇总并输出结果）
3 Hive
3.1 Hive的简介
3.1.1 概念
Hive是一个基于Hadoop的数据仓库平台。
3.1.2 Hive的作用
通过hive，我们可以方便地进行ETL的工作
hive定义了一个类似于SQL的查询语言
HQL能够将用户编写的QL转化为相应的Mapreduce程序基于Hadoop执行
3.1.3 Hive项目的历史
Hive是Facebook 2008年8月刚开源的一个数据仓库框架，其系统目标与Pig有相似之处，但它有一些Pig目前还不支持的机制。
比如：更丰富的类型系统、更类似SQL的查询语言、Table/Partition元数据的持久化等。
4 impala
4.1 Impala的简介
Impala 是 Cloudera 在受到 Google 的 Dremel 启发下开发的实时交互 SQL 大数据查询工具，Impala 没有再使用缓慢的 Hive+MapReduce 批处理，而是通过使用与商用并行关系数据库中类似的分布式查询引擎（由 Query Planner、Query Coordinator 和 Query Exec Engine 三部分组成），可以直接从 HDFS 或 HBase 中用 SELECT、JOIN 和统计函数查询数据，从而大大降低了延迟。
4.2 Impala的shell
4.2.1 启动shell
impala-shell 4.2.2 版本查询
select version(); 4.3 库的操作
4.3.1 查询数据库
show databases; 4.3.2 创建数据库
create database testdb;
create database testdb2;
数据库存储路径：
hdfs dfs -ls /user/hive/warehouse/ 4.3.3 使用数据库
use testdb; 4.3.4 显示当前数据库
select current_database(); 4.3.5 删除数据库
drop database testdb; 4.4 表操作
4.4.1 创建表
create table t1 (x int);
create table t3 (id int, word string);
create table city (id int,name string,countrycode string,district string,population int);
4.4.2 显示数据库中的表
show tables;
show tables in testdb;
show tables in testdb like 't*';
4.4.3 表结构描述
describe city; 4.4.4 修改表名称
alter table t3 rename to t2; 4.4.5 插入数据
insert into t1 values (1),(3),(2),(4);
insert into t2 values (1, "one"), (3, "three"), (5, 'five');
4.4.6 数据查询
select min(x), max(x), sum(x), avg(x) from t1;
select word from t1 join t2 on (t1.x = t2.id);
5 sentry
5.1 开启权限
5.1.1 开启权限
Hive/Impala > Configuration > Service-Wide > Sentry Service > 选择“sentry”
5.1.2 指定认证服务器
Hive > Configuration > Service-Wide > Advanced > Server Name for Sentry Authorization(hive.sentry.server) > 填写sentry服务器名称或IP地址
5.1.3 设置特权用户
Hive > Configuration > Service-Wide > Security > Bypass Sentry Authorization Users(sentry.metastore.service.users) > 填写绕过的linux用户名（hive,impala,hue,hdfs等）
5.1.4 配置Hive的代理用户
HDFS > Configuration > Service-Wide > Proxy > Hive Proxy User Groups（hadoop.proxyuser.hive.groups） > 填写代理的linux用户名（hive,impala,hue,hdfs等）
5.1.5 重启服务
重启Hive/Impala的服务
5.2 授权
5.2.1 创建数据库用户和组
groupadd gp1
useradd user1 -G gp1
useradd user2 -G gp1
5.2.2 切换执行用户
su - impala 5.2.3 创建数据库
切换到hive shell
hive 新建库
create database testdb; 退出hive shell
quit; 5.2.4 创建角色
切换到impala shell
impala-shell 创建角色
create role ro1; 5.2.5 确认创建的角色
show roles; 5.2.6 用户组和角色的关联
grant role ro1 to group gp1; 5.2.7 角色授权
grant all on database testdb to role ro1; 参阅资料：
==================================================
Docs:
----------------
http://hadoop.apache.org/docs/current/
Hadoop Common Guide:
---------------------
http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-hdfs/HDFSCommands.html
File System Shell Guide:
http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/FileSystemShell.html#Overview
MapReduce Common Guide:
------------------------
http://hadoop.apache.org/docs/current/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapredCommands.html
Hive Docs
-------------------------
http://hive.apache.org
LanguageManual:
https://cwiki.apache.org/confluence/display/Hive/LanguageManual
GettingStarted:
https://cwiki.apache.org/confluence/display/Hive/GettingStarted
User Documentation:
https://cwiki.apache.org/confluence/display/Hive/Home#Home-UserDocumentation
Impala Docs
--------------------------
Impala SQL
http://www.cloudera.com/documentation/enterprise/5-6-x/topics/impala_langref_sql.html#langref_sql
Impala Tutorials
http://www.cloudera.com/documentation/enterprise/latest/topics/impala_tutorial.html
Impala Explore
http://www.cloudera.com/documentation/enterprise/latest/topics/impala_tutorial.html#tutorial_explore
Sentry Docs
----------------------------------
Overview of Impala Security
http://www.cloudera.com/documentation/enterprise/5-7-x/topics/impala_security.html#security
Enabling Sentry Authorization for Impala
http://www.cloudera.com/documentation/enterprise/5-7-x/topics/impala_authorization.html#authorization
Impala Grant
http://www.cloudera.com/documentation/enterprise/5-6-x/topics/impala_grant.html#grant
Hive Grant
http://www.cloudera.com/documentation/enterprise/5-6-x/topics/sg_hive_sql.html#concept_c2q_4qx_p4__col_level_auth_sentry
Disabling Hive CLI
http://www.cloudera.com/documentation/enterprise/5-6-x/topics/sg_sentry_overview.html
======================================
其他参考：
======================================
ETL的概念：
----------
http://www.cnblogs.com/elaron/archive/2012/04/09/2438372.html
Apache Sentry架构介绍
http://blog.javachen.com/2015/04/29/apache-sentry-architecture.html
启用Kerberos认证
http://www.cloudera.com/documentation/enterprise/latest/topics/cm_sg_intro_kerb.html#xd_583c10bfdbd326ba--6eed2fb8-14349d04bee--76dd
Impala的架构介绍
http://www.mutouxiaogui.cn/blog/?p=319
页:
[1]