Note_Logistics_Day04-阿里云开发者社区

stypora-copy-images-to: img

typora-root-url: ./

Logistics_Day04：业务服务器和大数据服务器

01-[复习]-上次课程内容回顾

主要讲解2个方面内容：物流项目业务数据（数据库部署）和OGG 实时采集Oracle数据库表的数据。

1、物流项目业务数据
  实际物流快递公司来说，有很多业务系统，使用不同类型数据库存储数据，在此仅仅以2个业务系统为例
  - 物流系统Logistics
    使用Oracle数据库
  - CRM系统客户关系管理系统
    使用MySQL数据库
  统一采用Docker容器部署业务数据库，为了方便学习业务：业务数据实时采集
  【针对上述2个业务系统数据，进行实时增量采集，分别使用不同采集框架：】
    - 物流系统Logistics，Oracle数据库使用OGG采集
    - CRM系统，MySQL数据库使用Canal采集
    【将OGG和Canal采用Docker容器部署框架，简化运维，环境构建】
  【node1.itcast.cn虚拟机上，有3个容器Container】
  - mysql 容器：运行MySQL数据库
  - canal-server 容器：运行Canal Server服务，采集MySQL数据
  - myoracle 容器：运行Oracle数据库和OGG服务框架，采集数据
2、OGG 实时采集Oracle数据库表的数据
  - OGG 是什么，功能是啥
  - 基本原理
    源端SRC：捕获Oracle数据库日志数据
      MGR（管理者）、EXTRACT（提取进程）、本地缓存（Local TrailFile）、Pump进程（发送数据到目标端）
    目标端DST：解析日志数据，发送目标系统
      GR（管理者）、Collector（收集进程）、远程缓存（Remote TrailFile）、Replicat进程（复制进程，解析数据，发送Kafka或者其他）
  - 启动Oracle数据库和OGG服务，测试数据实时采集

02-[了解]-第4天：课程内容提纲

主要讲解：如何将业务系统（仅仅以物流系统Logistics和客户关系管理系统CRM为例）实时增量采集数据到分布式消息队列Kafka（1个业务系统存储1个Topic：一对一）。

、MySQL数据库（CRM系统）：使用Canal框架实时采集

1）、Canal 实时采集MySQL数据库表数据【掌握】
  原理架构
  配置
  高可用HA集群，新版本
  使用测试
2）、大数据服务相关说明
  基于CM安装部署CDH，单机伪分布式
  CM安装CDH架构原理
3）、扩展：
  Oracle和MySQL数据库表数据实时同步，还有其他框架，比如flume,Maxwell

03-理解]-Canal 数据同步之MySQL binlog日志

Canal是阿里巴巴开发数据实时同步框架，原理与OGG基本类似，都是捕获数据库日志数据，进行解析，将其发送到目标端（比如Kafka 消息队列）。新版Canal 1.1版本

针对MySQL数据库来说，日志数据：binlog日志，二进制日志。

binlog中存储四种类型日志数据：插入insert、更新update、删除delete和清空truncate。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6FDQii8l-1621504158590)(/img/1612326012096.png)]

默认情况下，MySQL数据库没有开启binlog日志，向表中CUDT操作时，不会记录日志到文件中。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I96KHfjI-1621504158592)(/img/1615781586606.png)]

[root@node1 ~]# docker exec -it mysql /bin/bash
root@8b5cd2152ed9:/# 
root@8b5cd2152ed9:/# more /etc/mysql/my.cnf
## 相关配置解析：
## [mysqld]
## log-bin=mysql-bin #添加这一行就ok
## binlog-format=ROW #选择row模式
## server_id=1 #配置mysql replaction需要定义，不能和canal的slaveId重复
## expire_logs_days=7 # binlog文件保存7天
## max_binlog_size=500m # 每个binlog日志文件大小

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0T44p2jx-1621504158593)(/img/1615781688969.png)]

root@8b5cd2152ed9:/# mysql -uroot -p123456
mysql: [Warning] Using a password on the command line interface can be insecure.
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 6
Server version: 5.7.30-log MySQL Community Server (GPL)
Copyright (c) 2000, 2020, Oracle and/or its affiliates. All rights reserved.
Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.
Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.
mysql>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-S11omI5y-1621504158593)(/img/1615781803587.png)]

可以查看MySQL数据库binlog日志文件存储目录

root@8b5cd2152ed9: ~# cd /var/lib/mysql
root@8b5cd2152ed9:/var/lib/mysql# ls -l
total 205364
-rw-r-----. 1 mysql mysql       56 May 29  2020 auto.cnf
-rw-------. 1 mysql mysql     1676 May 29  2020 ca-key.pem
-rw-r--r--. 1 mysql mysql     1112 May 29  2020 ca.pem
drwxr-x---. 2 mysql mysql       20 Jul  4  2020 canal_tsdb
-rw-r--r--. 1 mysql mysql     1112 May 29  2020 client-cert.pem
-rw-------. 1 mysql mysql     1676 May 29  2020 client-key.pem
drwxr-x---. 2 mysql mysql      186 Jul  4  2020 crm
-rw-r-----. 1 mysql mysql      576 Mar 13 08:50 ib_buffer_pool
-rw-r-----. 1 mysql mysql 50331648 Mar 15 02:18 ib_logfile0
-rw-r-----. 1 mysql mysql 50331648 Mar 15 02:18 ib_logfile1
-rw-r-----. 1 mysql mysql 79691776 Mar 15 02:18 ibdata1
-rw-r-----. 1 mysql mysql 12582912 Mar 15 02:22 ibtmp1
drwxr-x---. 2 mysql mysql     4096 May 29  2020 mysql
-rw-r-----. 1 mysql mysql 17271182 Mar 13 16:47 mysql-bin.000004
-rw-r-----. 1 mysql mysql      177 Mar 13 08:50 mysql-bin.000005
-rw-r-----. 1 mysql mysql      154 Mar 15 02:18 mysql-bin.000006
-rw-r-----. 1 mysql mysql       57 Mar 15 02:18 mysql-bin.index
drwxr-x---. 2 mysql mysql     8192 May 29  2020 performance_schema
-rw-------. 1 mysql mysql     1680 May 29  2020 private_key.pem
-rw-r--r--. 1 mysql mysql      452 May 29  2020 public_key.pem
-rw-r--r--. 1 mysql mysql     1112 May 29  2020 server-cert.pem
-rw-------. 1 mysql mysql     1676 May 29  2020 server-key.pem
drwxr-x---. 2 mysql mysql     8192 May 29  2020 sys
drwxr-x---. 2 mysql mysql       60 May 29  2020 test

04-[理解]-Canal 数据同步之工作原理

Canal [kə’næl]，译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mlpZgGHi-1621504158594)(/img/1612334014005.png)]

Canal起源于，阿里巴巴杭州和美国机房数据同步备份，衍生框架，目前支持功能与版本如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-STmWvExv-1621504158595)(/img/1615790940107.png)]

Canal框架原理，参考MySQL数据主从复制原理。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DXKIP8Ip-1621504158595)(/img/1612334597112.png)]

1）、MySQL master 将数据变更写入二进制日志( binary log, 其中记录叫做二进制日志事件binary log events，可以通过 show binlog events 进行查看)；变更数据，记录日志：biglog

2）、MySQL slave 将 master 的 binary log events 拷贝到它的中继日志(relay log)；IO 线程，获取binlog

3）、MySQL slave 重放 relay log 中事件，将数据变更反映它自己的数据；SQL线程，执行语句

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3TtCN1Vo-1621504158596)(/img/1612334674650.png)]

1）、canal 模拟 MySQL slave 的交互协议，伪装自己为 MySQL slave ，向 MySQL master 发送dump 协议

2）、MySQL master 收到 dump 请求，开始推送 binary log 给 slave (即 canal )

3）、canal 解析 binary log 对象(原始为 byte 流)；

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HBya9mJv-1621504158598)(/img/1612334913065.png)]

上图中功能，属于Canal新版才有的（解析binlog日志，发送到Kafka消息队列）。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-C3kyA6q7-1621504158599)(/img/1615791603097.png)]

05-[理解]-Canal 数据同步之Canal 架构

Canal框架使用Java语言编写，启动服务Server，每个服务配置多个实例Instance，如下结构所示：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-C9RVKebs-1621504158599)(/img/1615791782074.png)]

1）、Canal Server 代表一个 Canal 运行实例，对应于一个 JVM；

2）、Instance 对应于一个数据队列（1个 Canal Server 对应 1…n 个 Instance)

监控某个数据库database binlog日志，需要将数据，发送到Kafka消息队列和Es索引index

发送到Kafka，称为1个实例：instance（binlog -> instance -> kafka)

发送到Es，称为1个实例：instance（binlog -> instance -> es)

3）、Instance下的子模块

eventParser: 数据源接入，模拟 slave 协议和 master 进行交互，协议解析

eventSink: Parser 和 Store 链接器，进行数据过滤，加工，分发的工作

eventStore：数据存储

metaManager：增量订阅 & 消费信息管理器

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a7ZAZRkH-1621504158600)(/img/1612335671638.png)]

总结：CanalServer来说，启动1个服务，运行多个instance实例（每个实例对应一个sink），每个实例instance包含四个部分：eventParse、eventSink、eventStore、metaManager。

EventParser在向MySQL发送dump命令之前会先从Log Position中获取上次解析成功的位置(如果是第一次启动，则获取初始指定位置或者当前数据段binlog位点)。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Q08a3L02-1621504158600)(/img/1541350-fac30bd74fa204d5.png)]

1）、EventSink起到一个类似channel的功能，可以对数据进行过滤、分发/路由(1:n)、归并(n:1)和加
工。EventSink是连接EventParser和EventStore的桥梁

2）、EventStore实现模式是内存模式，内存结构为环形队列，由三个指针(Put、Get和Ack)标识数据
存储和读取的位置。

06-[掌握]-Canal 数据同步之Docker 安装部署

Canal 1.1.x版本开始，支持Docker容器部署，所以本项目中，采用Docker容器部署CanalServer。

在node1.itcast.cn机器上安装部署CanalServer，首先搜索获取canal镜像，然后pull拉取镜像，最后创建容器

文档：https://github.com/alibaba/canal/wiki/Docker-QuickStart、

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gXtie3od-1621504158601)(/img/1615792713761.png)]

Canal的好处在于对业务代码没有侵入，因为是基于监听binlog日志去进行同步数据的。实时性也能做到准实时，其实是很多企业一种比较常见的数据同步的方案。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MQWcPVwG-1621504158601)(/img/1612336004227.png)]

具体安装部署，已经完成，只需要启动CanalServer容器即可，再启动Server服务，但是需要掌握如何配置，以及一些参数含义。

# 拉取镜像
docker pull canal/canal-server:v1.1.2
# 创建容器
docker run -d --name canal-server \
-e canal.instance.master.address=192.168.88.10:3306 \
-e canal.instance.dbUsername=root \
-e canal.instance.dbPassword=123456 \
-p 11111:11111 \
canal/canal-server:v1.1.2
# 进入容器
docker exec -it canal-server /bin/bash
# 切换到canal-server安装目录bin下，重启服务
[root@28888fad98c9 admin]# cd canal-server/bin/
[root@28888fad98c9 bin]# ./restart.sh 
[root@28888fad98c9 bin]# jps
305 CanalLauncher
321 Jps

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6P6uufvI-1621504158602)(/img/1615793128774.png)]

接下来，查看CanalServer配置：

1）、CanalServer配置文件：canal-server/conf/canal.properties

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rLOWhs7X-1621504158603)(/img/1615793313924.png)]

2）、Instance实例配置文件：canal-server/conf/example/instance.properties

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-JWIB0bbB-1621504158603)(/img/1615793419104.png)]

启动node2.itcast.cn中Kafka消息队列，准备测试，看是否将MySQL表数据实时同步到Kafka中。

07-[理解]-Canal 数据同步之CRM数据同步Kafka

测试Canal功能，首先启动MySQL数据库，然后启动Kafka消息队列，最后启动CanalServer服务。

针对物流项目来说，以客户关系管理系统CRM，同步MySQL数据库表的数据。

1）、插入数据测试

-- 插入数据INSERT
INSERT INTO `crm_address` VALUES (10001, '葛秋红', null, '17*******47', '恒大影城南侧小金庄', '130903', null, '2020-02-02 18:51:39', '2020-02-02 18:51:39', null);

插入数据到MySQL数据库表，Kafka中数据：

{
  "data": [
    {
      "id": "10001",
      "name": "葛秋红",
      "tel": null,
      "mobile": "17*******47",
      "detail_addr": "恒大影城南侧小金庄",
      "area_id": "130903",
      "gis_addr": null,
      "cdt": "2020-02-02 18:51:39",
      "udt": "2020-02-02 18:51:39",
      "remark": null
    }
  ],
  "database": "crm",
  "es": 1615794443000,
  "id": 2,
  "isDdl": false,
  "mysqlType": {
    "id": "bigint(20)",
    "name": "varchar(50)",
    "tel": "varchar(20)",
    "mobile": "varchar(20)",
    "detail_addr": "varchar(100)",
    "area_id": "bigint(20)",
    "gis_addr": "varchar(20)",
    "cdt": "datetime",
    "udt": "datetime",
    "remark": "varchar(100)"
  },
  "old": null,
  "sql": "",
  "sqlType": {
    "id": -5,
    "name": 12,
    "tel": 12,
    "mobile": 12,
    "detail_addr": 12,
    "area_id": -5,
    "gis_addr": 12,
    "cdt": 93,
    "udt": 93,
    "remark": 12
  },
  "table": "crm_address",
  "ts": 1615794443644,
  "type": "INSERT"
}

2）、更新数据

更新MySQL数据库表的数据，查看Kafka中数据格式：

{
  "data": [
    {
      "id": "1245",
      "name": "贝贝",
      "tel": null,
      "mobile": "18*******57",
      "detail_addr": "美林家装广场3号门(晓东村涵馨公寓对面）",
      "area_id": "530111",
      "gis_addr": null,
      "cdt": "2020-02-02 18:51:00",
      "udt": "2020-02-02 18:51:00",
      "remark": null
    }
  ],
  "database": "crm",
  "es": 1621498703000,
  "id": 3,
  "isDdl": false,
  "mysqlType": {
    "id": "bigint(20)",
    "name": "varchar(50)",
    "tel": "varchar(20)",
    "mobile": "varchar(20)",
    "detail_addr": "varchar(100)",
    "area_id": "bigint(20)",
    "gis_addr": "varchar(20)",
    "cdt": "datetime",
    "udt": "datetime",
    "remark": "varchar(100)"
  },
  "old": [
    {
      "name": "贝贝婆婆"
    }
  ],
  "sql": "",
  "sqlType": {
    "id": -5,
    "name": 12,
    "tel": 12,
    "mobile": 12,
    "detail_addr": 12,
    "area_id": -5,
    "gis_addr": 12,
    "cdt": 93,
    "udt": 93,
    "remark": 12
  },
  "table": "crm_address",
  "ts": 1621498703502,
  "type": "UPDATE"
}

3）、删除数据测试

删除MySQL数据库表的数据，查看Kafka中数据：

{
  "data": [
    {
      "id": "10001",
      "name": "葛红红",
      "tel": null,
      "mobile": "17*******47",
      "detail_addr": "恒大影城南侧小金庄",
      "area_id": "130903",
      "gis_addr": null,
      "cdt": "2020-02-02 18:51:39",
      "udt": "2020-02-02 18:51:39",
      "remark": null
    }
  ],
  "database": "crm",
  "es": 1615794586000,
  "id": 4,
  "isDdl": false,
  "mysqlType": {
    "id": "bigint(20)",
    "name": "varchar(50)",
    "tel": "varchar(20)",
    "mobile": "varchar(20)",
    "detail_addr": "varchar(100)",
    "area_id": "bigint(20)",
    "gis_addr": "varchar(20)",
    "cdt": "datetime",
    "udt": "datetime",
    "remark": "varchar(100)"
  },
  "old": null,
  "sql": "",
  "sqlType": {
    "id": -5,
    "name": 12,
    "tel": 12,
    "mobile": 12,
    "detail_addr": 12,
    "area_id": -5,
    "gis_addr": 12,
    "cdt": 93,
    "udt": 93,
    "remark": 12
  },
  "table": "crm_address",
  "ts": 1615794586746,
  "type": "DELETE"
}

可以发现，Canal数据同步实时性很高，针对插入数据：INSERT、更新数据：UPDATE和删除数据：DELETE。

4）、清空表数据测试

执行DDL语句：TRUNCATE TABLE crm_address ;

{
  "data": null,
  "database": "crm",
  "es": 1615794718000,
  "id": 5,
  "isDdl": true,
  "mysqlType": null,
  "old": null,
  "sql": "/* ApplicationName\u003dDBeaver 6.3.4 - SQLEditor \u003cScript-4.sql\u003e */ TRUNCATE TABLE crm_address",
  "sqlType": null,
  "table": "crm_address",
  "ts": 1615794719249,
  "type": "TRUNCATE"
}

08-[了解]-Canal 数据同步之集群高可用HA

Canal 1.1.4 版本开始，提供集群高可用HA，运行2个CanalServer服务，一个为Active，一个为Standby，当Active宕掉以后，Standby接收工作，继续进行数据实时同步功能。

1）、首先，Canal集群同步数据数据流转示意图：
业务系统 -> MySQL（业务主库） -> Canal 集群 -> Kafak Topic -> 实时应用程序：统计分析 -> Redis

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-iVTTeJox-1621504158604)(/img/1612338707148.png)]

Canal 集群高可用如何实现的，如下图所示，核心点2个：

1）、CanalServer服务启动2个：running（active）、Standby

2）、依赖Zookeeper监控CanalServer状态，并且存储状态

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2EBODxki-1621504158604)(/img/1612338755220.png)]

比如CanalServer中有2个Instance实例时，高可用集群如何工作：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X06i19BO-1621504158605)(/img/1612338926977.png)]

09-[扩展]-数据实时同步之Flume 实时采集同步

如何将业务服务器业务数据（MySQL和Oracle数据库）实时同步到Kafka消息队列，分别使用Canal和OGG框架，也可以使用前面学习Flume Agent 实时采集。

首先，回顾Flume Agent组成结构：三个部分组成

1）、Source数据源，从哪里获取
| source -> push 推送 -> channel

2）、Channel管道，缓冲数据

3）、Sink终端，将数据写入到哪里去
| sink <- pull 拉取 <- channel

所以，Flume框架完全可以实时获取数据库日志文件数据，经过解析，最终写入Kafka

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1iZcXwHM-1621504158605)(/img/DevGuide_image00.png)]

伟大网友实现自定义FlumeSource，从数据库实时获取数据，模块：flume-ng-sql-source

网址：https://github.com/keedio/flume-ng-sql-source

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-n2zYRez3-1621504158606)(/img/1615799282413.png)]

10-[扩展]-数据实时同步之Maxwell 实时采集同步

在大数据领域中，除了Canal以外，国外提供框架：Maxwell，轻量级，专门针对MySQL数据库数据实时同步到Kafka消息队列（数据都是JSON格式数据）。

1、官网：
  http://maxwells-daemon.io/
2、源码：
  https://github.com/zendesk/maxwell

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zdl28EY8-1621504158606)(/img/1615734115490.png)]

Maxwell文档：http://maxwells-daemon.io/quickstart/

mysql> insert into `test`.`maxwell` set id = 1, daemon = 'Stanislaw Lem';
  maxwell: {
    "database": "test",
    "table": "maxwell",
    "type": "insert",
    "ts": 1449786310,
    "xid": 940752,
    "commit": true,
    "data": { "id":1, "daemon": "Stanislaw Lem" }
  }
 mysql> update test.maxwell set daemon = 'firebus!  firebus!' where id = 1;
  maxwell: {
    "database": "test",
    "table": "maxwell",
    "type": "update",
    "ts": 1449786341,
    "xid": 940786,
    "commit": true,
    "data": {"id":1, "daemon": "Firebus!  Firebus!"},
    "old":  {"daemon": "Stanislaw Lem"}
  }

11-[掌握]-大数据服务器之CM安装架构及目录

针对整个物流项目来说，1台虚拟机安装部署大数据环境：基于CM6.2.1安装CDH6.2.1。

关于CM功能及CM安装，不再过多赘述，项目还是要注重于业务及数据和实现。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pmOrT8Rt-1621504158607)(/img/1615795864918.png)]

提供虚拟机【node2.itcast.cn】解压后，导入VMWare 软件中，启动虚拟机即可（选择我已移动该虚拟机）

1）、启动之前，设置node2.itcast.cn内存：4GB或者6GB或者8GB即可

2）、第一次启动虚拟机时，很慢很慢很慢，由于启动所有服务（CM安装CDH服务），时间5分钟以上

浏览器登录：http://node2.itcast.cn:7180/cmf/，admin/admin

将所有服务关闭：各个框架服务和CMS服务，而且CMS服务永远给关闭

3）、测试时，需要什么服务，启动什么服务，不要全部启动（耗内存，耗性能，没有任何意义）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v4RPVxhh-1621504158607)(/img/1615796135090.png)]

架构原理：CM如何安装CDH框架，原理架构是什么？？？？？

1）、CM安装CDH集群时，架构属于主从分布式架构（Master/Slaves）

主节点（老大）：CMS（ClouderaManagerServer），在一台机器上运行

从节点（小弟）：安装服务（Cloudera Agent），所有大数据集群机器
此时大数据集群机器，被CM管理，监控到基本信息（磁盘IO、网络IO和CPU与内存使用等等)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7vXUUQ5X-1621504158608)(/img/image-20210520171157255.png)]

2）、Cloudera 将所有大数据框架放在某个目录，打成包：parcel

首先parcel包，存储在CMServer主机的目录：/opt/cloudera/parcel-repo

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-OScyTcjk-1621504158608)(/img/1615796586659.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-U00BB7za-1621504158608)(/img/1615796536760.png)]

3）、CMServer服务，将parcel包，分发给所有大数据集群机器：Cloudera Agent

当所有集群机器下载parcel包以后，解压：/opt/cloudera/parcels

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SoHUbdDM-1621504158609)(/img/1615796680185.png)]

每个框架安装目录：/opt/cloudera/parcels/CDH/lib/框架名称

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RZvX1zLv-1621504158609)(/img/1615796799129.png)]

进入Kafka软件安装目录：/opt/cloudera/parcels/CDH/lib/kafka

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-45KHvyMm-1621504158610)(/img/1615796842444.png)]

下图表示使用CM安装CDH架构原理图，多多理解。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sBtLqD6w-1621504158610)(/img/1612340738839.png)]

12-[掌握]-大数据服务器之CDH框架安装细节

当使用CM安装CDH集群以后，可以通过CM界面UI，管理整个集群服务和查看监控运行状态。

第一、框架用户，实际项目中按照大数据各个框架时，不建议使用root用户，创建普通用户。

使用CM安装CDH集群时，针对每个框架（比如，HDFS、MAPREDUCE、YARN等）创建用户，不可以被用于登录操作系统。以框架名称创建用户，所有用户名为框架名称。

第一点：linux系统：/etc/passwd
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-co3HMgvx-1621504158611)(/img/1615797831875.png)]

第二点：启动服务，所使使用用户
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X7GV6SJQ-1621504158611)(/img/1615797948191.png)]

第二、服务配置

使用CM安装CDH组件时，配置分为2类：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-5Ov7plcj-1621504158611)(/img/1615798359130.png)]

第一类、服务端Server配置，启动服务Server时加载配置文件

存储在数据库中，物流项目中配置的是MySQL数据库：scm

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-W9B3YzHD-1621504158612)(/img/1615798311485.png)]

第二类、客户端Client配置，客户端连接服务时配置信息

存储在配置文件，在系统目录：/etc/xx/conf，其中xx表示框架名称

以Kafka框架为例：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6V6pooCv-1621504158612)(/img/1615798345969.png)]

第三、服务日志

使用CM安装CDH组件时，默认启动服务时，日志文件存储目录：/var/log/xx/

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4uTpd3wy-1621504158613)(/img/1615798415864.png)]

第四、切换用户

由于每个框架都有自己用户，所以有时候对框架进行操作时，需要切换到框架用户，比如在HDFS文件系统上创建目录，使用hdfs用户，如下所示切换用户：

# root切换框架用户方式
sudo -u userName
# 举例说明：
[root@node2 ~]# sudo -u hdfs hdfs dfs -mkdir -p /datas
[root@node2 ~]# sudo -u hdfs hdfs dfs -ls

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-f8zhO01u-1621504158613)(/img/1615798634938.png)]

作业：从零搭建Canal实时采集数据

1、Linux操作系统安装MySQL 5.6、5.7、8.x也行
  安装MySQL数据库
2、采用Docker容器部署安装Canal，并且配置
  Docker容器部署Canal
3、搭建Kafka单机版
  JDK、Zookeeper和Kafka
4、联动测试
  向MySQL表中写入数据，Canal实时采集到，Kafka分布式消息队列

以Kafka框架为例：

[外链图片转存中…(img-6V6pooCv-1621504158612)]

第三、服务日志

使用CM安装CDH组件时，默认启动服务时，日志文件存储目录：/var/log/xx/

[外链图片转存中…(img-4uTpd3wy-1621504158613)]

第四、切换用户

由于每个框架都有自己用户，所以有时候对框架进行操作时，需要切换到框架用户，比如在HDFS文件系统上创建目录，使用hdfs用户，如下所示切换用户：

# root切换框架用户方式
sudo -u userName
# 举例说明：
[root@node2 ~]# sudo -u hdfs hdfs dfs -mkdir -p /datas
[root@node2 ~]# sudo -u hdfs hdfs dfs -ls

[外链图片转存中…(img-f8zhO01u-1621504158613)]

作业：从零搭建Canal实时采集数据

1、Linux操作系统安装MySQL 5.6、5.7、8.x也行
  安装MySQL数据库
2、采用Docker容器部署安装Canal，并且配置
  Docker容器部署Canal
3、搭建Kafka单机版
  JDK、Zookeeper和Kafka
4、联动测试
  向MySQL表中写入数据，Canal实时采集到，Kafka分布式消息队列