如何在Ubuntu 14.04上安装对大数据友好的Apache Accumulo NoSQL数据库

介绍

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：

• 安装和配置Apache HDFS和ZooKeeper：在启动Accumulo之前，这些系统必须处于活动状态
• 安装并配置Accumulo的独立实例

准备

您将需要以下内容：

• Ubuntu 14.04服务器（最好是32位）
• 一个具有sudo权限的用户
• 至少2 GB的交换空间

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。

步骤1 - 安装和配置JDK 7

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。

第2步 - 安装SSH

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

步骤3 - 启用无密码SSH连接

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。

第4步 - 创建下载目录

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

第5步 - 下载Apache Hadoop

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"

第6步 - 下载Apache ZooKeeper

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"

第7步 - 下载Apache Accumulo

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"

步骤8 - 创建安装目录

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

第9步 - 安装和配置Hadoop

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。

步骤10 - 安装和配置ZooKeeper

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

步骤11 - 安装和配置Accumulo

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：

• HADOOP_HOME：Hadoop安装的路径
• ZOOKEEPER_HOME：ZooKeeper安装的路径

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。

结论

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》