数据挖掘包含两大部分:数据挖掘执行引擎、数据挖掘服务引擎
数据挖掘执行引擎:
- 负责接收smartbi 发送执行请求。
- 通过解析执行定义,生成spark 计算任务或python计算任务,分别发送给spark集群或python集群。
- 本身并不承担计算任务,只负责计算任务的调度跟分发。
数据挖掘服务引擎:
- 提供模型预测服务给第三放系统调用
文档环境
集群部署数据挖掘组件环境如下:
服务器IP | 主机名 | 组件实例 | 部署目录 |
---|---|---|---|
10.10.35.64 | 10-10-35-64 | 数据挖掘-1,Zookeeper-1,Python-1 | /data |
10.10.35.65 | 10-10-35-65 | 数据挖掘-2,Spark-1,Hadoop-1 | /data |
10.10.35.66 | 10-10-35-66 | Spark-2,Zookeeper-2,Hadoop-2 | /data |
10.10.35.67 | 10-10-35-67 | Spark-3,Zookeeper-3,Hadoop-3,Python-2 | /data |
1、系统环境准备
1.1防火墙配置
为了便于安装,建议在安装前关闭防火墙。使用过程中,为了系统安全可以选择启用防火墙,但必须启用服务相关端口。
1.关闭防火墙
临时关闭防火墙
systemctl stop firewalld
永久关闭防火墙
systemctl disable firewalld
查看防火墙状态
systemctl status firewalld
2.开启防火墙
相关服务及端口对照表:
服务名 | 需要开放端口 |
---|---|
执行引擎 | 8899,4040,7777,,[30000-65535] |
服务引擎 | 8900 |
Zookeeper | 2181,2888,3888 |
如果确实需要打开防火墙安装,需要给防火墙放开以下需要使用到的端口
开启端口:8900,8899,4040,7777, [30000-65535]
firewall-cmd --zone=public --add-port=8899/tcp --permanent firewall-cmd --zone=public --add-port=8900/tcp --permanent firewall-cmd --zone=public --add-port=4040/tcp --permanent firewall-cmd --zone=public --add-port=7777/tcp --permanent firewall-cmd --zone=public --add-port=30000-65535/tcp --permanent firewall-cmd --zone=public --add-port=2181/tcp --permanent firewall-cmd --zone=public --add-port=2888/tcp --permanent firewall-cmd --zone=public --add-port=3888/tcp --permanent
配置完以后重新加载firewalld,使配置生效
firewall-cmd --reload
查看防火墙的配置信息
firewall-cmd --list-all
3.关闭selinux
临时关闭selinux,立即生效,不需要重启服务器。
setenforce 0
永久关闭selinux,修改完配置后需要重启服务器才能生效
sed -i 's/=enforcing/=disabled/g' /etc/selinux/config
1.2取消打开文件限制
修改/etc/security/limits.conf文件在文件的末尾加入以下内容:
vi /etc/security/limits.conf
在文件的末尾加入以下内容:
* soft nofile 65536 * hard nofile 65536 * soft nproc 131072 * hard nproc 131072
1.3 安装JAVA环境
解压jdk到指定目录:
tar -zxvf jdk-8u181-linux-x64.tar.gz -C /data
添加环境变量
vi /etc/profile
在文件末尾添加下面内容:
export JAVA_HOME=/data/jdk1.8.0_181 export JAVA_BIN=$JAVA_HOME/bin export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar export PATH=$PATH:$JAVA_BIN
让配置生效
source /etc/profile
验证安装
java -version
1.4 配置主机名映射
将数据挖掘组件中的服务器主机名映射到hosts文件中
vi /etc/hosts
文件末尾添加(根据实际环境信息设置):
10.10.35.64 10-10-35-64 10.10.35.65 10-10-35-65 10.10.35.66 10-10-35-66 10.10.35.67 10-10-35-67
2、部署数据挖掘-执行引擎(高可用)
数据挖掘执行引擎-高可用 节点说明
数据挖掘执行引擎需要依赖zookeeper,故而文档环境部署zookeeper集群。
主机名 | 角色 |
---|---|
10-10-35-64 | 执行引擎(主),Zookeeper-1 |
10-10-35-65 | 执行引擎(备) |
10-10-35-66 | Zookeeper-2 |
10-10-35-67 | Zookeeper-3 |
2.1 部署Zookeeper集群
1、登陆zookeeper-1节点执行操作。
①上传zookeeper安装包到服务器,并解压到指定目录:
tar -zxvf zookeeper-3.4.13.tar.gz -C /data/
②创建zookeeper数据目录、日志目录
cd /data/zookeeper-3.4.13 mkdir {data,log}
③修改zookeeper配置文件
cd /data/zookeeper-3.4.13/conf mv zoo_sample.cfg zoo.cfg #重命名配置文件 vi zoo.cfg #编辑配置文件
zookeeper配置文件参考:
tickTime=2000 initLimit=10 syncLimit=5 #修改数据目录和日志目录 dataDir=/data/zookeeper-3.4.13/data dataLogDir=/data/zookeeper-3.4.13/log clientPort=2181 #保留20个文件 autopurge.snapRetainCount=20 #保留48小时 autopurge.purgeInterval=48 #zookeeper集群信息 server.1=10-10-35-64:2888:3888 server.2=10-10-35-66:2888:3888 server.3=10-10-35-67:2888:3888
④将Zookeeper安装包分发到其他节点
假设当前的系统用户为root命令如下:
scp -r /data/zookeeper-3.4.13 root@10-10-35-66:/data/ scp -r /data/zookeeper-3.4.13 root@10-10-35-67:/data/
2、创建myid文件,并写入ID,集群中每个节点mysqid不能相同
echo 1 > /data/zookeeper-3.4.13/data/myid #zookeeper-1节点执行 echo 2 > /data/zookeeper-3.4.13/data/myid #zookeeper-2节点执行 echo 3 > /data/zookeeper-3.4.13/data/myid #zookeeper-3节点执行
3、启动Zookeeper集群
所有节点启动Zookeeper服务
cd /data/zookeeper-3.4.13/bin ./zkServer.sh start
4、查看每个节点Zookeeper状态
cd /data/zookeeper-3.4.13/bin ./zkServer.sh status
其中有一个leader节点,两个follower节点
zookeeper集群部署完成。
2.2 部署执行引擎(主节点)
1、解压Smartbi-engine安装包到指定的目录
tar -zxvf SmartbiMiningEngine-V10.0.64186.21183.tar.gz -C /data
2、启动数据挖掘执行引擎
cd /data/smartbi-mining-engine-bin/engine/sbin/ chmod +x *.sh ./experiment-daemon.sh start
注意事项
首次启动执行引擎只是为了生成相关配置文件
3、修改执行引擎配置文件
进入配置文件目录,注意:下面的配置文件是执行引擎首次启动时生成的。
cd /data/smartbi-mining-engine-bin/conf vi experiment-application.properties
experiment-application.properties配置文件具体修改如下图:
4、停止执行引擎服务
cd /data/smartbi-mining-engine-bin/engine/sbin/ ./experiment-daemon.sh stop
5、将数据挖掘安装包分发到其他节点
假设当前的系统用户为root命令如下:
scp -r /data/smartbi-mining-engine-bin root@10-10-35-65:/data/
6、启动数据挖掘引擎集群
分别登陆两个节点,执行脚本启动执行引擎服务
cd /data/smartbi-mining-engine-bin/engine/sbin/ ./experiment-daemon.sh start
2.3 运维操作
1、启动/重启/查看实验引擎
cd /data/smartbi-mining-engine-bin/engine/sbin/ ./experiment-daemon.sh restart #重启实验引擎 ./experiment-daemon.sh stop #停止实验引擎 ./experiment-daemon.sh status #查看实验引擎运行状态
2、测试执行引擎
参考 测试数据挖掘集群