Carbondata 1.4.0＋Spark 2.2.1 On Yarn集成安装

微信公众号：[深广大数据Club]

关注可了解更多的教程及排版技巧。问题或建议，请公众号留言;

如果你觉得对你有帮助，欢迎赞赏[1]

由于项目需要，近期一直在研究华为开源的carbondata项目，目前carbondata已经成为apache的顶级项目，项目活跃程度也比较高。

Carbondata介绍

纵观目前的大数据生态圈，针对于ad-hoc查询并没有什么好的解决方案，且查询效率不高。Carbondata针对ad-hoc给出了解决方案，但是目前版本这个方案并不完善。为什么说并不完善，后续会给大家解答，我们先来说下carbondata的优点

查询

两级索引，减少IO：适合ad-hoc查询，任意维度组合查询场景

第一级：文件索引，用于过滤hdfs block，避免扫描不必要的文件

第二级：Blocklet索引，用于过滤文件内部的Blocklet，避免骚烤不必要的Blocklet

延迟解码，向量化处理：适合全表扫描、汇总分析场景

数据管理

数据增量入库，多级排序可调：有用户权衡入库时间和查询性能

字典编码配置（Dictionary Encoding Configuration）

反向索引配置（Inverted Index Configuration）

排序列配置（Sort Columns Configuration）

增量更新，批量合并：支持快速更新事实表或维表，闲时做Compaction合并

大规模

计算与存储分离：支持从GB到PB大规模数据，万亿数据秒级响应

部署

Hadoop Native格式：与大数据生态无缝集成，利用已有hadoop集群资产

与Spark2.x版本集成

carbondata 1.4.0新增了挺多强大的功能，主要关注的点是在datamap上，不过目前datamap对于单表的支持是比较好的，但是对于多表join的datamap支持还不够完善，还是有蛮多问题的。

单表的datamap目前包括：preaggregate、timeseries、bloomfilter、lucene

多表datamap目前1.4.0官方文档并没有给出，我是通过carbondata jira的问题找到其创建方式的，多表的datamap预计在1.5.0版本才能使用，目前问题较多，这里暂时不建议使用，等1.5.0版本出来之后再试试看。1.5.0版本官方等版本计划是8-9月份完成。

与Spark2.2.1 On Yarn集成

前置条件

Hadoop HDFS 和 Yarn 需要安装和运行。

Spark 需要在所有的集群节点上安装并且运行。

CarbonData 用户需要有权限访问 HDFS.

可以通过https://dist.apache.org/repos/dist/release/carbondata/1.4.0/下载你对应的spark版本，目前carbondata支持的spark版本有两个：2.1.0、2.2.1

下载apache-carbondata-1.4.0-bin-spark2.2.1-hadoop2.7.2.jar

依赖包拷贝

创建carbonlib目录且生成tar.gz压缩包

[注]：如果想要测试多表的datamap mv功能，需要编译carbondata-apache-carbondata-1.4.0-rc2/datamap/mv下的core和plan两个工程，生成carbondata-mv-core-1.4.0.jar以及carbondata-mv-plan-1.4.0.jar并拷贝$SPARK_HOME/jars

和

SPARK_HOME/carbonlib，并重新执行上述第三步的内容。

拷贝carbondata.properties

配置spark-default.conf

验证

启动thrift server服务

执行后，任务会提交到yarn上，可以通过8088端口的web界面查看到。

如果在不配置spark-default.conf的情况下，其实也是可以运行的，不过是以单机模式运行，不会提交成yarn任务，通过4040端口可以查看到spark任务的运行情况

使用beeline链接

以上就是基于Spark on yarn模式的carbondata集成，carbondata同时也支持Spark独立模式的集成安装。具体可参考下面的链接。

参考连接

[http://carbondata.iteblog.com/installation-guide.html]http://carbondata.iteblog.com/installation-guide.html

[https://carbondata.apache.org/installation-guide.html]https://carbondata.apache.org/installation-guide.html

赞赏

如果你觉得对你有帮助，欢迎赞赏，有你的支持，我们一定会越来越好！