CDH 6.3.1整合Zeppelin 0.8.2

Zeppelin是一个基于Web的笔记本，可以直接在浏览器中编写代码，对数据进行查询分析并生成报表或图表，做出数据驱动的、交互、协作的文档，并且可以共享笔记。Zeppelin提供了内置的Apache Spark集成，提供的功能有：

• 自动引入SparkContext 和 SQLContext
• 从本地文件系统或maven库载入运行时依赖的jar包。
• 可取消Spark作业和展示作业进度。

在数据可视化方面，Zeppelin已经包含一些基本的图表，如柱状图、饼图、线形图、散点图等。可视化并不只限于Spark查询，任何支持的后端语言输出都可以被图形化表示。

Zeppelin中最核心的概念是解释器，它是一个插件式的体系结构，允许任何语言或后端数据处理程序以插件的形式添加到Zeppelin中。解释器允许用户使用一个指定的语言或数据处理器。每一个解释器都属于换一个解释器组，同一个解释器组中的解释器可以相互引用，例如SparkSql解释器可以引用Spark解释器以获取Spark上下文，因为它们属于同一个解释器组。当前的Zeppelin已经支持很多解释器，如cassandra、file、hbase、kylin、phoenix、elasticsearch、flink、hive、jdbc、psql等等。插件式架构允许用户在Zeppelin中使用自己熟悉的程序语言处理数据。例如，通过使用%spark解释器，可以在Zeppelin中使用Scala语言代码。

一、安装Zeppelin

CDH中没有集成Zeppelin服务，因此需要手工安装。下面是在CDH 6.3.1中安装Zeppelin 0.8.2的主要步骤。

1. 下载Zeppelin安装包 Zeppelin提供源码和二进制两种安装包，源码需要用户自己进行编译，二进制包解压后即可直接运行。为简单起见选择安装二进制包。

下载地址： http://www.apache.org/dyn/closer.cgi/zeppelin/zeppelin-0.8.2/zeppelin-0.8.2-bin-all.tgz 安装指南： http://zeppelin.apache.org/docs/0.8.2/quickstart/install.html https://datacouch.io/install-apache-zeppelin-on-cdh/

2. 解压缩Zeppelin安装包

mkdir /opt/zeppelin
tar -xvf zeppelin-0.8.2-bin-all.tgz -C /opt/zeppelin

3. 配置Zeppelin 在Zeppelin配置文件目录中，创建名为zeppelin-env.sh的环境文件，在其中配置Hadoop配置目录、hive的配置文件的classpath目录、Zeppelin服务器的IP地址和端口号。

cd /opt/zeppelin/zeppelin-0.8.2-bin-all/conf
vi zeppelin-env.sh

export HADOOP_CONF_DIR=/etc/hadoop/conf
export ZEPPELIN_INTP_CLASSPATH_OVERRIDES=/etc/hive/conf
export ZEPPELIN_ADDR=172.16.1.126
export ZEPPELIN_PORT=9091

4. 修改权限 将Zeppelin安装目录的权限设置为777。

chmod -R 777 /opt/zeppelin

5. 启动Zeppelin

cd /opt/zeppelin/zeppelin-0.8.2-bin-all
./bin/zeppelin-daemon.sh start

至此已经完成Zeppelin在CDH上的安装，从浏览器可以打开Zeppelin：http://172.16.1.126:9091

二、配置Zeppelin的用户名密码

缺省Zeppelin使用匿名用户访问，不需要用户名密码，但可以通过简单的配置为Zeppelin增加鉴权功能。shiro.ini文件用来多用户登录和权限管理，可以编辑此文件，根据自己的需要设置登录zeppelin的用户名和密码。

cd /opt/zeppelin/zeppelin-0.8.2-bin-all/conf
cp shiro.ini.template shiro.ini
vi shiro.ini
...
[users]
# List of users with their password allowed to access Zeppelin.
# To use a different strategy (LDAP / Database / ...) check the shiro doc at http://shiro.apache.org/configuration.html#Configuration-INISections
# To enable admin user, uncomment the following line and set an appropriate password.
#admin = password1, admin
user1 = password2, role1, role2
user2 = password3, role3
user3 = password4, role2
...

将admin这行的注释删掉。等号两边分别为用户名和密码，逗号后面设置的是权限，这里都设置为admin。保存配置后重启zeppelin：

/opt/zeppelin/zeppelin-0.8.2-bin-all/bin/zeppelin-daemon.sh start

然后重新登录zeppelin，首页会变成了欢迎页面，要想使用Zeppelin需要先登录，如图1所示。

图1

三、使用Zeppelin查询CDH的hive表

完成前面的步骤后，就可以新建note，执行SparkSQL查询hive表，不在需要任何额外配置，如图2所示。

图2

需要说明的一点是，我们安装的Zeppelin 0.8.2与CDH 6.3.1的Spark有版本兼容性问题。因此这里使用的spark是Zeppelin自带的，spark master为缺省的本地，如图3所示。

图3

四、定义Hive解释器

虽然不能直接使用CDH集群中的Spark直接查询hive表，但是可以自定义一个JDBC的hive解释器，将Zeppelin作为客户端连接到Hive服务器。只要将Hive的执行引擎配置为Spark，就可以间接使用CDH的Spark查询hive。顺便说一句，当CDH 6.3.1中同时启动了Hive和Spark服务，Hive的执行引擎就会自动配置为Spark。

在Interpreters页面点击“+Create”新建一个解释器，Interpreter Name输入hive，Interpreter group选择jdbc，必须修改的属性只有default.driver和default.url两项，如图4所示。

图4

然后是添加依赖包，如图5所示。

图5

我这里需要添加以下jar包，才能正常执行hive查询：

/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hive/lib/hive-jdbc-2.1.1-cdh6.3.1.jar
/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hadoop/hadoop-common-3.0.0-cdh6.3.1.jar
/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hive/lib/hive-service-2.1.1-cdh6.3.1.jar
/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hive/lib/hive-service-rpc-2.1.1-cdh6.3.1.jar
/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hive/lib/hive-common-2.1.1-cdh6.3.1.jar
/opt/cloudera/parcels/CDH-6.3.1-1.cdh6.3.1.p0.1470567/lib/hive/lib/hive-serde-2.1.1-cdh6.3.1.jar

所有修改完成后，点击save保存配置。下面就可以新建note执行hive查询了，如图6所示。

图6

五、定义MySQL解释器

数据可视化的需求很普遍，如果常用的如MySQL这样的关系数据库也能使用Zeppelin查询，并将结果图形化显示，那么就可以用一套统一的数据可视化方案处理大多数常用查询。Zeppelin本身不带MySQL翻译器，但它支持JDBC解释器组，通常只要有相应的JDBC驱动JAR包，就可以轻松创建一个新的解释器。

在Interpreters页面点击“+Create”新建一个解释器，Interpreter Name输入mysql，Interpreter group选择jdbc，然后配置相关属性。最简单情况下只需要设置default.driver、default.user、default.password、default.url四个属性值，分别表示驱动程序、连接MySQL的用户名、密码和URL，如图7所示。

图7

然后在依赖关系的artifact中输入MySQL连接器JAR包，格式为“mysql:驱动名称:版本号”，如图8所示。

图8

点击save保存配置。此时在interpreter页面中会看到mysql解释器。下面创建一个note，使用MySQL作为解释器，查询information_schema.tables表，如图9所示。

图9

如果解释器出现类似以下错误：

Cannot fetch dependencies for mysql:mysql-connector-java:5.1.38

可能是因为Zeppelin的repository中心库无法连接，有两种解决办法。一是在artifact中填写本地jar包路径，如：

/usr/share/java/mysql-connector-java.jar

第二个办法是在zeppelin-env.sh文件中设置ZEPPELIN_INTERPRETER_DEP_MVNREPO环境变量，添加一个可访问的repository地址，如：

export ZEPPELIN_INTERPRETER_DEP_MVNREPO=http://insecure.repo1.maven.org/maven2/

关于这一问题的说明参见：https://stackoverflow.com/questions/59964426/zepplin-mysql-interpreter-error-cannot-fetch-dependencies-for-mysqlmysql-conne