开源元数据管理平台Datahub最新版本0.10.5——安装部署手册（附离线安装包）

大家好，我是独孤风。

开源元数据管理平台Datahub近期得到了飞速的发展。已经更新到了0.10.5的版本，来咨询我的小伙伴也越来越多，特别是安装过程有很多问题。本文经过和群里大伙伴的共同讨论，总结出安装部署Datahub最新版本的部署手册，希望能帮助到大家。

文章较长，建议收藏点赞在看后，再仔细阅读。具体安装问题，以及安装包获取，可以在文末申请加入Datahub学习群进行咨询。

本文档版权归大数据流动所有，抄袭必究。

正文共： 6173字 19图

预计阅读时间： 16分钟

正文开始：

本文所使用操作系统是CentOS7。这也是大多数生产机器的选择。

本文所选择的Python的版本为3.8.3，Docker版本为20.10.0，都可以很好的支持Datahub的安装。

Datahub下载的最新0.10.5版本，这是目前功能最完善也最稳定的版本。考虑到有些同学没有类似的CentOS环境，本文将从虚拟机搭建，CentOS 7安装，Python3安装， Docker安装，Datahub安装，启动Datahub六部分来进行，并将安装过程中遇到的问题进行整理。文章目录结构如下：

一、虚拟机搭建

要想有一个本地稳定的调试环境，就必须安装虚拟机，本文使用的是Win10系统的Hyper-V管理器，也 是一个系统自带的虚拟机工具，非常的方便。安装之前先下载一个CentOS镜像，我这边用的是CentOS-7-x86_64-DVD-2009.iso。可以去官网下载：https://www.centos.org/download/。 网速不好的同学可以加入Datahub学习交流群，获取Datahub所有安装资料下载包。加入方式，关注 大数据流动，后台回复 “加群”。首先，打开Hyper-V管理器。可以搜索一下，有的话直接打开。没有的话是系统默认没有开启这个服务。

在这里选择把Hyper-V的管理工具和平台都打开。

然后我们打开Hyper-V管理工具，新建一个虚拟机。需要指定名称和位置，需要保证安装位置有足够大的空间。

选择虚拟机代数，选第一代。分配内存，这个后面也是可以修改的。考虑到Datahub的基本需要，还有电脑的配置，我这里选择 4096MB。（补充一下，datahub建议内存就是4GB，所以这里我后来做了修改，建议5GB以上）

随后选好硬盘，网络。导入镜像。

完成虚拟机创建。

这样的话，虚拟机安装完成，我们可以有一个稳定的环境来运行datahub了。但是目前这个虚拟机里边是没有操作系统的，需要安装。

二、CentOS 7安装

启动Hyper-V管理器。打开刚刚新建的虚拟机，然后点击启动。选择 install centos 7 正常安装 CentOS 7 的流程。

随后选择语言，时区等等。安装过程中设置一下密码。并牢记。

安装完成之后点击重启。CentOS7 安装完成，可以正常使用了！

三、Python3安装

由于CentOS7默认的python环境是python2，这里我们需要去安装一下Python3，来支持Datahub。

可以通过如下路径下载，并解压Python3安装包。网络不佳的同学，可以直接用我的安装包，已经下载好。

wget https://www.python.org/ftp/python/3.8.3/Python-3.8.3.tgz
tar -zxvf Python-3.8.3.tgz

随后需要下载一堆依赖，不然安装Python3会报各种问题。

yum install -y zlib-devel bzip2-devel \
openssl-devel ncurses-devel epel-release gcc gcc-c++ xz-devel readline-devel \
gdbm-devel sqlite-devel tk-devel db4-devel libpcap-devel libffi-devel

随后进行Python3的编译，如果包都安装完全，不会出问题。

mkdir /usr/local/python3
cd Python-3.8.3
./configure --prefix=/usr/local/python3
make && make install

有如下显示证明安装成功。有一点错误都是不对的，赶紧解决。

make install此过程较漫长，耐心等待，此时python3已经安装成功，我们进行一些基本设置就可以了。

修改系统默认python指向，默认pip指向，注意，这样改完会系统yum不可用，需要修复一下。

rm -rf /usr/bin/python ln -s /usr/local/python3/bin/python3 /usr/bin/python rm -rf /usr/bin/pip ln -s /usr/local/python3/bin/pip3 /usr/bin/pip python -V pip -V

四、 Docker安装

首先下载docker安装包，同样，网络不佳的同学，可以直接用我的安装包，已经下载好。上传上去就行了。

#下载docker-20.10.0包
https://download.docker.com/linux/static/stable/x86_64/docker-20.10.0.tgz
#下载docker-compose对应系统的包
https://github.com/docker/compose/releases/download/1.29.1/docker-compose-Linuxx86_64

解压安装docker。

tar -zxvf docker-20.10.0.tgz
#将解压出来的docker文件内容移动到 /usr/bin/ 目录下
cp docker/* /usr/bin/
#查看docker版本
docker version
#查看docker信息
docker info

配置docker。

配置Docker开机自启动服务
#添加docker.service文件
vi /etc/systemd/system/docker.service
#按i插入模式,复制如下内容:
[Unit]
Description=Docker Application Container Engine
Documentation=https://docs.docker.com
After=network-online.target firewalld.service
Wants=network-online.target
[Service]
Type=notify
# the default is not to use systemd for cgroups because the delegate issues
still
# exists and systemd currently does not support the cgroup feature set required
# for containers run by docker
ExecStart=/usr/bin/dockerd
ExecReload=/bin/kill -s HUP $MAINPID
# Having non-zero Limit*s causes performance problems due to accounting overhead
# in the kernel. We recommend using cgroups to do container-local accounting.
LimitNOFILE=infinity
LimitNPROC=infinity
安装docker-compose
将docker-compose上传到服务器/usr/local/bin/里面：
LimitCORE=infinity
# Uncomment TasksMax if your systemd version supports it.
# Only systemd 226 and above support this version.
#TasksMax=infinity
TimeoutStartSec=0
# set delegate yes so that systemd does not reset the cgroups of docker
containers
Delegate=yes
# kill only the docker process, not all processes in the cgroup
KillMode=process
# restart the docker process if it exits prematurely
Restart=on-failure
StartLimitBurst=3
StartLimitInterval=60s
[Install]
WantedBy=multi-user.target
#添加文件可执行权限
chmod +x /etc/systemd/system/docker.service
#重新加载配置文件
systemctl daemon-reload
#启动Docker
systemctl start docker
#查看docker启动状态
systemctl status docker
#查看启动容器
docker ps
#设置开机自启动
systemctl enable docker.service
#查看docker开机启动状态 enabled:开启, disabled:关闭
systemctl is-enabled docker.service

安装docker-compose

#下载docker-compose到/usr/local/bin/目录。
# 给docker compose 目录授权
sudo chmod +x /usr/local/bin/docker-compose
# 查看一下version，显示有版本号那就说明安装成功了
docker-compose version

version一下，有这样的显示就对了。

五、Datahub安装

依赖安装，Datahub需要依赖大量的python包，好在pip都有集成，可以很方便安装。当然网速是个问题，建议选择合适的源。

先检查环境

python3 -m pip uninstall datahub acryl-datahub || true # sanity check - ok if it
fails

检查环境 收到这样的提示说明没有问题。

WARNING: Skipping datahub as it is not installed.

安装依赖包。

pip3 install acryl-datahub==0.10.5

查看版本情况。

python -m datahub version

显示为0.10.5.

镜像下载，接下来是下载镜像，我们知道datahub的组件依赖较多，一共有11个，所以需要用docker先把镜像pull下来。

镜像较大，一共十几个GB，需要耐心下载。镜像是通用的，可以直接load进去，也可以用下载好的镜像包。我这边已上传云盘。

查看下配置文件，在github中 linkedin/datahub/master/docker/quickstart/docker-composewithout-neo4j.quickstart.yml。

这里详细记录了镜像的版本及获取。

随后进行镜像拉取。

docker pull confluentinc/cp-kafka:7.4.0
docker pull confluentinc/cp-zookeeper:7.4.0 
docker pull elasticsearch:7.10.1
docker pull mysql:5.7
。。。

一定按照配置文件耐心下载下来。

最后执行docker image，要保证镜像都是完整的。

六、启动Datahub

万事具备，就差启动。

启动命令如下，这个过程可能会卡住，因为要去github拉那个配置来启动。

python -m datahub docker quickstart 
docker-compose -p datahub

所以我们可以选择本地读配置文件启动的方式。

python -m datahub docker quickstart --quickstart-compose-file ./docker-composewithout-neo4j.quickstart.yml
docker-compose -p datahub -f ./docker-compose-without-neo4j.quickstart.yml up -

如果启动失败，需要排查下镜像是不是有问题。我在这块遇到了很多坑~ 由于网络问题，很有可能导致打的tar包是一个不完整的包。可以单独启动容器调试一下，命令如下：

docker run --name kafka -d confluentinc/cp-kafka:7.4.0

还有一些docker命令

查看启动的容器
docker ps
停止容器
docker stop confluentinc/cp-kafka:7.4.0

执行命令后，如果没有报错证明没有问题。

访问IP：9002，启动成功啦！！

爬坑记录

1、ImportError: urllib3 v2.0 only supports OpenSSL 1.1.1+, currently the 'ssl' module is compiled with 'OpenSSL

urllib3在导入时发生ImportError，是由于urllib3 v2.0只支持OpenSSL 1.1.1及以上版本，而当前系统中的ssl模块使用的OpenSSL版本低于1.1.1导致的。

如何解决 解决方法有以下几种:

1. 升级OpenSSL到1.1.1或更高版本。

2. 使用urllib3 v1.x版本。

2、ERROR: Cannot connect to the Docker daemon at unix:///var/run/docker.sock

docker没有正常启动，按照docker自启动进行配置。

3、提示 Fetching docker-compose file https://raw.githubusercontent.com/datahub-project/datahub/master/docker/quickstart/docker-compose-without-neo4j.quickstart.yml from GitHub 卡住了

连接github网络发生问题，可以下载下来配置文件，或者用我给大家准备好的。

4、requests.exceptions.SSLError: HTTPSConnectionPool(host='raw.githubusercontent.com', port=443): Max retries exceeded with url: /datahub-project/datahub/master/docker/quickstart/docker-compose-without-neo4j.quickstart.yml

同样的问题，重试次数太多，连接github网络发生问题。

5、安装python报错，miss 。。。

大概率是依赖包没安装全，用yum命令重新安装下。

加群方式

关注大数据流动，后台回复“Datahub学习资料”，申请加入Datahub学习资料群。

先声明一下，为防止抄袭和广告党，加入学习群收费。加入群后禁止一切广告，群里定期分享Datahub相关资料，并将长期分享Datahub各版本安装包，一次进群，获得永久权益。

但如果是学生党，不勉强，备注一下，可以直接申请进入。

感谢大家的支持，非诚勿扰~