当前位置：首页 > news >正文

mac2019环境 Airflow+hive+spark+hadoop本地环境安装

news 2026/2/6 9:11:14

1 环境介绍

本地安装可分为两个部分，mac软件环境， python开发环境
ps: 安装过程参考chatgpt、csdn文章
在这里插入图片描述

1.1 mac软件环境

目标安装的的软件是hive、apache-spark、hadoop，但是这三个软件又依赖java(spark依赖）、ssh（从warn日志看到，具体作用不明，可能是提交计算任务的时候依赖做权限验证）、数据库（hive依赖，postgres 实测问题较少）。zsh命令行解释器，用于执行指令， homebrew软件包管理器，安装卸载软件非常方便。接下来介绍各种软件情况。

1.1.1 环境变量

.zprofile 用来配置mac 用户登录时的环境变量，安装完软件后需要进行配置。文档末尾提供一个参考示例。环境变量配置后才能方便的通过软件指令来进行操作。同时python运行pyspark的时候也会使用到java的环境变量，配置错误会导致pyspark运行失败。
我都是把变量放.zprofile的，会比较省事

1.1.2 home-brew

安装过程涉及安装和删除，使用homebrew能解决很多不必要的问题。比如启动postgres

1.1.3 java

macos-sonoma 14.6.1自带hotspot 23版本，但是不满足spark运行环境要求，实测安装java openjdk 1.8 的版本可以使用。

1.1.4 ssh

目测是提交任务时候依赖，需要在~/.ssh 下面创建公钥、密钥同时把公钥备份重新命名才能让hadoop或spark使用到。

1.1.5 hive、spark、hadoop

需要解决的是账号密码、端口等配置，配置正确才能建立通讯。

1.2 Python 环境

1.2.1 miniforge3

python虚拟环境管理，因为公司不允许使用conda，所以用这个代替。这个软件可以解决版本依赖冲突问题，同时管理python环境也很方便。 python开发环境和airflow 需要使用相同的python环境。

1.2.2 airflow

相当于python的一个组件，调用命令以后就能运行服务。python 代码里也会引用到这个组件。
写好的代码放到 airflow 组件的根目录下的 dags目录下就能被airflow识别。代码文件复制过去后就会自动刷新调度任务。可以在airflow上触发调度任务，验证执行结果。

1.2.3 python 开发环境

调试过程就能直接读到airflow的变量数据，也可以调用pythonspark功能做调试。但是调试airflow不会把任务提交到airflow上。
所以验证要分两个阶段。

单独测试调度任务的逻辑，如果使用到了python 函数做任务的，参数需要自己设置一下传入。对使用xcom_push的还没实践过。
测试airflow dag代码逻辑。验证就是运行有没有报错，变量取值是否正确。任务依赖关系还得在airflow页面上查看。

2 安装步骤

经过反复调试成功，可能有些细节忘了。
如有遇到问题可以评论回复。或自行chat-gpt
有些服务启动会导致终端不能再输入指令了，command + T 创建新终端执行新指令，然后 source ~/.zprofile 更新环境变量即可

2.1 mac环境

2.1.1 homebrew

没有安装就用下面指令安装，打开终端
/bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”
安装成功以后终端运行brew 有下面提示即可
在这里插入图片描述

2.1.2 ssh

cd ~/.ssh
ssh-keygen -t rsa -b 4096 -C “your_email@example.com” 创建公钥
cat id_rsa.pub >> authorized_keys 复制公钥
sudo systemsetup -setremotelogin on 启动ssh服务

2.1.3 安装java 1.8

执行指令 brew install openjdk@8
export JAVA_HOME=$(/usr/libexec/java_home -v 1.8) >> ~/.zprofile #这种方式不用自己去找java的目录
source ~/.zprofile
java -version #如果有打印java信息就安装成功了

2.1.4 安装postgres

brew install postgresql@14 #指定版本吧，其他版本没试过
目录可能是/usr/local/var/postgresql@14、/opt/homebrew/opt/postgresql@14、/usr/local/opt/postgresql@14 验证一下即可，也可能没有@14，确认以后修改环境变量
export PATH=“/opt/homebrew/opt/postgresql@14/bin:$PATH” >> ~/.zprofile
source ~/.zprofile
initdb /opt/homebrew/var/postgresql@14 初始化数据库, 可能没有@14，我装的都没有@14结尾
brew services start postgresql@14 启动服务
brew services list 验证服务是否启动
psql postgres 登录数据库
创建hive用户信息
CREATE DATABASE hive;
CREATE USER hiveuser WITH PASSWORD ‘hivepassword’;
GRANT ALL PRIVILEGES ON DATABASE hive TO hiveuser;
\q 或者control + c 退出
psql -U hiveuser -d hive -h localhost -p 5432 登录hiveuser账号，查看

2.1.5 安装hadoop

brew install hadoop
export HADOOP_HOME=/opt/homebrew/opt/hadoop/libexec >> ~/.zprofile
export PATH= $HADOOP_HOME/bin:$ PATH >> ~/.zprofile
把下面环境变量写到 ~/.zprofile 文件里

export HADOOP_COMMON_HOME=/usr/local/opt/hadoop/libexec 或者 /opt/homebrew/opt/hadoop/libexec 看实际安装路径
export HADOOP_HOME=$HADOOP_COMMON_HOME
export HADOOP_HDFS_HOME=$HADOOP_COMMON_HOME
export HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME
export HADOOP_YARN_HOME=$HADOOP_COMMON_HOME
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
# 指定用当前用户启动hdfs 就不用单独创建hdfs了
export HADOOP_NAMENODE_USER={mac登录用户的名字}
export HADOOP_DATANODE_USER={mac登录用户的名字}

source ~/.zprofile
hadoop version 查看安装情况
start-dfs.sh 启动hadoop组件
start-yarn.sh
jps 查看是否启动成功，应该有ResourceManager
HDFS Web 界面：http://localhost:9870
YARN Web 界面：http://localhost:8088
cd $HADOOP_HOME/etc/hadoop 进入到配置页面
vim core-site.xml 我是这样配置的

 <configuration>
<property><name>fs.defaultFS</name><value>hdfs://localhost:9000</value></property>
</configuration>

vim hdfs-site.xml

<configuration><property><name>dfs.namenode.name.dir</name><value>/Users/？自己的用户名？/hdfs/hadoop/tmp/dfs/name</value>
</property>
<property><name>dfs.datanode.data.dir</name><value>/Users/？自己的用户名？/hdfs/hadoop/tmp/dfs/data</value>
</property>
<property><name>dfs.namenode.http-address</name><value>localhost:9101</value>
</property>
<property><name>dfs.datanode.http.address</name><value>localhost:9102</value>
</property></configuration>

hdfs namenode 终端启动
hdfs datanode

2.1.6 安装hive

brew install apache-hive
export HIVE_HOME=/opt/homebrew/opt/apache-hive/libexec >> ~/.zprofile
export PATH= $HIVE_HOME/bin:$ PATH >> ~/.zprofile
source ~/.zprofile
下载postgres驱动 https://jdbc.postgresql.org/download/ 。我使用的是42.7.4-java8 版本。拷贝到$HIVE_HOME/lib目录
修改 $HIVE_HOME/conf/hive-site.xml 配置使用postgres。拷贝出来到文本编辑器里改方便。根据name来改

<property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:postgresql://localhost:5432/hive</value><description>JDBC connect string for a JDBC metastore.To use SSL to encrypt/authenticate the connection, provide database-specific SSL flag in the connection URL.For example, jdbc:postgresql://myhost/db?ssl=true for postgres database.</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>org.postgresql.Driver</value><description>Driver class name for a JDBC metastore</description></property>
<property><name>javax.jdo.option.ConnectionUserName</name><value>hiveuser</value><description>Username to use against metastore database</description></property>
<property><name>javax.jdo.option.ConnectionPassword</name><value>hivepassword</value><description>The password for the database user.</description>
</property>
<property><name>hive.metastore.uris</name><value>thrift://localhost:9083</value><description>Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore.</description></property>

schematool -dbType postgres -initSchema 初始化数据库
hive --service metastore 启动metastore服务
hive --version 查看安装成功
hive 启动，如果hadoop的 namenode、datanode没启动会报错。
show databases; --如果正常就可以一顿操作了
PS： hive的xml配置可能有问题，需要手动删掉特殊字符，3215行

2.1.7 安装spark

brew install apache-spark
export SPARK_HOME=/opt/homebrew/opt/apache-spark/libexec >> ~/.zprofile
export PATH= $SPARK_HOME/bin:$ PATH >> ~/.zprofile
source ~/.zprofile
cp $HIVE_HOME/conf/hive-site.xml $SPARK_HOME/conf/ 把hive配置复制到spark
/usr/local/opt/apache-spark/libexec/sbin/stop-all.sh 停止spark
/usr/local/opt/apache-spark/libexec/sbin/start-all.sh 启动spark
spark-shell --version 验证安装
spark.sql(“SHOW TABLES”).show() 执行看看是否能查到hive表

2.1.8 启动服务查看

终端输入jps 查看启动的服务有哪些
也可通过网页查看spark、 hadoop的情况

2.2 python环境安装

这个相对简单也独立

2.2.1 miniforge3

https://github.com/conda-forge/miniforge 可以自己下载安装，指定目录我使用的是 ~/miniforge 好找
brew install miniforge 这个命令直接安装，之后复制/usr/local/miniforge3 到自己想要的目录。
echo ‘export PATH=“/usr/local/miniforge3/bin:$PATH”’ >> ~/.zprofile 这个命令把miniforge，如果修改了目录自己改下路径
source ~/.zprofile 更新环境变量
conda --version 查看是否安装成功
conda init zsh 初始化conda环境，这个命令会把初始化代码放到~/.bashrc 或者 ~/.zshrc 里，复制出来到 ~/.zprofile
conda create -n data_dev python=3.8 创建一个3.8的环境环境名字data_dev可以自己改
conda activate data_dev 激活环境，在这个环境里安装python组件

2.2.2 airflow 安装

conda install apache-airflow==1.10.12 安装指定版本airflow
airflow initdb db初始化，1.10x版本
airflow scheduler 启动调度
airflow webserver --port 8081 启动页面
http://localhost:8081 访问页面
安装目录在： xxx /miniforge3/envs/data_dev/lib/python3.8/site-packages/airflow， data_dev跟conda创建的环境名一样
写完的脚本放到${AIRFLOW_HOME}/dags/下。这里我配置的AIRFLOW_HOME=上一步的安装路径
ps 使用3.8 可以用conda 安装1.10.12的airflow，可能遇到itsdangerous版本问题，降级 conda install itsdangerous=1.1.0即可
ps airflow默认使用sqlite3的数据存储方式，似乎不需要安装这个数据库。

2.2.3 python环境

指定xxx /miniforge3/envs/data_dev/ 目录下的python环境作为pycharm的python解释器
再安装一个pyspark 就行
可以直接运行python代码了

3 附录

3.1 启动服务指令

# 可以开启多个终端执行任务
#启动ssh hadoop依赖
# sudo launchctl stop com.openssh.sshd
# sudo launchctl start com.openssh.sshd
# 关闭ssh服务
sudo systemsetup -setremotelogin off 
# 开启ssh服务
sudo systemsetup -setremotelogin on#停止postgres
brew services stop postgresql 
#启用
brew services start postgresql # hadoop 集群服务
/usr/local/opt/hadoop/libexec/sbin/stop-dfs.sh 
/usr/local/opt/hadoop/libexec/sbin/stop-yarn.sh
/usr/local/opt/hadoop/libexec/sbin/start-dfs.sh 
/usr/local/opt/hadoop/libexec/sbin/start-yarn.sh#启动hdfs
hdfs namenode 
hdfs datanode  
#启动hive元数据管理
hive --service metastore 
# 启动spark
/usr/local/opt/apache-spark/libexec/sbin/stop-all.sh
/usr/local/opt/apache-spark/libexec/sbin/start-all.sh#启动airflow在 conda环境执行 data_dev
conda activate data_dev
pkill -f airflow
airflow scheduler 
airflow web --port 8081 #jps查看服务 运行的hadoop、hive
jps
#查看postgres服务
brew services list

3.2 环境变量配置

export JAVA_HOME=$(/usr/libexec/java_home -v 1.8)
export HIVE_HOME=/Users/{mac登录用户的名字}/apache-hive-3.1.2-bin
export PATH=$HIVE_HOME/bin:$PATH
export JAVA_OPTS="-Djava.io.tmpdir=/Users/{mac登录用户的名字}/logs -Duser.name={mac登录用户的名字}"
export SPARK_HOME=/usr/local/opt/apache-spark/libexec
export PATH=$PATH:$SPARK_HOME/bin
export HADOOP_COMMON_HOME=/usr/local/opt/hadoop/libexec
export HADOOP_HOME=$HADOOP_COMMON_HOME
export HADOOP_HDFS_HOME=$HADOOP_COMMON_HOME
export HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME
export HADOOP_YARN_HOME=$HADOOP_COMMON_HOME
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
# 指定用当前用户启动hdfs 就不用单独创建hdfs了
export HADOOP_NAMENODE_USER={mac登录用户的名字}
export HADOOP_DATANODE_USER={mac登录用户的名字}
#export SPARK_SUBMIT_OPTS="-Djava.security.manager=allow" # >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/Users/{mac登录用户的名字}/miniforge3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; theneval "$__conda_setup"
elseif [ -f "/Users/{mac登录用户的名字}/miniforge3/etc/profile.d/conda.sh" ]; then. "/Users/yuwang.lin/miniforge3/etc/profile.d/conda.sh"elseexport PATH="/Users/{mac登录用户的名字}/miniforge3/bin:$PATH"fi
fi
unset __conda_setup
# <<< conda initialize <<<
#这个home因为会放cfg文件，所以不能配置为airflow所在目录
export AIRFLOW_DIR="/Users/{mac登录用户的名字}/miniforge3/envs/data_dev/lib/python3.8/site-packages/airflow"
export AIRFLOW_HOME="/Users/{mac登录用户的名字}/airflow"
export POSTGRESQL_HOME="/usr/local/var/postgresql@14"
export PATH=$POSTGRESQL_HOME/bin:$PATH
export PGDATA='/usr/local/pgsql/data'
~                                                                                                                                         
~

4 参考文献

hdfs
ssh 启动