大数据实战之环境搭建(八)

简介:

由于本人机器有限,只有虚拟机的centOS和windows7操作系统,所以这次我们就以这两台机器作为搭建Cassandra集群的节点。

首先我们将Cassandra解压包拷贝至linux系统的usr下

235630683.png

然后修改/apahce-cassandra-1.2.5下面的conf目录下的cassandra.yaml文件

235644197.png

主要修改以下几点,我的windows的IP地址是192.168.1.3,虚拟机的IP是192.168.192.128。所以我们选取linux作为seeds节点。

那么linux上的cassandra.yaml的配置如下:

1.cluster默认为Test-Cluster

cluster_name: 'Test Cluster'

2.seeds: "192.168.192.128"

3.listen_address: 192.168.192.128

4.broadcast_address: 192.168.192.128,这个可以配置,也可以留空

5.rpc_address: 0.0.0.0(Thrift监听的客户端的IP,这里意思是监听所有的客户端IP)


OK,再修改cassandra-topology.properties文件,修改如下

1
2
3
4
5
6
7
8
9
# Cassandra Node IP=Data Center:Rack
192.168.192.128=DC1:RAC1
192.168.1.3=DC2:RAC2
# default for unknown nodes
default=DC1:r1
# Native IPv6 is supported, however you must escape the colon in the IPv6 Address
# Also be sure to comment out JVM_OPTS="$JVM_OPTS -Djava.net.preferIPv4Stack=true"
# in cassandra-env.sh
fe80\:0\:0\:0\:202\:b3ff\:fe1e\:8329=DC1:RAC1

到此linux上的配置就配置好了。我们启动Cassandra,结果报错

235704603.png

真是恼火,搜了下google,发现这个解释

http://shellyli.iteye.com/blog/706455

于是打开/etc/hosts文件

235722595.png

加上bogon这个机器名,这个名字有点怪,像是商洛的一种鸟类,叫蚌岗。

1
2
3
4
# Do not remove the following line, or various programs
# that require network functionality will fail.
127.0.0.1bogonlocalhost.localdomainlocalhost
::1localhost6.localdomain6localhost6

不开玩笑了,我们看一下启动的cassandra-cli

235750417.png

我们再看看windows7上的配置cassandra.yaml的配置

1.cluster_name: 'Test Cluster'

2.seeds: "192.168.192.128"

3.listen_address: 192.168.1.3

4.broadcast_address: 192.168.1.3

5.rpc_address: 0.0.0.0

OK,再修改cassandra-topology.properties文件,修改如下

1
2
3
4
5
6
7
8
9
# Cassandra Node IP=Data Center:Rack
192.168.192.128=DC1:RAC1
192.168.1.3=DC2:RAC2
# default for unknown nodes
default=DC1:r1
# Native IPv6 is supported, however you must escape the colon in the IPv6 Address
# Also be sure to comment out JVM_OPTS="$JVM_OPTS -Djava.net.preferIPv4Stack=true"
# in cassandra-env.sh
fe80\:0\:0\:0\:202\:b3ff\:fe1e\:8329=DC1:RAC1

OK,好了,我们先启动Cassandra,再启动cassandra-cli

235802788.png

windows上和linux上的cassandra都已经启动起来了。我们看一下环是否已经成功

235815450.png

看到了吧,有两台机器,都在机架1上,状态是正常运行状态。

至此,我们的cassandra集群就搭建好了,我们再在cli下用describe cluster,命令查看集群信息

235910965.png

也是没有问题的,包含两台机器。OK,好了我们cassandra集群搭建到此结束



本文转自 BruceAndLee 51CTO博客,原文链接:http://blog.51cto.com/leelei/1232393,如需转载请自行联系原作者


相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
4月前
|
SQL 分布式计算 数据可视化
滴滴出行大数据数仓实战
滴滴出行大数据数仓实战
114 0
滴滴出行大数据数仓实战
|
4月前
|
SQL 分布式计算 大数据
【大数据技术Spark】DStream编程操作讲解实战(图文解释 附源码)
【大数据技术Spark】DStream编程操作讲解实战(图文解释 附源码)
35 0
|
4月前
|
安全 大数据 API
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
elasticsearch|大数据|elasticsearch的api部分实战操作以及用户和密码的管理
62 0
|
4月前
|
SQL 分布式计算 数据库
【大数据技术Spark】Spark SQL操作Dataframe、读写MySQL、Hive数据库实战(附源码)
【大数据技术Spark】Spark SQL操作Dataframe、读写MySQL、Hive数据库实战(附源码)
84 0
|
2月前
|
分布式计算 大数据 Java
Spark 大数据实战:基于 RDD 的大数据处理分析
Spark 大数据实战:基于 RDD 的大数据处理分析
120 0
|
4月前
|
SQL 存储 大数据
手把手教你大数据离线综合实战 ETL+Hive+Mysql+Spark
手把手教你大数据离线综合实战 ETL+Hive+Mysql+Spark
88 0
|
4月前
|
机器学习/深度学习 分布式计算 搜索推荐
【大数据技术】Spark MLlib机器学习协同过滤电影推荐实战(附源码和数据集)
【大数据技术】Spark MLlib机器学习协同过滤电影推荐实战(附源码和数据集)
72 0
|
4月前
|
机器学习/深度学习 分布式计算 前端开发
【大数据技术】Spark MLlib机器学习线性回归、逻辑回归预测胃癌是否转移实战(附源码和数据集)
【大数据技术】Spark MLlib机器学习线性回归、逻辑回归预测胃癌是否转移实战(附源码和数据集)
34 0
|
4月前
|
机器学习/深度学习 分布式计算 大数据
【大数据技术】Spark MLlib机器学习特征抽取 TF-IDF统计词频实战(附源码和数据集)
【大数据技术】Spark MLlib机器学习特征抽取 TF-IDF统计词频实战(附源码和数据集)
26 0
|
4月前
|
消息中间件 分布式计算 大数据
【大数据技术】Spark+Flume+Kafka实现商品实时交易数据统计分析实战(附源码)
【大数据技术】Spark+Flume+Kafka实现商品实时交易数据统计分析实战(附源码)
66 0