从图中可以看到，Zeppelin具有客户端/服务器架构，客户端一般就是指浏览器。服务器接收客户端的请求，并将请求通过Thrift协议发送给翻译器组。翻译器组物理表现为JVM进程，负责实际处理客户端的请求并与服务器进行通信。
翻译器是一个插件式的体系结构，允许任何语言/后端数据处理程序以插件的形式添加到Zeppelin中。特别需要指出的是，Zeppelin内建Spark翻译器，因此不需要构建单独的模块、插件或库。Spark翻译器的架构图如下所示。
![]()
当前的Zeppelin已经支持很多翻译器，如Zeppelin 0.6.0版本自带的翻译器有alluxio、cassandra、file、hbase、ignite、kylin、md、phoenix、sh、tajo、angular、elasticsearch、flink、hive、jdbc、lens、psql、spark等18种之多。插件式架构允许用户在Zeppelin中使用自己熟悉的特定程序语言或数据处理方式。例如，通过使用%spark翻译器，可以在Zeppelin中使用Scala语言代码。
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，任何后端语言的输出都可以被图形化表示。
用户建立的每一个查询叫做一个note，note的URL在多用户间共享，Zeppelin将向所有用户实时广播note的变化。Zeppelin还提供一个只显示查询结果的URL，该页不包括任何菜单和按钮。用这种方式可以方便地将结果页作为一帧嵌入到自己的web站点中。
2. Zeppelin安装配置
下面用一个典型的使用场景——使用Zeppelin运行SparkSQL访问Hive表，在一个实验环境上说明Zeppelin的安装配置步骤。
（1）安装环境
12个节点的Spark集群，以standalone方式部署，各个节点运行的进程如下表所示。
主机名
运行进程
nbidc-agent-03
NameNode、Spark Master
nbidc-agent-04
SecondaryNameNode
nbidc-agent-11
ResourceManager、DataNode、NodeManager、Spark Worker
nbidc-agent-12
DataNode、NodeManager、Spark Worker
nbidc-agent-13
DataNode、NodeManager、Spark Worker
nbidc-agent-14
DataNode、NodeManager、Spark Worker
nbidc-agent-15
DataNode、NodeManager、Spark Worker
nbidc-agent-18
DataNode、NodeManager、Spark Worker
nbidc-agent-19
DataNode、NodeManager、Spark Worker
nbidc-agent-20
DataNode、NodeManager、Spark Worker
nbidc-agent-21
DataNode、NodeManager、Spark Worker
nbidc-agent-22
DataNode、NodeManager、Spark Worker
操作系统：CentOS release 6.4
Hadoop版本：2.7.0
Hive版本：2.0.0
Spark版本：1.6.0
（2）在nbidc-agent-04上安装部署Zeppelin及其相关组件
前提：nbidc-agent-04需要能够连接互联网。
安装Git：在nbidc-agent-04上执行下面的指令。
yum install curl-devel expat-devel gettext-devel openssl-devel zlib-devel
yum install gcc perl-ExtUtils-MakeMaker
yum remove git
cd /home/work/tools/
wget https://github.com/git/git/archive/v2.8.1.tar.gz
tar -zxvf git-2.8.1.tar.gz
cd git-2.8.1.tar.gz
make prefix=/home/work/tools/git all
make prefix=/home/work/tools/git install
安装Java：在nbidc-agent-03机器上执行下面的指令拷贝Java安装目录到nbidc-agent-04机器上。
[AppleScript] 纯文本查看 复制代码
scp -r jdk1.7.0_75 nbidc-agent-04:/home/work/tools/
安装Apache Maven：在agent-04上执行下面的指令。
cd /home/work/tools/
wget ftp://mirror.reverse.net/pub/apa ... en-3.3.9-bin.tar.gz
tar -zxvf apache-maven-3.3.9-bin.tar.gz
安装Hadoop客户端：在nbidc-agent-03机器上执行下面的指令拷贝Hadoop安装目录到nbidc-agent-04机器上。
scp -r hadoop nbidc-agent-04:/home/work/tools/
安装Spark客户端：在nbidc-agent-03机器上执行下面的指令拷贝Spark安装目录到nbidc-agent-04机器上。
scp -r spark nbidc-agent-04:/home/work/tools/
安装Hive客户端：在nbidc-agent-03机器上执行下面的指令拷贝Hive安装目录到nbidc-agent-04机器上。
scp -r hive nbidc-agent-04:/home/work/tools/
安装phantomjs：在nbidc-agent-04上执行下面的指令。
cd /home/work/tools/
tar -jxvf phantomjs-2.1.1-linux-x86_64.tar.bz2
下载最新的zeppelin源码：在nbidc-agent-04上执行下面的指令。
cd /home/work/tools/
git clone https://github.com/apache/incubator-zeppelin.git
设置环境变量：在nbidc-agent-04上编辑/home/work/.bashrc文件，内容如下。
[AppleScript] 纯文本查看 复制代码
vi /home/work/.bashrc
# 添加下面的内容
export PATH=.:$PATH:/home/work/tools/jdk1.7.0_75/bin:/home/work/tools/hadoop/bin:/home/work/tools/spark/bin:/home/work/tools/hive/bin:/home/work/tools/phantomjs-2.1.1-linux-x86_64/bin:/home/work/tools/incubator-zeppelin/bin;
export JAVA_HOME=/home/work/tools/jdk1.7.0_75
export HADOOP_HOME=/home/work/tools/hadoop
export SPARK_HOME=/home/work/tools/spark
export HIVE_HOME=/home/work/tools/hive
export ZEPPELIN_HOME=/home/work/tools/incubator-zeppelin
# 保存文件，并是设置生效
source /home/work/.bashrc
编译zeppelin源码：在nbidc-agent-04上执行下面的指令。
[AppleScript] 纯文本查看 复制代码
cd /home/work/tools/incubator-zeppelin
mvn clean package -Pspark-1.6 -Dspark.version=1.6.0 -Dhadoop.version=2.7.0 -Phadoop-2.6 -Pyarn -DskipTests
（3）配置zeppelin
- 配置zeppelin-env.sh文件：在nbidc-agent-04上执行下面的指令。
[AppleScript] 纯文本查看 复制代码
cp /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh.template /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-env.sh
# 添加下面的内容
export JAVA_HOME=/home/work/tools/jdk1.7.0_75
export HADOOP_CONF_DIR=/home/work/tools/hadoop/etc/hadoop
export MASTER=spark://nbidc-agent-03:7077
配置zeppelin-site.xml文件：在nbidc-agent-04上执行下面的指令。
[AppleScript] 纯文本查看 复制代码
cp /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml.template /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml
# 修改下面这段的value值，设置zeppelin的端口为9090
<property>
<name>zeppelin.server.port</name>
<value>9090</value>
<description>Server port.</description>
</property>
将hive-site.xml拷贝到zeppelin的配置目录下：在nbidc-agent-04上执行下面的指令。
cd /home/work/tools/incubator-zeppelin cp /home/work/tools/hive/conf/hive-site.xml .
（4）启动zeppelin
在nbidc-agent-04上执行下面的指令。
zeppelin-daemon.sh start（5）测试
从浏览器输入http://nbidc-agent-04:9090/，如下图所示。![]()
点击‘Interpreter’菜单，配置并保存spark解释器，如下图所示。
![]()
配置并保存hive解释器，如下图所示。
![]()
点击‘NoteBook’->‘Create new note’子菜单项，建立一个新的查询并执行，结果如下图所示。
![]()
说明：这是一个动态表单SQL，SparkSQL语句为：
%sql
select * from wxy.t1 where rate > ${r}
第一行指定解释器为SparkSQL，第二行用${r}指定一个运行时参数，执行时页面上会出现一个文本编辑框，输入参数后回车，查询会按照指定参数进行，如图会查询rate > 100的记录。
3. 在Zeppelin中添加MySQL翻译器
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本身还不带MySQL翻译器，幸运的是已经有MySQL翻译器插件了。下面说明该插件的安装步骤及简单测试。
（1）编译MySQL Interpreter源代码
cd /home/work/tools/
git clone https://github.com/jiekechoo/zeppelin-interpreter-mysql
mvn clean package
（2）部署二进制包
[AppleScript] 纯文本查看 复制代码
mkdir /home/work/tools/incubator-zeppelin/interpreter/mysql
cp /home/work/tools/zeppelin-interpreter-mysql/target/zeppelin-mysql-0.5.0-incubating.jar /home/work/tools/incubator-zeppelin/interpreter/mysql/
# copy dependencies to mysql directory
cp commons-exec-1.1.jar mysql-connector-java-5.1.6.jar slf4j-log4j12-1.7.10.jar log4j-1.2.17.jar slf4j-api-1.7.10.jar /home/work/tools/incubator-zeppelin/interpreter/mysql/
vi /home/work/tools/incubator-zeppelin/conf/zeppelin-site.xml
在zeppelin.interpreters 的value里增加一些内容“,org.apache.zeppelin.mysql.MysqlInterpreter”，如下图所示。
![]()
（3）重启Zeppelin
zeppelin-daemon.sh restart（4）加载MySQL Interpreter
打开主页http://nbidc-agent-04:9090/，‘Interpreter’ -> ‘Create’，完成类似下图的页面，完成点击‘Save’
![]()
（5）测试
- 创建名为mysql_test的note，如下图所示。
![]()
[AppleScript] 纯文本查看 复制代码
%mysql
select date_format(create_time,'%Y-%m-%d') d, count(*) c
from information_schema.tables
group by date_format(create_time,'%Y-%m-%d')
order by d;
查询结果的表格表示如下图所示。
![]()
查询结果的柱状图表示如下图所示。
![]()
查询结果的饼图表示如下图所示。
![]()
查询结果的堆叠图表示如下图所示。
![]()
查询结果的线形图表示如下图所示。
![]()
查询结果的散点图表示如下图所示。
![]()
报表模式的饼图表示如下图所示。
![]()
可以点击如下图所示的链接单独引用此报表
单独的页面能根据查询的修改而实时变化，比如将查询修改为：
[AppleScript] 纯文本查看 复制代码
select date_format(create_time,'%Y-%m-%d') d, count(*) c
from information_schema.tables
where create_time > '2016-06-07'
group by date_format(create_time,'%Y-%m-%d')
order by d;
增加了where子句，在运行此查询，结果如下图所示。
单独链接的页面也随之自动发生变化，如下图所示。
5. Hue与Zeppelin比较
（1）功能
Zeppelin和Hue都能提供一定的数据可视化的功能，都提供了多种图形化数据表示形式。单从这点来说，个人认为功能类似，大同小异，Hue可以通过经纬度进行地图定位，这个功能我在Zeppelin 0.6.0上没有找到。
Zeppelin支持的后端数据查询程序较多，0.6.0版本缺省有18种，原生支持Spark。而Hue的3.9.0版本缺省只支持Hive、Impala、Pig和数据库查询。
Zeppelin只提供了单一的数据处理功能，包括前面提到的数据摄取、数据发现、数据分析、数据可视化等都属于数据处理的范畴。而Hue的功能相对丰富的多，除了类似的数据处理，还有元数据管理、Oozie工作流管理、作业管理、用户管理、Sqoop集成等很多管理功能。从这点看，Zeppelin只是一个数据处理工具，而Hue更像是一个综合管理工具。
（2）架构
Zeppelin采用插件式的翻译器，通过插件开发，可以添加任何后端语言和数据处理程序。相对来说更独立和开放。
Hue与Hadoop生态圈的其它组件密切相关，一般都与CDH一同部署。
（3）使用场景
Zeppelin适合单一数据处理、但后端处理语言繁多的场景，尤其适合Spark。
Hue适合与Hadoop集群的多个组件交互、如Oozie工作流、Sqoop等联合处理数据的场景，尤其适合与Impala协同工作。
![]()
六、Hue数据可视化实例
本节先用Impala、DB查询示例说明Hue的数据查询和可视化功能，然后交互式地建立一个定期执行销售订单示例ETL任务的工作流，说明在Hue里是如何操作Oozie工作流引擎的。
1. Impala查询
在Impala OLAP实例一节中执行了一些查询，现在在Hue里执行查询，直观看一下结果的图形化表示效果。
（1）登录Hue，点击图标进入“我的文档”页面。
（2）点击创建一个名为“销售订单”的新项目。
（3）点击进入Impala查询编辑页面，创建一个新的Impala文档。
（4）在Impala查询编辑页面，选择olap库，然后在编辑窗口输入下面的查询语句。
-- 按产品分类查询销售量和销售额
select t2.product_category pro_category,
sum(order_quantity) sum_quantity,
sum(order_amount) sum_amount
from sales_order_fact t1, product_dim t2
where t1.product_sk = t2.product_sk
group by pro_category
order by pro_category;
-- 按产品查询销售量和销售额
select t2.product_name pro_name,
sum(order_quantity) sum_quantity,
sum(order_amount) sum_amount
from sales_order_fact t1, product_dim t2
where t1.product_sk = t2.product_sk
group by pro_name
order by pro_name;
点击“执行”按钮，结果显示按产品分类的销售统计，如下图所示。接着点击“下一页”按钮，结果会显示按产品的销售统计。
（5）点击 “全屏查看结果”按钮，会全屏显示查询结果。
产品统计结果如下图所示。
产品统计柱状图如下图所示。
从图中可以看到，按销售额从大到小排序的产品依次为Hard Disk Drive、Floppy Drive、Flat Panel、Keyboard和LCD Panel。
（6）回到查询编辑页，点击“另存为...”按钮，保存成名为“按产品统计”的查询。
（7）点击“新查询”按钮，按同样的方法再建立一个“按地区统计”的查询。SQL语句如下：
-- 按州查询销售量和销售额
select t3.state state,
count(distinct t2.customer_sk) sum_customer_num,
sum(order_amount) sum_order_amount
from sales_order_fact t1
inner join customer_dim t2 on t1.customer_sk = t2.customer_sk
inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk
group by state
order by state;
-- 按城市查询销售量和销售额
select t3.city city,
count(distinct t2.customer_sk) sum_customer_num,
sum(order_amount) sum_order_amount
from sales_order_fact t1
inner join customer_dim t2 on t1.customer_sk = t2.customer_sk
inner join customer_zip_code_dim t3 on t1.customer_zip_code_sk = t3.zip_code_sk
group by city
order by city;
城市统计饼图如下图所示。
从图中可以看到，mechanicsburg市的销售占整个销售额的一半。
（8）再建立一个“按年月统计”的查询，这次使用动态表单功能，运行时输入年份。SQL语句如下。
-- 按年月查询销售量和销售额
select t4.year*100 + t4.month ym,
sum(order_quantity) sum_quantity,
sum(order_amount) sum_amount
from sales_order_fact t1
inner join order_date_dim t4 on t1.order_date_sk = t4.date_sk
where (t4.year*100 + t4.month) between $ym1 and $ym2
group by ym
order by ym;
注意$ym1和$ym2是动态参数，执行此查询，会出现输入框要求输入参数，如下图所示。
查询2016一年的销售情况，ym1输入201601，ym2输入201612，然后点击“执行查询”，结果线形图如下图所示。
此结果按查询语句中的order by子句排序。
至此，我们定义了三个Impala查询，进入“我的文档”页面可以看到default项目中有三个文档，而“销售订单”项目中没有文档，如下图所示。
（9）把这三个文档移动到“销售订单”项目中。
点击右面列表中的“default”按钮，会弹出“移动到某个项目”页面，点击“销售订单”，如下图所示。
将三个查询文档都如此操作后，在“销售订单”项目中会出现此三个文档，如下图所示。
以上用销售订单的例子演示了一下Hue中的Impala查询及其图形化表示。严格地说，无论是Hue还是Zeppelin，在数据可视化上与传统的BI产品相比还很初级，它们只是提供了几种常见的图表，还缺少基本的上卷、下钻、切块、切片、百分比等功能，如果只想用Hadoop生态圈里的数据可视化工具，也只能期待其逐步完善吧。
（10）最后提供一个Hue文档中通过经纬度进行地图定位的示例，其截图如下所示。
2. DB查询
缺省情况下Hue没有启用DB查询，如果点击“Query Editors” -> “DB 查询”，会提示“当前没有已配置的数据库。”，如下图所示。
按如下方法配置DB查询。
（1）进入CDH Manager的“Hue” -> “配置”页面，在“类别中选择“服务范围” -> “高级”，然后编辑“hue_safety_valve.ini 的 Hue 服务高级配置代码段（安全阀）”配置项，填写类似如下内容：
[librdbms]
[[databases]]
[[[mysql]]]
# Name to show in the UI.
nice_name="MySQL DB"
name=hive
engine=mysql
host=172.16.1.102
port=3306
user=root
password=mypassword
这里配置的是一个MySQL数据库，如下图所示。
（2）点击“保存更改”按钮，然后点击“操作” -> “重启”，重启Hue服务。
此时再次在Hue里点击“Query Editors” -> “DB 查询”，则会出现MySQL中hive库表，此库存放的是Hive元数据。此时就可以输入SQL进行查询了，如下图所示。
3. 建立定期执行销售订单示例的ETL工作流
下面说明建立工作流的详细步骤。
（1）登录Hue的Web主页，点击“Workflows” -> “编辑器” -> “Workflow”，打开“Workflow 编辑器”页面，如下图所示。
（2）点击“Create”按钮，新建一个工作流，页面如下图所示。
从图中看到，工作流预定义了16种操作，而且Start、End、Kill节点已经存在，不需要（也不能）自己定义。
（3）点击图标，打开工作区页面，如下图所示。
（4）点击图标，显示HDFS上的工作区目录。
（5）执行下面的命令，将相关依赖文件拷贝至工作区目录。
hdfs dfs -put -f /root/mysql-connector-java-5.1.38/mysql-connector-java-5.1.38-bin.jar /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /etc/hive/conf.cloudera.hive/hive-site.xml /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /root/regular_etl.sql /user/hue/oozie/workspaces/hue-oozie-1472779112.59
hdfs dfs -put -f /root/month_sum.sql /user/hue/oozie/workspaces/hue-oozie-1472779112.59
（6）回到“Workflow 编辑器”页面，拖拽添加三个“Sqoop 1”操作，如下图所示。
可以看到，因为三个Sqoop并行处理，所以工作流中自动添加了fork节点和join节点。
（7）编辑三个“Sqoop 1”操作。
第一个“Sqoop 1”操作改名为“sqoop-customer”
a. Sqoop 命令填写如下命令，用import全量装载客户表：
import --connect jdbc:mysql://cdh1:3306/source?useSSL=false --username root --password mypassword --table customer --hive-import --hive-table rds.customer --hive-overwrite
b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。
c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。
第二个“Sqoop 1”操作改名为“sqoop-product”
a. Sqoop 命令填写如下命令，用import全量装载产品表：
import --connect jdbc:mysql://cdh1:3306/source?useSSL=false --username root --password mypassword --table product --hive-import --hive-table rds.product --hive-overwrite
b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。
c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。
第三个“Sqoop 1”操作改名为“sqoop-sales_order”
a. Sqoop 命令填写如下命令，用job增量装载销售订单表：
job --exec myjob_incremental_import --meta-connect jdbc:hsqldb:hsql://cdh2:16000/sqoop
b. 点击“文件”，在“选择文件”页面点击“工作区”，选择hive-site.xml文件。
c. 再次点击“文件”，在“选择文件”页面点击“工作区”，选择mysql-connector-java-5.1.38-bin.jar文件。
（8）修改工作流的名称为“regular_etl”，添加工作流的描述为“销售订单定期ETL”，fork节点的名称为“fork-node”，join节点的名称为“join-node”。现在的工作流如下图所示。
（9）在“join-node”节点下，拖拽添加一个“Hive 脚本”操作，“脚本”选择工作区目录下的regular_etl.sql文件，“Hive XML”选择工作区目录下的hive-site.xml文件。修改操作名称为“hive-every-day”。此操作每天执行ETL主流程。
（10）在“hive-every-day”操作下，拖拽添加一个“Hive 脚本”操作，“脚本”选择工作区目录下的month_sum.sql文件，“Hive XML”选择工作区目录下的hive-site.xml文件。修改操作名称为“hive-every-month”。此操作每个月执行一次，生成上月汇总数据快照。现在的工作流如下图所示（“join-node”及其以下部分）。
（11）这步要使用一个小技巧。hive-every-month是每个月执行一次，我们是用天做判断，比如每月1日执行此操作，需要一个decision节点完成date eq 1的判断。在Hue的工作流编辑里，decision节点是由fork节点转换来的，而fork节点是碰到并发操作时自动添加的。因此需要添加一个和“hive-every-month”操作并发的操作来自动添加fork节点。这里选择“停止”操作。现在的工作流如下图所示（“hive-every-day”及其以下部分）。
（12）点击“转换为决策”，条件是如果${date eq 1}转至“hive-every-month”，否则转至“End”。因为不是1号时会转至缺省的“End”节点，所以此时已经不再需要刚才添加的“停止”操作，将其删除。现在的工作流如下图所示（“hive-every-day”及其以下部分）。
至此我们的regular_etl工作流已经定义完成，点击图标保存，在非编辑模式下，完整的工作流如下图所示。
（13）点击“设置”，在弹出的“Workflow 设置”页面里点击“添加参数”链接，参数名为“date”，值设置为1，如下图所示。
（14）关闭“Workflow 设置”页面，点击 “提交”，弹出“提交 regular_etl?”页面，参数date值为1，如下图所示。
（15）点击“提交”按钮，工作流执行，执行成功结果如下图所示。
前面的步骤定义了Workflow工作流，要让它定时执行还要定义Coordinator工作流。
（16）点击“Workflows” -> “编辑器” -> “Workflow”，打开“Coordinator 编辑器”页面，如下图所示。
（17）点击“Create”按钮，新建一个工作流，页面如下图所示。
（18）点击“选择 Workflow”链接，在弹出的页面中选择“regular_etl”，如下图所示。
（19）“频率”配置不变，保持缺省的每天一次。
（20）点击“添加参数”链接，将${coord:formatTime(coord:actualTime(), 'd')}作为regular_etl里变量date的值，传递给Workflow。
（21）修改Coordinator工作流的名称为“regular_etl-coord”，点击保存。
至此我们的Coordinator工作流已经定义完成，现在的工作流在非编辑模式下如下图所示。
（22）点击 “提交”，等待Coordinator工作流执行，执行成功结果如下图所示。
---------------------
作者：wzy0623
来源：CSDN
/1 
发表于 2018-12-27 16:28:47
QQ好友和群
QQ空间
腾讯微博
腾讯朋友
收藏
转播
分享
淘帖
赞
踩
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
照妖镜