Hadoop環境搭建筆記整理(二)——mysql的安裝

Hadoop環境搭建筆記整理(二)——mysql的安裝

來自專欄 soloer的學習筆記這一部分好像是我犯錯最多的部分,所以各種弱雞的bug將會放在這裡。

一、是什麼和做什麼

1.為什麼要使用hadoop和mysql結合的方式?

這是我在學習時最想提到的問題,我們有很多種資料庫,為什麼偏偏用mysql 。hadoop與mysql放在一起究竟用來做什麼。後來通過學習,認識到mysql用來讀寫儲存hadoop處理過的數據結果,為什麼用mysql則是因為它是一種關係型資料庫而且能儲存的數據量也算足夠可以用來演示一些小工程,另一個原因可能是……便宜。

2.第二節課主要講了如何在centos7中安裝mysql並配置

二、安裝過程

1.Download MySQL Community Server(mysql下載地址)使用系統為CentOS選擇 Red Hat Enterprise Linux/Oracle系列

這三個缺一不可

2.檢查是否安裝過或有其他資料庫存在

a.使用命令查看是否已經安裝過mysql:

rpm -qa | grep -i mysql

(有舊的記得卸載,不僅卸載mysql,前一篇提到的mariadb也要一併卸載)

b. 停止mysql服務、刪除之前安裝的mysql

停止mysql服務、刪除之前安裝的mysql刪除命令:rpm -ev --nodeps 包名

rpm -ev --nodeps MySQL-server-5.6.21-1.el6.x86_64

rpm -ev --nodeps MySQL-devel-5.6.21-1.el6.x86_64

rpm -ev --nodeps MySQL-client-5.6.21-1.el6.x86_64

如果存在CentOS自帶mysql-libs-5.6.21-1.el6.x86_64使用下面的命令卸載即可

rpm -ev --nodeps mysql-libs-5.6.21-1.el6.x86_64

c. 查找之前老版本mysql的目錄並且刪除老版本mysql的文件和庫(這幾條語句我沒有使用過,不確定是否能用)

find / -name mysql

刪除對應的mysql目錄

rm -rf /usr/lib64/mysql

rm -rf /var/lib/mysql

3.安裝mysql包

cd /app(找到安裝路徑)

rpm -ivh MySQL-server-5.6.21-1.el6.x86_64.rpm

rpm -ivh MySQL-client-5.6.21-1.el6.x86_64.rpm

rpm -ivh MySQL-devel-5.6.21-1.el6.x86_64.rpm

4.啟動mysql服務

通過下面查看mysql服務狀態:

service mysql status

如果mysql沒有啟動,通過如下命令進行啟動:

service mysql start

5.設置root密碼

安好mysql的時候都有一個默認的初始密碼,要是你需要使用服務必須輸入那個密碼。但不好意思的是那是隨機生成的,所以我們有兩個辦法,進入mysql使用服務。一種是進入安全模式跳過驗證啟動並修改密碼,另一種是找到初始密碼進入。我使用的是前一種。後一種網上也有教程,但我沒成功就不貼了。

三、注意事項及bug

1.防火牆問題

運行mysql服務的時候必須關閉防火牆,不然會報錯

解決方法;

systemctl stop firewalld.service #停止firewall

注意:若按以上方法關閉防火牆,重啟虛擬機後仍需輸入這條指令,如果需要永久關閉則需要使用另一條語句。

systemctl disable firewalld.service #禁止firewall開機啟動

firewall-cmd --state #查看默認防火牆狀態(關閉後顯示notrunning,開啟後顯示running)

2.允許用戶遠程登陸設置(這裡對我而言還是個疑點)

前面缺失的一句是

mysql>use mysql

3.找不到PID文件error

(我的問題出在前面運行了太多遍錯誤的語句導致進程卡死,kill掉就解決了)另一種錯誤的原因是內存不足,即我的系統顯示為28%的位置在你那邊顯示為100%。解決方法就是給虛擬機加大內存或者刪除佔用內存的文件。當然還有其他原因,這裡我就不一一列舉。
推薦閱讀:

MySQL 面試題集錦
mysql 每次查詢一條數據查10次 和一次查詢10條數據效率有多少差距?
自建MySQL實例遷移到雲平台實踐
PL/SQL Developer連接虛擬機Oracle資料庫(圖文詳解,全網最詳細)
大家設計資料庫時使用外鍵嗎?

TAG:大數據 | Hadoop | MySQL |