Pentaho – Hadoop集群连接器

使用Pentaho，可以轻松解决所有大数据分析问题，无需编写一行代码，并将生成的结果/输出进行分析。它可以轻松地与其他大数据平台建立连接，如谷歌Dataproc、Hortonworks数据平台(HDP)、Amazon Elastic MapReduce (EMR)等。

此外，它还可以与HDFS、HBase、Oozie、ZooKeeper等服务进行集成，非常灵活。请参考下面架构图：

连接Hadoop集群的步骤

1.下载驱动和配置属性文件

• 要下载驱动程序，访问以下链接为了解客户端版本驱动程序和其他信息。从服务器的大数据插件目录中添加连接路径，即hadoop.configurations.path属性，并将该值设置为metastore目录。例如,/home/devuser/.pentaho/metastore
• 在上面的文件中找到Hadoop.configurations.path属性并将值赋给metastore目录。例如,/home/user/.pentaho/metastore
• 然后在上述变更后启动Pentaho服务器。

2.安装驱动

• 浏览pentahohomedir/server/pentaho-server/pentaho-solutions/ADDITIONAL-FILES/drivers目录，其中pentahohomedir是安装Pentaho的目录。
• 选择你想添加的驱动（.kar文件）（即从支持页面下载的兼容驱动文件）并将其复制到浏览的服务器目录。
• 重启服务器和服务。

3.安装客户插件，如下所述

进入"Tools ->Marketplace"，搜索 "Apache Hadoop "并点击安装。请参考下图：

获取安装资料

咨询销售流程完成后会发送给你Welcome Kit电子邮件。此电子邮件包含企业版FTP站点的用户凭证，在那里你可以下载Hadoop数据集成包的各个安装包，以及设计Hadoop job和转换所需的桌面客户端工具。以下是每个平台和发行版所需的软件包：

• Hadoop数据集成：phd-ee-4.2.0-GA.tar.gz。
• Windows安装包的客户端工具：pdi-ee-client-4.2.0-GA.zip。
• Linux/Solaris/OS X 的工具：pdi-ee-client-4.2.0-GA.tar.gz。
• 用于Apache Hadoop部署的Pentaho客户端工具补丁：pentaho-apache-hadoop-4.2.0.zip。

更多细节参考下面链接：

Sample Core Design

https://help.hitachivantara.com/Documentation/Pentaho/9.2/Work_with_data/Use_Hadoop_with_Pentaho

原文标题：Pentaho – Hadoop Cluster connection
原文作者：Saurabh Suresh Dhotre
原文地址：https://blog.knoldus.com/pentaho-hadoop-connection/