安装指南
1、系统环境要求
| 组件 | 要求 |
|---|---|
操作系统 | 只支持 64位的Linux系统 建议：
|
CPU | 建议16核或以上 |
内存 | 建议64G或128G |
硬盘 | 建议固态硬盘或高速硬盘 空间大小2048G |
2、安装介质装备
SmartbiMining介质：
安装介质 | 文件名 |
|---|---|
JDK | jdk-8u181-linux-x64.tar.gz |
Spark | spark-2.4.0-bin-hadoop2.7.tgz |
SmartbiEngine | smartbi-mining-engine-bin.tar.gz |
Python | Python节点安装包Anaconda3-2019.10-Linux-x86_64.sh CentOS7版本：bzip2-1.0.6-13.el7.x86_64.rpm 离线插件包：plugin |
3、设置系统环境
3.1 取消打开文件数限制
在/etc/security/limits.conf 文件的末尾加入以下内容： * soft nofile 65536 * hard nofile 65536 * soft nproc 131072 * hard nproc 131072
3.2 取消SELINUX
修改/etc/selinux/config中的SELINUX为disabled SELINUX=disabled
3.3 关闭防火墙
1）CentOS 7.X/Redhat 7.X systemctl stop firewalld systemctl disable firewalld systemctl status firewalld
3.4 修改主机名
主机名不能使用下划线。
CentOS7:
# hostname 机器名 # echo 机器名 > /etc/hostname
配置主机ip和主机名的映射关系
# echo '服务器对应ip 机器名' >> /etc/hosts
开始部署
1、smartbi-spark单节点部署
spark是做为engine的计算节点来使用的。
- 如果只有一个节点部署试用，可以不部署spark，只部署数据挖掘引擎服务，然后配置本地模式来使用。
- 如果有两个及以上的服务器，可以一台部署engine，其他的机器部署spark单机版或者集群来提高性能。
Smartbi数据挖掘服务引擎目前仅支持当前版本（spark-2.4.0-bin-hadoop2.7）。
1.1 安装java
解压jdk到指定目录：
# tar-zxvf jdk-8u181-linux-x64.tar.gz -C /opt
添加环境变量。
# vi /etc/profile
在最底下添加下面内容：
export JAVA_HOME=/usr/local/jdk1.8.0_181 export JAVA_BIN=$JAVA_HOME/bin export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar export PATH=$PATH:$JAVA_BIN
让配置生效
# source /etc/profile
1.2 安装spark
1）解压及修改配置
1. 拷贝spark-2.4.0-bin-hadoop2.7.tgz到linux服务器
2. 解压到/opt目录
# tar -zxvf spark-2.4.0-bin-hadoop2.7.tgz -C /opt # ln -s /opt/spark-2.4.0-bin-hadoop2.7/ /usr/local/spark
2）启动spark
启动spark主节点
# cd /usr/local/spark/sbin # sh start-master.sh -h 主机名
例如: 主机名为SmartbiSpark，则执行：sh start-master.sh -h SmartbiSpark
启动work节点
# cd /usr/local/spark/sbin # sh start-slave.sh spark://master节点的主机名:7077 -c 配置的cpu数 -m xg 配置得的内存数(g为单位)
Work节点最低配置问1核8G内存。cpu和内存比值建议为1:8，即一个cpu配置8G的内存。
例如：worker节点为16核，128g内存的配置，master的主机名为SmartbiSpark,则执行:
$ sh start-slave.sh spark:// SmartbiSpark:7077 -c 14 -m 112g ，2核16G留给操作系统。
3）检查spark
在浏览器中输入：http://master节点的ip:8080，查看集群状态，并在master节点提交任务测试进入/usr/local/spark目录，执行(将命令（
节点的ip）替换为master节点的实际ip或主机名):
# ./bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://节点的ip:7077 /usr/local/spark/examples/jars/spark-examples_2.11-2.4.0.jar 100
运行得出圆周率Pi的近似值3.14即部署成功。
4）停止spark
# cd /usr/local/spark # ./stop-all.sh 输入部署spark的节点的密码，停止spark。
5）查看日志
Spark的日志路径：/usr/local/spark/logs
安装部署或者使用中有问题，可能需要根据日志来分析解决。
6）版本更新
Spark仅作为计算节点。为了保证产品兼容性及稳定性，建议使用smartbi推荐的spark版本。目前暂时没有更新版本。
2、安装Python节点
python节点主要用于机器学习的DBSACN算法和自定义模块的python脚本扩展。如果没有用到这两个功能模块，可以不用部署python节点。
2.1 配置环境变量
# echo export PATH=/usr/local/anaconda3/bin:$PATH >>/etc/profile # source /etc/profile
2.2 安装python
配置本地yum源
参考文档：https://www.jellythink.com/archives/548
安装依赖包
# rpm -ivh bzip2-1.0.6-13.el7.x86_64.rpm # yum install -y gcc
安装python主程序
指定安装目录为/opt/anaconda3
# ./Anaconda3-2019.10-Linux-x86_64.sh -b -p /opt/anaconda3 # ln -s /opt/anaconda3 /usr/local/anaconda3
安装python插件
进入python的离线插件包plugin目录
# pip install -U pip/pip-19.3.1-py2.py3-none-any.whl # pip install xgboost/xgboost-0.90-py2.py3-none-manylinux1_x86_64.whl # pip install lightgbm/lightgbm-2.3.0-py2.py3-none-manylinux1_x86_64.whl # pip install psycopg2-binary/psycopg2_binary-2.8.4-cp37-cp37m-manylinux1_x86_64.whl # pip install TextBlob/textblob-0.15.3-py2.py3-none-any.whl # pip install --no-index --find-links=/data/python/download/jieba/ jieba # pip install --no-index --find-links=/data/python/download/mysql-connector/ mysql-connector # pip install --no-index --find-links=/data/python/download/SnowNLP/ SnowNLP # pip install --no-index --find-links=/data/python/download/tensorflow/ tensorflow # pip install --no-index --find-links=/data/python/download/ hmmlearn / hmmlearn
3、smartbi-engine单节点安装
smartbiEngine是数据挖掘的引擎服务。必须配合smartbi大数据分析软件来使用。
3.1 系统设置
参考1.3章节设置系统环境。如果是同一台机器部署，可以忽略此步骤。
3.2 安装java
解压jdk到指定目录
#tar -zxvf jdk-8u181-linux-x64.tar.gz -C /opt
添加环境变量
# echo export JAVA_HOME=/opt/jdk1.8.0_181 >>/etc/profile # echo export JAVA_BIN=$JAVA_HOME/bin >>/etc/profile # echo export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar >>/etc/profile # echo export PATH=$PATH:$JAVA_BIN >>/etc/profile
让配置生效
#source /etc/profile
3.3 安装引擎
解压数据挖掘引擎安装包到/opt目录(或其它空间足够的目录),在SmartbiMiningEngine-V9.1.xxxx.tar.gz所在目录下执行:
# tar -zxvf SmartbiMiningEngine-V9.1.51256.19453.tar.gz -C /opt # ln -s /opt/smartbi-mining-engine-bin/ /usr/local/smartbiEngine
3.4 启动引擎
PS：需先启动spark和smartbi
# cd /usr/local/smartbiEngine/engine/sbin # sh experiment-daemon.sh start # sh service-daemon.sh start
3.5 配置引擎
配置数据挖掘实验
编辑 /usr/local/smartbiEngine/conf/experiment-application.properties
如下图所示，修改engine.monitor.receive.url和engine.monitor.authentication.url的地址为部署smartbi的主机名（ip）和端口号。
修改engine.monitor.authentication.user为访问smartbi（具有管理员权限）的帐号
修改engine.monitor.authentication.password为访问smartbi的密码。密码写明文，在smartbi和数据挖掘实验服务连接成功后，会自动加密为密文。
建议在smartbi单独创建一个用户帐号（需要管理员权限），提供给数据挖掘引擎使用。可以和数据挖掘服务共用一个帐号。
配置数据挖掘服务
编辑/usr/local/smartbiEngine/conf/service-application.properties
如下图所示，修改engine.monitor.receive.url和engine.monitor.authentication.url的地址为部署smartbi的主机名（ip）和端口号。
修改engine.monitor.authentication.user为访问smartbi（具有管理员权限）的帐号
修改engine.monitor.authentication.password为访问smartbi的密码。密码写明文，在smartbi和数据挖掘实验服务连接成功后，会自动加密为密文。
建议在smartbi单独创建一个用户帐号（需要管理员权限），提供给数据挖掘引擎使用。可以和数据挖掘实验共用一个帐号。
数据挖掘其他各配置项说明可以参考wiki文档说明了解。
挖掘实验配置说明： 挖掘实验
挖掘服务配置项说明： 挖掘服务
配置完成后重启引擎
数据挖掘其他各配置项说明可以参考wiki文档说明了解。
挖掘实验配置说明： 挖掘实验
挖掘服务配置项说明： 挖掘服务
配置完成后重启引擎
3.6 重启引擎
# cd /usr/local/smartbiEngine/engine/sbin # sh experiment-daemon.sh restart# sh service-daemon.sh restart
3.7 停止引擎
# cd /usr/local/smartbiEngine/engine/sbin # sh experiment-daemon.sh restart# sh service-daemon.sh restart
3.8 验证安装
# cd /usr/local/smartbiEngine/engine/sbin # sh experiment-daemon.sh status # sh service-daemon.sh status
3.9 日志目录
引擎启动后，会在/usr/local/smartbiEngine目录下生成logs目录，用来保存启动的引擎日志。
安装部署或使用中遇到问题，可能需要提供相应的日志文件来分析解决。
3.10 版本更新
联系support获取新版本的数据挖掘引擎安装包。
解压缩后，删除/usr/local/smartbiEngine/engine目录，然后上传新的engine目录。
ps:数据挖掘引擎安装包版本要和smartbi的war包版本一致。
4、验证部署
访问 smartbi
使用浏览器打开 http://服务器 ip:端口/smartbi/vision/index.jsp，按下图步骤验证安装：
新建示例：
保存示例：
运行示例：
查看示例：整个示例执行没有报错，数据挖掘服务部署成功。
