AI 助理
备案控制台
开发者社区 大数据 文章 正文

Hadoop生态&组件部署大总结

2022-11-12 209
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
实时计算 Flink 版，5000CU*H 3个月
推荐场景：
实时发现最热Github项目
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
简介： Hadoop生态&组件部署大总结

准备


下载地址


Apache参考源

中科大开源软件镜像 https://mirrors.ustc.edu.cn/apache/
清华大学开源软件镜像站 https://mirrors.tuna.tsinghua.edu.cn/apache/

Apache 官方提供镜像

 https://dlcdn.apache.org/


| Sqoop已不再被 Apache 维护，需要下载请前往GitHub，请参考 快捷下载 内地址


快捷下载


环境变量参考

Jdk

JAVA_HOME=/usr/base/jdk1.8.0_301
JRE_HOME=${JAVA_HOME}/jre
CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
PATH=${JAVA_HOME}/bin:$PATH
export JAVA_HOME JRE_HOME CLASSPATH PATH

Scala

export SCALA_HOME=/usr/base/scala-2.11.7
export PATH=$PATH:$SCALA_HOME/bin

HADOOP

export HADOOP_HOME=/usr/base/hadoop-2.10.1
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

Flume

export FLUME_HOME=/usr/base/apache-flume-1.9.0-bin
export FLUME_CONF_DIR=$FLUME_HOME/conf
export FLUME_LOG_DIR=$FLUME_HOME/log
export PATH=$PATH:$FLUME_HOME/bin

ZooKeeper

export ZOOKEEPER_HOME=/usr/base/apache-zookeeper-3.5.9-binn
export PATH=$ZOOKEEPER_HOME/bin:$PATH

Sqoop

export SQOOP_HOME=/usr/base/apache-flume-1.9.0-bin
export PATH=$PATH:$SQOOP_HOME/bin

Hive

export HIVE_HOME=/usr/base/apache-hive-2.3.9-bin
export PATH=$HIVE_HOME/bin:$HIVE_HOME/conf:$PATH

Flink

export FLINK_HOME=/usr/base/flink-1.13.2
export PATH=$FLINK_HOME/bin:$PATH

Hbase

export HBASE_HOME=/usr/base/hbase-2.4.6
export PATH=$PATH:$HBASE_HOME/bin

Pig

export PIG_HOME=/usr/base/pig-0.17.0
export PATH=$PATH:$PIG_HOME/bin:$PIG_HOME/conf

Spark

export SPARK_HOME=/usr/base/spark-3.1.2-bin-without-hadoop
export PATH=$SPARK_HOME/bin:$PATH

Hadoop

  • **「$PATH」**修改为自己的路径
  • **「NAME」**修改为 NameNode Host
  • 「DataNode HOST n」 修改为 DataNode Host 序列

通用操作

/etc/hosts

「IP 1」 「HOST 1」
「IP 2」 「HOST 2」
「IP 3」 「HOST 3」
..................
「IP n」 「HOST n」

~/.ssh/id_rsa

ssh-keygen -t rsa

authorized_keys

ssh-copy-id IP

masters

「NAME」
slaves
「DataNode HOST 1」
「DataNode HOST 2」
............
「DataNode HOST n」


各模式下配置文件

伪分布式

core-site.xml

<configuration>
   <!-- 缓存目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>「$PATH」/tmp</value>
    </property>
   <!-- 指定 NameNode -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://「NAME」:9000</value>
    </property>
</configuration>

完全分布式

core-site.xml

<configuration>
   <!-- 缓存目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>「$PATH」/tmp</value>
    </property>
   <!-- 指定 NameNode -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://「NAME」:9000</value>
    </property>
</configuration>

yarn-site.xml

<configuration>
    <!-- 指定Yarn的(ResourceManager)地址-->     
    <property>
      <name>yarn.resourcemanager.hostname</name>
      <value>「NAME」</value>
    </property> 
<configuration>

可选参数

<!-- hdfs-site.xml -->
<proterty>
  <name>dfs.namenode.name.dir</name>
  <value>「$PATH」</value>
</proterty>
<proterty>
  <name>dfs.datanode.data.dir</name>
  <value>「$PATH」</value>
</proterty>

HA分布式

Zoopkeeper 配置

/conf/zoo.cfg

dataDir=/zookeeper/data
server.myid1=「NAME 1」:2888:3888
server.myid2=「NAME 2」:2888:3888
server.myid3=「DataNode HOST 1」:2888:3888
server.myid4=「DataNode HOST 2」:2888:3888:observer

myid

ssh 「NAME 1」 "echo "1" > /zookeeper/data/myid"
ssh 「NAME 2」 "echo "2" > /zookeeper/data/myid"
ssh 「DataNode HOST 1」 "echo "3" > /zookeeper/data/myid"
ssh 「DataNode HOST 2」 "echo "4" > /zookeeper/data/myid"

Hadoop 配置

core-site.xml

<configuration>
  <!--指定hdfs nameservice-->
  <property>
      <name>fs.defaultFS</name>
      <value>hdfs://jed</value>
  </property>
  <!--指定hadoop工作目录-->
  <property>
      <name>hadoop.tmp.dir</name>
      <value>「$PATH」/hd</value>
  </property>
  <!--指定zookeeper集群访问地址-->
  <property>
      <name>ha.zookeeper.quorum</name>
      <value>「$HOST」:2181,「DataNode HOST n」:2181</value>
  </property>
</configuration>

hdfs-site.xml

<configuration>
  <!--与core-site.xml中一致的hdfs nameservice-->
  <property>
    <name>dfs.nameservices</name>
    <value>jed</value>
  </property>
  <!--jed的NameNode，nn1，nn2 -->
  <property>
      <name>dfs.ha.namenodes.jed</name>
      <value>nn1,nn2</value>
  </property>
  <!-- 「NAME 1」 的 RPC 通信地址 -->
  <property>
      <name>dfs.namenode.rpc-address.jed.nn1</name>
      <value>「NAME 1」:9000</value>
  </property>
  <!-- nn1 的 http 通信地址 -->
  <property>
      <name>dfs.namenode.http-address.jed.nn1</name>
      <value>「NAME 1」:50070</value>
  </property>
  <!-- nn2 的 RPC 通信地址 -->
  <property>
      <name>dfs.namenode.rpc-address.jed.nn2</name>
      <value>「NAME 2」:9000</value>
  </property>
  <!-- nn2 的 http 通信地址 -->
  <property>
      <name>dfs.namenode.http-address.jed.nn2</name>
      <value>「NAME 2」:50070</value>
  </property>
  <!-- 指定NameNode的edits元数据在JournalNode 上的存放位置 -->
  <property>
      <name>dfs.namenode.shared.edits.dir</name>
      <value>qjournal://「NAME 1」:8485;「NAME 2」:8485;「DataNode HOST n」:8485/jed</value>
  </property>
  <!-- 指定 JournalNode 在本地磁盘存放数据的位置 -->
  <property>
      <name>dfs.journalnode.edits.dir</name>
      <value>「$PATH」/jd</value>
  </property>
  <!-- 开启 NameNode 失败自动切换 -->
  <property>
      <name>dfs.ha.automatic-failover.enabled</name>
      <value>true</value>
  </property>
  <!-- 配置失败自动切换实现方式 -->
  <!-- 此处配置较长，在安装的时候切记检查不要换行-->
  <property>
      <name>dfs.client.failover.proxy.provider.jed</name>
      <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>
  <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制占用一行-->
  <property>
      <name>dfs.ha.fencing.methods</name>
      <value>
          sshfence
          shell(/bin/true)
      </value>
  </property>
  <!-- 使用 sshfence 隔离机制时需要 ssh 免登陆 -->
  <property>
      <name>dfs.ha.fencing.ssh.private-key-files</name>
      <value>/root/.ssh/id_rsa</value>
  </property>
  <!-- 配置 sshfence 隔离机制超时时间(20s) -->
  <property>
      <name>dfs.ha.fencing.ssh.connect-timeout</name>
      <value>20000</value>
  </property>
</configuration>

mapred-site.xml

<configuration>
  <!-- 指定mapreduce框架为yarn方式 -->
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

yarn-site.xml

<configuration>
<!-- Site specific YARN configuration properties -->
    <!-- 开启 RM 高可用 -->
      <property>
          <name>yarn.resourcemanager.ha.enabled</name>
          <value>true</value>
      </property>
      <!-- 指定 RM 的 cluster id，可以自定义-->
      <property>
          <name>yarn.resourcemanager.cluster-id</name>
          <value>Cyarn</value>
      </property>
      <!-- 指定 RM 的名字，可以自定义 -->
      <property>
          <name>yarn.resourcemanager.ha.rm-ids</name>
          <value>rm1,rm2</value>
      </property>
      <!-- 分别指定 RM 的地址 -->
      <property>
          <name>yarn.resourcemanager.hostname.rm1</name>
          <value>「HashNode HOST 1」</value>
      </property>
      <property>
          <name>yarn.resourcemanager.hostname.rm2</name>
          <value>「HashNode HOST 2」</value>
      </property>
      <!-- 指定 zk 集群地址 -->
      <property>
          <name>yarn.resourcemanager.zk-address</name>
          <value>「NAME 1」:2181,「NAME 2」:2181,「HashNode HOST n」:2181</value>
      </property>
</configuration>

Hive

设置 hive-env.sh 配置文件

进入 hive-0.12.0/conf 目录，复制 hive-env.sh.templaete 为 hive-env.sh：

cd /app/hive-0.12.0/conf
cp hive-env.sh.template hive-env.sh
sudo vi hive-env.sh

分别设置 HADOOP_HOME 和 HIVE_CONF_DIR 两个值：

export HADOOP_HOME=/app/hadoop-1.1.2
export HIVE_CONF_DIR=/app/hive-0.12.0/conf

设置 hive-site.xml 配置文件

复制 hive-default.xml.templaete 为 hive-site.xml：

cd /app/hive-0.12.0/conf
cp hive-default.xml.template hive-site.xml
sudo vi hive-site.xml

加入配置项

默认 metastore 在本地，添加配置改为非本地。


<property>
  <name>hive.metastore.local</name>
  <value>false</value>
</property>


修改配置项

hive 默认为 derby 数据库，需要把相关信息调整为 mysql 数据库。

<property>
    <name>hive.metastore.uris</name>
    <value>thrift://hadoop:9083</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionURL</name>
    <value>jdbc:mysql://hadoop:3306/hive?=createDatabaseIfNotExist=true</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionDriverName</name>
    <value>com.mysql.jdbc.Driver</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionUserName</name>
    <value>hive</value>
</property>
<property>
    <name>javax.jdo.option.ConnectionPassword</name>
    <value>hive</value>
</property>


mysql驱动jar包

放置到 $HIVE_HOME/lib中

mv mysql-connector-java-5.1.32-bin.jar /opt/home/apache-hive-1.2.1-bin/lib/


订正错误项

把 hive.metastore.schema.verification 配置项值修改为 false。

<property>
   <name>hive.metastore.schema.verification</name>
   <value>false</value>
 </property>

把 /app/hive-0.12.0/conf/hive-site.xml 文件中的大概在 2000 行位置左右


把原来的 <value>auth</auth> 修改为 <value>auth</value>，如下所示：


<property>
    <name>hive.server2.thrift.sasl.qop</name>
    <value>auth</auth>
  </property>

Flume

设置 flume-env.sh 配置文件


在 $FLUME_HOME/conf 下复制改名 flume-env.sh.template 为flume-env.sh，修改 conf/ flume-env.sh 配置文件


cd /app/flume-1.5.2/conf
cp flume-env.sh.template flume-env.sh
sudo vi flume-env.sh

修改配置文件内容 ：

JAVA_HOME= /app/lib/jdk1.7.0_55
JAVA_OPTS="-Xms100m -Xmx200m -Dcom.sun.management.jmxremote"

Sqoop

设置 bin/configure-sqoop 配置文件

修改 bin/configure-sqoop 配置文件。

cd /app/sqoop-1.4.5/bin
sudo vi configure-sqoop

释掉 HBase 和 Zookeeper 等检查（除非使用 HBase 和 Zookeeper 等 HADOOP 上的组件）。



设置 conf/sqoop-env.sh 配置文件

如果不存在 sqoop-env.sh 文件，复制 sqoop-env-template.sh 文件，然后修改 sqoop-env.sh 配置文件。

cd /app/sqoop-1.4.5/conf
cp sqoop-env-template.sh sqoop-env.sh
sudo vi sqoop-env.sh

设置 hadoop 运行程序所在路径和 hadoop-*-core.jar 路径（Hadoop1.X 需要配置）


export HADOOP_COMMON_HOME=/app/hadoop-1.1.2
export HADOOP_MAPRED_HOME=/app/hadoop-1.1.2

编译配置文件 sqoop-env.sh 使之生效。



Kafka

Kafka所有的配置文件都在“**K A F K A H O M E / c o n f i g ∗ ∗ ” 目 录 下 ， 修 改 以 下 配 置 文 件 前 ， 需 要 切 换 到 “ KAFKA_HOME/config**”目录下，修改以下配置文件前，需要切换到“KAFKA

H


OME/config∗∗”目录下，修改以下配置文件前，需要切换到“KAFKA_HOME/config”目录。

cd $KAFKA_HOME/config

修改server.properties文件

vim server.properties

内容修改如下：

broker.id=0
port=6667
host.name=agent1
log.dirs=/data/data1/kafka
zookeeper.connect=agent1:2181,agent2:2181,agent3:2181

| 其中，参数host.name可填写agent1对应的IP地址，log.dirs为实际的存储数据路径。


修改节点相关参数。

登录agent2，修改server.properties。

vim server.properties

内容修改如下：

broker.id=1
host.name=agent2 #可填对应的IP地址

登录agent3，修改server.properties。

vim server.properties

内容修改如下：


broker.id=2
host.name=agent3 #可填对应的IP地址

Spark

Spark所有的配置文件都在“**S P A R K H O M E / c o n f ∗ ∗ “ 目 录 下 ， 修 改 以 下 配 置 文 件 前 ， 切 换 到 “ SPARK_HOME/conf**“目录下，修改以下配置文件前，切换到“SPARK

H


OME/conf∗∗“目录下，修改以下配置文件前，切换到“SPARK_HOME/conf”目录。


cd $SPARK_HOME/conf

修改spark-env.sh

以spark-env.sh.template为模板，拷贝一份命名为spark-env.sh。

cp spark-env.sh.template spark-env.sh

编辑spark-env.sh文件。

export JAVA_HOME=/usr/local/jdk8u252-b09
export HADOOP_HOME=/usr/local/hadoop 
export SCALA_HOME=/usr/local/scala 
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop export HDP_VERSION=3.1.0

修改spark-defaults.conf

修改文件

echo "spark.master                     yarn" >> spark-defaults.conf
echo "spark.eventLog.enabled           true" >> spark-defaults.conf
echo "spark.eventLog.dir               hdfs://server1:9000/spark2-history" >> spark-defaults.conf
echo "spark.eventLog.compress          true" >> spark-defaults.conf
echo "spark.history.fs.logDirectory    hdfs://server1:9000/spark2-history" >> spark-defaults.conf

同步hadoop的core-site.xml和hdfs-site.xml

同步文件

cp /usr/local/hadoop/etc/hadoop/core-site.xml /usr/local/spark/conf 
cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml /usr/local/spark/conf

同步mariadb-java-client包

同步文件


cp /usr/local/hive/lib/mariadb-java-client-2.3.0.jar /usr/local/spark/jars

Hbase


HBase所有的配置文件都在“HBASE_HOME/conf”目录下，修改以下配置文件前，切换到“HBASE_HOME/conf”目录。

cd $HBASE_HOME/conf

修改hbase-env.sh

修改环境变量JAVA_HOME为绝对路径，HBASE_MANAGES_ZK设为false。

export JAVA_HOME=/usr/local/jdk8u252-b09 
export HBASE_MANAGES_ZK=false 
export HBASE_LIBRARY_PATH=/usr/local/hadoop/lib/native

修改hbase-site.xml

vim hbase-site.xml

添加或修改configuration标签范围内的部分参数。

<configuration>
    <property>
        <name>hbase.rootdir</name>
        <value>hdfs://server1:9000/HBase</value>
    </property>
    <property>
        <name>hbase.tmp.dir</name>
        <value>/usr/local/hbase/tmp</value>
    </property>
    <property>
        <name>hbase.cluster.distributed</name>
        <value>true</value>
    </property>
    <property>
        <name>hbase.unsafe.stream.capability.enforce</name>
        <value>false</value>
    </property>
    <property>
        <name>hbase.zookeeper.quorum</name>
        <value>agent1:2181,agent2:2181,agent3:2181</value>
    </property>
    <property>
        <name>hbase.unsafe.stream.capability.enforce</name>
        <value>false</value>
    </property>
</configuration>

修改regionservers

vim regionservers

将regionservers文件内容替换为agent节点IP（可用主机名代替）。

agent1
agent2
agent3

拷贝hdfs-site.xml

拷贝hadoop目录下的的的hdfs-site.xml文件到“hbase/conf/”目录，可选择软链接或拷贝。


cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml /usr/local/hbase/conf/hdfs-site.xml

之后请自行同步至各节点


文章标签：
云消息队列 Kafka 版
云数据库HBase版
微服务引擎
云数据库 RDS MySQL 版
实时计算 Flink版
消息中间件
分布式计算
SQL
Hbase
Kafka
Spark
Apache
Hadoop
HIVE
分布式数据库
关键词：
hadoop组件
hadoop部署
hadoop生态
uiu
目录
相关文章
武子康
|
3月前
|
分布式计算 资源调度 Hadoop
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
大数据-80 Spark 简要概述 系统架构 部署模式 与Hadoop MapReduce对比
武子康
100 2
赵渝强老师
|
2月前
|
SQL 分布式计算 Hadoop
【赵渝强老师】Hadoop生态圈组件
本文介绍了Hadoop生态圈的主要组件及其关系，包括HDFS、HBase、MapReduce与Yarn、Hive与Pig、Sqoop与Flume、ZooKeeper和HUE。每个组件的功能和作用都进行了简要说明，帮助读者更好地理解Hadoop生态系统。文中还附有图表和视频讲解，以便更直观地展示这些组件的交互方式。
赵渝强老师
284 5
赵渝强老师
|
2月前
|
分布式计算 资源调度 Hadoop
【赵渝强老师】部署Hadoop的本地模式
本文介绍了Hadoop的目录结构及本地模式部署方法，包括解压安装、设置环境变量、配置Hadoop参数等步骤，并通过一个简单的WordCount程序示例，演示了如何在本地模式下运行MapReduce任务。
赵渝强老师
77 0
wljslmz
|
5月前
|
存储 分布式计算 Hadoop
Hadoop 的两个主要组件是什么？
【8月更文挑战第12天】
wljslmz
865 4
Hadoop 的两个主要组件是什么？
william.zhang(张)
|
5月前
|
分布式计算 资源调度 Hadoop
Hadoop入门基础（二）：Hadoop集群安装与部署详解（超详细教程）（二）
Hadoop入门基础（二）：Hadoop集群安装与部署详解（超详细教程）（二）
william.zhang(张)
343 2
william.zhang(张)
|
5月前
|
分布式计算 Ubuntu Hadoop
Hadoop入门基础（二）：Hadoop集群安装与部署详解（超详细教程）（一）
Hadoop入门基础（二）：Hadoop集群安装与部署详解（超详细教程）（一）
william.zhang(张)
938 2
wljslmz
|
5月前
|
存储 分布式计算 资源调度
什么是Hadoop及其组件？
【8月更文挑战第31天】
wljslmz
363 0
1288912195458132
|
5月前
|
SQL 分布式计算 Hadoop
centos7通过CDH部署Hadoop
centos7通过CDH部署Hadoop
1288912195458132
112 0
1288912195458132
|
5月前
|
分布式计算 Java Linux
centos7通过Ambari2.74部署Hadoop
centos7通过Ambari2.74部署Hadoop
1288912195458132
192 0
郑小健
|
5月前
|
存储 分布式计算 监控
Hadoop在云计算环境下的部署策略
【8月更文第28天】Hadoop是一个开源软件框架，用于分布式存储和处理大规模数据集。随着云计算技术的发展，越来越多的企业开始利用云平台的优势来部署Hadoop集群，以实现更高的可扩展性、可用性和成本效益。本文将探讨如何在公有云、私有云及混合云环境下部署和管理Hadoop集群，并提供具体的部署策略和代码示例。
郑小健
218 0

热门文章

最新文章

  • 1
    MPP 架构与 Hadoop 架构技术选型指南
  • 2
    基于Java的Hadoop文件处理系统：高效分布式数据解析与存储
  • 3
    Flume+Hadoop：打造你的大数据处理流水线
  • 4
    使用Hadoop MapReduce进行大规模数据爬取
  • 5
    Hadoop2.6.0运行mapreduce之推断（speculative）执行（下）
  • 6
    hadoop环境初始化搭建
  • 7
    Hive报错:HiveException java.lang.RuntimeException: Unable to instantiate org.apache.hadoop.hive.ql.me
  • 8
    简单的hadoop启动脚本
  • 9
    安装hadoop集群(Multi Cluster)
  • 10
    解决Eclipse中运行WordCount出现 java.lang.ClassNotFoundException: org.apache.hadoop.examples.WordCount$TokenizerMapper问题
  • 1
    MPP 架构与 Hadoop 架构技术选型指南
    63
  • 2
    基于Java的Hadoop文件处理系统：高效分布式数据解析与存储
    34
  • 3
    Flume+Hadoop：打造你的大数据处理流水线
    68
  • 4
    使用Hadoop MapReduce进行大规模数据爬取
    55
  • 5
    linux中HADOOP_HOME和JAVA_HOME删除后依然指向旧目录
    37
  • 6
    【赵渝强老师】基于ZooKeeper实现Hadoop HA
    123
  • 7
    【赵渝强老师】部署Hadoop的本地模式
    77
  • 8
    【赵渝强老师】Hadoop生态圈组件
    285
  • 9
    Hadoop集群管理：向繁琐的计算源创建Say ByeBye
    103
  • 10
    数据湖技术：Hadoop与Spark在大数据处理中的协同作用
    159

    • 相关课程

    更多
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第一阶段
  • 大数据实战项目：反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第四阶段
  • 大数据实战项目 - 反爬虫系统（Lua+Spark+Redis+Hadoop框架搭建）第七阶段
  • 大数据Hadoop快速入门
  • Hadoop快速入门
  • Hadoop企业优化及扩展案例

    • 相关电子书

    更多
  • 《构建Hadoop生态批流一体的实时数仓》
  • 零基础实现hadoop 迁移 MaxCompute 之 数据
  • CIO 指南:如何在SAP软件架构中使用Hadoop

    • 相关实验场景

    更多
  • 搭建Hadoop环境
    • 下一篇
    阿里云oss简介和如何对接使用