大数据Hadoop学习之搭建hadoop平台(2.2)

时间:2022-09-24 23:16:10

关于大数据,一看就懂,一懂就懵。

一、概述

  本文介绍如何搭建hadoop分布式集群环境,前面文章已经介绍了如何搭建hadoop单机环境和伪分布式环境,如需要,请参看:大数据Hadoop学习之搭建hadoop平台(2.1)。hadoop独立环境和伪分布式环境都无法发挥hadoop的价值,若想利用hadoop进行一些有价值的工作,必须搭建hadoop分布式集群环境。

  下文以三台虚拟机为基础搭建集群环境,系统版本为CentOS-7,虚拟机地址分别为:192.168.1.106、192.168.1.109、192.168.1.110

二、修改主机名

  编辑network文件,文件位于/etc/sysconfig路径下,若文件为空则添加如下内容,如不为空,则修改:HOSTNAME=namenode,namenode为修改的主机名。

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
NETWORKING=yes
HOSTNAME=namenode
View Code

  修改192.168.1.106的主机名为namenode、192.168.1.109的主机名为datanode01、192.168.1.110的主机名为datanode02。修改后键入命令hostname验证是否修改成功,如在192.168.1.106上键入hostname后出现namenode则表示修改成功,如下图所示:

 大数据Hadoop学习之搭建hadoop平台(2.2)

 三、修改hosts

  修改hosts是为了配置前面修改的主机名和IP的映射关系。hosts文件位于/etc路径下,三台虚拟机都需要添加如下内容:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
192.168.1.106   namenode
192.168.1.109   datanode01
192.168.1.110   datanode02
修改hosts

  修改后效果如图所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

四、关闭防火墙(三台机器均需关闭)

  1、查看防火墙状态

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
firewall-cmd --state
查看防火墙状态

  如下则表示防火墙处于开启状态:

大数据Hadoop学习之搭建hadoop平台(2.2)

  2、关闭防火墙

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
systemctl stop firewalld.service
临时关闭防火墙

  再通过service iptables status查看防火墙状态,如下则表示防火墙已经关闭:

大数据Hadoop学习之搭建hadoop平台(2.2)

  但是,这仅仅是在当前状态下关闭防火墙,系统重启后防火墙仍然会自动开启,所以需要禁止开机启动防火墙

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
systemctl disable firewalld.service
禁止开机启动防火墙

  执行命令后重启系统生效。

五、关闭selinux(三台机器均需关闭)

  selinux是一个防护程序,类似于防火墙。编辑selinux文件,文件位于:/etc/sysconfig路径下

  修改SELINUX=enforcing为SELINUX=disabled,修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

 六、ssh免密码登录设置

  hadoop集群模式下,各主机之间需要互相通信,比如上传文件到HDFS文件系统上时,都需要对文件进行备份。所以需要各机器之间能够进行免密码登录。

  1、生成秘钥:输入命令:ssh-keygen -t rsa,按3次回车之后会生成秘钥。

  2、拷贝秘钥到本机和其他两台机器上:分别执行命令:ssh-copy-id 192.168.1.109,ssh-copy-id 192.168.1.110拷贝秘钥。

  3、免密码登录验证:执行命令ssh 192.168.1.109,如果不需要输入密码就能登录到109机器上,则免密码登录设置成功,110也执行相同的测试。

七、安装JDK并配置环境变量(三台机器均需要做相同的设置)

  1、创建目录/home/software,上传JDK到该目录下并解压,此处使用的JDK版本是jdk1.8.0_131

  2、配置环境变量:编辑文件profile,文件位于:/etc目录下,在文件尾部添加如下内容:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
export JAVA_HOME=/home/software/jdk1.8.0_131
export PATH=$PATH:$JAVA_HOME/bin
配置java环境变量

  如图所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

 

  3、输入命令source /etc/profile是文件立即生效

  4、测试:在任意路径下输入命令:java -version,若打印出java的版本信息,则代表java安装成功。如下所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

八、安装hadoop集群

  1、下载hadoop安装包

    下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-2.7.3/,这是hadoop-2.7.3的项目存档地址。随着Apache各项目的版本更新,各项目的网站上只上架最新版本和近期历史重要版本,如果网站下架的项目,需要到Apache存档地址上寻找,该地址是:https://archive.apache.org/dist/,hadoop存档地址是:https://archive.apache.org/dist/hadoop/。在hadoop2.7.3版本的地址下,下载hadoop-2.7.3.tar.gz文件包。如下图所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

  2、安装hadoop并配置环境变量

    ①、上传hadoop安装包hadoop-2.7.3.tar.gz到/home/software目录下并解压,当然,也可以放在其他目录下。

    ②、编辑文件profile,文件位于/etc目录下,添加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
export HADOOP_HOME=/home/software/hadoop-2.7.3
配置hadoop环境变量

      并在PATH变量后追加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
$HADOOP_HOME/bin:$HADOOP_HOME/sbin
追加PATH变量

      输入命令source /etc/profile使profile配置文件立即生效。最终profile文件效果如下所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

    ③、验证hadoop环境变量是否配置成功:在任何路径下输入命令hadoop,如果打印相关信息,则代表hadoop的安装和环境变量配置成功,如下图所示:

大数据Hadoop学习之搭建hadoop平台(2.2)

    至此,hadoop安装和配置环境变量成功,但是,这仅仅是进行了基础的安装,还需要进行一些配置,使hadoop能真正的工作。

    以上第八小节的操作,在一台机器上(我使用namenode机器)配置即可,其他两台机器只需要按第②、③点编辑profile文件,因为在接下来的内容中会接着配置hadoop,全部配置完成后,把hadoop-2.7.3文件拷贝到其他机器即可。

九、hadoop配置

  1、修改hadoop-env.sh文件,文件位于/home/software/hadoop-2.7.3/etc/hadoop目录下。

    修改java_home,找到代码 export JAVA_HOME=${JAVA_HOME} ,修改为JAVA_HOME的值,即:export JAVA_HOME=/home/software/jdk1.8.0_131

  2、修改core-site.xml文件,文件同样位于/home/software/hadoop-2.7.3/etc/hadoop目录下。

    找到<configuration>节点,在该节点下添加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
<property>
        <name>fs.defaultFS</name>
        <value>hdfs://192.168.1.106:8020</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/home/software/hadoop-2.7.3/data/tmp</value>
    </property>
    <property>
        <name>fs.trash.interval</name>
        <value>10080</value>
    </property>
修改core-site.xml

修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

  3、 修改hdfs-site.xml文件,文件同样位于/home/software/hadoop-2.7.3/etc/hadoop目录下。

    找到<configuration>节点,在该节点下添加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
<property>
    <!-- 设置备份数为3份 -->
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
    <!-- 关闭HDFS权限 -->
        <name>dfs.permissions.enabled</name>
        <value>false</value>
    </property>
    <property>
    <!-- 设置namenode http访问地址 -->
        <name>dfs.namenode.http-address</name>
        <value>192.168.1.106:50070</value>
    </property>
    <property>
    <!-- 设置secondarynamenode http访问地址 -->
        <name>dfs.namenode.secondary.http-address</name>
        <value>192.168.1.110:50090</value>
    </property>
修改hdfs-site.xm

修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

 

  4、修改mapred-site.xml文件,文件同样位于/home/software/hadoop-2.7.3/etc/hadoop目录下,但是该路径下并不存在mapred-site.xml文件,只存在mapred-site.xml.template文件,将mapred-site.xml.template文件修改为mapred-site.xml即可。

    找到<configuration>节点,在该节点下添加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
<property>
    <!-- 指定mapreduce使用yarn框架来调度 -->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
    <!-- 指定jobhistory地址 -->
        <name>mapreduce.jobhistory.address</name>
        <value>192.168.1.106:10020</value>
    </property>
    <property>
    <!-- 指定jobhistorywebapp地址 -->
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>192.168.1.106:19888</value>
    </property>
    <property>
    <!-- 开启uber模式 -->
        <name>mapreduce.job.ubertask.enable</name>
        <value>true</value>
    </property>
修改mapred-site.xm

修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

 

  5、修改yarn-site.xml文件,文件同样位于/home/software/hadoop-2.7.3/etc/hadoop目录下。

    找到<configuration>节点,在该节点下添加如下代码:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
<property>
    <!-- mapreduce为shuffle -->
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
    <!-- 设置resourcemanager主机 -->
        <name>yarn.resourcemanager.hostname</name>
        <value>192.168.1.109</value>
    </property>
    <property>
    <!-- 设置web安全任务的主机和端口 -->
        <name>yarn.web-proxy.address</name>
        <value>192.168.1.109:8089</value>
    </property>
    <property>
    <!-- 开启日志,可以在yarn中查看日志 -->
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    <property>
    <!-- 设置yarn删除日志的时间 -->
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
    </property>
    <property>
    <!-- 设置yarn的内存 -->
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>8192</value>
    </property>
    <property>
    <!-- 设置yarn的cpu为8核 -->
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>8</value>
    </property>
修改yarn-site.xml

修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

  6、修改slaves文件,文件同样位于/home/software/hadoop-2.7.3/etc/hadoop目录下。

    hadoop可以通过脚本命令在整合集群范围内启动和停止守护进程,但是,需要告诉命令hadoop集群中有哪些机器,slaves文件的作用正是如此,slaves文件中包含了机器的主机名或者是IP地址,每行代表一个机器信息,该文件列举了可以运行datanode和节点管理器(nodemanager)的机器。当然,slaves文件可以不放在/home/software/hadoop-2.7.3/etc/hadoop目录下,通过修改hadoop-env.sh配置文件中的HADOOP_SLAVES设置可以把slaves放到别的地方并赋予一个别名。

    在slaves中添加如下内容:

大数据Hadoop学习之搭建hadoop平台(2.2)大数据Hadoop学习之搭建hadoop平台(2.2)
192.168.1.106
192.168.1.109
192.168.1.110
hadoop集群主机地址

    修改后效果如下:

大数据Hadoop学习之搭建hadoop平台(2.2)

  7、分发hadoop-2.7.3

    进行如上配置之后,把hadoop-2.7.3文件拷贝到其他机器上,注意,先格式化namenode之后再拷贝。

·    ①、格式化hadoop:进入到hadoop-2.7.3文件下,及/home/software/hadoop-2.7.3路径下,输入命令:bin/hadoop namenode -format,等待格式化完成,格式化完成之后,在屏幕上打印出来的最后几行,可以看到has been successfully formatted代表格式化成功:

大数据Hadoop学习之搭建hadoop平台(2.2)

    ②、分发hadoop-2.7.3文件到其他机器上:使用scp -r hadoop-2.7.3 192.168.1.109:/home/software、scp -r hadoop-2.7.3 192.168.1.110:/home/software命令把hadoop-2.7.3文件拷贝到192.168.1.109和192.168.1.110机器上的/home/software路径下。

  8、 启动服务

    ①、启动hdfs服务:在namenode主机上,进入/home/software/hadoop-2.7.3目录下,输入命令sbin/start-dfs.sh,等待服务启动。启动服务的过程中,会提示是否确定连接其他机器(Are you sure you want to continue connecting (yes/no)?),输入yes即可。启动成功之后,输入jps命令可以看到启动了NameNode和DataNode守护进程;其他两台机器上分别启动了DataNode,SecondaryNameNode、DataNode。

大数据Hadoop学习之搭建hadoop平台(2.2)

    ②、启动yarn服务:启动yarn服务需要在192.168.1.109机器上启动,因为在yarn-site.xml配置文件中,配置了yarn的服务地址为192.168.1.109。进入目录/home/software/hadoop-2.7.3下,输入命令:sbin/start-yarn.sh,等待服务启动。

    ③、启动jobhistory:在192.168.1.106机器上启动jobhistory,进入目录/home/software/hadoop-2.7.3下,输入命令:sbin/mr-jobhistory-daemon.sh start historyserver,等待服务启动。

    ④、启动proxyserver防护进程:在192.168.1.109机器上启动proxyserver,进入目录/home/software/hadoop-2.7.3下,输入命令:sbin/yarn-daemon.sh start proxyserver,等待服务启动。

  9、通过web界面查看hdfs和yarn

    ①、在浏览器输入地址:192.168.1.106:50070,能看到如下hdfs web界面:

大数据Hadoop学习之搭建hadoop平台(2.2)

    ②、在浏览器输入地址:192.168.1.109:8088,能看到如下yarn web界面:

大数据Hadoop学习之搭建hadoop平台(2.2)

 

十、结语

  至此,hadoop集群模式安装并配置成功,可以在该集群环境上部署hadoop的应用,比如hive、hue、impala等应用,使hadoop投入工作。但是,此时的集群并不健壮,还需要进一步配置hadoop。在接下来的博文中会详细记录。