本文采用虛擬機的方式來對hadoop集羣進行搭建。
1.準備(搭建集羣所用到的軟件及系統前期配置):
- 虛擬機 : VMware
- linux:CentOS 6.5 .vmx
- sun公司的 jdk : jdk1.8.0_131
- ssh : 安裝ssh,並設置免密
- hadoop : hadoop-3.0.0-alpha4
把CentOS進行克隆,克隆出兩個,這樣我們就有三臺Linux了。
分別命名爲:
master
node1
node2
在root用戶下運行,對主機名進行修改 :
hostname // 查看當前系統主機名
vi /etc/sysconfig/network // 進入文件
HSOTNAME的屬性賦值爲想要修改的主機名 master
reboot // 重啓 即可完成更改
其他兩臺主機分別命名爲 node1,node2。
對三臺主機進行地址映射 :
ifconfig // 獲取主機ip地址,爲了完成映射
vi /etc/hosts // 打開
添加地址映射 :
這樣我們就不用每次都敲ip了,直接主機名稱就可以了。(當然另外兩臺都需要進行相同的配置)
2. ssh免密的配置
rpm –qa | grep ssh // 驗證ssh是否安裝
yum install ssh -y // 若無信息列出即未安裝,則進行安裝
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa // 在~/.ssh/下生成公鑰/私鑰對 -P '' 密碼爲空
(randomart image看着也是挺有趣的。。。)
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys // 把公鑰添加到authorzied_keys文件裏
chmod 0600 ~/.ssh/authorized_keys // 修改authorized_keys的權限
ssh localhost // 驗證ssh是否可以訪問
驗證ssh訪問是否正常:
把另外兩臺機器也配好了之後,就可以做三臺機器之間的聯通了 :
scp id_rsa.pub node1:~/.ssh/master_rsa.pub // 把master公鑰發給node1
再轉到node1上執行 :
cat ~/.ssh/master_rsa.pub >> ~/.ssh/authorized_keys //把收到的公鑰添加到文件中去
node2 進行相同的步驟。(master的know_host文件中已經存在如節點node1的信息,以後連接都是免密的)。
就是三臺虛擬機都相互把各自的公鑰都發一遍,這樣在每一臺機器的~/.ssh/know_host文件裏面都有其他節點的ssh信息。並把收到的公鑰添加到authorized_keys文件下,這樣下一次就可以免密登錄了。
第一次訪問時會出現詢問
確定就好,之後都是秒連的。
遇到的問題:
1. ssh: connect to host node1 port 22: Connection timed out
檢查/etc/hosts文件中的映射 地址->主機名 是否有錯
2. Host key verification failed.
當詢問 “…..(yes/no)?”時直接敲了個回車。 應敲yes
jdk的安裝
- 下載
可以直接訪問官網下載符合自己機器的jdk。
注意:需選中 Accept License Agreement - 解壓
tar zxvf jdk-8u131-linux-x64.tar.gz // 解壓jdk壓縮包
- 配置環境變量
vi /etc/profile // 配置環境變量
在空白處添加解壓後jdk所在的路徑 :
export JAVA_HOME=/opt/softwares/jdk1.8.0_131
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=.:$JAVA_HOME/bin:$PATH
source /etc/profile // 使環境變量生效
驗證jdk是否安裝完成 :
java -version // 會出現jdk版本信息
可利用scp命令發送jdk到其餘虛擬機中然後更改/etc/profile
或是重複相同操作
hadoop的安裝和配置
1.下載
訪問hadoop官網下載。
2.解壓
tar zxvf hadoop-3.0.0-alpha4.tar.gz
3.爲了方便可以配置一下環境變量
vi /etc/profile
export HADOOP_HOME=/usr/local/hadoop
export PATH=.:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$JAVA_HOME/bin:$PATH
source /etc/profile // 使環境變量生效
驗證安裝 :
hadoop version
4.配置文件
在hadoop文件加下:
cd etc/hadoop/ // 此目錄下含有hadoop的配置件
需要配置的文件有 :
hadoop-env.sh
core-site.xml
hdfs-site.xml
mapred-site.xml
yarn-site.xml
workers
(單節點及僞分佈式可查看官網)
vi hadoop-env.sh
# The java implementation to use.
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/opt/softwares/jdk1.8.0_131
因爲hadoop是在JVM上運行的所以要在其配置文件中指定jdk的path
vi core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
</configuration>
第一個fs.defaultFS是指定hdfs的URI
第二個hadoop.tmp.dir是hadoop文件系統依賴的基礎配置,很多路徑都依賴它。如果hdfs-site.xml中不配 置namenode和datanode的存放位置,默認就放在這個路徑中
vi hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/usr/local/hadoop/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/usr/local/hadoop/hdfs/data</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node1:9001</value>
</property>
<property>
<name>dfs.http.address</name>
<value>0.0.0.0:50070</value>
</property>
</configuration>
dfs.replication 副本個數,默認是3
dfs.namenode.secondary.http-address 爲了保證整個集羣的可靠性secondarnamenode配置在其他機器比較好
dfs.http.address 進入hadoop web UI的端口
vi mapred-site.xml
<configuration>
<property>
<name>mapred.job.tracker.http.address</name>
<value>0.0.0.0:50030</value>
</property>
<property>
-->
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>mapred.job.tracker.http.address</name>
<value>0.0.0.0:50030</value>
</property>
<property>
<name>mapred.task.tracker.http.address</name>
<value>0.0.0.0:50060</value>
</property>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.application.classpath</name>
<value>
/usr/local/hadoop/etc/hadoop,
/usr/local/hadoop/share/hadoop/common/*,
/local/hadoop/share/hadoop/common/lib/*,
/usr/local/hadoop/share/hadoop/hdfs/*,
/usr/local/hadoop/share/hadoop/hdfs/lib/*,
/usr/local/hadoop/share/hadoop/mapreduce/*,
/usr/local/hadoop/share/hadoop/mapreduce/lib/*,
/usr/local/hadoop/share/hadoop/yarn/*,
/usr/local/hadoop/share/hadoop/yarn/lib/*
</value>
</property>
</configuration>
mapreduce框架的參數
最後一個是hadoop jar包的路徑
vi yarn-site.xml
<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property> <name>yarn.resourcemanager.webapp.address</name>
<value>master:8099</value>
</property>
</configuration>
NodeManager上運行的附屬服務。需配置成mapreduce_shuffle,纔可運行MapReduce程序
yarn 的webUI端口是8099
vi workers // datanode節點設置
node1
node2
5.發送到其餘虛擬機中或是重複相同操作
啓動hadoop
hdfs namenode -format // 首次啓動格式化namenode
start-all.sh // 啓動hadoop集羣
jps // 查看JVM運行的程序
遇到的問題 :
在hadoop/sbin/
vi start-dfs.sh
vi stop-dfs.sh
添加
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root
當報錯YARN_RESOURCEMANAGER_USER時
vi start-yarn.sh
vi stop-yarn.sh
添加
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root
50070端口配置文件中設置了,卻還是不能訪問
vi /etc/selinux/config
修改
#This file controls the state of SELinux on the system.
#SELINUX= can take one of these three values:
#enforcing - SELinux security policy is enforced.
#permissive - SELinux prints warnings instead of enforcing.
#disabled - No SELinux policy is loaded.
SELINUX=enforcing
SELINUX的屬性改爲disabled
namenode啓動了datanode沒有啓動(多次格式化namenode造成的)
在master的hadoop路徑下 :
vi hdfs/name/current/VERSION
拷貝clusterID
datanode的hadoop路徑下 :
vi hdfs/data/current/VERSION
替換掉datanode的clusterID
開啓不需要format了
參考:
http://hadoop.apache.org/docs/r3.0.0-alpha4/hadoop-project-dist/hadoop-common/ClusterSetup.html
http://hadoop.apache.org/docs/r3.0.0-alpha4/hadoop-project-dist/hadoop-common/SingleCluster.html
推薦:http://blog.csdn.net/mxfeng/article/details/72770432?locationNum=15&fps=1