大数据Hadoop学习之搭建hadoop平台（2.2）

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。

NETWORKING=yes
HOSTNAME=namenode

　　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：

 

 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：

192.168.1.106   namenode
192.168.1.109   datanode01
192.168.1.110   datanode02

　　修改后效果如图所示：

四、关闭防火墙（三台机器均需关闭）

　　1、查看防火墙状态

firewall-cmd --state

　　如下则表示防火墙处于开启状态：

　　2、关闭防火墙

systemctl stop firewalld.service

　　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：

　　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

systemctl disable firewalld.service

　　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：

 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：

export JAVA_HOME=/home/software/jdk1.8.0_131
export PATH=$PATH:$JAVA_HOME/bin

　　如图所示：

 

　　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：

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：

　　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：

export HADOOP_HOME=/home/software/hadoop-2.7.3

　　　　　　并在PATH变量后追加如下代码：

$HADOOP_HOME/bin:$HADOOP_HOME/sbin

　　　　　　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：

　　　　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：

　　　　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：

<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>

修改后效果如下：

　　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：

<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>

修改后效果如下：

 

　　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：

<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>

修改后效果如下：

 

　　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：

<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>

修改后效果如下：

　　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：

192.168.1.106
192.168.1.109
192.168.1.110

　　　　修改后效果如下：

　　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：

　　　　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。

　　　　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：

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

 

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。