ubuntu18.04配置集群：VirtualBox + hadoop3.2.0 + mysql8 + hive3.1.2+ zookeeper3.6.1 + kafka2.5.0 + scala2.13.3 + spark3.0.0

小白安装集群，历时大半个月，吐血记录，中途差点放弃，坚持就是胜利吧。

目录

一、版本说明

二、ubuntu虚拟机安装

三、克隆系统，生成多个机器

四、hadoop安装

五、mysql安装

六、hive安装

七、zookeeper安装

八、scala安装

九、kafka安装

十、spark安装

十一、总结

一、版本说明：

  • 各软件版本：
    • VM Virtual Box，官网下载新版，对配置系统无影响
    • ubuntu18.04 server，没有安装桌面版，因为集群里面不需要，且桌面版需要占更多内存
    • hadoop3.2.0
    • jvm8
    • mysql8.0
    • hive3.1.2
    • zookeeper3.6.1
    • kafka2.5.0
    • spark3.0.0
  • 兼容性说明：

    • spark与scala版本需要兼容：点击查看官网说明

      Note that, Spark 2.x is pre-built with Scala 2.11 except version 2.4.2, which is pre-built with Scala 2.12. Spark 3.0+ is pre-built with Scala 2.12

    • spark与hadoop也需要兼容：在下载页面时候可以看到，最好下载对应版本，不过影响可能也不太大

      image-20200807124335939

    • kafka与scala也需要兼容：点击查看官网说明

    • zookeeper版本越高越好

    • hive与hadoop有兼容性：点击查看官网说明

    • mysql与ubuntu系统兼容性：

      • ubuntu17及之前的系统版本，兼容mysql5.7
      • ubuntu18之后，只兼容Mysql8.0及以上版本
  • 版本兼容性确认顺序：

    • 先确定spark版本

    • 根据spark，确定scala版本

    • 根据scala，确定kafka版本

    • 根据spark版本确定hadoop

    • 根据hadoop来确定hive

二、ubuntu虚拟机安装：

  • VM Virtual Box下载安装

  • 新建虚拟机：

    • 点击新建

      image-20200807131932013

    • 设置虚拟机名称、保存路径、选择系统类型和版本

      image-20200807132212424

    • 下一步，根据自身需求设置内核和磁盘容量。注：磁盘容量建议设置大一点，因为是动态的，所以不会占用电脑空间，虚拟机系统实际用多少，才会动态分配多少。否则后面如果磁盘空间不够了，只有去做扩容操作，很麻烦（亲身经历，血的教训）

    • 虚拟机创建好后，选择虚拟机，点击设置。

    • 点击存储，然后点击没有盘片，然后分配光驱浏览下载的ubuntu系统iso文件

      image-20200807133012939

    • 点击网络，连接方式选择桥接网卡，如下图所示：

      image-20200807133417888

  • 系统安装：

    • 配置好虚拟机后，就开始启动虚拟机：点击启动即可。

    • 在选择install ubuntu时候，选择有LVM后缀那个选项，如下图所示，后面对系统进行磁盘管理比较方便。

    • 语言建议选择英语，其他几乎都是默认下一步，继续等。

    • 主机名设置为spark1

    • 用户名和密码自定义

  • 网络配置：

    • 查看主机名是否是spark1

      • 查看命令：sudo vim /etc/hostname
      • :q退出 :x退出并保存

    • 查看ip地址，命令：ip addr

    • 修改网络配置文件*.yaml：

      • 打开文件：sudo vim /etc/netplan/*.yaml
      • 将文件修改为如下格式：
      network:
	ethernets:
        enp0s3:
            dhcp4: false
            addresses: [192.168.31.235/24]
            gateway4: 192.168.31.2
            nameservers:
            	addresses: [114.114.114.114,8.8.8.8]
    version: 2

      • 文件说明：

        • dhcp4，修改为false
        • addresses，ip地址（后续修改克隆机器ip也是修改这里的第四位数）。前3位数与window主机本地（）网关前三位保持一致（注意，主机网关和ip的前三位不一定相同），第四位自定义但不要重复，24一般是默认
        • gateway4，与windows主机本地网关保持一致
        • nameservers/addresses，DSN，与window虚拟机（virtualBox适配器，如果用的VMware虚拟机就是VMware对应适配器）的ipv4保持一致，配置以后可以ping通外网域名。
        • 其他默认

      • 配置好后，输入sudo netplan apply，网络设置才会生效，切记！

      • 设置windows虚拟机dsn：

        • 打开网络适配器，选择虚拟机

        • 配置ipv4，设置自动获取IP，DSN设置与上面的nameservers/addresses一样，如下图所示：

    • 安装ssh服务：

      • 安装命令：sudo apt-get install openssh-server
      • 查看ssh是否正常启动：sudo ps -e |grep ssh
      • 其他操作（非必需）
        • ssh服务重启：sudo service ssh restart
        • 有的系统需要修改sshd_config文件：
          • 有的系统不修改此文件无法远程root连接，我的这个版本不存在此情况
          • 修改命令：sudo vim /etc/ssh/sshd_config

    • 防火墙关闭

      • 注：防火墙必须要关闭，不然无法进行ssh连接，集群节点之间也就无法正常通信
      • 命令：sudo ufw disable
      • 同时，如果想实现虚拟机与windows之间ssh通信，windows的防火墙也需要关闭。

    • 安装java

      • 查看java是否安装：java -version

      • java版本：

        • 较新的版本是java11，若要安装执行命令：sudo apt install default-jre
        • 我选择的是java8，因为此版本是得到广泛支持的。安装命令：sudo apt install openjdk-8-jdk

      • 安装好后，执行java -version，如果输出java版本，则说明安装成功

      • 配置环境变量：

        • 通过上述方式安装的java，目录是在：/usr/lib/jvm/java-*-openjdk-amd64

        • 所以环境变量配置时候添加下面内容即可：

          # 注意：最后一行中的是冒号，冒号，冒号，不是分号
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin

    • 配置节点映射：

      • 打开文件：sudo vim /etc/hosts

      • 添加节点ip与主机名的映射：

        192.168.31.44   localhost
192.168.31.236  spark3
192.168.31.235  spark2
192.168.31.234  spark1

      • 配置好后，后续节点之间通信就可以使用映射的主机名，而不用输入ip地址了，当然ip地址也依然可以用。

三、克隆系统，生成多个机器：

  • 上面系统配置好后，关机

  • 在VM Virtual Box中，选择好上面配置的系统，右键，复制，设置好名称和路径后，选择如下选项：

    image-20200807143349981

  • 因为配置集群最好是3台机器，所以复制2台出来，分别命名为spark2, spark3

  • 分别启动克隆的两台机器，进行如下配置：

    • 配置主机名
      • 命令：sudo vi /etc/hostname
      • 两台主机名分别设置为spark2, spark3
    • 修改ip地址
      • 命令：sudo vim /etc/netplan/*.yaml
      • 修改第一个addresses的第四个数字，最好是上一台的ip加1
      • 其他默认
      • 修改后使之生效，命令：sudo netplan apply
      • 查看ip：ip addr

  • 配置3台机器之间ssh免密登录

    • 分别在3台机器上执行命令：ssh-keygen -t rsa，默认敲几次回车，生成密钥文件

    • 执行上述命令后，会在当前用户家目录下生成.ssh文件夹，密钥文件就存在此处

    • 配置自己免密登录：

      • 命令：cp ~/.ssh/id_rsa.pub ~/.ssh/authorized_keys
      • 执行过后，使用ssh user_name@host_name就可以直接免密登录本机
        • 上述命令中，user_name就是用户名，如果连接的其他机器用户名与本机相同，user_name@就可以省略，只需输入所需连接的ip或者映射的主机名（映射需提前配置）
        • host_name，是配置的主机名，也可以是ip地址
        • 比如此处可以使用：ssh spark1直接登录本机
      • 三台机器都要配置

    • 配置机器两两之间的免密登录：

      • 命令：ssh-copy-id user_name@host_name

      • 实现的作用是：可以免密登录对方账号

      • 比如，如果我目前登录的是spark1，然后再spark1上面使用ssh-copy-id user_name@spark2，输入spark2密码后，就可以通过ssh spark2直接登录spark2了，以后都不用输入密码

      • 通过上面的方式，对3台机器 两两之间配置免密登录

      • 通过互相登录来检验

四、hadoop安装

  • hadoop必须在3台机器上安装

    • 可以先配置好一台，然后通过 scp -r hadoop spark2:~ 的方式复制到spark2、spark3等其他机器
    • 然后，再将hadoop文件夹移动到/usr/local下面
    • 同时还需复制环境变量.bashrc到spark2等机器上，并使用source .bashrc命令来使环境变量生效

  • 安装WinSCP

    • 安装hadoop之前，需要在windows中，安装winscp软件
    • 作用：用于将windows中的文件传输到虚拟机的linux系统中
    • 安装包下载：百度搜索，很多
    • 安装方法：下载好安装包后，双击安装包，选择好安装目录，一直下一步即可
    • 连接虚拟机：输入linux系统的ip、端口号，以及用户名和密码即可，记得保存账号密码，后续会多次使用此软件传输安装包等

  • 下载hadoop：官网（点击跳转），找到对应版本号，下载binary版本

  • 安装

    • 将下载的安装包通过winscp传输到linux

    • 解压：tar -zxvf hadoop-*.tar.gz

    • 重命名文件夹（去掉版本号）：mv hadoop-*... hadoop

    • 移动文件夹到/usr/local/：mv hadoop /usr/local/

    • 配置环境变量：vim ~/.bashrc

      # 在原来的基础上，新增加hadoop
# 注意最后一行有bin和sbin
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

    • 生效环境变量：source ~/.bashrc

    • 进入hadoop的etc目录：/usr/local/hadoop/etc/hadoop

      • 修改core-site.xml文件

        •   vim core-site.xml

        • 增加以下内容：

          # spark1是主节点

<configuration>
<property>
	<name>fs.defaultFS</name>
	<value>hdfs://spark1:9000</value>
</property>
<property>
	<name>io.file.buffer.size</name>
	<value>131072</value>
		<description>该属性值单位为KB，131072KB即为默认的64M</description>
</property>
</configuration>

      • 修改hdfs-site.xml文件

        • vim hdfs-site.xml

        • 增加以下内容：

          <configuration>
<property>
	<name>dfs.namenode.name.dir</name>
	<value>/usr/local/hadoop/data/namenode</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<value>/usr/local/hadoop/data/datanode</value>
</property>
<property>
	<name>dfs.tmp.dir</name>
	<value>/usr/local/hadoop/data/tmp</value>
</property>
<property>
	<name>dfs.replication</name>
	<value>3</value>  //节点数量
</property>
<property>
	<name>dfs.namenode.hosts</name>
	<value>spark2, spark3</value>
</property>
<property>
	<name>dfs.blocksize</name>
	<value>268435456</value>
	<description>大文件系统HDFS块大小为256M，默认值为64M</description>
</property>
<property>
	<name>dfs.namenode.handler.count</name>
	<value>100</value>
	<description>更多的NameNode服务器线程处理来自DataNodes的RPCS</description>
</property>
<property>
	<name>dfs.datanode.max.xcievers</name>
	<value>4096</value>
	<dedication> Datanode 有一个同时处理文件的上限，至少要有4096</dedication>
</property>
</configuration>

      • 修改mapred-site.xml文件

        • vim mapred-site.xml

        • 增加以下内容：

          <configuration>
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
</configuration>

      • 修改yarn-site.xml文件

        • vim yarn-site.xml

        • 增加为以下内容：

          <configuration>
<!-- Site specific YARN configuration properties -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>spark1</value>
</property>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
</configuration>

      • 修改workers文件

        • 注：hadoop3.0版本以前是修改slaves文件

        • vim workers

        • 增加以下内容：

          spark1
spark2
spark3

    • 修改文件夹权限

      sudo chown -R jayson /usr/local/hadoop/
# 创建data目录
sudo mkdir /usr/local/hadoop/data/

    • 在hadoop里面添加java环境变量

      • 打开文件：vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh

      • 在文件末尾添加java环境变量

        export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre

  • 配置完成后，需要将hadoop文件复制到其他两个节点上

    • 复制hadoop： scp -r /usr/local/hadoop spark2:~
    • 复制环境变量文件： scp ~/.bashrc spark2:~
    • 然后去spark2/3..节点上，将文件夹移动到/usr/local目录下
    • 生效环境变量：source ~/.bashrc

  • 启动hadoop

    • 先格式化hadoop

      • 注意：配置好后，只能在主节点（此处的spark1）上用一次格式化命令，其他节点不用格式化。如果格式化多次，后续会出现各种问题

      • 命令如下：

        hdfs namenode -format

    • 启动hdfs：

      • 命令：start-dfs.sh

      • 启动后，通过jps命令查看进程

        • 主节点spark1上有3个进程，分别是：DataNode、NameNode、SecondaryNameNode
        • spark2、spark3上分别有1个进程：DataNode

      • web端查看：

        • 打开浏览器，输入：http://spark1:9870/

        • 会出现如下图所示网页

      • 设置默认操作目录：

        • 创建目录：使用命令hdfs dfs -mkdir -p /user/{用户名}创建目录，用户名为系统命令行@符号前面名字。
        • 测试：使用命令hdfs dfs -ls，显示的就是此目录下的文件列表。
        • 如果不创建这个目录的话，命令后面必须要加上目录路径hdfs dfs -ls /...，不然会报错

    • 启动yarn

      • 命令：start-yarn.sh

      • 启动后，通过jps命令查看进程

        • 主节点spark1上有3个进程，分别是：ResourceManager、NodeManager
        • spark2、spark3上分别有1个进程：NodeManager

      • web端查看：

        • 打开浏览器，输入：http://spark1:9870/

        • 注：2.0和3.0版本端口不一样，对应关系点击此处参考链接

        • 会出现如下图所示网页

    • 启动成功说明：

      • 如果3台机器hdfs，yarn的进程正常，web显示正常，说明hadoop启动成功，hadoop配置完成。
      • 如果出现问题，就删掉 /usr/local/data、/tmp、/usr/loca/hadoop/logs文件夹，然后重新格式化，重启电脑，反复尝试。

    • 关闭：

      • 关闭hdfs：stop-dfs.sh

      • 关闭yarn：stop-yarn.sh

五、mysql安装

  • mysql只需要在主节点（spark1）上面安装
  • 更新软件源：sudo apt-get update
  • ubuntu17及之前的版本：
    • 直接在终端中输入命令即可安装：sudo apt-get install mysql-server
  • ubuntu18及之后的版本：
    • 下载配置文件，点击跳转到下载链接
    • 将下载的deb文件通过WinSCP拷贝到虚拟机
    • 执行命令：sudo dpkg -i mysql-apt-config_0.8.15-1_all.deb
    • 执行命令：sudo apt update
    • 执行：sudo apt install mysql-server
      - 中间会输入密码
      - 最后autentication plugin选择：Retain MySQL 5.x Compatibility
      - 安装成功，通过mysql -u root -p登录查看mysql是否正常
      - 如需配置免密登陆（非必须），可以点击这里参考链接

六、hive安装

  • hive是基于mysql安装的前提下安装的

  • 只需要在主节点（spark1）上面安装

  • 下载：根据兼容性，选择所需版本下载，官网下载点击这里

  • 安装配置：

    • 传输到虚拟机后，解压，重命名为hive，移动到/usr/local下

    • 配置环境变量：vim ~/.bashrc

      # 在之前的基础上，添加hive

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export HADOOP_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin

    • 环境变量生效：source ~/.bashrc

    • 在mysql中创建hive元数据库，并对hive进行授权

      • 登录mysql

      • 创建hive元数据库：create database if not exists hive_metadata;

      • 对hive进行授权

        • mysql5和mysql8的授权有区别

        • mysql5

          # 格式：
grant all privileges on hive_metadata.* to '用户名'@'%' identified by '密码';

# 具体执行下面3句代码：
grant all privileges on hive_metadata.* to 'hive'@'%' identified by 'hive';
grant all privileges on hive_metadata.* to 'hive'@'localhost' identified by 'hive';
grant all privileges on hive_metadata.* to 'hive'@'spark1' identified by 'hive';  # spark1主节点

        • mysql8

          # 格式：
create user '用户名'@'%' identified by '密码';
grant all privileges on `database`.* to '用户'@'%';

# 具体执行下面3对6句代码：
CREATE USER 'hive'@'%' IDENTIFIED BY 'hive';
grant all privileges on hive_metadata.* to 'hive'@'%' ;

CREATE USER 'hive'@'localhost' IDENTIFIED BY 'hive';
grant all privileges on hive_metadata.* to 'hive'@'localhost' ;

CREATE USER 'hive'@'spark1' IDENTIFIED BY 'hive';
grant all privileges on hive_metadata.* to 'hive'@'spark1' ;

        • 生效mysql，查看数据库

          flush privileges;
use hive_metadata;

    • 切换到hive 的conf目录：cd /usr/local/hive/conf

      • 配置hive-site.xml：

        • 重命名得到hive-site.xml文件：mv hive-default.xml.template hive-site.xml

          • 执行命令： sudo vim hive-site.xml

        • 通过查找以下<name> ...</name>中间的内容来修改对应的value为以下的值：

          // vim编辑器中，是通过 :/ 来查找关键字

<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:mysql://spark1:3306/hive_metadata?createDatabaseIfNotExist=true</value>
</property>
<property>
  <name>javax.jdo.option.ConnectionDriverName</name>
  <value>com.mysql.cj.jdbc.Driver</value>  // 老版本中这里可能没有.cj，这个视具体情况而定
</property>
<property>
  <name>javax.jdo.option.ConnectionUserName</name>
  <value>hive</value>
</property>
<property>
  <name>javax.jdo.option.ConnectionPassword</name>
  <value>hive</value>
</property>
<property>
  <name>hive.metastore.warehouse.dir</name>
  <value>/user/hive/warehouse</value>
</property>
<property>
  <name>hive.cli.print.header</name>  //在hive中操作显示表头等信息，不然不会显示
  <value>true</value>
  <description>Whether to print the names of the columns in query output.</description>
</property>
<property>
  <name>hive.cli.print.current.db</name>
  <value>true</value>
  <description>Whether to include the current database in the Hive prompt.</description>
</property>

        • 修改相对路径为绝对路径：

          • 搜索${system:java.io.tmpdir} ，将其替换成 /usr/local/hive/tmpdir，vim中使用命令：::%s/\/${system:user.name}//g
          • 将/${system:user.name}给删除，vim中使用命令替换：::%s/${system:java.io.tmpdir}/\/usr\/local\/hive\/tmpdir/g

        • 删除特殊字符：查找 &#8，删除特殊字符，不然运行会报错

        • 保存并退出hive-site.xml

      • 配置hive环境变量，添加java环境变量

        • 重命名hive-site.xml：mv hive-env.sh.template hive-env.sh

        • 配置hive-config.sh：sudo vim /usr/local/hive/bin/hive-config.sh

          export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export HIVE_HOME=/usr/local/hive
export HADOOP_HOME=/usr/local/hadoop

      • lib驱动配置：

        • 两者路径分别为：
          • /usr/local/hive/lib
          • /usr/local/hadoop/share/hadoop/common/lib/
        • log4j-slf4j-impl**.jar文件：上面两个目录中，删除一个
        • guava.jar文件：上面两个目录中，删掉低版本的，复制高版本的到原低版本路径下

    • 初始化hive：schematool -dbType mysql -initSchema

  • 查看hive版本：hive -version

  • 启动hive：输入hive即可启动

七、zookeeper安装

  • zookeeper需要在三台上面安装，且要分别配置不同的节点编号

  • 选择新版本，官网下载链接，点击跳转

  • 解压，重命名为zk，移动到/usr/local下面

  • 配置环境变量：vim ~/.bashrc

    # 在之前的基础上，添加zk

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export HADOOP_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export ZOOKEEPER_HOME=/usr/local/zk
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$ZOOKEEPER_HOME/bin

  • 环境变量生效：source ~/.bashrc

  • 进入conf目录：cd /usr/local/zk/conf：

    • 配置zoo.cfg：

      • 得到zoo.cfg文件：mv zoo_sample.cfg zoo.cfg

      • 修改内容：vim zoo.cfg

        • 修改：dataDir=/usr/local/zk/data

        • 新增：

          # 注意：索引是从0开始
# 每一行行末不能有空格，不然运行时候会报错

server.0=spark1:2888:3888
server.1=spark2:2888:3888
server.2=spark3:2888:3888

    • 配置完成后，返回zk目录：cd ..

  • 新建data目录：mkdir data

    • 进入data目录：cd data
    • 新建myid文件：
      • vim myid
      • 在下面写入myid文件索引编号，上面zoo.cfg中的主机对应的索引，比如此处的：spark1对应0

  • 复制zk和.bashrc文件到其他两台机器，source .bashrc，并修改其他两台机器中的myid文件索引

  • 通过zkServer.sh start启动，通过zkServer.sh status查看状态。（注： 需要到每台机器上面去执行命令启动zk）

  • 通过jps查看进程，进程标识：QuorumPeerMain

八、scala安装

  • 下载：根据兼容性，选择所需版本，下载unix类型安装包，官网下载链接，点击跳转，选择other resource，即可下载对应版本

    • 解压，重命名为scala，移动到/usr/local下

  • 配置环境变量：vim ~/.bashrc

    # 在之前的基础上，添加scala

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export HADOOP_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export ZOOKEEPER_HOME=/usr/local/zk
export SCALA_HOME=/usr/local/scala
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$ZOOKEEPER_HOME/bin:$SCALA_HOME/bin

  • 环境变量生效：source ~/.bashrc

  • 通过scala -version查看是否安装成功

  • 通过scp，将文件和环境变量传输到其他两台机器

九、kafka安装

  • 根据兼容性，选择下载binary版本，官网下载链接，点击跳转

  • 解压缩，重命名为kafka，移动到/usr/local下

  • 不用配置环境变量

  • 配置server.properties：

    • 进入目录：cd /usr/local/kafka/config
    • 修改文件：vim server.properties:
      • 修改broker.id，每台机器的id是唯一的，且从0开始。比如spark1设置：broker.id=0
      • 设置3台机器的ip和端口号，ip根据自己实际的设定，端口号是2181：zookeeper.connect=192.168.31.234:2181,192.168.31.235:2181,192.168.31.236:2181

  • 在老版本中需要下载slf4j-nop.jar，新版本中已经不需要了。若需要下载，下载链接点击此处，下载后将其拷贝到kafka的libs目录下面

  • 将配置好的kafka复制到另外两台机器上，并分别修改server.properties里面的broker.id为1和2

  • 执行kafka

    • 切换到kafka目录cd /usr/local/kafka
    • 执行：nohup bin/kafka-server-start.sh config/server.properties &，注：前提是每台机器的zk已启动，且kafka只需要启动1台作为
    • 通过jps可以查看到kafka进程，进程标识：Kafka
    • 启动kafka：
    # 新建一个topic：TestTopic
bin/kafka-topics.sh --zookeeper 192.168.31.234:2181,192.168.31.235:2181,192.168.31.236:2181 --topic TestTopic --replication-factor 1 --partitions 1 --create

# 启动producer TestTopic
bin/kafka-console-producer.sh --broker-list 192.168.31.234:9092,192.168.31.235:9092,192.168.31.236:9092 --topic TestTopic

# 打开一个新窗口（其他节点的），在新窗口中启动consumer TestTopic，注意：kafka 0.9版本前后的命令有区别
bin/kafka-console-consumer.sh --bootstrap-server 192.168.31.234:9092,192.168.31.235:9092,192.168.31.236:9092 --topic TestTopic --from-beginning

# 然后在producer里面输入内容，回车发送，会在consumer里面接收到消息，如果能正常接收到消息，说明kafka安装成功。

#### 其他命令：
# 查看建立的topic列表：
bin/kafka-topics.sh --zookeeper 192.168.31.234:2181 --list
  
# 删除，前提是delete.topic.enable is set to true，否则只是标记为deletion
./bin/kafka-topics.sh  --delete --zookeeper localhost:2181 --topic TestTopic

# 查看topic
./bin/kafka-topics.sh --zookeeper localhost:2181 --list

十、spark安装

  • 每台机器上都要安装

  • 下载：进入链接，滑到页面底端，点击Spark release archives即可进入下载页面，选择所需版本下载即可

  • 解压缩，重命名为spark，移动到/usr/local下

  • 配置环境变量：vim ~/.bashrc

    # 在之前的基础上，添加spark和class_path
# 注意：如果需要使用pyspark的话，需要添加python的变量
# 具体py4j.zip包需要在spark/python/lib目录下查看

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export JRE_HOME=/usr/lib/jvm/java-8-openjdk-amd64/jre
export HADOOP_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export ZOOKEEPER_HOME=/usr/local/zk
export SCALA_HOME=/usr/local/scala
export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$JAVA_HOME/bin:JRE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$ZOOKEEPER_HOME/bin:$SCALA_HOME/bin:$SPARK_HOME/bin:$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.9-src.zip
export export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JRE_HOME/lib

  • 环境变量生效：source ~/.bashrc

  • 进入目录：cd /usr/local/spark/conf

    • 配置spark-env.sh：

      • 得到spark-env文件：cp spark-env.sh.template spark-env.sh
      • 修改：vim spark-env.sh
      • 增加内容如下：
      export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-amd64
export SCALA_HOME=/usr/local/scala
# 注意主节点的ip根据实际情况而定
export SPARK_MASTER_IP=192.168.31.234
export SPARK_WORKER_MEMORY=1g
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
# python使用spark
export PYSPARK_PYTHON=/home/jayson/anaconda3/bin/python3

    • 配置slaves文件

      • 修改slaves文件为如下内容：

        # 因为spark比较吃内存，所以主节点就不做slave了
# 不添加spark1，只添加2和3：

spark2
spark3

  • 配置完成后，将spark相关文件以及环境变量文件复制到其他机器上，并生效。

  • 启动spark

    • 必须到spark的sbin目录下：cd /usr/local/spark/sbin
    • 执行命令：./start-all.sh
    • 通过jps检查，有master进程标识表示启动成功
    • 通过网页端口号启动spark，默认是8080。如果已经被占用，会自动加一比如变成8081等

  • 进入sparkshell

    • 输入pyspark，可以进入pyspark环境
    • 输入spark-shell，进入scala spark环境

十一、总结三台机器配置需要注意的地方：

  • ip地址需要修改
  • 主机名称需要修改
  • 需要配置两两之间ssh免密登陆
  • hadoop需要单独在每台机器/usr/local下新建data文件夹
  • zookeeper节点编号（从0开始）：myid文件，vim /usr/local/zk/data/myid
  • kafka server.properties中的broker.id（从0开始）：vim /usr/local/kafka/config/server.properties
  • kafka启动需要到其根目录下
  • kafka运行的前提条件是启动了zookeeper集群
  • 更新环境变量后，记得source .bashrc使环境变量生效
posted on 2020-08-09 01:34  jaysonteng  阅读(329)  评论(0)  编辑  收藏  举报
Copyright © 2024 jaysonteng
Powered by .NET 9.0 on Kubernetes Powered By: 博客园