大数据集群本地虚拟机安装方法

大数据集群本地安装方法

1、使用Vmware安装Linux系统

请自行下载，并安装。至少安装两台（这里以安装三台为例）

2、 安装xshell和xftp

安装xshell和xftp主要主要是方面后面传文件、写命令等操作。

（注意，xshell和xftp的版本一定要一致，不然安装xftp可能会有问题）

3、 配置虚拟机IP

A、 每台虚拟机都用root账号登录

a、  编辑hosts文件(使用以下命令)

sudo vi /etc/hosts

添加以下内容

192.168.79.131 master

192.168.79.132 slave1

192.168.79.133 slave2

         B、修改主机名

                   分别修改三台主机/etc/hostname的内容为master、slave1、slave2

如果没有/etc/hostname目录文件，则自己新建一个。

注意主机名和hosts文件中设置的名称应当保持一致，否则会产生意外的错误

 

注意：1、安装大数据齐群，一定要把虚拟机的防火墙都关掉。

　　

　　　　　　关闭防火墙：systemctl stop firewalld.service

　　　　　　禁用防火墙：systemctl disable firewalld.service

　　　　　　查看防火墙状态：firewall-cmd --state

　　　　　　重启机器： reboot

2、每次换了网络时看看虚拟机的ip地址是否发生变化，如果发生变化，记得修改相应的地方（最好设定固定ip，配置VMnet8）

3、配置集群直接免密码登录

　　https://www.cnblogs.com/zml-java/p/9448281.html

4、新建安装目录，最好每台机器建同一目录方便后面的操作

sudo mkdir -p /data/install 

5、安装JDK

1、下载好的tar包放在 /data/install/java 目录并解压：

tar -xvf jdk-7u80-linux-x64.tar.gz

配置环境变量 

首先进入编辑Linux配置环境变量的文件：

sudo vi /etc/profile

在里面添加如下内容：

export JAVA_HOME=/data/install/java/jdk1.7.0_80

export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH

export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib4、使环境变量立刻生效：

source /etc/profile

 

使用java -version校验

6、hadoop的安装和配置

注：这里只需要配置一台（master），配置好之后，把配置好的hadoop-2.7.3文件夹考到另外几台机子即可，后面的Zookeeper、Hbase,spark也是一样的

首先到Apache官网（http://www.apache.org/dyn/closer.cgi/hadoop/common/）复制下载地址，然后进入 /data/install/apache 目录下面执行以下命令直接进行下载：

 

wget http://mirror.bit.edu.cn/apache/hadoop/common/stable/hadoop-2.7.3.tar.gz

下载完成后进行解压：

tar -xvf hadoop-2.7.3.tar.gz

A、 配置Hadoop

进入hadoop的配置目录：

cd /data/install/apache/hadoop-2.7.3/etc/hadoop/

需要修改的配置文件为：core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、slaves、hadoop-env.sh、yarn-env.sh

core-site.xml(master也可以写成ip地址。目录换成自己对应的目录)

<configuration>

    <property>

        <name>fs.default.name</name>

        <value>hdfs://master:9000</value>

    </property>

    <property>

        <name>hadoop.tmp.dir</name>

        <value>file:/data/install/apache/hadoop-2.7.3/tmp</value>

    </property>

    <property>

        <name>io.file.buffer.size</name>

        <value>131702</value>

    </property>

</configuration>

 

hdfs-site.xml（先在/hadoop-2.7.3文件夹下创建hdfs文件夹，然后在hdfs文件夹下创建name和data文件夹）

<configuration>

    <property>

        <name>dfs.namenode.name.dir</name>

        <value>file:/data/install/apache/hadoop-2.7.3/hdfs/name</value>

    </property>

    <property>

        <name>dfs.datanode.data.dir</name>

        <value>file:/data/install/apache/hadoop-2.7.3/hdfs/data</value>

    </property>

    <property>

        <name>dfs.replication</name>

        <value>1</value>

    </property>

    <property>

        <name>dfs.namenode.secondary.http-address</name>

        <value>master:9001</value>

    </property>

    <property>

        <name>dfs.webhdfs.enabled</name>

        <value>true</value>

    </property>

    <property>

        <name>dfs.namenode.datanode.registration.ip-hostname-check</name>

        <value>false</value>

    </property>

</configuration>

mapred-site.xml(好像没有这个文件)

通过mv etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml创建etc/hadoop/mapred-site.xml，内容改为如下：

<configuration>

    <property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.address</name>

        <value>master:10020</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.webapp.address</name>

        <value>master:19888</value>

    </property>

</configuration>

slaves文件(删除原来的localhost)

slave1

slave2

hadoop-env.sh和yarn-env.sh(一定要改成自己的java安装目录，原本是个变量)

export JAVA_HOME=/data/install/java/jdk1.7.0_80

配置文件修改完以后，将master下hadoop文件夹复制到slave1和slave2中

 

scp -r /data/install/apache/hadoop-2.7.3 root@slaver:/data/install/apache/

scp -r /data/install/apache/hadoop-2.7.3 root@slave2:/data/install/apache/

 

C、运行hadoop

启动hadoop的命令都在master上执行

 

（1）初始化hadoop（清空hdfs数据）：

rm -rf /data/install/apache/hadoop-2.7.3/hdfs/*

rm -rf /data/install/apache/hadoop-2.7.3/tmp/*

/data/install/apache/hadoop-2.7.3/bin/hdfs namenode -format（只有第一次启动的时候执行。多次执行会有问题。后面hadoop启动之后，每次关掉就行，不用每次启动hadoop都去format）

 

启动hadoop（每台机器都要启动）

/data/install/apache/hadoop-2.7.3/sbin/start-dfs.sh

（注：停止语句）

/data/install/apache/hadoop-2.7.3/sbin/stop-dfs.sh

验证是否启动成功，在master输入 jps，应当存在namenode和secondary namenode

在slave1和slave2输入jps，应当存在datanode

 

进一步验证，访问：http:// 192.168.79.131:50070/dfshealth.html（192.168.79.131是master的ip），如图：

 

（3）启停yarn

/data/install/apache/hadoop-2.7.3/sbin/start-yarn.sh

/data/install/apache/hadoop-2.7.3/sbin/stop-yarn.sh

在master输入 jps，应当存在resourcemanager

 

在slave1和slave2输入jps，应当存在nodemanager

 

访问：http:// 192.168.79.131:8088/cluster

 

注意：如果安装不成功，或者出现各种问题。建议删除hadoop，然后重新解压配置master,然后将配置好的文件发送到slave1和slave2，这样比解决问题还快些

　　很多问题都是多次格式化namenode 或者  没有创建data和name文件造成的。

参考：https://blog.csdn.net/reblue520/article/details/70888850

　　https://www.linuxidc.com/Linux/2017-12/149906.htm

6、zookeeper集群的安装配置

1、下载 
到http://apache.fayea.com/zookeeper/stable/下载安装包并解压：

wget http://apache.fayea.com/zookeeper/stable/zookeeper-3.4.9.tar.gz

2、配置

（1）建立数据目录

mkdir /data/install/apache/zookeeper-3.4.9/data

（2）进入conf目录创建并修改zoo.cfg文件

cp zoo_sample.cfg zoo.cfg

修改以后的内容为：

# The number of milliseconds of each tick

tickTime=2000

# The number of ticks that the initial

# synchronization phase can take

initLimit=10

# The number of ticks that can pass between

# sending a request and getting an acknowledgement

syncLimit=5

# the directory where the snapshot is stored.

# do not use /tmp for storage, /tmp here is just

# example sakes.

dataDir=/data/install/apache/zookeeper-3.4.9/data

# the port at which the clients will connect

clientPort=2181

# the maximum number of client connections.

# increase this if you need to handle more clients

#maxClientCnxns=60

#

# Be sure to read the maintenance section of the

# administrator guide before turning on autopurge.

#

# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance

#

# The number of snapshots to retain in dataDir

#autopurge.snapRetainCount=3

# Purge task interval in hours

# Set to "0" to disable auto purge feature

#autopurge.purgeInterval=1

server.0=master:2888:3888

server.1=slave1:2888:3888

server.2=slave2:2888:3888

这里还需要在数据目录/data/install/apache/zookeeper-3.4.9/data下面新建名为myid的文件，各个主机对应的内容是不同的，master的内容是0，slave1的内容是1，slave2的内容是2，分别对应server.x中的x

（3）设置环境变量：/etc/profile添加如下内容

export ZOOKEEPER_HOME=/data/install/apache/zookeeper-3.4.9

export PATH=$PATH:$ZOOKEEPER_HOME/bin:$ZOOKEEPER_HOME/conf

别忘了source一下让环境变量生效

source /etc/profile

3、启停zookeeper

在各个节点执行以下命令：

/data/install/apache/zookeeper-3.4.9/bin/zkServer.sh start

/data/install/apache/zookeeper-3.4.9/bin/zkServer.sh stop

输入jps检测一下：

 

查看各个主机的状态：

sh bin/zkServer.sh status

 

这里如果报错：

bin/zkServer.sh: 81: /data/install/apache/zookeeper-3.4.9/bin/zkEnv.sh: Syntax error: "(" unexpected (expecting "fi")

看这篇文章的解决方法：http://blog.csdn.net/lcdcxy/article/details/50393363

10 hbase的安装和配置

 

1、下载 
首先到http://apache.fayea.com/hbase/stable/下载稳定版安装包并解压：

wget http://apache.fayea.com/hbase/stable/hbase-1.2.4-bin.tar.gz

2、配置

主要修改conf目录下的三个文件：hbase-env.sh、hbase-site.xml、regionservers

hbase-env.sh

export JAVA_HOME=/data/install/java/jdk1.7.0_80

export HBASE_MANAGES_ZK=true

export HBASE_LOG_DIR=/data/install/apache/hbase-1.2.4/logs

hbase-site.xml

<configuration>

    <property>

        <name>hbase.rootdir</name>

        <value>hdfs://master:9000/hbase</value>

    </property>

    <property>

        <name>hbase.cluster.distributed</name>

        <value>true</value>

    </property>

    <property>

        <name>hbase.zookeeper.quorum</name>

        <value>master,slave1,slave2</value>

    </property>

    <property>

        <name>hbase.master.maxclockskew</name>

        <value>180000</value>

        <description>Time difference of regionserver from master</description>

    </property>

</configuration>

regionservers

slave1

slave2

2016.11.25更新：还需要同步集群时间，否则有的从节点无法启动，在每个节点上运行ntp即可

ntpdate asia.pool.ntp.org

3、启停hbase

/data/install/apache/hbase-1.2.4/bin/start-hbase.sh

/data/install/apache/hbase-1.2.4/bin/stop-hbase.sh

master输入jps：

 

slave1和slave2输入jps：

 

访问：http://192.168.79.131:16010

 

4、hbase的一些基本命令

名称	命令表达式
创建表	create ‘表名称’, ‘列名称1’,’列名称2’,’列名称N’
添加记录	put ‘表名称’, ‘行名称’, ‘列名称:’, ‘值’
查看记录	get ‘表名称’, ‘行名称’
查看表中的记录总数	count ‘表名称’
删除记录	delete ‘表名’ ,’行名称’ , ‘列名称’
删除一张表	disable ‘表名称’ drop ‘表名称’
查看所有记录	scan “表名称”

首先进入hbase shell

./bin/hbase shell

（1）创建表

create 'test1','address1'

（2）添加记录

put'test','row1','address:province','zhejiang'

put 'test','row2','address:city','hangzhou'

（3）查看记录

get 'test','row1'

（4）查看表中的记录总数

count 'test'

（5）删除记录

delete 'test','row1','address'

（6）删除一张表

disable 'test'

drop 'test'

（7）查看所有记录

scan 'test'

11 spark的安装和配置

1、下载 
首先在http://spark.apache.org/downloads.html下载指定hadoop版本的安装包，然后解压缩

2、配置

创建并修改conf目录下的配置文件 spark-env.sh，slaves

spark-env.sh

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

修改内容为：

export JAVA_HOME=/data/install/java/jdk1.7.0_80

export HADOOP_HOME=/data/install/apache/hadoop-2.7.3

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

export HBASE_HOME=/data/install/apache/hbase-1.2.4

#如果ssh端口非22

export SPARK_SSH_OPTS="-p 22022"

slaves

cp slaves.template slaves

修改内容为：

slave1

slave2

3、启停spark

/data/install/apache/spark-2.0.0-bin-hadoop2.7/sbin/start-all.sh

/data/install/apache/spark-2.0.0-bin-hadoop2.7/sbin/stop-all.sh

在master上输入jps：

 

在slave1和slave2上输入jps：

 

访问：http://192.168.79.131:8080/

 

 

 

问题解决：

　　在安装过程中也遇到了相当多的问题，下面对相关问题进行对应的解决。

1、启动hadoop的时候要确定master和slave上的的节点是不是启动了，master上面输入jps应出现namenode的字样，slave上应有datanode。如果启动不成功可尝试删除hdfs-site.xml 配置文件里面 dfs.data.dir 的值，找到路径对应的文件夹，把里面name和data下面的文件全部删除，再初始化hadoop环境就能成功启动hadoop。

2、启动zookeeper的时候注意要将机器的防火墙关闭，不然会导致集群机器之间无法连接，启动hbase的时候也会报错。

3、hbase启动的时候要注意网络是否正常，如果网络有波动，会导致集群机器的ip发生变化。从而导致莫名其妙地hbase就无法链接zookeeper导致出现问题。

4、在Windows下面链接hbase的时候按照官网的方法进行连接即可：http://hbase.apache.org/book.html#_examples。（注意Windows下要安装winutils.exe解决方法查看：http://bbs.csdn.net/topics/390951960?page=1）