这几天在学习Hadoop相关的东西,前些时候,搭建了单机和伪分布式的集群。但是在搭建完全分布式集群的时候遇到很多问题,网上找到很多文章,感觉都有些差别,因此,再次汇总一下,把我的详细的搭建过程记录下来。

参考了很多篇文章:http://www.w2bc.com/Article/19645

                                http://blog.csdn.net/weixuehao/article/details/15813681

                                http://www.07net01.com/2015/07/874408.html

                                https://my.oschina.net/voyage1314/blog/262392

                                ......

环境配置: 
        虚拟机: 
                vmware workstation 12 
        系统: 
                ubuntu 16.04 LTS(推荐使用原版,不要用kylin) 
        节点: 
                192.168.159.132    master 
                192.168.159.134    node1 
                192.168.159.137    node2

jdk-8u101-Linux-x64.gz (Java )

hadoop-2.7.3.tar.gz (Hadoop 包)

安装步骤:
1、安装虚拟机系统,并进行准备工作(可安装一个然后克隆)
2.修改各个虚拟机的hostname和host
3.创建用户组和用户
4、配置虚拟机网络,使虚拟机系统之间以及和host主机之间可以通过相互ping通。
5.安装jdk和配置环境变量,检查是否配置成功
6、配置ssh,实现节点间的无密码登录 ssh node1/2指令验证时候成功
7、master配置hadoop,并将hadoop文件传输到node节点 
8、配置环境变量,并启动hadoop,检查是否安装成功,执行wordcount检查是否成功。

1.安装虚拟机

   在VM上安装下载好的Ubuntu的系统,具体过程自行百度。可以安装完一个以后克隆,但是本人安装过程中遇到很多问题,经常需要删除虚拟机,重新安装,而被克隆的虚拟机不能删除,所以本人就用了很长时候,一个一个安装。
一共3台虚拟机:分配情况和IP地址如下:
(注:查看ip地址的指令   ifconfig)
安装虚拟机时可以设置静态IP,因为过程中常常遇到网络连接问题,ifconfig找不到IPV4地址。当然,也可以不设,默认分配。
参考  http://blog.csdn.net/wolf_soul/article/details/46409323

                192.168.159.132    master 
                192.168.159.134    node1 
                192.168.159.137    node2

2.修改虚拟机的hostname和hosts文件

以master上机器为例,打开终端,执行如下的操作,把hostname修改成master,hosts修改成如下所示的样子:
#修改hostname的指令: 
sudo gedit /etc/hostname
#修改hosts指令: 
sudo gedit /etc/hosts
#将以下内容添加到hosts中 
192.168.159.132    master 
192.168.159.134    node1 
192.168.159.137    node2
如下图所示:



同样地,在node1和node2机器上做相似的操作,分别更改主机名为node1和node2,然后把hosts文件更改和master一样。

3.创建用户和用户组(三台机器上都要操作)

1. 创建hadoop用户组

sudo addgroup hadoop
2. 创建hadoop用户

sudo adduser -ingroup hadoop hadoop
3. 给hadoop用户添加权限,打开/etc/sudoers文件

sudo gedit /etc/sudoers

按回车键后就会打开/etc/sudoers文件了,给hadoop用户赋予root用户同样的权限
在root  ALL=(ALL:ALL)  ALL下添加hadoop  ALL=(ALL:ALL)  ALL

4.检验各个主机之间能否连通

分别以刚刚创建的hadoop用户重新登录系统,以后的操作都以hadoop用户登录。
ping +主机名
分别在各个主机上执行上述指令,看是否能与其他主机连通。
出现下图代表能够连通:


如果都成功ping通,进行下面的操作。

5.安装jdk和配置环境变量

分别在每台主机上安装jdk,并配置环境变量。(嫌麻烦的前面可以安装完jdk后再克隆)

1)下载jdk安装包(自行百度),并将安装包拖入到虚拟机当中

2)通过cd命令进入到安装包的当前目录,利用如下命令进行解压缩。

tar -zxvf jdk.....(安装包名称)

3)利用如下命令将解压后的文件夹移到/usr目录下 

#注意,这样移动到/usr以后就没有jdk1.8...这个目录了,是将这个目录下的所有文件全部移动到/usr/java下, 
mv jdk1.8...(文件夹名称) /usr/java

4)配置环境变量

sudo gedit /etc/profile

在末尾加上四行:

#java   
export JAVA_HOME=/usr/java  
export JRE_HOME=/usr/java/jre   
export CLASSPATH=$JAVA_HOME/lib   
export PATH=:$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

输入如下命令使配置生效:source /etc/profile

查看配置是否成功,


出现如上信息说明java配置成功。

6.配置SSH,实现节点间的无密码登录

本人在这一步经常出错,莫名其妙的错误,网上也找不到资料。需要自己多实验几次。
下面的 1.2.3在所有主机上都要做

1..安装ssh

sudo apt-get install openssh-server

已有ssh或者安装成功了的输入命令

ps -e | grep ssh

验证SSH是否成功安装输入

ssh localhost

出现以下提示说明安装成功


3.生成密钥Pair

ssh-keygen -t rsa

输入之后一直选择enter即可。生成的秘钥位于 ~/.ssh文件夹下。可用cd 命令进入查看。

4.在master上,导入authorized_keys

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

5.远程无密码登录(把master上的authorized_keys拷贝到其他主机的相应目录下)

#进入master的.ssh目录,执行复制操作
scp authorized_keys hadoop@node1:~/.ssh/
scp authorized_keys hadoop@node2:~/.ssh/

修改各台主机上authorized_keys文件的权限:

所有机器上,均执行命令:

chmod 600 .ssh/authorized_keys 

完成之后,在master上执行下面操作,检查免密码登录是否成功。

ssh node1(node2)


7.master配置hadoop,然后将master的hadoop文件传送给node节点

1)解包移动

#解压hadoop包 
tar -zxvf hadoop... 
#将安装包移到/usr目录下 
mv hadoop... /usr/hadoop

2)新建文件夹

#在/usr/hadoop目录下新建如下目录(root) 
mkdir /dfs 
mkdir /dfs/name 
mkdir /dfs/data 
mkdir /tmp

3)配置文件:hadoop-env.sh(文件都在/usr/hadoop/etc/hadoop中)

修改JAVA_HOME值(export JAVA_HOME=/usr/java) 

4)配置文件:yarn-env.sh

修改JAVA_HOME值(export JAVA_HOME=/usr/java

5)配置文件:slaves

将内容修改为:

node1 
node2

6)配置文件:core-site.xml

<configuration> 
    <property> 
        <name>fs.defaultFS</name> 
        <value>hdfs://master:9000</value> 
    </property> 
    <property> 
        <name>io.file.buffer.size</name> 
        <value>131072</value> 
    </property> 
    <property> 
        <name>hadoop.tmp.dir</name> 
        <value>file:/usr/hadoop/tmp</value> 
        <description>Abase for other temporary   directories.</description> 
    </property> 
</configuration>

7)配置文件:hdfs-site.xml

<configuration> 
       <property> 
                <name>dfs.namenode.secondary.http-address</name> 
               <value>master:9001</value> 
       </property> 
     <property> 
             <name>dfs.namenode.name.dir</name> 
             <value>file:/usr/hadoop/dfs/name</value> 
       </property> 
      <property> 
              <name>dfs.datanode.data.dir</name> 
              <value>file:/usr/hadoop/dfs/data</value> 
       </property> 
       <property> 
               <name>dfs.replication</name> 
               <value>2</value> 
        </property> 
        <property> 
                 <name>dfs.webhdfs.enabled</name> 
                  <value>true</value> 
         </property> 
</configuration>

8)配置文件:mapred-site.xml

先创建然后编辑

 cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml

gedit etc/hadoop/mapred-site.xml

<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>

9)配置文件:yarn-site.xml

<configuration> 
        <property> 
               <name>yarn.nodemanager.aux-services</name> 
               <value>mapreduce_shuffle</value> 
        </property> 
        <property>                                                                 
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> 
               <value>org.apache.hadoop.mapred.ShuffleHandler</value> 
        </property> 
        <property> 
               <name>yarn.resourcemanager.address</name> 
               <value>master:8032</value> 
       </property> 
       <property> 
               <name>yarn.resourcemanager.scheduler.address</name> 
               <value>master:8030</value> 
       </property> 
       <property> 
            <name>yarn.resourcemanager.resource-tracker.address</name> 
             <value>master:8031</value> 
      </property> 
      <property> 
              <name>yarn.resourcemanager.admin.address</name> 
               <value>master:8033</value> 
       </property> 
       <property> 
               <name>yarn.resourcemanager.webapp.address</name> 
               <value>master:8088</value> 
       </property> 
</configuration>

10)将hadoop传输到node1和node2 usr/hadoop目录,(如果传输时报错说 :权限拒绝,先把文件传送到非/usr目录下,然后在node上把这个文件再移动到/usr/hadoop

 scp -r /usr/hadoop hadoop@node1:/usr/hadoop
7、配置环境变量,并启动hadoop,检查是否安装成功
1)配置环境变量
#编辑/etc/profile 
sudo gedit /etc/profile 
#以上已经添加过java的环境变量,在后边添加就可以 
  1. #hadoop  
  2. export HADOOP_HOME=/opt/Hadoop/hadoop-2.7.2  
  3. export PATH=$PATH:$HADOOP_HOME/sbin  
  4. export PATH=$PATH:$HADOOP_HOME/bin  

执行 

source /etc/profile

使文件生效。

2)启动hadoop,进入hadoop安装目录

bin/hdfs namenode -format 
sbin/start-all.sh

3)启动后分别在master, node下输入jps查看进程

看到下面的结果,则表示成功。

Master:


node:


8.向hadoop集群系统提交第一个mapreduce任务(wordcount)

进入本地hadoop目录(/usr/hadoop)

1、  bin/hdfs dfs -mkdir -p /data/input在虚拟分布式文件系统上创建一个测试目录/data/input

2、  hdfs dfs -put README.txt  /data/input  将当前目录下的README.txt 文件复制到虚拟分布式文件系统中

3、  bin/hdfs dfs-ls /data/input    查看文件系统中是否存在我们所复制的文件

如图操作:


3、  运行如下命令向hadoop提交单词统计任务

进入jar文件目录,执行下面的指令。

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /data/input /data/output/result

查看result,结果在result下面的part-r-00000中

hdfs dfs -cat /data/output/result/part-r-00000 

自此,hadoop集群搭建成功!

评论关闭
IT虾米网

微信公众号号:IT虾米 (左侧二维码扫一扫)欢迎添加!