hadoop集群环境搭建之伪分布式集群环境搭建（一）

2018-02-01 本文已影响0人 zhang_widsom

hadoop集群环境搭建之伪分布式集群环境搭建（一）

1、Linux基本环境配置

1.1 虚拟机网络模式选择NAT

一般虚拟机默认是NAT模式

1.2 修改主机名

vim /etc/sysconfig/network

NETWORKING=yes
HOSTNAME=zhang    # 主机名

1.3 修改IP

切换root的用户，修改/etc/sysconfig/network-scripts/ifcfg-eth0文件

有的是/etc/sysconfig/network-scripts/ifcfg-eno16777736文件

vim /etc/sysconfig/network-scripts/ifcfg-eth0

TYPE=Ethernet
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_FAILURE_FATAL=no
NAME=eno16777736
UUID=2ce59a48-ae92-483b-a73c-7844147b6ba0
HWADDR=00:0C:29:21:8D:08
PREFIX0=24  
DEFROUTE=no
BOOTPROTO=none  # 设置none
ONBOOT=yes  # 开始机自动网络
IPADDR=192.168.108.99   # 设置IP
NETMASK=255.255.255.0   #  子网掩码
GATEWAY0=192.168.108.2 # 设置网关

1.4 修改主机名和IP的映射关系

以root用户，打开/etc/hosts文件

vim /etc/hosts

192.168.108.99 zhang

修改/etc/hostname中文件

vim /etc/hostname

zhang

1.5 关闭防火墙

#查看防火墙状态
service iptables status
#关闭防火墙
service iptables stop
#查看防火墙开机启动状态
chkconfig iptables --list
#关闭防火墙开机启动
chkconfig iptables off

1.6 修改sudo

切换到root用户下

su root

修改/etc/sudoers文件权限，不然修改不了该文件

chmod u+w /etc/sudoers

打开/etc/sudoers文件

vim /etc/sudoers

给用户添加执行的权限

# hadoop 用户名
hadoop ALL=(root) NOPASSWD:ALL

1.7 关闭linux图形化界面

centos 7以下版本：

vim /etc/inittab

id:5:initdefault:

改为

id:3:initdefault:

centos 7.x版本：

删除已经存在的符号链接

rm /etc/systemd/system/default.target

默认级别转换为3

# 默认级别转换为3(文本模式)
ln -sf /lib/systemd/system/multi-user.target /etc/systemd/system/default.target

# 默认级别转换为5(图形模式)
ln -sf /lib/systemd/system/graphical.target /etc/systemd/system/default.target

重启

reboot

如果需要切换图形界面执行命令：startx

2、Linux之java环境安装

在CentOS 7.x的Linux操作系统下，会自带openjdk的环境，如果我们想自己安装jdk环境，需要卸载自带的openjdk环境。

步骤如下：

2.1 查看java环境

java -version

2.2 查询jdk

# 查看linux的jdk
rpm -qa | grep jdk

2.3 删除jdk

# 移除openjdk
yum -y remove java-openjdk-xxxxx

java-openjdk-xxxxx ：是需要删除的openjdk

删除自带的openjdk环境后，我们就开始安装我们的jdk。

2.4 从Windows或其他机器获取tar包

# 将文件传出Linux中的用户目录
scp D:/dsoftmanager/jdk-8u151-linux-x64.tar.gz root@192.168.108.99:/home/hadoop

D:/dsoftmanager/jdk-8u151-linux-x64.tar.gz：A机器的tar包目录位置

root@192.168.108.99:/home/hadoop：linux机器存储tar的目录位置

2.5 解压tar包到指定的目录

# 创建java目录
mkdir /java

# 将文件复制到java目录
cp /home/hadoop/jdk-8u151-linux-x64.tar.gz  /java

# 进入/java
cd /java

# 解压缩
tar -zxvf jdk-8u151-linux-x64.tar.gz

2.6 配置环境变量

# 打开配置文件
vim /etc/profile

打开/etc/profile文件，在文件的末尾，放入下面的配置信息：

# 配置java环境

JAVA_HOME=/java/jdk1.8.0_151
PATH=$PATH:$JAVA_HOME/bin:/usr/bin:/usr/sbin:/bin:/sbin:/usr/X11R6/bin
CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
export  JAVA_HOME  PATH  CLASSPATH

2.7 重启机器

# 立即重启机器
shutdown -r now

或者

reboot

如果不重启，配置不会生效。

2.8 java环境测试

# 测试java环境是否安装成功
java -version
javac -version

出现如下信息，表示安装成功。

[hadoop@localhost Desktop]$ java -version
java version "1.8.0_151"
Java(TM) SE Runtime Environment (build 1.8.0_151-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.151-b12, mixed mode)

[hadoop@localhost Desktop]$ javac -version
javac 1.8.0_151

3、hadoop伪分布式集群环境搭建

关于Linux机器环境和java环境配置，参考我的上一篇文章：hadoop集群环境搭建之Linux基本环境和java环境配置（一），在Linux环境和java环境配置好之后，我们开始搭建hadoop的伪分布式集群（伪分布式集群：在一台机器上跑hadoop需要的服务）吧。

3.1 上传hadoop安装包

scp d:/dsoftmanager/hadoop-2.7.5.tar.gz root@192.168.108.99:/home/hadoop

3.2 解压安装包

# 创建一个hadoop的目录
mkdir /hadoop

# 将/home/hadoop目录下的hadoop-2.7.5.tar.gz文件复制到/hadoop目录下
cp /home/hadoop/hadoop-2.7.5.tar.gz /hadoop

# 进入/hadoop目录
cd /hadoop

# 解压
tar -zxvf hadoop-2.7.5.tar.gz

3.3 配置hadoop环境变量

# 打开配置文件
vim /etc/profile

# 在配置文件中末尾输入
export HADOOP_HOME=/hadoop/hadoop-2.7.5
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

重启Linux，测试hadoop配置是否生效

# 重启
reboot

# 测试hadoop环境配置是否生效
echo ${HADOOP_HOME}

输出：/hadoop/hadoop-2.7.5

3.4 修改hadoop配置

3.4.1 将${HADOOP_HOME}设置权限许可

sudo chown -R hadoop:hadoop ${HADOOP_HOME}

3.4.2 配置hadoop-env.sh的JAVA_HOME参数

# 使用sudo命令，打开hadoop-env.sh文件
sudo vim ${HADOOP_HOME}/etc/hadoop/hadoop-env.sh

# 修改JAVA_HOME的环境配置为如下所示：
export JAVA_HOME=/java/jdk1.8.0_151

3.4.3 配置core-site.xml文件

# 创建一个tmp目录
mkdir ${HADOOP_HOME}/tmp

# 设置权限
sudo chown hadoop:hadoop ${HADOOP_HOME}/tmp

# 打开core-site.xml文件
sudo vim ${HADOOP_HOME}/etc/hadoop/core-site.xml

# 在<configuration>中添加配置
<configuration>
    <!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://zhang:9000</value>
    </property>
    <!-- 指定hadoop运行时产生临时文件的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/hadoop/hadoop-2.7.5/tmp</value>
    </property>
</configuration>

3.4.4 配置hdfs-site.xml文件

<configuration>
    <!-- 指定HDFS副本的数量 -->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    
    <property>
        <name>dfs.secondary.http.address</name>
        <value>192.168.108.99:50090</value>
    </property>
</configuration>

3.4.5 配置mapred-site.xml文件

# 将mapred-site.xml.template改为mapred-site.xml
sudo mv mapred-site.xml.template mapred-site.xml

# 配置mapred-site.xml
<configuration>
    <!-- 指定mr运行在yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

3.4.6 配置yarn-site.xml文件

<configuration>
    <!-- 指定YARN的老大（ResourceManager）的地址 -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>zhang</value>
    </property>
    <!-- reducer获取数据的方式 -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

3.5 格式化namenode

hdfs namenode -format

格式化成功会在${HADOOP_HOME}/tmp/dfs/name/current/目录生成几个文件，表示成功，如下：

image

3.6 启动各个服务

进入${HADOOP_HOME}目录

3.6.1 启动namenode
```
# 启动namenode
sbin/hadoop-daemon.sh start namenode
```
出现如下结果，表示启动成功
image

3.6.2 启动datanode
```
# 启动datanode
sbin/hadoop-daemon.sh start datanode
```
出现如下结果，表示启动成功
image

3.6.3 启动SecondaryNameNode

# 启动secondarynamenode
sbin/hadoop-daemon.sh start secondarynamenode

出现如下结果，表示启动成功

image

3.6.4 启动Resourcemanager
```
# 启动resourcemanager
sbin/yarn-daemon.sh start resourcemanager
```
出现如下结果，表示启动成功
image

3.6.5 启动nodemanager
```
# 启动nodemanager
sbin/yarn-daemon.sh start nodemanager
```
出现如下结果，表示启动成功
image

3.6.6 使用jsp命令查看是否启动成功
image

3.6.7 启动dfs服务和yarn服务的另外方式

# 开启dfs，包括namenode，datanode，secondarynamenode服务
sbin/start-dfs.sh 

# 开启yarn，包括resourcemanager，nodemanager
sbin/start-yarn.sh

# 开启所有的服务(过时)
sbin/start-all.sh

在执行启动时，需要输入用户密码

image

3.6.8 打开yarn的web页面

YARN的Web客户端端口号是8088，通过http://192.168.108.99:8088/可以查看。
image

3.7 运行MapReduce Job

在Hadoop的share目录中，自带jar包，里面有一些MapReduce的例子，位置在share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar。我们可以使用这些例子体验搭建好的Hadoop平台。我们以wordCount为例。

3.7.1 创建输入目录

# 进入${HADOOP_HOME}目录
cd ${HADOOP_HOME}

# 创建输入目录
bin/hdfs dfs -mkdir -p /wordcounttest/input

3.7.2 创建测试文件wc.input，内容如下：

在${HADOOP_HOME}目录下，创建一个data目录。在data目录下创建一个wc.input文件，文件内容：

# 创建data目录
mkdir data

# 进入data目录
cd data

# 创建wc.input
vim wc.input

# 在文件中输入，如下内容

hadoop mapreduce hive
hbase spark storm
sqoop hadoop hive
spark hadoop

3.7.3 将wc.input文件上传到HDFS的/wordcounttest/input目录下：
```
bin/hdfs dfs -put data/wc.input /wordcounttest/input
```
3.7.4 查看/wordcounttest/input目录
```
bin/hdfs dfs -ls /wordcounttest/input
```
image

3.7.5 运行WordCount MapReduce Job

bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount  /wordcounttest/input /wordcounttest/output

image

3.7.6 查看输出结果目录
```
bin/hdfs dfs -ls /wordcounttest/output
```
image
- output目录中有两个文件，_SUCCESS文件是空文件，有这个文件说明Job执行成功。
- part-r-00000文件是结果文件，其中-r-说明这个文件是Reduce阶段产生的结果。

3.7.7 查看输出文件结果

bin/hdfs dfs -cat /wordcounttest/output/part-r-00000

image

3.8 停止Hadoop服务

# 停止namenode
sbin/hadoop-daemon.sh stop namenode

# 停止datanode
sbin/hadoop-daemon.sh stop datanode

# 停止resourcemanager
sbin/yarn-daemon.sh stop resourcemanager
 停止nodemanager
sbin/yarn-daemon.sh stop nodemanager

停止Hadoop服务的其他方式

# 停止dfs服务
sbin/stop-dfs.sh

# 停止yarn服务
sbin/stop-yarn.sh


# 停止所有服务
sbin/stop-all.sh

image

注1：开启历史服务

sbin/mr-jobhistory-daemon.sh start historyserver

可以通过http://192.168.108.99:19888打开，可看到JobHistory页面

image

点击进去，可看见Job的详情页面。

image

注2：开启日志

hadoop默认不启动日志，我们可以在yarn-site.xml文件中配置启用日志。

1.log环境配置

<property>
    <!--是否启用日志-->
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<property>
    <!--设置日志保存时间,单位秒-->
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>106800</value>
</property>

2.重启Yarn进程

# 停止yarn服务
sbin/stop-yarn.sh

# 启动yarn服务
sbin/start-yarn.sh

3.重启HistoryServer进程

# 停止HistoryServer服务
sbin/mr-jobhistory-daemon.sh stop historyserver

# 开启HistoryServer服务
sbin/mr-jobhistory-daemon.sh start historyserver

4.测试日志，运行一个MapReduce的demo，产生日志

bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /wordcounttest/input /wordcounttest/output2

5.查看日志：

进入MapReduce的Job页面

image

点击进入log页面，如下

image

如果没有配置yarn-site.xml中的log配置，不会出现log，而是一串提示文字。

hadoop集群环境搭建之伪分布式集群环境搭建（一）