环境搭建-Hadoop集群搭建

写在前面，前面我们快速搭建好了centos的集群环境，接下来，我们就来开始hadoop的集群的搭建工作

实验环境
Hadoop版本：CDH 5.7.0
这里，我想说一下，我们我没有选择官方版本，是因为，cdh版本已经解决好了各个组件之间的依赖。因为，后面，我们还会使用更多hadoop家族里面的组件。cdh版本目前也是国内成产环境中使用最多的一个版本。

环境所需要的安装包我可以在我的百度云分享中获取到：
链接：http://pan.baidu.com/s/1c24gbUK 密码：8h1r

在开始正式安装hadoop之前，我们得配置集群SSH免密码登陆

配置/etc/hosts文件

添加上：

192.168.1.61 hadoop000
192.168.1.62 hadoop001
192.168.1.63 hadoop002

[root@localhost ~]# vim /etc/hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.
localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.
localdomain6192.168.1.61    hadoop000
192.168.1.62    hadoop001
192.168.1.63    hadoop002

每一台机器都要添加上哟！

这样的话，我们的服务器之间就是可以相互ping主机名ping通的了

开始配置集群SSH免密码登陆

在三台机器上配置对本机的ssh免密码登录

ssh-keygen -t rsa

生成本机的公钥，过程中不断敲回车即可

[root@localhost app]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):
Created directory '/root/.ssh'.
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
0b:9a:fb:86:9c:97:b8:6f:2a:d9:2e:6e:a2:3b:49:95 root@localhost.localdomain
The key's randomart image is:
+--[ RSA 2048]----+
|                 |
|                 |
|    .            |
|   E             |
|  .   . S        |
| .   o . .       |
|.. +o+ ..        |
|+ = *.=          |
|+*.+=Oo          |
+-----------------+
[root@localhost app]#

公钥复制为authorized_keys文件，

[root@localhost ~]# cd .ssh/
[root@localhost .ssh]# ls
id_rsa  id_rsa.pub
[root@localhost .ssh]# touch authorized_keys
[root@localhost .ssh]# cp id_rsa.pub authorized_keys
cp: overwrite `authorized_keys'? yes
[root@localhost .ssh]# ls
authorized_keys  id_rsa  id_rsa.pub
[root@localhost .ssh]# cat authorized_keys
ssh-rsa AAAAB3NzaC1yc2EAAAABIwAAAQEAxwB29J6IeubQq986jvCOss7luE0Kq1l5ayguovC7AzXtxVVzc8Tls0OmZ3UFddGI9YGPQSHn4Vlgh5LltmIlCWEz01s2sHXaIMA3hx6dMK9jYeOY1qJPpKMb+TyM5p2qkfFUj/uFYfW/jTLohQlXZpp5pGEH9bSsh+sS5EmLDRPYFFH89NU/fhUBmNrbY3QqWlBcM+dmxdHoAK/sVeMxurYolQ3Ws8DzGo0IhbOoMTkxEACiTkf72Nw+2ZtF1Bkv1gYRa6fEqm2GvalOjvDkgFhN6DiT12JtTOQ3B0ZR1o/94koQtRzhU0IMcrLMfFcGKqUisLS6mguO+0sCKqDXlQ== root@localhost.localdomain
[root@localhost .ssh]#
#这里的，每一步都是很重要的

此时使用ssh连接本机就不需要输入密码了（第一次例外）

[root@localhost .ssh]# ssh hadoop000
The authenticity of host 'hadoop000 (192.168.1.61)' can't be established.
RSA key fingerprint is d7:1b:23:6b:0f:80:26:cd:da:9f:89:75:f6:4d:50:4c.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'hadoop000,192.168.1.61' (RSA) to the list of known hosts.
Last login: Thu Nov 23 15:01:36 2017 from 192.168.1.9
[root@localhost ~]# logout
Connection to hadoop000 closed.
[root@localhost .ssh]# ssh hadoop000
Last login: Thu Nov 23 15:32:58 2017 from hadoop000
[root@localhost ~]#

其他两个服务器执行同样上述操作

配置hadoop000节点ssh免密码登录其余节点

ssh-copy-id -i hadoop001

[root@localhost .ssh]# ssh-copy-id -i hadoop001
The authenticity of host 'hadoop001 (192.168.1.62)' can't be established.
RSA key fingerprint is d3:ca:00:af:e5:40:0a:a6:9b:0d:a6:42:bc:22:48:66.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'hadoop001,192.168.1.62' (RSA) to the list of known hosts.
root@hadoop001's password:
Now try logging into the machine, with "ssh 'hadoop001'", and check in:.ssh/authorized_keysto make sure we haven't added extra keys that you weren't expecting.[root@localhost .ssh]#

测试：

[root@localhost .ssh]# ssh hadoop001
Last login: Thu Nov 23 14:25:48 2017 from 192.168.1.9
[root@localhost ~]# logout
Connection to hadoop001 closed.
[root@localhost .ssh]#
#免密码登录成功

好啦，前面讲了这么多，下面正式开始搭建Hadoop环境。

安装 Hadoop

1.我们首先得先下载软件，是把，这里我们直接从本地的软件包里面上传上去就好，当然，从官网下载也是可以的。

2.接着，就是解压到app目录下面去，修改文件名为hadoop

[root@localhost softwares]# ls
hadoop-2.6.0-cdh5.7.0.tar.gz  jdk-8u144-linux-x64.tar.gz
[root@localhost softwares]# tar -zxvf hadoop-2.6.0-cdh5.7.0.tar.gz -C ../app/

3.设置系统环境变量

[root@localhost hadoop]# vim ~/.bash_profile
# .bash_profile# Get the aliases and functions
if [ -f ~/.bashrc ]; then. ~/.bashrc
fiexport JAVA_HOME=/root/app/jdk1.8.0_144
export PATH=$JAVA_HOME/bin:$PATHexport HADOOP_HOME=/root/app/hadoop
export PATH=$HADOOP_HOME/bin:$PATH
export PATH=$HADOOP_HOME/sbin:$PATH

检验：

[root@localhost hadoop]# source ~/.bash_profile
[root@localhost hadoop]#
[root@localhost hadoop]# hadoop version
Hadoop 2.6.0-cdh5.7.0
Subversion http://github.com/cloudera/hadoop -r c00978c67b0d3fe9f3b896b5030741bd40bf541a
Compiled by jenkins on 2016-03-23T18:41Z
Compiled with protoc 2.5.0
From source with checksum b2eabfa328e763c88cb14168f9b372
This command was run using /root/app/hadoop/share/hadoop/common/hadoop-common-2.6.0-cdh5.7.0.jar
[root@localhost hadoop]#
#可以看见上面的输出结果，就说明没有问题了

如果你还不放心，可以检查一下yarn

[root@localhost hadoop]# yarn version
Hadoop 2.6.0-cdh5.7.0
Subversion http://github.com/cloudera/hadoop -r c00978c67b0d3fe9f3b896b5030741bd40bf541a
Compiled by jenkins on 2016-03-23T18:41Z
Compiled with protoc 2.5.0
From source with checksum b2eabfa328e763c88cb14168f9b372
This command was run using /root/app/hadoop/share/hadoop/common/hadoop-common-2.6.0-cdh5.7.0.jar
[root@localhost hadoop]#
#可以啦，到位

4.接下来，就是配置文件的书写

配置文件在：$HADOOP_HOME/etc/hadoop下

主要的修改的配置文件包括：core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves、hadoop-env.sh等

step4.1:hadoop-env.sh

配置hadoop的jdk环境

[root@localhost hadoop]# vim hadoop-env.sh

修改为# The java implementation to use.
export JAVA_HOME=/root/app/jdk1.8.0_144
保存退出

step4.2:core-site.xml

[root@localhost hadoop]# vim core-site.xml

添加上：

<property><name>fs.defaultFS</name><value>hdfs://hadoop000:8020</value></property>
<property><name>hadoop.tmp.dir</name>                        <value>/root/app/hadoop/data/tmp</value>
</property>

上面的保存退出就好

step4.3:hdfs-site.xml

添加上：

<property><name>dfs.name.dir</name><value>/root/app/hadoop/data/namenode</value>
</property>
<property><name>dfs.data.dir</name><value>/root/app/hadoop/data/datanode</value>
</property>
<property><name>dfs.tmp.dir</name><value>/root/app/hadoop/data/dfstmp</value>
</property>
<property><name>dfs.replication</name><value>3</value>
</property>

保存退出

step4.4:mapred-site.xml

[root@localhost hadoop]# cp mapred-site.xml.template mapred-site.xml
[root@localhost hadoop]#
[root@localhost hadoop]# vim mapred-site.xml

进去添加：

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

保存退出

step4.5:yarn-site.xml

进入添加：

<property><name>yarn.resourcemanager.hostname</name><value>sparkproject1</value>
</property>
<property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value>
</property>

保存退出

step4.6:slaves

配置我们的子节点：

[root@localhost hadoop]# vim slaves
hadoop000
hadoop001
hadoop002

说明：hadoop000在这里既是主节点，又是从节点

在另外两台服务器上搭建Hadoop环境

这里我们可以直接使用scp命令，将hadoop000的配置全部拷贝到另外的两台机器上去

[root@localhost ~]# scp -r ./* root@hadoop001:/root[root@localhost ~]# scp -r ./* root@hadoop002:/root
#会比较慢，稍等一下
[root@localhost ~]# scp -r ~/.bash_profile root@hadoop001:~/
.bash_profile                                         100%  359     0.4KB/s   00:00
[root@localhost ~]# scp -r ~/.bash_profile root@hadoop002:~/
.bash_profile                                         100%  359     0.4KB/s   00:00
[root@localhost ~]# 

在hadoop001和hadoop002分别source一下我们发送过去的配合文件

[root@localhost ~]# source ~/.bash_profile
[root@localhost ~]#

接下来，我们就可以开始我们的集群了

启动Hdfs集群

Hdfs是hadoop的分布式文件系统，简单来说，就是存放数据的。是海量数据！

1.格式化namenode

[root@localhost ~]# hdfs namenode -format

2.启动集群

使用jps命令查看一下：

可以看见hadoop主节点上开启了一个namenode和datanode
另外两个节点的datanode都也启起了

这时，我们也可以在windows机器上通过浏览器来查看集群的情况：

在浏览器中输入hadoop000:50070即可：(因为我在本机c盘的hosts文件中添加了主机名与ip地址的对应关系，你也可以直接使用ip+端口的形式)

点开上面：

就来到集群的根目录，这时，上面什么都没有，我们传一个东西上去

本地上传一个test1.txt的文件

[root@localhost ~]# cat test1.txt
Hello Hadoop
Hello BigData
Hello Tomorrow
[root@localhost ~]# hdfs dfs -put test1.txt /
17/11/23 17:16:29 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
[root@localhost ~]# 

刷新页面，文件就可以被看见啦；

要想查看文件的内容，可以把文件下在下来，关于hdfs就简单介绍到这儿，下面开始介绍yarn....

启动Yarn集群

在hadoop集群中，yarn扮演的是一个集群资源的管理与调度这么一个角色

输入命令：

[root@localhost hadoop]# start-yarn.sh
starting yarn daemons
starting resourcemanager, logging to /root/app/hadoop/logs/yarn-root-resourcemanager-localhost.localdomain.out
hadoop002: starting nodemanager, logging to /root/app/hadoop/logs/yarn-root-nodemanager-localhost.localdomain.out
hadoop001: starting nodemanager, logging to /root/app/hadoop/logs/yarn-root-nodemanager-localhost.localdomain.out
hadoop000: starting nodemanager, logging to /root/app/hadoop/logs/yarn-root-nodemanager-localhost.localdomain.out
[root@localhost hadoop]#

同样，jps查看进程：

可以看见，主节点多了两个进程出来，resourcemanager 和nodemanager,其余从节点多了nodemanger，，这个就是管理各个节点的资源的进程，都出现了，就说明启动成功，yarn也提供了web端，端口是8088，

在浏览器输入hadoop000:8088即可：

可以重点关注一下我上面的圈出的内容

我们可以开始一个简单的作业，测试一下

[root@localhost hadoop]# pwd
/root/app/hadoop/share/hadoop
[root@localhost hadoop]# hadoop jar mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3

上面的命令执行之后，计算pi的值，然后开始了一个mapreduce作业

过一会，就会输出结果

这个时候，你如果查看集群 ，会看见一个作业正在被执行：

输出结果：

可以看见pi的输出结果为4，虽然误差有点大。但是也是跑成功了一个作业。

到这里，我们的hadoop集群的搭建测试工作就已经完成了。不算是特别麻烦。你可以倒回去，再仔细看看，想想。慢慢的就会了。目前，我也只是刚接触大数据，有什么的错误的地方，可以给我留言。。祝你学习愉快！！