Hadoop Spark 集群简便安装总结

本人实际安装经验，目的是为以后高速安装。仅供自己參考。

一、Hadoop
1、操作系统一如既往：①setup关掉防火墙、②vi /etc/sysconfig/selinux，改SELINUX=disabled 。

(3)安装时自己定义不要JAVA。④系统安装后，直接创建用户hadoop，password同username。
2、ssh。①在master上以hadoop用户运行ssh-keygen。

②ssh-copy-id -i ~/.ssh/id_rsa.pub 主机2。③同2，传到其它主机。

这样，仅仅有master能控制其它主机。

3、上传我制作的包括：hadoop,spark,scala,jdk，以及hosts文件、profile文件的压缩文件。用命令scp sparkok.tar.gz 主机2:/home/hadoop ，并 tar -zxvf到当前文件夹 。
4、设置/etc/profile。这里一下在文件最后设置很多变量，方便等下复制到全部的机器，之后要source /etc/profile使之生效。

export JAVA_HOME=/opt/jdk
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export HADOOP_HOME=/home/hadoop/hadoop2.7
#export HBASE_HOME=/home/hadoop/hbase 
#export ZOOKEEPER_HOME=/home/hadoop/zookeeper 
export SCALA_HOME=/home/hadoop/scala 
export SPARK_HOME=/home/hadoop/spark 
#export KAFKA_HOME=/home/hadoop/kafka 
#export HIVE_HOME=/home/hadoop/hive 
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$SCALA_HOME/bin:$SPARK_HOME/bin

5、改动hadoop參数文件。在当中一台用户文件夹下解压hadoop，结果可如：hadoop2.7 。

hadoop会默认很多參数，假设是单机測试，甚至都不用改动參数。但我们是集群，须要改动几个必需的。默认配置能够查找 **default.xml，找到core-default.xml,hdfs-default.xml,mapred-default.xml,这些就是默认配置,能够參考这些配置的说明和key（网上也有默认：http://hadoop.apache.org/docs）。

以下是尽量少配。
（1）core-site.xml ，2个配置

<configuration>
<property>
  <name>hadoop.tmp.dir</name>
    <value>/home/hadoop/tmp</value>
    <description>配了这个。以后hdfs-site.xml就不用配data和name文件夹了。连建立都不用</description>
</property>

<property>
   <name>fs.defaultFS</name>
     <value>hdfs://master:9000</value>
     <description>这个也应该是必须的，并且必须写主机名，连IP都不行</description>
</property>
</configuration>

（2）hdfs-site.xml ，假设server大于3台就不用了

<configuration>
    <property>
      <name>dfs.replication</name>
        <value>2</value>
        <description>复制几份？默认3。假设大于3台server。就不用了 </description>
    </property>
</configuration>

（3）mapred-site.xml

<configuration>
 <property>
   <name>mapreduce.framework.name</name>
     <value>yarn</value>
       <description>The runtime framework for executing MapReduce jobs.
         Can be one of local, classic or yarn.默认是local。适合单机
       </description>
  </property>
</configuration>

（4）yarn-site.xml

<configuration>
<property>
    <description>既然选择了yarn，就得填,这个就是曾经的master配置了</description>
        <name>yarn.resourcemanager.hostname</name>
        <value>master</value>
</property> 
</configuration>

（5）slaves。 每行一个slave主机名。
（6）hadoop-env.sh 和 yarn-env.sh 。其内容尽管看着有JAVA_HOME的配置。但好像不生效。还得再写一遍JAVA_HOME配置。
以上尽管看起来非常多，但实际就是告诉他：数据的存放文件夹(core)。MR要用yarn，yarn的master是谁。如此而已。 把以上文件存起来，以后稍加改动后，就可反复利用了。
5、启动与測试
（1）格式化HDFS：$HADOOP_HOME/bin/hdfs namenode -format
（2）启动集群： $HADOOP_HOME/sbin/start-all.sh
（3）在master和slaver的sbin下运行jps。
（4）hdfs dfs -mkdir /xxx
hdfs dfs -ls /
6、UI訪问
（1）状态：netstat -nap | grep 54310
（2）http://master-ip:8088
NameNode：http://master-ip:50070
JobTracker：http://master-ip:50030

所以。安装简单来说就是：ssh、配JAVA_HOME / HADOOP_HOME等profile參数、配 数据存放文件夹 / MR要用yarn 及 master是谁 。
我还将上面涉及到的文件打包成文件，可 下载 反复使用。

以上是Hadoop的配置。

二、SPARK 安装
1、下载scala，这个是spark的安装前提条件。解压到每台机器，能够和上面的hadoop一个用户和文件夹。至于profile。上面已经一次性写完了。所以这次都不用写了，好方便吧^_^
2、spark下载并解压，profile也不用重写了。须要改conf文件夹下的配置：
（1）slaves 文件。每行一个IP地址或主机名。

（2）运行 mv spark-env.sh.template spark-env.sh ：JAVA_HOME仍然必须填。

export JAVA_HOME=/opt/jdk18
export SCALA_HOME=/home/spark/opt/scala-2.11.4 #这行我没写也行
export SPARK_MASTER_IP=192.168.128.131
export SPARK_WORKER_MEMORY=2g
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop

3、然后将此文件复制到各个server上即可了。

4、启动和測试：
（1）和hadoop一样： /sbin/start-all.sh
（2）master:8080
SPARK安装就是：配scala，SPARK_MASTER_IP 。HADOOP_CONF_DIR ，slaves 。

就是这么简单，当然不管哪个，都不要忘了写JAVA_HOME到配置文件。

                                      河南省公安厅：党玉龙