zoukankan html css js c++ java

hadoop2集群环境搭建

在查询了很多资料以后，发现国内外没有一篇关于hadoop2集群环境搭建的详细步骤的文章。

所以，我想把我知道的分享给大家，方便大家交流。

以下是本文的大纲：

1. 在windows7 下面安装虚拟机
2.在虚拟机上面安装linux操作系统
3.启动Linux操作系统
4.修改hostname
4.1.在node1上面修改hostname
4.2.在node2上面修改hostname
4.3.在node3上面修改hostname
4.4.在node4上面修改hostname
4.5.重启4台机器，hostname会永久生效
5.安装JDK
6.免密码登录
7.Linux域名解析配置
8.Windows域名解析配置
9.节点分布方案
10.zookeeper的解压缩和安装
11.Hadoop压缩包安装
11.1.修改hadoop-evn.sh
11.2.修改hdfs-site.xml
11.3.修改core-site.xml
11.4.配置datanode
12.在node2， node3， node4上安装hadoop
13.启动JournalNodes
14.在第一个namenode（node1）上面进行格式化操作并启动namenode
15.拷贝拷贝元数据文件到第二个namenode
16.格式化zookeeper
17.停止所有服务

18.配置mapreduce
19.启动所有服务
20.测试是否成功
21.上传文件测试

若有不正之处，还请多多谅解，并希望批评指正。

请尊重作者劳动成果，转发请标明blog地址

https://www.cnblogs.com/hongten/p/hongten_hadoop.html

正所谓磨刀不费砍材功，下面的工具大家可以先下载备用。

环境及工具：

Windows 7 （64位）下面的虚拟机（64位）：VMware-workstation-full-14.0.0-6661328.exe

Linux操作系统：CentOS-6.5-x86_64-bin-DVD1.iso

Xshell：Xshell-6.0.0101p.exe

WinSCP：从windows上面上传文件到Linux

JDK：jdk-7u67-linux-x64.rpm

zookeeper：zookeeper-3.4.6.tar.gz

hadoop：hadoop-2.5.1_x64.tar.gz

链接：https://pan.baidu.com/s/1hvdbGUh488Gl1EF2v44BIw
提取码：ncdd

在做好准备工作后，我们就可以来手动搭建hadoop集群

1. 在windows7 下面安装虚拟机

安装说明已经激活码请点击上面虚拟机链接。

VMware Workstation Pro v14.0

*注：上述链接提供的安装包仅支持Windows 7及以上操作系统的64位版，已经不支持32位版的操作系统！

激活码：FF31K-AHZD1-H8ETZ-8WWEZ-WUUVA

2.在虚拟机上面安装linux操作系统

这里我把RedHat，Ubuntu，CentOS都安装过了，最后感觉CentOS好用一点（个人觉得，哈哈哈）

CentOS-6.5-x86_64-bin-DVD1.iso
  After the installation is complete, please run "yum update" in order to update your system.

安装好Linux后，需要运行 'yum update' 命令。这里是需要花一点时间的，（我花了大概十多分钟的样子来执行yum update）。

在虚拟机里面，我安装了4台相同配置的CentOS。

3.启动Linux操作系统

在虚拟机里面启动4台机器。然后都以root账号进行登录。

启动完以后，我们要记录各个node（节点）ip地址（下面是我机器上面的ip地址情况）

//四台Linux的ip地址
192.168.79.133 node1
192.168.79.134 node2
192.168.79.135 node3
192.168.79.136 node4

*注：在Linux里面查看ip的命令是ifconfig

//在node4上面的ip地址情况
[root@node4 ~]# ifconfig
eth0      Link encap:Ethernet  HWaddr 00:0C:29:80:01:39  
          inet addr:192.168.79.136  Bcast:192.168.79.255  Mask:255.255.255.0
          inet6 addr: fe80::20c:29ff:fe80:139/64 Scope:Link
          UP BROADCAST RUNNING MULTICAST  MTU:1500  Metric:1
          RX packets:201532 errors:0 dropped:0 overruns:0 frame:0
          TX packets:27023 errors:0 dropped:0 overruns:0 carrier:0
          collisions:0 txqueuelen:1000 
          RX bytes:275203684 (262.4 MiB)  TX bytes:4283436 (4.0 MiB)

lo        Link encap:Local Loopback  
          inet addr:127.0.0.1  Mask:255.0.0.0
          inet6 addr: ::1/128 Scope:Host
          UP LOOPBACK RUNNING  MTU:65536  Metric:1
          RX packets:18 errors:0 dropped:0 overruns:0 frame:0
          TX packets:18 errors:0 dropped:0 overruns:0 carrier:0
          collisions:0 txqueuelen:0 
          RX bytes:1064 (1.0 KiB)  TX bytes:1064 (1.0 KiB)

You have new mail in /var/spool/mail/root

4.修改hostname

刚开始的时候，我们在4台机器上看到的都是如下的hostname

[root@localhost ~]

我们现在要把他们修改为

[root@node1 ~]
[root@node2 ~]
[root@node3 ~]
[root@node4 ~]

我们为什么要修改hostname呢？

因为我们要在下面的配置文件里面添加这些节点名称，如node1，node2，node3， node4.

那么我们应该怎样做呢？下面给出了方法。

4.1.在node1上面修改hostname

--http://www.cnblogs.com/kerrycode/p/3595724.html（深入理解Linux修改hostname）
--在node1上面运行
vi /etc/sysconfig/network
--设置hostname=node1
:qw

--再运行
sysctl kernel.hostname=node1

4.2.在node2上面修改hostname

--http://www.cnblogs.com/kerrycode/p/3595724.html（深入理解Linux修改hostname）
--在node2上面运行
vi /etc/sysconfig/network
--设置hostname=node2
:qw

--再运行
sysctl kernel.hostname=node2

4.3.在node3上面修改hostname

--http://www.cnblogs.com/kerrycode/p/3595724.html（深入理解Linux修改hostname）
--在node3上面运行
vi /etc/sysconfig/network
--设置hostname=node3
:qw

--再运行
sysctl kernel.hostname=node3

4.4.在node4上面修改hostname

--http://www.cnblogs.com/kerrycode/p/3595724.html（深入理解Linux修改hostname）
--在node4上面运行
vi /etc/sysconfig/network
--设置hostname=node4
:qw

--再运行
sysctl kernel.hostname=node4

4.5.重启4台机器，hostname会永久生效

*注：在Linux里面查看ip情况，看看是否有变化。如果有变化，则调整相应的ip所对应的节点。

--我虚拟机里面的ip情况
192.168.79.133 node1
192.168.79.134 node2
192.168.79.135 node3
192.168.79.136 node4

5.安装JDK

把我们下载好的jdk-7u67-linux-x64.rpm通过WinSCP上传到4台机器的根目录上。

--在node1， node2， node3， node4上面安装jdk
--install JDK   -- http://blog.51cto.com/vvxyz/1642258（LInux安装jdk的三种方法）
--解压安装
rpm -ivh your-package.rpm

--修改环境变量
vi /etc/profile

JAVA_HOME=/usr/java/jdk1.7.0_67
JRE_HOME=/usr/java/jdk1.7.0_67/jre
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
export JAVA_HOME JRE_HOME CLASS_PATH PATH

:wq

--使配置有效
source /etc/profile

*注：在4个节点上都要安装JDK。

6.免密码登录

--免密码登录
--分别在node1， node2， node3， node4,上面运行
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys

--在node1上面运行，拷贝node1的公钥到node2，node3，node4上面的根目录里面去
scp id_rsa.pub root@node2:~
scp id_rsa.pub root@node3:~
scp id_rsa.pub root@node4:~

--分别进入node2， node3， node4运行，把node1的公钥追加到~/.ssh/authorized_keys文件里面
cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

--测试
--在node1上面运行下面命令，应该都能够免密码登录，即成功。
ssh node1
ssh node2
ssh node3
ssh node4

*注：我在这里遇到很多坑，最后还是搞定了。

7.Linux域名解析配置

--修改域名解析conf hosts
--在node1上面运行下面命令
vi /etc/hosts

--根据自己机器上面的ip进行配置
192.168.79.134 node1
192.168.79.135 node2
192.168.79.133 node3
192.168.79.136 node4

:wq

--copy hosts file to node2, node3, node4
scp /etc/hosts root@node2:/etc/
scp /etc/hosts root@node3:/etc/
scp /etc/hosts root@node4:/etc/

8.Windows域名解析配置

--windows 域名解析
--打开C:/WINDOWS/system32/drivers/etc/hosts文件
--把下面的信息复制到文件最后尾 -- 根据自己机器ip进行配置
192.168.79.134 node1
192.168.79.135 node2
192.168.79.133 node3
192.168.79.136 node4

为什么要做这个呢？

因为下面我们会在浏览器里面输入http:node1:50070进行测试，就会用到这个配置了。

9.节点分布方案

*注：打钩的表示在该节点上有相对应的服务。

10.zookeeper的解压缩和安装

--解压zookeeper压缩包并安装
tar -zxvf zookeeper-3.4.6.tar.gz 

--创建zookeeper的软链
ln -sf /root/zookeeper-3.4.6 /home/zk

--配置zookeeper
cd /home/zk/conf/

--把下面的zoo_sample.cfg文件重新命名
cp zoo_sample.cfg zoo.cfg

--修改zoo.cfg配置文件
vi zoo.cfg

--设置zookeeper的文件存放目录
--找到dataDir=/tmp/zookeeper，并设置为下面值
dataDir=/opt/zookeeper

--设置zookeeper集群
server.1=node1:2888:3888
server.2=node2:2888:3888
server.3=node3:2888:3888

:wq

--创建/opt/zookeeper目录
mkdir /opt/zookeeper

--进入/opt/zookeeper目录
cd /opt/zookeeper

--创建一个文件myid
vi myid

--输入1
1
：wq
--以此类推，在node2，node3，值分别是2， 3

--拷贝zookeeper目录到node2， node3的/opt/目录下面
cd ..
scp -r zookeeper/ root@node2:/opt/
scp -r zookeeper/ root@node3:/opt/

--分别进入到node2， node3里面，修改/opt/zookeeper/myid，值分别是2， 3

--作为以上配置，把node1里面的zookeeper拷贝到node2， node3上面。
scp -r zookeeper-3.4.6 root@node2:~/
scp -r zookeeper-3.4.6 root@node3:~/

--分别进入到node2， node3里面，创建软链
ln -sf /root/zookeeper-3.4.6/ /home/zk

--配置zookeeper环境变量
cd /home/zk/bin

--修改/etc/profile文件，把zookeeper的bin目录路径添加进去
vi /etc/profile
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin:/home/zk/bin

--让配置文件生效
source /etc/profile

--分别进入到node2， node3里面，修改/etc/profile文件，把zookeeper的bin目录路径添加进去

--作为环境变量配置，就可以启动zookeeper了。
--分别在node1， node2， node3上面启动zookeeper
zkServer.sh start

--测试是否启动成功
jps
--观察是否有QuorumPeerMain进程

注：这里一定要让Zookeeper启动着。

11.Hadoop压缩包安装

--解压Hadoop压缩包安装
--在node1上面安装
tar -zxvf hadoop-2.5.1_x64.tar.gz

--解压完，创建一个软链到home目录下面
ln -sf /root/hadoop-2.5.1 /home/hadoop-2.5

--进入hadoop中进行文件配置
cd /home/hadoop-2.5/etc/hadoop/

11.1.修改hadoop-evn.sh

--1.修改hadoop-evn.sh
--修改JAVA_HOME配置
vi hadoop-env.sh

--The java implementation to use. 根据上面JDK的配置信息
export JAVA_HOME=/usr/java/jdk1.7.0_67

:wq

11.2.修改hdfs-site.xml

--2.修改hdfs-site.xml
vi hdfs-site.xml

--2.1.配置dfs.nameservices - the logical name for this new nameservice
--服务名称
<property>
  <name>dfs.nameservices</name>
  <value>mycluster</value>
</property>

--2.2.配置namenode节点名称。这里的名称是namenode的名称，不是主机名（hostname)。
<property>
  <name>dfs.ha.namenodes.mycluster</name>
  <value>nn1,nn2</value>
</property>

--2.3.配置RPC协议和端口
--有多少namenode，就需要配置多少次。
<property>
  <name>dfs.namenode.rpc-address.mycluster.nn1</name>
  <value>node1:8020</value>
</property>
<property>
  <name>dfs.namenode.rpc-address.mycluster.nn2</name>
  <value>node2:8020</value>
</property>

--2.4.配置HTTP协议和主机
--这里也是针对上面的namenode
--有多少namenode，就需要配置多少次。
<property>
  <name>dfs.namenode.http-address.mycluster.nn1</name>
  <value>node1:50070</value>
</property>
<property>
  <name>dfs.namenode.http-address.mycluster.nn2</name>
  <value>node2:50070</value>
</property>

--2.5.配置dfs.namenode.shared.edits.dir
--the URI which identifies the group of JNs(JournalNodes) where the NameNodes will write/read edits
<property>
  <name>dfs.namenode.shared.edits.dir</name>
  <value>qjournal://node2:8485;node3:8485;node4:8485/mycluster</value>
</property>

--2.6.配置客户端使用的一个类，固定配置
--作用：客户端使用该类去找到active namenode
<property>
  <name>dfs.client.failover.proxy.provider.mycluster</name>
  <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>

--2.7.配置sshfence
--这里配置的私钥路径，是根据上面免密登录设置的路径
--ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
<property>
  <name>dfs.ha.fencing.methods</name>
  <value>sshfence</value>
</property>

<property>
  <name>dfs.ha.fencing.ssh.private-key-files</name>
  <value>/root/.ssh/id_rsa</value>
</property>

--2.8.配置JournalNodes的工作目录
<property>
  <name>dfs.journalnode.edits.dir</name>
  <value>/opt/jn/data</value>
</property>

--------
--以上基本配置完成
--下面进行自动切换配置

--2.9.配置自动切换
--自动切换配置好了以后，可以允许手动切换
<property>
  <name>dfs.ha.automatic-failover.enabled</name>
  <value>true</value>
</property>

:wq

下面是完整的配置信息（hdfs-site.xml配置）

<configuration>
<property>
  <name>dfs.nameservices</name>
  <value>mycluster</value>
</property>

<property>
  <name>dfs.ha.namenodes.mycluster</name>
  <value>nn1,nn2</value>
</property>

<property>
  <name>dfs.ha.namenodes.mycluster</name>
  <value>nn1,nn2</value>
</property>

<property>
  <name>dfs.namenode.rpc-address.mycluster.nn1</name>
  <value>node1:8020</value>
</property>
<property>
  <name>dfs.namenode.rpc-address.mycluster.nn2</name>
  <value>node2:8020</value>
</property>

<property>
  <name>dfs.namenode.http-address.mycluster.nn1</name>
  <value>node1:50070</value>
</property>
<property>
  <name>dfs.namenode.http-address.mycluster.nn2</name>
  <value>node2:50070</value>
</property>

<property>
  <name>dfs.namenode.shared.edits.dir</name>
  <value>qjournal://node2:8485;node3:8485;node4:8485/mycluster</value>
</property>

<property>
  <name>dfs.client.failover.proxy.provider.mycluster</name>
  <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>

<property>
  <name>dfs.ha.fencing.methods</name>
  <value>sshfence</value>
</property>

<property>
  <name>dfs.ha.fencing.ssh.private-key-files</name>
  <value>/root/.ssh/id_rsa</value>
</property>

<property>
  <name>dfs.journalnode.edits.dir</name>
  <value>/opt/jn/data</value>
</property>

<property>
  <name>dfs.ha.automatic-failover.enabled</name>
  <value>true</value>
</property>
</configuration>

11.3.修改core-site.xml

--修改core-site.xml
vi core-site.xml

--3.1.配置namenode入口
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://mycluster</value>
</property>

--3.2.配置ZooKeeper集群
<property>
  <name>ha.zookeeper.quorum</name>
  <value>node1:2181,node2:2181,node3:2181</value>
</property>

--3.3.修改hadoop的临时目录
<property>
  <name>hadoop.tmp.dir</name>
  <value>/opt/hadoop2</value>
</property>

:wq

下面是完整的配置信息（core-site.xml配置）

<configuration>
<property>
  <name>fs.defaultFS</name>
  <value>hdfs://mycluster</value>
</property>

<property>
  <name>ha.zookeeper.quorum</name>
  <value>node1:2181,node2:2181,node3:2181</value>
</property>

<property>
  <name>hadoop.tmp.dir</name>
  <value>/opt/hadoop2</value>
</property>
</configuration>

11.4.配置datanode

cd /home/hadoop-2.5/etc/hadoop/

vi slaves
--输入
node2
node3
node4

:wq

*注：以上为hadoop的配置

12.在node2， node3， node4上安装hadnoop

--拷贝hadoop到node2， node3， node4上去
scp hadoop-2.5.1_x64.tar.gz root@node2:~/
scp hadoop-2.5.1_x64.tar.gz root@node3:~/
scp hadoop-2.5.1_x64.tar.gz root@node4:~/

--然后分别进入到node2，node3， node4上面去解压缩文件，分别创建软链
cd ~
tar -zxvf hadoop-2.5.1_x64.tar.gz

ln -sf /root/hadoop-2.5.1 /home/hadoop-2.5

--回到node1， 进入到/home/hadoop-2.5/etc/hadoop/目录
cd /home/hadoop-2.5/etc/hadoop/


--把所有配置文件拷贝到node2，node3， node4上面的/home/hadoop-2.5/etc/hadoop/目录下面
--这样做的目的是保证，所有机器上面的配置文件都一样
scp ./* root@node2:/home/hadoop-2.5/etc/hadoop/
scp ./* root@node3:/home/hadoop-2.5/etc/hadoop/
scp ./* root@node4:/home/hadoop-2.5/etc/hadoop/

13.启动JournalNodes

--做完这些后，就可以启动JournalNodes
--去到node2， node3， node4
cd /home/hadoop-2.5/sbin/

./hadoop-daemon.sh start journalnode

--检查是否启动成功：
jps
--检查是否有：JournalNode

14.在第一个namenode（node1）上面进行格式化操作并启动namenode

--在第一个namenode上面进行格式化操作
--进入node1
cd /home/hadoop-2.5/bin

--进入node1,node2,node3,node4关闭防火墙........这一步很关键......
service iptables stop


./hdfs namenode -format

--格式化成功后，会在/opt/hadoop2/dfs/name/current/目录下面生成元数据文件
cd /opt/hadoop2/dfs/name/current


--需要把元数据文件拷贝到第二个namenode上面去。
--在拷贝之前，需要启动刚刚格式化后的namenode（node1）
cd /home/hadoop-2.5/sbin/

./hadoop-daemon.sh start namenode

--查看是否启动成功
jps
--检查是否包含：NameNode

15.拷贝拷贝元数据文件到第二个namenode

--然后去到node2上去。要保证第一个（即格式化后的namenode（node1）要先启动--运行着的状态）
--执行拷贝元数据文件命令

cd /home/hadoop-2.5/bin/

./hdfs namenode -bootstrapStandby

--检查是否拷贝成功：
cd /opt/hadoop2/dfs/name/current/

--查看是否有元数据
ls

16.格式化zookeeper

--格式化zookeeper
cd /home/hadoop-2.5/bin/

./hdfs zkfc -formatZK

注：这里只需要在node1上面进行操作。

17.停止所有服务

--如果都完成，在node1上面
cd /home/hadoop-2.5/sbin/

--停止所有服务
./stop-dfs.sh

18.配置mapreduce

--配置mapreduce
cd /home/hadoop-2.5/etc/hadoop/

--复制/创建mapred-site.xml
cp mapred-site.xml.template mapred-site.xml

--修改mapred-site.xml
vi mapred-site.xml

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

:wq

--修改yarn-site.xml
vi yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>node1</value>
</property>
<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>
</configuration>

:wq

注：在node1上面修改完后，分发两个xml文件到node2,node3,node4.

19.启动所有服务

--然后启动所有服务,在node1上面
cd /home/hadoop-2.5/sbin/
./start-all.sh

*注：下面是我机器上面的运行结果

[root@node1 sbin]# ./start-all.sh 
This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh
Starting namenodes on [node1 node2]
node1: starting namenode, logging to /root/hadoop-2.5.1/logs/hadoop-root-namenode-node1.out
node2: starting namenode, logging to /root/hadoop-2.5.1/logs/hadoop-root-namenode-node2.out
node3: starting datanode, logging to /root/hadoop-2.5.1/logs/hadoop-root-datanode-node3.out
node2: starting datanode, logging to /root/hadoop-2.5.1/logs/hadoop-root-datanode-node2.out
node4: starting datanode, logging to /root/hadoop-2.5.1/logs/hadoop-root-datanode-node4.out
Starting journal nodes [node2 node3 node4]
node2: starting journalnode, logging to /root/hadoop-2.5.1/logs/hadoop-root-journalnode-node2.out
node3: starting journalnode, logging to /root/hadoop-2.5.1/logs/hadoop-root-journalnode-node3.out
node4: starting journalnode, logging to /root/hadoop-2.5.1/logs/hadoop-root-journalnode-node4.out
Starting ZK Failover Controllers on NN hosts [node1 node2]
node2: starting zkfc, logging to /root/hadoop-2.5.1/logs/hadoop-root-zkfc-node2.out
node1: starting zkfc, logging to /root/hadoop-2.5.1/logs/hadoop-root-zkfc-node1.out
starting yarn daemons
starting resourcemanager, logging to /root/hadoop-2.5.1/logs/yarn-root-resourcemanager-node1.out
node3: starting nodemanager, logging to /root/hadoop-2.5.1/logs/yarn-root-nodemanager-node3.out
node4: starting nodemanager, logging to /root/hadoop-2.5.1/logs/yarn-root-nodemanager-node4.out
node2: starting nodemanager, logging to /root/hadoop-2.5.1/logs/yarn-root-nodemanager-node2.out

20.测试是否成功

--打开windows上面的浏览器
--输入：
http://node1:50070
--输入：
http://node2:50070

--可以看到hadoop启动成功

node运行结果（standby）：

node2运行结果（active）：

21.上传文件测试

--上传文件测试：
cd /home/hadoop-2.5/bin/

--创建上传文件目录
./hdfs dfs -mkdir -p /usr/file

--这里上传的文件是jdk-7u67-linux-x64.rpm
./hdfs dfs -put /root/jdk-7u67-linux-x64.rpm /usr/file

--在浏览器上面查看是否上传文件成功。

点击Name

到这里我们的hadoop集群环境成功搭建完成。

========================================================