Hadoop之集群搭建

准备

• 需要准备多台主机（已经安装并且配置好hadoop和jdk）
• 需要配置ssh免密服务

下面我们开始进行配置，拿到已经准备好的主机，主机名分别为：

• centos101
• centos102
• centos103

先说下为什么需要进行ssh免密码配置：

　　我们在操作集群时，经常需要在各台主机上进行数据传输、主机切换等工作，如果直接进行切换等操作需要每次输入密码，当操作频繁

　　时，就显得很复杂，所以需要配置ssh免密码，让主机间自动检验账号密码。

主机间进行ssh通信的原理图

配置ssh免密

①在主机centos101上访问其它主机，保证有访问记录，访问记录存在 /home/ljm/.ssh下的known_hosts文件中

　用命令：ssh 主机      访问过的记录都在该文件中

　

②生成密钥，产生本台主机的公钥和私钥

　命令：ssh-keygen -t rsa  ， 一直回车        生成了三个新文件

• authorized_keys：保存已经注册过的主机（即把公钥备份到本机的其它主机）
• id_rsa ：私钥
• id_rsa.pub ： 公钥

　

③将公钥复制到其它主机，复制时按照known_hosts中访问记录进行自动复制，复制后保存在其他主机的authorized_keys文件中

　命令： ssh-copy-id 主机

　以下是centos103主机的authorized_keys文件,可以看出centos101和centos102对它注册过

　

 到这里已经完成了centos101对centos102和cenot103的免密配置了

 注意：

　　①本主机也要对本主机注册，简单说，就是哪里需要免密就配置到哪里

　　②同一台主机上的不同用户配置不同（如user用户配置了ssh免密，root用户并没有权利使用它的配置）

　　③两台主机间只要一方往另一方配置了，双方便可以相互免密访问

 我三台主机的ssh配置结构如下：

　

配置hadoop集群

我的集群结构图：

基本配置文件（这些配置在hadoop根目录/etc/hadoop下）：

• core-site.xml配置
• HDFS配置（hadoop-env.sh   hdfs-site.xml   slaves）
• YARN配置 （yarn-env.sh  yarn-site.xml）
• MapReduce配置（mapred-env.sh  mapred-site.xml）

 ①配置core-site.xml

　每台主机都需要配置该文件，内容如下：

<configuration>
    <!-- 指定HDFS中NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://centos101:8020</value>
    </property>

    <!-- 指定hadoop运行时产生文件的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp</value>   //缓存目录
    </property>
</configuration>

②HDFS配置

　每台主机都配置 hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_131  //jdk路径

　只有主机centos101配置hdfs-site.xml，其它主机清空<configuration></configuration>中内容

<configuration>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>centos103:50090</value>
    </property>
</configuration>

　只有主机centos101配置slaves，该文件默认localhost，centos101中slaves指定生成子节点datanode的主机

　注意：格式要求严格，有空格都会导致出错

centos102
centos103

③YARN配置

　每台主机都配置 yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_131   //jdk路径

　只有主机centos101配置yarn-site.xml，其它主机清空<configuration></configuration>中内容

　注意：yarn.resourcemanager.hostname指的是生成resourcemanager的节点主机，启动resourcemanager时必须在指定的主机启动

　　　　例如下面的配置，只能在主机centos102上启动resourcemanager

<configuration>
    <!-- Site specific YARN configuration properties -->
    <!-- reducer获取数据的方式 -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定YARN的ResourceManager的地址 -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>centos102</value>
    </property>
</configuration>

④MapReduce的配置

　　每台主机都配置 mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_131   //jdk路径

　　只有主机centos101配置mapred-site.xml，其它主机清空<configuration></configuration>中内容

　　注意：mapred-site.xml并没有，需要将mapred-site-template.xml改为mapred-site.xml再进行配置

    <!--指定mr运行在yarn上-->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>

到这里，一个简单的集群已经配置好了，下面去启动集群吧！

启动集群

①将每台主机上的缓存文件夹和logs文件删除，我的配置中为 ： /opt/module/hadoop-2.7.2/data/tmp

②初始化主节点centos101，命令：bin/hdfs namenode -format

③主节点上开启HDFS    命令：sbin/start-dfs.sh

④在指定生成resourcemanager的节点主机上，开启YARN   命令： sbin/start-yarn.sh

⑤用jps到每台主机上查看是否启动成功