分布式平台搭建
- acmore
- 2018.6.17
1. 搭建Hadoop
以下操作皆基于Ubuntu 16.04 32位环境 & Hadoop 2.7.3版本
1.1 单节点环境
- 首先安装相关的准备环境
$ sudo apt update
$ sudo apt install -y default-jdk
$ sudo apt install -y vim
$ sudo apt install -y openssh-server
- 配置JAVA_HOME
- 一般来说Ubuntu平台上通过default-jdk安装的java位置在
/usr/lib/jvm/default-jdk目录 - 在
/etc/profile中添加下边两行内容并保存退出
export JAVA_HOME=/usr/lib/jvm/default-java export PATH=$PATH:$JAVA_HOME/bin - 一般来说Ubuntu平台上通过default-jdk安装的java位置在
- 添加用户和用户组
$ sudo addgroup hadoop
$ sudo adduser --ingroup hadoop hduser
$ sudo usermod -a -G sudo hduser
- 配置ssh
- 切换到hduser，并执行以下操作
$ ssh-keygen -t rsa -P "" $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys- 之后尝试使用下边的命令连接本机，这个操作也会将本机加入到known hosts里
$ ssh localhost - 安装Hadoop
- 下载hadoop-2.7.3.tar.gz，以下假定工作目录为
/home/hduser
$ tar -zxvf hadoop-2.7.3.tar.gz $ mv hadoop-2.7.3/ hadoop/ $ sudo chown -R hduser:hadoop hadoop - 下载hadoop-2.7.3.tar.gz，以下假定工作目录为
- 编辑bash配置
- 打开.bashrc，加入以下内容（也可以修改
/etc/profile，但是使用.bashrc更加灵活）
export JAVA_HOME=/usr/lib/jvm/default-java export HADOOP_HOME=/home/hduser/hadoop export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin - 打开.bashrc，加入以下内容（也可以修改
- 配置Hadoop（不同版本的hadoop的配置方案会有不同，配置之前记得要确定版本）
- 修改
~/hadoop/etc/hadoop/hadoop-env.sh，在文件中添加下边的内容
export JAVA_HOME=/usr/lib/jvm/default-java- 修改
~/hadoop/etc/hadoop/yarn-env.sh，在文件中添加下边的内容
export JAVA_HOME=/usr/lib/jvm/default-java- 修改
~/hadoop/etc/hadoop/core-site.xml- 执行以下命令
$ sudo mkdir -p /home/hduser/tmp $ sudo chown hduser:hadoop /home/hduser/tmp $ sudo chmod 750 /home/hduser/tmp- 在core-site.xml添加以下内容（各个属性的内容可以按照实际情况修改）
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://master:9000</value> </property> <property> <name>io.file.buffer.size</name> <value>131072</value> </property> <property> <name>hadoop.tmp.dir</name> <value>file:/home/hduser/tmp</value> <description>Abase for other temporary directories.</description> </property> <property> <name>hadoop.proxyuser.hduser.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.hduser.groups</name> <value>*</value> </property> </configuration> - 修改
~/hadoop/etc/hadoop/hdfs-site.xml，添加以下内容（各个属性的内容可以按照实际情况修改）- 执行以下命令
$ sudo mkdir -p /home/hduser/dfs/name $ sudo chown hduser:hadoop /home/hduser/dfs/name $ sudo chmod 750 /home/hduser/dfs/name $ sudo mkdir -p /home/hduser/dfs/data $ sudo chown hduser:hadoop /home/hduser/dfs/data $ sudo chmod 750 /home/hduser/dfs/data- 在hdfs-site.xml中添加以下内容
<configuration> <property> <name>dfs.namenode.secondary.http-address</name> <value>master:9001</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/home/hduser/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/home/hduser/dfs/data</value> </property> <property> <name>dfs.replication</name> <value>3</value> </property> <property> <name>dfs.webhdfs.enabled</name> <value>true</value> </property> </configuration> - 修改
~/hadoop/etc/hadoop/mapred-site.xml，添加以下内容（各个属性的内容可以按照实际情况修改）
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>master:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>master:19888</value> </property> </configuration>- 修改
~/hadoop/etc/hadoop/yarn-site.xml（各个属性的内容可以按照实际情况修改）
<configuration> <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> <property> <name>yarn.resourcemanager.address</name> <value> master:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value> master:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value> master:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value> master:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value> master:8088</value> </property> </configuration> - 修改
- 格式化Namenode
- 进入
~/hadoop/bin目录下，执行以下操作
$ ./hdfs namenode –format - 进入
- 启动hadoop
- 在
~/hadoop/sbin执行以下命令
$ ./start-dfs.sh $ ./start-yarn.sh- 之后通过
jps命令可以看到以下结果，说明启动成功
13058 Jps 13026 NodeManager 12916 ResourceManager 12169 DataNode - 在
1.2 集群环境
此处默认master和slave已经按照单机节点配置完成
- 设置网络
- 我的例子是一台master一台slave，分别确定两者的ip，然后在两台机器的
/etc/hosts中写入以下内容
192.168.0.1 master 192.168.0.2 slave - 我的例子是一台master一台slave，分别确定两者的ip，然后在两台机器的
- 配置ssh免密登录
- 在master上执行以下命令
$ ssh-copy-id -i ~/.ssh/id_rsa.pub hduser@slave- 在slave上执行以下命令
$ ssh-copy-id -i ~/.ssh/id_rsa.pub hduser@master- 之后两方互相登录测试一下是否可以免密登录
- 配置
~/hadoop/etc/hadoop/slaves- 在master机器的slaves文件中添加以下内容
master slave - 格式化Namenode
- 进入master的
~/hadoop/bin目录下，执行以下操作
$ ./hdfs namenode –format - 进入master的
- 启动hadoop
- 在master的
~/hadoop/sbin执行以下命令
$ ./start-dfs.sh $ ./start-yarn.sh- 之后通过
jps命令可以看到以下结果，说明启动成功- master中
4048 Jps 3899 ResourceManager 4013 NodeManager 3726 SecondaryNameNode 3423 NameNode 3535 DataNode- slave中
2754 DataNode 3012 Jps 2903 NodeManager
- 在master的
2. 搭建Spark
2.1 Spark平台
- 下载Spark
- 在这里下载和hadoop版本对应的spark，假定工作目录为
/home/hduser - 进行如下操作解压压缩包（每个节点都要进行）
$ tar -zxvf spark-2.3.1-bin-hadoop2.7.tgz - 在这里下载和hadoop版本对应的spark，假定工作目录为
- 配置
~/.bashrc文件- 在.bashrc文件中添加以下内容（每个节点都要添加）
export SPARK_HOME=/home/hduser/spark export PATH=$PATH:$SPARK_HOME/bin - 配置
~/spark/conf/slaves文件- 在两个节点的salves文件中添加以下内容
master slave - 启动Spark
- 在master的
~/spark/sbin中执行以下命令
./start-all.sh- 在master中执行
jps，发现以下结果说明spark运行成功
5257 Worker 5177 Master 3726 SecondaryNameNode 5326 Jps 3432 NameNode 3535 DataNode- 在slave中执行
jsp，发现一下结果说明spark运行成功
2754 DataNode 3717 Worker 3771 Jps - 在master的
2.2. 配置Scala
- 下载Scala
- 在这里相应版本的scala压缩包，假定工作目录为
/home/hduser - 进行如下操作解压压缩包（只需要在master进行）
$ tar -zxvf scala-2.12.6.tgz - 在这里相应版本的scala压缩包，假定工作目录为
- 配置
~/.bashrc文件- 在.bashrc文件中添加以下内容（只需要在master在master上执行以下命令）
export SCALA_HOME=/home/hduser/scala export PATH=$PATH:$SCALA_HOME/bin
2.3 配置Eclipse
- 安装Eclipse
- 在master上执行以下命令
$ sudo apt install eclipse-platform - 安装Eclipse插件