大数据基础学习-1.CentOS-7.0环境安装

一、CentOS7系统安装和基础配置

1.安装CentOS7

1）在电脑上安装虚拟机软件VMworkstation12pro，并准备CentOS-7.0-1406-x86_64-DVD.iso镜像文件。

2）打开VMware，新建虚拟机，选择自定义安装。

接下来都选择默认选项，并点击下一步。完成后，出现masteractive虚拟机，这时候，点击CD/DVD，找到本地的CentOS-7.0-1406-x86_64-DVD.iso文件，点击确定，之后点击开启此虚拟机。

3）开启虚拟机，选择第一个install centosLinux7。鼠标点击黑色区域，进入到虚拟机里，同时按住Ctrl+Alt可以退出到主机。

4）选择语言后，进行手动分区。

点击安装位置。

选择“我要配置分区“，点左上角的“完成”，进入下面的界面。分区方案选择“标准分区”，并开始挂载分区，点击左下方“+”。

将/boot分区设为200M，文件系统方式为ext4，如图。设备类型选择标准分区。

同理：将/home目录设置为2G，文件系统方式为ext4，将swap分区设为2G，文件系统方式为swap。最后，给根分区/分配剩余的全部空间，文件系统方式为ext4，设备类型都选择标准分区。

分配完后，单击左上角的“完成”，出现如下界面，点击接受更改。

6）分区配置完成后，点击安装，在这个过程中配置ROOT密码。

注意：这里安装的是mini版本，即命令行模式，如果希望安装桌面版本，进入到Linux系统后，按照如下操作。

[root@masteractive ~]# mount /dev/sr0 /mnt/
mount: /dev/sr0 is write-protected, mounting read-only
mount: /dev/sr0 is already mounted or /mnt busy
       /dev/sr0 is already mounted on /mnt

确保centos7的镜像包挂载进来，如果发现镜像没有挂载进来，点击虚拟机右下角的光盘图标，选择设置，将ISO镜像文件挂载进来，再点击连接。

[root@masteractive~]# yum -y groupinstall "Server with GUI"

安装完成后，执行下面命令，启动桌面。

[root@masteractive~]# startx

【安装好后，一般会直接进入桌面。如果出现了黑白的协议页面，按下'1'为阅读协议，‘q’为退出，‘c’继续，‘r’刷新。首先键入‘1’，阅读协议，接着键入‘2’，accept接受协议，接着键入‘c’，继续。之后再弹出的协议许可，直接都按‘c’和回车即可。】

2.网络配置

1）点击虚拟机，选择设置，弹出如下窗口，点击网络适配器，选择NAT模式。

2）点击虚拟机的‘编辑’，选择‘虚拟网络编辑器’，弹出如下窗口，选择VMnet8，并点击‘更改设置’。

弹出如下窗口，选择VMnet8，点击NAT设置。

弹出如下窗口，记住子网IP和网关，设置虚拟机的IP将会用到这两个信息（当然，你也可以设置其他值）。

3）进入系统，输入命令ifconfig查看网卡ip信息【不同电脑ip或者网卡情况会有所不同】。

[root@masteractive ~]# ifconfig
lo: flags=73  mtu 65536
        inet 127.0.0.1  netmask 255.0.0.0
        inet6 ::1  prefixlen 128  scopeid 0x10
        loop  txqueuelen 1  (Local Loopback)
        RX packets 8132712  bytes 2582460617 (2.4 GiB)
        RX errors 0  dropped 0  overruns 0  frame 0
        TX packets 8132712  bytes 2582460617 (2.4 GiB)
        TX errors 0  dropped 0 overruns 0  carrier 0  collisions 0

为了能够通过远程工具连接，这里需要设置静态ip地址，并设置开机启动。

[root@masteractive ~]# vi /etc/sysconfig/network-scripts/ifcfg-ens33 

TYPE=Ethernet
#BOOTPROTO=static
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_PEERDNS=yes
IPV6_PEERROUTES=yes
IPV6_FAILURE_FATAL=no
IPV6_ADDR_GEN_MODE=stable-privacy
NAME=ens33
DEVICE=ens33
ONBOOT=yes #开机启动
IPADDR0=192.168.101.101 #这里的ip需要和虚拟网络编辑器中查看的子网ip对应起来，保持前三位一致
PREFIX0=24 #子网掩码 等同于255.255.255.0
GATEWAY0=192.168.101.2 #网关
DNS1=114.114.114.114 #DNS服务

保存退出后，并重启网卡。

[root@masteractive ~]# service network restart
Restarting network (via systemctl):                        [  确定  ]

[root@masteractive ~]# ping wwww.baidu.com
PING ps_other.a.shifen.com (220.181.57.217) 56(84) bytes of data.
64 bytes from 220.181.57.217 (220.181.57.217): icmp_seq=1 ttl=128 time=48.5 ms
64 bytes from 220.181.57.217 (220.181.57.217): icmp_seq=2 ttl=128 time=41.8 ms

说明网卡正常，能正常访问网络，为了能够方便访问虚拟机，可以选择xshell软件进行远程连接。

4）配置主机名称，关闭防火墙。

编辑~/.bashrc，并添加如下内容

[root@masteractive ~]# vim ~/.bashrc
#iptables -F #清除预设表filter中所有规则链中的规则，centos7中防火墙默认不是这个。
#setenforce 0 #表示关闭selinux防火墙
hostname masteractive #配置主机名

[root@masteractive ~]# systemctl stop firewalld.service  # 关闭防火墙
[root@masteractive ~]# systemctl status firewalld  # 查看防火墙状态， inactive 表示关闭

5）配置host

[root@masteractive ~]# vim /etc/hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.101.101 masteractive 
192.168.101.102 masterstandby
192.168.101.103 slave1
192.168.101.104 slave2

3.安装vim

因为centos7没有安装vim，所以需要额外安装。

[root@masteractive ~]# rpm -qa | grep vim
vim-minimal-7.4.160-1.el7.x86_64
vim-common-7.4.160-2.el7.x86_64
vim-enhanced-7.4.160-2.el7.x86_64
vim-filesystem-7.4.160-2.el7.x86_64

若vim已经正确安装，则会显示上面几个包的名称，如果缺少了其中某个，执行：yum -y install +缺少的包名，下载安装该包即可。（注：执行  yum install vim -y 可一键自动安装）

4.构建集群

重复上述虚拟机安装和配置操作，再创建3台虚拟机作为从节点，主机名和ip地址如下。创建4台虚拟机的目的是为了在学习Hadoop2.0时，搭建高可用的集群。在学习时，一般不会用到这么多台机器，1台虚拟机搭建伪分布式即可。

192.168.101.102 masterstandby
192.168.101.103 slave1 
192.168.101.104 slave2 

【当然，也可以采用复制虚拟机或者克隆的方式产生多台虚拟机，但由于是复制操作，虚拟机网卡将会一模一样，MAC值将会重复，导致不能上网，需要再手动修改，解决办法这里就不展开了。如果修改不成功再查找原因将耗费更多时间，得不偿失，建议直接安装，可以当做练手。】

5.ssh免密登录

建立每台机器的互信关系，使得每台机子之间登录不需要密码。

[root@masteractive src]# ssh-keygen    #然后回车然后回车（回两次车）
[root@masteractive src]# cd ~/.ssh/
[root@masteractive .ssh]# ll
total 16
-rw-r--r--. 1 root root1179 Jan 30 08:05 authorized_keys
-rw-------. 1 root root1675 Jan 30 08:00 id_rsa
-rw-r--r--. 1 rootroot  393 Jan 30 08:00 id_rsa.pub
-rw-r--r--. 1 root root1971 Jan 30 08:07 known_hosts

Id_rsa.pub是共钥文件，id_rsa是密钥文件，将id_rsa.pub文件内容拷贝给authorized_keys（注：如果没有authorized_keys这个文件，需先创建），在其他节点上同理操作，并将其他节点上Id_rsa.pub文件里面的内容全部拷贝到主节点的authorized_keys中，masteractive节点再将最终的authorized_keys分发给其他节点。

[root@masteractive .ssh]# scp -rp authorized_keys slave1:~/.ssh/  #同理拷贝给slave2和masterstandby
[root@masteractive .ssh]# ssh slave1    #第一次可能会要求输入密码，输入密码回车后登录到从节点，第二次将会自动登录

二、安装jdk1.8

1.安装jdk-8u144-linux-x64

通过xshell的Xftp插件（需要安装xftp），将jdk-8u144-linux-x64.tar.gz拖到/usr/local/src/目录下（当然也可根据习惯采用其他目录）。

[root@masteractive src]# tar xvzf jdk-8u144-linux-x64.tar.gz #安装jdk

2.配置环境变量

在~/.bashrc文件的底部添加java环境变量：

[root@masteractive src]# vim ~/.bashrc
export JAVA_HOME=/usr/local/src/jdk1.8.0_144
export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib
export PATH=$PATH:$JAVA_HOME/bin
[root@master src]# source ~/.bashrc   #生效一下

[root@masteractive src]# scp -rp jdk1.8.0_144 masterstandby:/usr/local/src/  #同理将jdk分发到slave1和slave2，路径保持一致，再分别给masterstandby、slave1和slave2配置环境变量。

三、hadoop2.0 安装

基础环境准备完毕后，开始大数据的基础学习，首先安装的就是hadoop-2.6.0-cdh5.7.0（采用cdh的原因是版本比较稳定）。

http://archive.cloudera.com/cdh5/cdh/5/

[root@masterstandby src]# yum install -y wget #如果没有wget命令就安装一下
[root@masterstandby src]# wget http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.7.0.tar.gz #下载Hadoop

1.安装hadoop-2.6.0-cdh5.7.0.tar.gz

[root@masteractive src]# tar xvzf hadoop-2.6.0-cdh5.7.0.tar.gz
[root@masteractive src]# cd hadoop-2.6.0-cdh5.7.0/
[root@masteractive hadoop-2.6.0-cdh5.7.0]# mkdir tmp 

2.修改配置文件

[root@masteractive hadoop-2.6.0-cdh5.7.0]# cd etc/hadoop

1）core-site.xml

        
                hadoop.tmp.dir
                /usr/local/src/hadoop-2.6.0-cdh5.7.0/tmp
        
        
                fs.default.name
                hdfs://masteractive:9000
        

默认的hadoop.tmp.dir是/tmp/hadoop-${user.name}，此时有个问题就是NameNode会将HDFS的元数据存储在这个/tmp目录下，如果操作系统重启了，系统会清空/tmp目录下的东西，导致NameNode元数据丢失，应该修改这个路径，所以在上面创建了tmp目录。

fs.default.name是namenode的RPC交互端口，默认是8020，这里改成9000是为了今后在spark中不会有端口冲突的问题。

2）hadoop-env.sh

export JAVA_HOME=/usr/local/src/jdk1.8.0_144  #添加java路径

3）mapred-site.xml

        
                mapreduce.framework.name
                yarn
        

指定mapreduce运行在yarn框架上。

4） hdfs-site.xml

        
                dfs.replication
                3
        

dfs.replication配置HDFS存储时数据的备份数量。

5）yarn-env.sh

export JAVA_HOME=/usr/local/src/jdk1.8.0_144 #配置jdk路径

6）yarn-site.xml

	 
		yarn.nodemanager.aux-services
		mapreduce_shuffle
	
	
		yarn.resourcemanager.hostname
		masteractive
        

NodeManager上运行的附属服务，需配置成mapreduce_shuffle，yarn框架才可运行MapReduce程序。yarn.resourcemanager.hostname指定了Resourcemanager运行在哪个节点上。

7）slaves

masteractive
masterstandby
slave1
slave2

如果要配置伪分布式，主节点masteractive也作为slave节点。

8）分发hadoop到从节点

[root@masteractive src]# scp-rp hadoop-2.6.0-cdh5.7.0 slave1:/usr/local/src/ #同理发送给slave2和masterstandby

9）配置hadoop环境变量

export HADOOP_HOME=/usr/local/src/hadoop-2.6.0-cdh5.7.0
export LD_LIBRARY_PATH=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/bin

3.启动hadoop

格式化hdfs文件系统，启动hadoop集群

[root@masteractive bin]# ./hadoop namenode -format
[root@masteractive hadoop-2.6.0-cdh5.7.0]# ./sbin/start-all.sh
[root@masteractive hadoop]# jps
118561 DataNode
118446 NameNode 

【注：有时候会发现DataNode未启动的问题，这很可能是clusterid的问题，因为如果多次格式化namenode，会导致主从的clusterid不一致。解决方法：删除tmp目录，目的是删除里面dfs文件夹下的data和name目录，之后再创建tmp目录，重新格式化即可。】

如果遇到主机无法用域名ping通虚拟机的问题，则修改C:\Windows\System32\drivers\etc的hosts，添加内容如下：

192.168.101.101 masteractive masteractive

 

到这里，就把hadoop的虚拟机环境搭建起来了，再继续学习时，将会安装其他组件，例如zookeeper、hive、HBASE、flume、kafka、storm、spark等等，在学习这些组件时，都有详细安装说明。