在CentOS7下搭建Hadoop集群及踩坑记

1 准备工作

1.1 节点准备

在开始安装系统之前，我们需要先准备5个节点，他们均通过CentOS 7 Minimal方式安装。网络及系统规划如下：

主机名称	IP地址	操作系统	身份
master	192.168.137.100	CentOS 7	NameNode、ResourceManager、NtpServer
secondary	192.168.137.101	CentOS 7	SecondaryNameNode、NodeManager
slave1	192.168.137.102	CentOS 7	DataNode、NodeManager
slave2	192.168.137.103	CentOS 7	DataNode、NodeManager
slave3	192.168.137.104	CentOS 7	DataNode、NodeManager

主机	NN	DN	RM	NM	Hive
master	Y		Y		Y
secondary	Y		Y		Y
slave1		Y		Y
slave2		Y		Y
slave3		Y		Y

1.2 系统架构

在开始配置master和slave节点之前，了解Hadoop集群的不同组件十分重要。

1.2.1 Master ——NameNode

主节点上主要包括了分布式文件系统、资源调度。它主要包括两个守护进程：

1、NameNode

主要用来管理分布式文件系统，保存HDFS的元数据信息，比如命名空间信息、块信息等。类似于Linux Ext4文件系统的inode信息，Windows FAT文件系统的文件分配表。

当它运行的时候，这些信息是放在内存中的，只有重启的时候，才会将这些信息持久化到磁盘中。

NameNode功能

2、ResourceManager

通过YARN来管理资源，让分布式系统中的任务，可以在各个slave节点上正常执行。

1.2.2 Secondary——NameNode

单从名字上，它好像是Master NameNode的备份，实际上不是，它是用来在系统中提供CheckPoint Node——辅助NameNode正常工作的。

Secondary NameNode功能

1.2.3 slave——数据节点

数据节点主要用来保存实际的数据，以及运行各种任务。一般也包括两个守护进程：

1、DataNode

从物理层面负责数据的存储。

2、NodeManager

管理节点上任务的执行。

2. 系统安装

为了方便，建议大家使用Vmware虚拟机安装——可以安装一个系统，装好必要的软件JDK并设置好环境变量之后，再克隆生成其他几个。

2.1 系统准备

CentOS下载: http://mirrors.163.com/centos/7/isos/x86_64/CentOS-7-x86_64-Minimal-1804.iso

VMware Workstation Pro v14.0下载： https://download3.vmware.com/software/wkst/file/VMware-workstation-full-14.0.0-6661328.exe

 序列号：**FF31K-AHZD1-H8ETZ-8WWEZ-WUUVA**

2.2 系统安装

2.2.1 安装CentOS 7

安装5台CentOS系统，名称分别为master、secondary、slave1、slave2和slave3。

5个VMware虚拟机系统安装完毕

2.2.2 创建用户并设置密码

在每台电脑上，分别执行以下指令创建用户，设置密码：

useradd -m hadoop -G hadoop -s /bin/bash
passwd hadoop

2.2.3 配置网络

我们通过手工方式来设置电脑的IP地址。注意：每台电脑的IP地址应该是不一致的。

sudo vi /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE=Ethernet
PROXY_METHOD=none
BROWSER_ONLY=no
BOOTPROTO=static           # 静态IP地址
DEFROUTE=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_FAILURE_FATAL=no
IPV6_ADDR_GEN_MODE=stable-privacy
NAME=ens33
UUID=9b6a5e1f-fd3b-4324-ab4c-7b2be4846ca8
DEVICE=ens33
ONBOOT=yes                  # 开机自动启用
IPADDR="192.168.137.100"    # IP地址（同一网络中，每台应该不一致）
PREFIX="24"
GATEWAY="192.168.137.2"     # 网关
DNS1="61.128.192.68"        # DNS服务器
ZONE=public

2.2.4 配置主机名

编辑每台电脑上的/etc/hostname，依次设置为：

master

master

secondary

secondary

slave1

slave1

slave2

slave2

slave3

slave3

2.2.5 配置主机域名解析

将每台电脑上的/etc/hosts，全部按照以下设置（全都一样）：

192.168.137.100 master
192.168.137.101 secondary
192.168.137.102 slave1
192.168.137.103 slave2
192.168.137.104 slave3

2.3 软件安装

2.3.1 Java安装

执行以下指令，安装JDK（Java Development Kit）——Hadoop运行必备。

yum install java-1.8.0-openjdk java-1.8.0-openjdk-devel
yum install wget
yum install ntp

2.3.2 设置Java环境变量

先编辑/etc/profile，在文件最后加入以下内容：

 # Setting Java Home Environment
 export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.181-3.b13.el7_5.x86_64
 export PATH=$PATH:$JAVA_HOME/bin

然后执行：

source /etc/profile
java -version

如果看到以下信息，则说明JDK安装成功：

Java安装成功

2.4网络设置

2.4.1 关闭防火墙

systemctl disable firewalld
systemctl stop firewalld

2.4.2 关闭SELinux

SELinux是用来加强Linux安全的一种机制，不过在使用hadoop的时候，最好在每台电脑上都关闭它：

1、临时关闭

命令行执行：

setenforce 0

2、永久关闭

编辑/etc/selinux/config文件，将：

SELINUX=enforcing

修改为：

SELINUX=disable

重启计算机之后，即永久生效。

2.4.3 设置免密登录

Hadoop集群的启动，是master来自动控制其他计算机的。为了达到这个目标，我们首先要在master上可以不用输入密码通过ssh登录secondary、slave1、slave2和slave3计算机。

1、设置密钥

在master电脑上，执行以下指令生成密钥（ssh-keygen的生成步骤比较多，可以直接按回车）：

ssh-keygen -t rsa

2、分发密钥

接下来分发密钥到每台电脑上（包括本机的Master）：

ssh-copy-id master
ssh-copy-id secondary
ssh-copy-id slave1
ssh-copy-id slave2
ssh-copy-id slave3

3、测试免密登录

在master电脑上，执行：

ssh master
ssh secondary
ssh slave1
ssh slave2
ssh slave3

如果可以全部不用输入密码访问，则大功告成。

3 安装Hadoop

绝大多数朋友采用的Hadoop安装方式，都是通过手工方式安装的，本文也是如此。

3.0 准备hadoop安装目录

在每台电脑上，执行以下指令准备hadoop安装目录：

sudo mkdir -p /opt/hadoop
sudo chown -R hadoop /opt/hadoop

3.1 下载hadoop

hadoop目前的最新版本，是3.0.1。所有的版本，都可以在 这里下载。

这个压缩包里面，已经包括了Hadoop HDFS、Yarn、Map Reduce等各种组件，我们不需要单独下载。

cd /home/hadoop
wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-3.0.1/hadoop-3.0.1.tar.gz
sudo mkdir -p /opt/hadoop
sudo chown -R hadoop /opt/hadoop

3.2 解压缩

tar zxvf hadoop-3.0.1.tar.gz

这样一来，在/home/hadoop/下会出现一个hadoop-3.0.1子目录，Hadoop的所有组件都在这个目录中——它就是Hadoop系统的家目录，将它拷贝到/opt/hadoop下。

mv hadoop-3.0.1/* /opt/hadoop/

3.3 配置HDFS运行环境

同样，编辑/etc/profile。在文件的最后，加入以下内容：

 # Hadoop Environment Variables
 export HADOOP_HOME=/opt/hadoop/
 export HADOOP_INSTALL=$HADOOP_HOME
 export HADOOP_MAPRED_HOME=$HADOOP_HOME
 export HADOOP_COMMON_HOME=$HADOOP_HOME
 export HADOOP_HDFS_HOME=$HADOOP_HOME
 export YARN_HOME=$HADOOP_HOME
 export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
 export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib:$HADOOP_HOME/lib/native"
 export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
 export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib:$JRE_HOME/  lib:$HADOOP_HOME/share/hadoop/common/*:$HADOOP_HOME/share/hadoop/common/lib/*:$HADOOP_HOME/share/hadoop/mapreduce/*

3.4 配置Hadoop

hadoop的配置文件，都位于$HADOOP_HOME/etc/hadoop目录下。

3.4.1 hadoop-env.sh

用vi编辑hadoop-env.sh文件。

vi /opt/modules/hadoop/etc/hadoop/hadoop-env.sh

配置JAVA_HOME变量：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.181-3.b13.el7_5.x86_64

3.4.1 core-site.xml

用vi编辑core-site.xml文件。

vi $HADOOP_HOME/etc/hadoop/core-site.xml

具体配置信息如下：

 
 
     
     
         fs.defaultFS
         hdfs://master:9000
     

     
     
         hadoop.tmp.dir
         file:/home/hadoop/data/hadoop
     
 

3.4.2 hdfs-site.xml

vi $HADOOP_HOME/etc/hadoop/hdfs-site.xml

具体配置信息如下：

 



        
        
                dfs.namenode.secondary.http-address
                master:50090
        
        
        
                dfs.replication
                2
        
         
        
                dfs.namenode.name.dir
                file:/home/hadoop/data/hadoop/dfs/name
        
         
        
                dfs.datanode.data.dir
                file:/home/hadoop/data/hadoop/dfs/data
        
        
        
             dfs.secondary.http.address
             secondary:50090
         

3.4.3 配置slaves

在/opt/hadoop/etc/hadoop/slaves(hadoop 2.x及以前的版本，文件名为slaves, 3.x之后为workers，hostname或者IP地址,一行一个:

vi $HADOOP_HOME/etc/hadoop/slaves

slave1
slave2
slave3

3.4.4 分发

1、创建需要分发配置文件的机器列表 /opt/hadoop/machines，包括如下内容：

secondary
slave1
slave2
slave3

2、分发hadoop

for  x  in  `cat /opt/hadoop/machines` ; \
    do  echo  $x ; \
        scp  -r /opt/hadoop/  $x:/opt/hadoop/ ; \
    done;

3.4.5 运行HDFS

1、格式化hdfs文件系统

在master上，执行：

hdfs  namenode  -format

格式化文件系统。

2、启动hdfs服务

在hadoop-master上，执行：

start-dfs.sh

你会看到启动了一个NameNode，一个Secondary NameNode和3个DataNode。

HDFS文件系统启动中

3.4.4 测试启动成功

在hadoop-master和各台计算机上，分别执行执行：

jps

你会看到程序的运行结果。

1、Hadoop-master

主要包括NameNode进程。

Master

2、Hadoop-Secondary

主要包括Secondary NameNode进程。

secondary

3、Hadoop-slave1、Hadoop-slave2和Hadoop-slave3

主要包括DataNode进程。

slave

3.5 配置YARN和Map Reduce

3.5.1 配置mapreduce

编辑mapred-site.xml 文件：

vi $HADOOP_HOME/etc/hadoop/mapred-site.xml

 
 
         
         
                 mapreduce.framework.name
                 yarn
         
         
                 mapreduce.jobhistory.address
                 master:10020
         
         
                 mapreduce.jobhistory.webapp.address
                 master:19888
         
 

3.5.2 配置YARN

编辑yarn-site.xml文件：

vi $HADOOP_HOME/etc/hadoop/yarn-site.xml

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

 

3.5.3 启动YARN

执行以下指令启动yarn：

start-yarn.sh

Yarn启动中

这将会启动ResourceManager和NodeManager。

其中，ResourceManager在NodeName上运行，NodeManager在Slave上运行。

NodeManager在slave上运行

4 安装ntp时间服务

hadoop服务，要求各个节点的时间严格同步，所以我们需要在master上创建一个ntp时间服务，其他节点跟它同步。

4.1 安装ntp服务

执行以下指令安装：

sudo yum install ntp

4.2 配置时间同步

我们使用，hadoop、hbase等服务时，要求各个节点的时间严格同步。这就需要用到时间同步服务器，不过我们常见的Internet时间同步服务器不太靠谱，所以我们需要搭建一个ntp时间服务——最好让其他节点与它同步。

4.2.1 最简单的方法

直接与Aliyun时钟服务器同步：

传送门： ntp时间同步配置

5 安装hive

5.1 安装hive

5.1.1 准备工作

​ 在master上下载、解压缩

wget wget http://mirrors.hust.edu.cn/apache/hive/hive-3.1.0/apache-hive-3.1.0-bin.tar.gz
tar zxvf apache-hive-3.1.0-bin.tar.gz

5.1.2 转移到Hive目录

在每台电脑上，创建hive目录：

sudo mkdir -p /opt/hive

在master电脑上，转移文件到Hive目录

sudo mv apache-hive-3.1.0-bin/* /opt/hive/

5.1.4 设置hive目录访问权限

chown -R hadoop:hadoop /opt/hive

5.1.4 分发Hive目录到所有节点

for  x  in  `cat /opt/hadoop/machines` ; \
    do  echo  $x ; \
        scp  /opt/hive/  $x:/opt/hive/ ; \
    done;

5.1.5 设置Hive环境变量

sudo vi /etc/profile

 export HIVE_HOME=/opt/hive
 export PATH=$PATH:$HIVE_HOME/bin

配置hive环境变量

5.2 配置hive目录及访问权限

在hadoop-master上，执行以下指令：

hadoop fs -mkdir /tmp
hadoop fs -mkdir /user
hadoop fs -mkdir /user/hive
hadoop fs -mkdir /user/hive/warehouse
hdfs dfs -chmod g+w /tmp
hdfs dfs -chmod g+w /user/hive/warehouse

创建Hive数据目录

5.3 配置hive

默认配置下的Hive，使用的是Derby元数据库，它只能从本地连接，并且只支持一个用户。所以我们就直接改为MySQL数据库作为元数据库。

5.3.1安装MySQL

sudo yum install mariadb-server mariadb
sudo systemctl start mariadb
sudo systemctl enable mariadb

5.3.2 配置MySQL允许远程访问

MySQL默认配置下，不允许远程访问。我们要修改为允许远程访问。在Master主机上，执行以下指令登录MySQL：

mysql -u root

然后新建root可以从远程访问的账号，并授权：

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'password' WITH GRANT OPTION;
FLUSH PRIVILEGES;

5.3.1 设置环境变量

5.3.2 配置hive-env.sh

cd /opt/hive/conf
cp hive-env.sh.template hive-env.sh
vi hive-env.sh

主要配置一个参数：指定HADOOP_HOME目录。如果本机已经安装了Hadoop，并且设置了HADOOP_HOME环境变量，则不需要配置。

指定hadoop家目录

5.3.2 设置hive-site.xml

修改hive配置文件

cd hive-2.3.3/conf 
cp hive-default.xml.template hive-site.xml
vi hive-site.xml

   


  
      system:java.io.tmpdir
      /opt/hive/iotmp
    
    
      system:user.name
      ${user.name}
  
  
   
     javax.jdo.option.ConnectionURL
     jdbc:mysql://master:3306/metastore?createDatabaseIfNotExist=true
   
   
     javax.jdo.option.ConnectionDriverName
     com.mysql.jdbc.Driver
   
  
   
   
     javax.jdo.option.ConnectionUserName
     root
   
   
     javax.jdo.option.ConnectionPassword
     All4Icode
   

5.3.6 准备MySQL驱动

sudo yum install unzip
wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.47.zip
unzip mysql-connector-java-5.1.47.zip
cp mysql-connector-java-5.1.47/mysql-connector-java-5.1.47.jar /opt/hive/lib

5.3.7 初始化MySQL元数据库

schematool -initSchema -dbType mysql

看下初始化的数据库信息：

schematool -dbType mysql -info

初始化数据库

5.4 启动

[hadoop@master ~]$ hive

hive> show databases;
OK
default
Time taken: 1.139 seconds, Fetched: 1 row(s)
hive> create table test(id int, name string);
OK
Time taken: 0.742 seconds
hive> show tables;
OK
test
Time taken: 0.082 seconds, Fetched: 1 row(s)
hive>

5.5 简单使用

5.5.1 看下hive在hdfs中创建的目录

hadoop fs -ls -R /user/hive

目录创建成功

5.5.2 看下hive在MySQL中创建的表

mysql> use metastore;
mysql> select * from TBLS;

MySQL中也有对应的数据库和表

6 安装HBase

6.0 HBase架构图

HBase架构图

6.1 准备工作

1、下载

wget http://mirrors.shu.edu.cn/apache/hbase/2.0.2/hbase-2.0.2-bin.tar.gz

2、解压缩

tar zxvf hbase-2.0.2-bin.tar.gz

3、设置目录

在Master电脑上：

sudo mkdir /opt/hbase
sudo chown -R hadoop:hadoop /opt/hbase
mv hbase-2.0.2/* /opt/hbase/

secondary、slave1、slave2、slave3电脑上：

sudo mkdir /opt/hbase
sudo chown -R hadoop:hadoop /opt/hbase

4、设置HBase环境变量
我们计划在master电脑启用HBase master、几台slave电脑上启用RegionServer。

在master电脑上，编辑/etc/profile文件，加入相关的环境变量：

sudo vi /etc/profile

在文件的最后加入以下信息：

export HBASE_HOME=/opt/hbase
export PATH=$PATH:$HBASE_HOME/bin

分发到每台电脑上，执行以下指令使设置生效：

sudo scp /etc/profile root@slave1:/etc/profile
sudo scp /etc/profile root@slave2:/etc/profile
sudo scp /etc/profile root@slave3:/etc/profile

master、slave1、slave2、slave3电脑上分别执行以下指令：

source /etc/profile

6.2 配置

HBase的配置文件，都位于$HBASE_HOME下的conf目录中：

1、hbase-env.sh
主要用来设置JAVA_HOME环境变量，我们是集中在/etc/profile中进行设置——这里可以不用设置。

# 根据自己的实际JAVA_HOME目录配置
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.181-3.b13.el7_5.x86_64

# 默认使用自带的Zookeeper，配置为false则使用我们部署的
export HBASE_MANAGES_ZK=false

2、 hbase-site.xml

     
         hbase.tmp.dir
         home/hadoop/data/hbase/tmp
     

      # HBase的hdfs根目录
     
         hbase.rootdir
         hdfs://master:9000/hbase
     

    #采用zookeeper分部署部署
     
         hbase.cluster.distributed
         true
     
    
    # zookeeper节点
     
         hbase.zookeeper.quorum
         slave1,slave2,slave3
     

3、 regionservers
编辑regionservers:

vi $HBASE_HOME/conf/regionservers

保证内容如下：

 slave1
 slave2
 slave3

6.3 分发文件

scp -r /opt/hbase/* slave1:/opt/hbase
scp -r /opt/hbase/* slave2:/opt/hbase
scp -r /opt/hbase/* slave3:/opt/hbase

6.3 启动HBase

执行start-hbase.sh。

start-hbase.sh

至此，包括hadoop、yarn、hive和HBase不适用HA的服务器集群搭建完毕。