在VM上安装centOS7&配置Hadoop环境

主要内容：

1.安装虚拟机和centOS7。

2.理解Hadoop的体系结构。

3.配置Hadoop集群

写在开头（相关软件下载link和参考的博客）

VMware软件的安装

https://blog.csdn.net/sehejs_a/article/details/80633379
这个博客有VMware正版软件的下载地址和激活密钥

centOS7镜像下载：

https://www.centos.org/download/

安装教程：

https://blog.csdn.net/xyphf/article/details/82915311

hadoop2.7.7下载安装配置：

https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz
安装可参考：https://blog.csdn.net/pucao_cug/article/details/71698903

jdk1.8下载安装：

https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

安装可参考：https://blog.csdn.net/pucao_cug/article/details/68948639

正文

安装VMare14

c盘扩容（由于安装虚拟机需要c盘的存储空间）

使用diskGenius

安装centOS7

error:虚拟机上安装CentOS时出现“此主机支持Inter VT-x，但Inter VT-x处于禁用状态”的解决方法

root密码：root

账户名：node0

密码：root

vi /etc/sysconfig/network-scripts/ifcfg-ens33
service network restart //输入命令，使配置有效  改成上面就能与本地连传文件，不然只需要将ONBOOT改成yes即可
yum update //更新yum
yum search ifconfig
yum -y install net-tools //安装工具 yum install net-tools.x86_64 
ifconfig //查看ip
ctrl+c		//终止ping；从>退出
Ctrl + z //暂停ping命令

安装成功！

关闭防火墙

mkdir xx
查看防火墙状态
systemctl status firewalld.service
关闭防火墙
systemctl stop firewalld.service
禁用防火墙
systemctl disable firewalld.service

安装另外两个虚拟机：node1 node2

hostname node0 //

node 1

node2

192.168.195.128 node0
192.168.195.129 node1
192.168.195.130 node2

修改/etc/hosts文件

vi /etc/hosts

​ 修改这3台机器的/etc/hosts文件，在文件中添加以下内容：

192.168.195.128 node0
192.168.195.129 node1
192.168.195.130 node2

配置完成后使用ping命令检查这3个机器是否相互ping得通，以node0为例，执行命令：

ping得通，说明机器是互联的，而且hosts配置也正确。

设置免密登录

给3个机器生成秘钥文件

以node0为例，执行命令，生成空字符串的秘钥(后面要使用公钥)，命令是：

ssh-keygen  -t   rsa   -P  ''

因为我现在用的是root账户，所以秘钥文件保存到了/root/.ssh/目录内，可以使用命令查看，命令是：

ls    /root/.ssh/

使用同样的方法为node1和node2生成秘钥(命令完全相同，不用做如何修改)。

在node0上创建authorized_keys文件

​ 接下来要做的事情是在3台机器的/root/.ssh/目录下都存入一个内容相同的文件，文件名称叫authorized_keys，文件内容是我们刚才为3台机器生成的公钥。为了方便，我下面的步骤是现在node0上生成authorized_keys文件，然后把3台机器刚才生成的公钥加入到这个node0的authorized_keys文件里，然后在将这个authorized_keys文件复制到node1和node2上面。

​ 首先使用命令，在node0的/root/.ssh/目录中生成一个名为authorized_keys的文件，命令是：

touch  /root/.ssh/authorized_keys

​ 可以使用命令看，是否生成成功，命令是：

ls   /root/.ssh/

    其次将node0上的/root/.ssh/id_rsa.pub文件内容，node1上的/root/.ssh/id_rsa.pub文件内容，node2上的/root/.ssh/id_rsa.pub文件内容复制到这个authorized_keys文件中，复制的方法很多了，可以用cat命令和vim命令结合来弄，也可以直接把这3台机器上的/root/.ssh/id_rsa.pub文件下载到本地，在本地将authorized_keys文件编辑好在上载到这3台机器上。

测试使用ssh进行无密码登录

ssh  node1
exit

一定要注意的是，每次ssh完成后，都要执行exit，否则你的后续命令是在另外一台机器上执行的。

在node1,node2上测试

ok！

安装配置jdk和hadoop

配置jdk1.8.0_221

参考：https://blog.csdn.net/pucao_cug/article/details/68948639

tar    -zxvf    jdk-8u121-linux-x64.tar.gz 
vi /etc/profile

只要在/etc/profile文件中增加如下配置即可，增加的内容是：

export JAVA_HOME=/opt/java/jdk1.8.0_221
export  CLASSPATH=$:CLASSPATH:$JAVA_HOME/lib/
export  PATH=$PATH:$JAVA_HOME/bin

执行命令

source    /etc/profile //将文件中保存的命令执行一次
java -version 	//测试是否安装成功

​ 注意：将配置内容(其实是命令脚本)写到/etc/profile中目的就是让任意用户登录后，都会自动执行该脚本，这样这些登录的用户就可以直接使用jdk了。如果因为某个原因该脚本没有自动执行，自己手动执行以下就可以了（也就是执行命令source /etc/profile）

ok!

安装hadoop

注意： 3台机器上都需要重复下面所讲的步骤。

在opt目录下新建一个名为hadoop的目录，并将下载得到的hadoop压缩包上载到该目录下，

cd   /opt/hadoop
tar  -xvf   file  //解压
rm -rf dir1	//	删除 ‘dir1’ 目录及其子目录内容
mkdir dir1	//创建 ‘dir1’ 目录
mkdir dir1 dir2		//同时创建两个目录
mkdir -p /tmp/dir1/dir2		//创建一个目录树
mv dir1 dir2		//移动/重命名一个目录
rm -f file1		//删除 ‘file1’

新建几个目录

​ 在/root目录下新建几个目录，复制粘贴执行下面的命令：

mkdir  /root/hadoop
mkdir  /root/hadoop/tmp
mkdir  /root/hadoop/var
mkdir  /root/hadoop/dfs
mkdir  /root/hadoop/dfs/name
mkdir  /root/hadoop/dfs/data

修改etc/hadoop中的一系列配置文件

​ 修改/opt/hadoop/hadoop-2.8.0/etc/hadoop目录内的一系列文件。

1、修改core-site.xml

​ 修改/opt/hadoop/hadoop-2.8.0/etc/hadoop/core-site.xml文件

​ 在节点内加入配置:

 

        hadoop.tmp.dir

        /root/hadoop/tmp

        Abase for other temporary directories.

   

   

        fs.default.name

        hdfs://node0:9000

   

2、修改hadoop-env.sh

​ 修改/opt/hadoop/hadoop-2.8.0/etc/hadoop/hadoop-env.sh文件

     将export   JAVA_HOME=${JAVA_HOME}

     修改为：

     export   JAVA_HOME=/opt/java/jdk1.8.0_221

    说明：修改为自己的JDK路径

3、修改hdfs-site.xml

​ 修改/opt/hadoop/hadoop-2.8.0/etc/hadoop/hdfs-site.xml文件

​ 在节点内加入配置:

   dfs.name.dir

   /root/hadoop/dfs/name

   Path on the local filesystem where theNameNode stores the namespace and transactions logs persistently.





   dfs.data.dir

   /root/hadoop/dfs/data

   Comma separated list of paths on the localfilesystem of a DataNode where it should store its blocks.





   dfs.replication

   2





      dfs.permissions

      false

      need not permissions

**说明：**dfs.permissions配置为false后，可以允许不要检查权限就生成dfs上的文件，方便倒是方便了，但是你需要防止误删除，请将它设置为true，或者直接将该property节点删除，因为默认就是true。

4、新建并且修改mapred-site.xml

​ 在该版本中，有一个名为mapred-site.xml.template的文件，复制该文件，然后改名为mapred-site.xml，命令是：

cp file1 file2	//将file1复制为file2
cp   /opt/hadoop/hadoop-2.8.0/etc/hadoop/mapred-site.xml.template     /opt/hadoop/hadoop-2.8.0/etc/hadoop/mapred-site.xml

修改这个新建的mapred-site.xml文件，在节点内加入配置:

   mapred.job.tracker

   node0:49001





      mapred.local.dir

       /root/hadoop/var






       mapreduce.framework.name

       yarn

5、修改slaves文件

​ 修改/opt/hadoop/hadoop-2.8.0/etc/hadoop/slaves文件，将里面的localhost删除，添加如下内容：

node1
node2

6.修改yarn-site.xml文件

        yarn.resourcemanager.hostname

        node0

   

   

        The address of the applications manager interface in the RM.

        yarn.resourcemanager.address

        ${yarn.resourcemanager.hostname}:8032

   

   

        The address of the scheduler interface.

        yarn.resourcemanager.scheduler.address

        ${yarn.resourcemanager.hostname}:8030

   

   

        The http address of the RM web application.

        yarn.resourcemanager.webapp.address

        ${yarn.resourcemanager.hostname}:8088

   

   

        The https adddress of the RM web application.

        yarn.resourcemanager.webapp.https.address

        ${yarn.resourcemanager.hostname}:8090

   

   

        yarn.resourcemanager.resource-tracker.address

        ${yarn.resourcemanager.hostname}:8031

   

   

        The address of the RM admin interface.

        yarn.resourcemanager.admin.address

        ${yarn.resourcemanager.hostname}:8033

   

   

        yarn.nodemanager.aux-services

        mapreduce_shuffle

   

   

        yarn.scheduler.maximum-allocation-mb

        2048

        每个节点可用内存,单位MB,默认8182MB

   

   

        yarn.nodemanager.vmem-pmem-ratio

        2.1

   

   

        yarn.nodemanager.resource.memory-mb

        2048



   

        yarn.nodemanager.vmem-check-enabled

        false

说明：yarn.nodemanager.vmem-check-enabled这个的意思是忽略虚拟内存的检查，如果你是安装在虚拟机上，这个配置很有用，配上去之后后续操作不容易出问题。如果是实体机上，并且内存够多，可以将这个配置去掉。

//什么都没改 将node0中改的配置文件直接替换了node1和node2中的配置文件

启动hadoop

因为node0是namenode，node1和node2都是datanode，所以只需要对node0进行初始化操作，也就是对hdfs进行格式化。

进入到node0这台机器的/opt/hadoop/hadoop-2.7.7/bin目录，也就是执行命令：

cd   /opt/hadoop/hadoop-2.8.0/bin

执行初始化脚本，也就是执行命令：

 ./hadoop  namenode  -format

​ 稍等几秒，不报错的话，即可执行成功，如图：

格式化成功后，可以在看到在/root/hadoop/dfs/name/目录多了一个current目录，而且该目录内有一系列文件

在namenode上执行启动命令

 因为node0是namenode，node1和node2都是datanode，所以只需要再node0上执行启动命令即可。

       进入到hserver1这台机器的/opt/hadoop/hadoop-2.8.0/sbin目录，也就是执行命令：
       cd    /opt/hadoop/hadoop-2.7.7/sbin



      执行初始化脚本，也就是执行命令：
       ./start-all.sh

第一次执行上面的启动命令，会需要我们进行交互操作，在问答界面上输入yes回车

测试hadoop

haddoop启动了，需要测试一下hadoop是否正常。

​ 确定已关闭防火墙。

node0是我们的namanode，该机器的IP是192.168.195.128，在本地电脑访问如下地址:

​ http://192.168.195.128:50070/

​ 自动跳转到了overview页面

在本地浏览器里访问如下地址：

​ http://192.168.195.128:8088/

​ 自动跳转到了cluster页面

问题：不能跳转？？？？？？？？？？？

问题：修改yarn-site.xml文件时里面没有改成node0

修改之后 jps

ok！

但是这个时候发现50070LiveNode变为了0

将/etc/hosts中修改 （127.0.0.1的删掉） ---------不行

重新生成------------不行

直接对每个机器，把dfs目录和tmp目录全部删掉，然后对每个机器进行格式化。----------------ok!

结果：

//关闭：

./stop-dfs.sh
./stop-all.sh
jps //查看启动进程

三、心得总结：

​ 本来准备直接在服务器上centos下配置hadoop框架的。看了下还挺麻烦的，尤其需要配置主节点和数据节点。还是老老实实安装虚拟机，老老实实C盘扩了一下容，配置的整个过程肯定是遇到了很多问题，在实验步骤中也有一些体现。在最后启动和测试的时候也发现了很多细节问题。有一种感觉，这一个月配了各种环境，所以在配置hadoop的整个过程中心态也与前段时间不同，直觉与熟练程度很明显不一样。在环境配置好之后，再看hadoop架构，也有了新的理解。

Hadoop是用于在计算机集群上进行分布式计算和超大型数据集存储的框架。

三个核心组件：

HDFS, MapReduce, YARN

HDFS:

分布式文件系统，提供高吞吐量的应用程序数据访问，对外部客户机而言，HDFS 就像一个传统的分级文件系统。可以创建、删除、移动或重命名文件，等等。但是 HDFS 的架构是基于一组特定的节点构建的。

NameNode:主节点(一个)

​ 提供元数据服务；

​ 客户端的主控和代理访问文件的角色；

DataNode:数据节点

保存数据块；它为 HDFS 提供存储块。由于仅存在一个 NameNode，存储在 HDFS 中的文件被分成块，然后将这些块复制到多个计算机中（DataNode）。

MapReduce

一个分布式海量数据处理的软件框架集计算集群。

MapReduce主要由Map阶段和Reduce阶段构成。Map阶段实现的是映射，主要用来把一组键值对映射成一组新的键值对，Reduce阶段实现的是归纳，用来保证所有映射的键值对中的每一个共享相同的键值对。

YARN

ResourceManager（每个集群一个）

是全局的，负责对于系统中的所有资源有最高的支配权。

它主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager，ASM）。

调度器根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），将系统中的资源分配给各个正在运行的应用程序。

应用程序管理器负责管理整个系统中所有应用程序，

ApplicationMaster（每个应用程序一个）

每一个job有一个ApplicationMaster

主要功能包括：

与RM调度器协商以获取资源（用Container表示）；

将得到的任务进一步分配给内部的任务；

与NM通信以启动/停止任务；

监控所有任务运行状态，并在任务运行失败时重新为任务申请资源以重启任务。

NodeManager（每个节点一个）

NM是每个节点上的资源和任务管理。

一方面，它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态；

另一方面，它接收并处理来自AM的Container启动/停止等各种请求。

一个分布式海量数据处理的软件框架集计算集群。

MapReduce主要由Map阶段和Reduce阶段构成。Map阶段实现的是映射，主要用来把一组键值对映射成一组新的键值对，Reduce阶段实现的是归纳，用来保证所有映射的键值对中的每一个共享相同的键值对。

YARN

ResourceManager（每个集群一个）

是全局的，负责对于系统中的所有资源有最高的支配权。

它主要由两个组件构成：调度器（Scheduler）和应用程序管理器（Applications Manager，ASM）。

调度器根据容量、队列等限制条件（如每个队列分配一定的资源，最多执行一定数量的作业等），将系统中的资源分配给各个正在运行的应用程序。

应用程序管理器负责管理整个系统中所有应用程序，

ApplicationMaster（每个应用程序一个）

每一个job有一个ApplicationMaster

主要功能包括：

与RM调度器协商以获取资源（用Container表示）；

将得到的任务进一步分配给内部的任务；

与NM通信以启动/停止任务；

监控所有任务运行状态，并在任务运行失败时重新为任务申请资源以重启任务。

NodeManager（每个节点一个）

NM是每个节点上的资源和任务管理。

一方面，它会定时地向RM汇报本节点上的资源使用情况和各个Container的运行状态；

另一方面，它接收并处理来自AM的Container启动/停止等各种请求。