VMWare虚拟机集群搭建Hadoop with Hive

虚拟机下载，以及序列号 准备

VMware Workstation v11.1.0 https://download3.vmware.com/software/wkst/file/VMware-workstation-full-11.1.0-2496824.exe

key ：1F04Z-6D111-7Z029-AV0Q4-3AEH8

 

Linux操作系统Centos 6.6

CentOS-6.6-i386-minimal.iso

 

虚拟机网络 参数： 网络选择NAT,   

vi /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE=eth0

TYPE=Ethernet

UUID=166b95ca-b98b-446c-a68e-6022012e4a9a

ONBOOT=yes

NM_CONTROLLED=yes

BOOTPROTO=none

IPADDR=192.168.32.168       ---宿主机器是 192.168.32.1

NETMASK=255.255.255.0

PREFIX=24

GATEWAY=192.168.32.1

DEFROUTE=yes

IPV4_FAILURE_FATAL=yes

IPV6INIT=no

NAME="System eth0"

HWADDR=00:0C:29:11:DE:CA

PEERDNS=yes

PEERROUTES=yes

USERCTL=NO

/etc/init.d/network restart

 

删除DNS

/etc/resolve.conf     --- 注释所有项, 不然由于DNS无效会导致很多莫名其妙超时

 

添加Hosts

/etc/hosts

192.168.32.168  master
192.168.32.101  slave1
192.168.32.102  slave2
192.168.32.103  slave3

 

 

修改本机HostName:

/etc/sysconfig/network

NETWORKING=yes
HOSTNAME=master

 

创建hadoop用户，以及hdgrp组

groupadd hdgrp

useradd -g hdgrp hadoop

passwd hadoop   Hd1234.

后续用hadoop用户去安装所有的软件

 

filezilla连接虚拟机传文件

sfpt://[email protected]

用root关闭防火墙

/etc/init.d/iptables stop 关闭防火墙

chkconfig iptables off 关闭开机启动

 

创建Hadoop,Hive的安装目录

/bdp/install    作为安装目录， 不默认放到/usr下面,  不然可能有很多权限问题 。

下载hadoop 2.2.0，以及hive-0.12.0解压到这个目录下

 

修改环境变量
/etc/profile
export JAVA_HOME=/bdp/install/jdk1.7.0_79
export HADOOP_HOME=/bdp/install/hadoop-2.2.0
export HIVE_HOME=/bdp/install/apache-hive-0.2.0-bin
export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HIVE_HOME/bin:$HIVE_HOME/sbin:$PATH

 

 

 

修改java home
export JAVA_HOME=/bdp/install/jdk1.7.0_79
vi /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh
vi /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave1:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave2:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh
scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh

Hadoop需要修改的配置文件

添加文件master
master


修改slaves文件
slave1
slave2
slave3


core-site.xml

   
        fs.defaultFS
        hdfs://master:9000
   
   
        io.file.buffer.size
        131072
   
   
        hadoop.tmp.dir
        /bdp/tmp
        Abase for other temporary directories.
   
   
        hadoop.proxyuser.hduser.hosts
        *
   
   
        hadoop.proxyuser.hduser.groups
        *
   




hdfs-site.xml

   
        dfs.namenode.secondary.http-address
        master:9001
   
   
        dfs.namenode.name.dir
        /bdp/data/dfs/name
   
   
        dfs.datanode.data.dir
        /bdp/data/dfs/data
   
   
        dfs.replication
        3
   
   
        dfs.webhdfs.enabled
        true
   





mapred-site.xml

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





yarn-site.xml

   
        yarn.nodemanager.aux-services
        mapreduce_shuffle
   
   
        yarn.nodemanager.aux-services.mapreduce.shuffle.class
        org.apache.hadoop.mapred.ShuffleHandler
   
   
        yarn.resourcemanager.address
        master:8032
   
   
        yarn.resourcemanager.scheduler.address
        master:8030
   
   
        yarn.resourcemanager.resource-tracker.address
        master:8031
   
   
        yarn.resourcemanager.admin.address
        master:8033
   
    
    yarn.resourcemanager.webapp.address
    master:8088
   

克隆主机MAC查询修改

Master装完后，克隆作为Slave的ISO，会有虚拟机网卡问题，删除rule的第一行，同时在eth0里面修改mac地址

/etc/udev/rules.d/70-persistent-net.rules

101: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:68:e7:8c

102: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:ee:b0:07

103: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:e5:be:7d

修改hostname   /etc/sysconfig/network   slave1  slave2 slave3

 

 

master,slave之间ssh相互认证

全部用hadoop登录， 执行ssh-keygen -t rsa，3次回车

chmod 755  ~/. ssh

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

chmod 644  ~/.ssh/ authorized_keys

ssh slave1 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

ssh slave2 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

ssh slave3 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave1:~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave2:~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave3:~/.ssh/authorized_keys

 

格式化namenode：hdfs namenode –format 
bin/hdfs namenode –format -clusterid clustername (集群的刷新：一定要记得加-clusterid n54)

dataNode 无法启动是配置过程中最常见的问题，主要原因是多次format namenode 造成namenode 和datanode的clusterID不一致。建议查看datanode上面的log信息。解决办法:修改每一个datanode上面的CID(位于dfs/data/current/VERSION文件夹中)使两者一致。

 

启动Hadoop:

start-dfs.sh    start-yarn.sh

执行jps看结果master： 

2763 ResourceManager
3007 Jps
1851 NameNode
2008 SecondaryNameNode

 

执行jps看结果slave:

1835 Jps
1739 NodeManager
1423 DataNode

 

 

查看集群状态：

hdfs dfsadmin -report

 

查看文件块组成： 

hdfs fsck / -files -blocks

 

查看HDFS:   
http://192.168.32.168:50070

 

查看RerouceManager调度:    

http://192.168.32.168:8088

 

运行测试程序：

生成数据

echo 'bla bla' > test_in.dat

echo 'a b c ' >> test_in.dat

 

文件上传到Hadoop文件系统

hdfs dfs -mkdir /user/hadoop

hadoop fs -put ~/wordcount/wc-in/test_in.dat /user/hadoop/

 

执行自带的样例程序

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /user/hadoop/test_in.dat /user/hadoop/test_out.dat

 

查看结果

fs -ls /user/hadoop/test_out.dat

hadoop fs -cat /user/hadoop/test_out.dat/part-r-00000

a       1
b       1
bla     2
c       1

 

Hive语句：

hive -e"show databases"

default

附：

hive使用derby作为元数据库找不到所创建表的原因

在不同的目录登录hive，derby的metastrore会建在不同的目录下，也就是说用的是不同的metastore，所以当然会找不到相应的元数据。

 

 

在hive提示符下显示DB的名字hive-site.xml：

hive.cli.prompt=true