基于CDH（Cloudera Distribution Hadoop）的大数据平台搭建
“Apache Hadoop存在版本管理混乱、部署过程繁琐、升级过程复杂、兼容性差、安全性低等问题，CDH是Hadoop商业发行版之一，本文介绍基于Cloudera Manager的Cloudera Hadoop 6.1.0大数据平台搭建，简单易上手 ”
基础环境准备
1、CM和CDH包
准备cm的rpm包，cdh的parcel包，第1个链接内的需要完全下载，第2个链接内根据linux版本（centos6 or 7）下载；
cm的rpm包：
https://archive.cloudera.com/cm6/6.1.0/redhat7/yum/RPMS/x86_64/
cdh的parcels包：
https://archive.cloudera.com/cdh6/6.1.0/parcels/
2、网络
若是在虚拟机上配置（须满足内存>6G，磁盘划分/至少40G，/data/10G），保证NAT模式下所有主机在同网段，且能访问外网。修改IP、网关、DNS；
vim /etc/sysconfig/network-scripts/ifcfg-ens33
首先，修改ifcfg-en33的dhcp自动分配修改为静态寻址，增加ip/掩码/网关配置；（网关不管怎么配，都不要配192.168.x.1，因为1号IP是VMnet8网卡的IP）。
TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static"
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="5ed941c2-deb4-48ae-a76d-838503c8683c"
DEVICE="ens33"
ONBOOT="yes"
IPADDR="192.168.242.134"
GATWAY="192.168.242.2"
NETMASK="255.255.255.0"
DNS1="192.168.242.2"
配置完成后通过service network restart 重启网卡设置，依然无法连接外网（ping www.baidu.com），可以增加默认dns；
route add default gw 192.168.242.2
其次，增加主机和主机名映射（/etc/hosts），关闭防火墙，关闭SElinux，设置多主机免密，开启http服务；
#cat /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.242.134 hadoop1
#关闭防火墙，centos7之前版本
systemctl disable firewalld
#关闭防火墙，centos7之后版本
systemctl disable firewalld.service
#重启生效
#vi /etc/selinux/config
SELINUX=disabled
SELINUXTYPE=targeted
3、免密
主机免密的方法：
主机A/B/C为例，设置免密登录的方法：
① 每台机器上执行 ssh-keygen -t rsa ，敲3次回车会在家目录/home/csap下生成隐藏的.ssh目录，首先需要给此目录赋权限700: chmod 700 .ssh；这个目录下有两个文件：id_rsa 私钥和id_rsa.pub 公钥；
② 在此目录中创建 authorized_keys 文件并赋权:
cd .ssh
touch authorized_keys
chmod 644 authorized_keys
③ 以机器A为例，执行以上操作后，如果不知道其他机器的密码，比如绑定4A；把自己的 id_rsa.pub 公钥 以及其他两台机器的公钥粘贴到 authorized_keys文件中，然后把这个文件复制到其他2台机器即可。等于所有机器都有其他机器的公钥，即可完成ssh 免密登录；
④ 如果知道其他机器密码，可以直接执行这个把公钥写到其他机器的authorized_keys文件中：ssh-copy-id -i ~/.ssh/[email protected]
4、时钟同步
时钟同步（保证其他节点同cm节点时钟一致）：
1、所有机器安装ntp ：yum -y install ntp
2、CM节点配置时钟与自己同步：vim /etc/ntp.conf，删除其他server，加入：
server 127.127.1.0 # local clock
fudge 127.127.1.0 stratum 10
3、其他非CM节点，同步CM节点的时间，vim /etc/ntp.conf，加入：
server xxx.xxx.xxx.xx
4、重启所有机器的ntp服务
systemctl restart ntpd或者service ntpd restart
systemctl status ntpd或者service ntpd status
5、验证同步
所有节点执行ntpq –p，左边出现*号表示同步成功。
6、若不成功;
/usr/sbin/ntpdate stdtime.gov.hk
ntpdate xxx.xxx.xxx.xxx
手动同步时间
5、http服务
开启http服务，/var/www/html/目录下会自动创建cm和cdh目录
yum -y install httpd
systemctl start httpd 或service httpd start
6、制作yum源
① 开启http服务
#创建目录，并上传本地的cdh和cm到制定文件夹
cd /var/www/html/
mkdir cm-6.1.0 cdh-6.1.0
#完成后在浏览器打开url：http://192.168.242.134/cm-6.1.0，能够访问则成功；
② 制作本地yum源
#下载yum源工具包
yum -y install yum-utils createrepo
# 在cm-6.1.0目录下生成rpm元数据：
createrepo /var/www/html/cm-6.1.0
#并对/var/www/html下的所有目录和文件赋权：
chmod -R 755 /var/www/html
#创建本地Cloudera Manager的repo源，创建/etc/yum.repos.d/myrepo.repo，加入一些配置项：
[myrepo]
name = myrepo
baseurl = http://192.168.242.134/cm-6.1.0
enable = true
gpgcheck = false
#也可以直接修改Centos-Base.repo文件添加上面几行；
#完成后，使用yum repolist验证是否成功，会列出可以用源；
yum repolist
完成后，可通过rul查看文件，确保repodata文件夹一定要成功生成，不然后续无法通过！！！！
安装CDH
1、安装Cloudera-manager
这里使用默认的pgsql作为元数据库，可以自己安装mysql库，并将其作为元数据库；
# ① 安装必要rpm包
cd /var/www/html/cm-6.1.0/
chmod +x cloudera-manager-installer.bin
# 安装jdk
rpm -ivh oracle-j2sdk1.8-1.8.0+update141-1.x86_64.rpm
# 安装cm-agent、cm-daemon、cm-server、cm-server-db的rpm包，步骤有一定约束：
rpm -ivh cloudera-manager-daemons-6.1.0-769885.el7.x86_64.rpm
rpm -ivh cloudera-manager-server-6.1.0-769885.el7.x86_64.rpm
rpm -ivh cloudera-manager-server-db-2-6.1.0-769885.el7.x86_64.rpm （报错）
# 报错因为server-db 依赖postgresql-server >= 8.4 ,使用yum 安装，自动下载依赖
yum install -y cloudera-manager-server-db-2-6.1.0-769885.el7.x86_64.rpm
# server-agent 需要依赖更多
rpm -ivh cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm
#警告：cloudera-manager-agent-6.1.0-769885.el7.x86_64.rpm: 头V3 RSA/SHA256 Signature, 密钥 ID b0b19c9f: NOKEY错误：依赖检测失败：
# 解决办法是分别yum安装依赖包；
yum install -y lsb
yum install -y mod_ssl
yum install -y openssl-devel
yum install -y python-psycopg2
yum install -y MySQL-python
#完成后，重新安装server-agent依赖
# ② 上面的rpm依赖完成安装后，启动cm的installer
./cloudera-manager-installer.bin --skip_repo_package=1
# ③ 删除/etc/cloudera-scm-server/db.properties
rm /etc/cloudera-scm-server/db.properties
安装完成后提示如下说明cm安装成功，启动7180端口，用户名和密码都是admin；
验证：
（1）netstat -lnpt | grep 7180 端口有运行；
（2）查看日志:tail -f /var/log/cloudera-scm-server/cloudera-scm-server.log 提示ScmActive completed successfully
（3）web查看xx.xx.xx.xx:7180是否可以访问；
2、安装CDH
使用本地parcel包安装cdh（坑很多），cm的安装，web访问192.168.242.134:7180登录cm页面按照指引进行cdh安装。
① 存储库选择http://192.168.242.134/cm-6.1.0（确认http服务已开启，可以url访问）
② 修改cdh的parcels文件名称：
mv CDH-6.1.0-1.cdh6.1.0.p0.770702-el7.parcel.sha256 CDH-6.1.0-1.cdh6.1.0.p0.770702-el7.parcel.sha
③ 经常出现无法读取本地cdh的parcels包问题，需要重启installer；一般没用，还是外网下载。。。
# 卸载重装
/opt/cloudera/installer/uninstall-cloudera-manager.sh
rm /etc/cloudera-scm-server/db.properties
./cloudera-manager-installer.bin --skip_repo_package=1
帖子上说可以重启scm-server解决，但无效，可以在其下载一半返回页面，重新扫描可以解决；
2、配置cdh中的大数据相关组件
按照指引进行，记住数据库的登录名和密码；
初始化组件安装时容易出现主机资源不足，前期应该给cm节点足够的存储空间；
能够完成组件安装，就可以看见实时监控页面，后续扩容将后面补充；
历史好文推荐
从0到1搭建大数据平台之计算存储系统
从0到1搭建大数据平台之调度系统
从0到1搭建大数据平台之数据采集系统
如何从0到1搭建大数据平台
