Hadoop分布式环境搭建

这篇文章阐述下Hadoop分布式环境的搭建，Hadoop版本采用hadoop-2.6.0-cdh5.7.0，手头有三台机器，即hadoop000/hadoop001/hadoop002，我会把其中一台机器节点分配NameNode和ResourceManager角色，同时这台机器也作为一个数据存储节点分配DataNode和NodeManager角色，另外两台机器仅作为数据存储节点分配DataNode和NodeManager角色。

• hadoop000:NameNode/DataNode ResourceManager/NodeManager
• hadoop001:DataNode NodeManager
• hadoop002:DataNode NodeManager

准备工作

1. hostname设置
   在三台机器上分别使用sudo vi /etc/sysconfig/network命令修改hostname，比如对第一台机器做如下设置，另外两台同理：
   NETWORKING=yes
   HOSTNAME=hadoop000
2. 配置hostname和ip地址的映射关系，使用sudo vi /etc/hosts对三台机器做如下配置：
   192.168.199.102 hadoop000
   192.168.199.247 hadoop001
   192.168.199.138 hadoop002

前置安装

1. ssh免密码登录
   在每台机器上执行：ssh-keygen -t rsa
   以hadoop000机器为主
   ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop000
   ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop001
   ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop002
2. jdk安装
   在hadoop000机器上解压jdk安装包，并设置JAVA_HOME到系统环境变量
   tar -zxvf jdk-8u131-linux-x64.tar.gz -C ~/app/
   设置环境变量
   vi ~/.bash_profile
   export JAVA_HOME=/home/hadoop/app/jdk1.8.0_131
   export PATH=$JAVA_HOME/bin:$PATH
   source ~/.bash_profile使之生效

集群安装

1. Hadoop安装

   • 在hadoop000机器上解压Hadoop安装包，并设置HADOOP_HOME到系统环境变量
     hadoop-env.sh
     export JAVA_HOME=/home/hadoop/app/jdk1.7.0_79

   • core-site.xml
     
     fs.default.name
     hdfs://hadoop000:8020
     

   • hdfs-site.xml
     
     dfs.namenode.name.dir
     /home/hadoop/app/tmp/dfs/name
     

     
     dfs.datanode.data.dir
     /home/hadoop/app/tmp/dfs/data
     

   • yarn-site.xml
     
     yarn.nodemanager.aux-services
     mapreduce_shuffle
     

     
     yarn.resourcemanager.hostname
     hadoop000
     

   • mapred-site.xml
     
     mapreduce.framework.name
     yarn
     

   • slaves
     hadoop000
     hadoop001
     hadoop002

2. 分发安装包和配置文件到hadoop001和hadoop002节点
   scp -r ~/app hadoop@hadoop001:~/
   scp -r ~/app hadoop@hadoop002:~/
   scp ~/.bash_profile hadoop@hadoop001:~/
   scp ~/.bash_profile hadoop@hadoop002:~/
   在hadoop001和hadoop002机器上让.bash_profile生效

3. 对NameNode做格式化：只要在hadoop000上执行即可
   bin/hdfs namenode -format

4. 启动集群：只要在hadoop000上执行即可
   sbin/start-all.sh

5. 验证
   jps查看进程：

   • hadoop000:
     SecondaryNameNode
     DataNode
     NodeManager
     NameNode
     ResourceManager
   • hadoop001:
     NodeManager
     DataNode
   • hadoop002:
     NodeManager
     DataNode

   webui访问: hadoop000:50070（hdfs） hadoop000:8088（yarn）

6. 集群停止： stop-all.sh

将Hadoop项目运行到集群中

1）上传数据到hadoop000机器的data目录下
2）上传开发的jar到hadoop000机器的lib目录下
3）需要将数据上传到hdfs
4）在分布式集群上运行我们开发的程序
比如我这里运行官方给的计算Pi的案例：
hadoop jar /home/hadoop/app/hadoop-2.6.0-cdh5.7.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.7.0.jar pi 2 3