Linux上hadoop和spark搭建记录

因玩票需要，使用三台搭建spark(192.168.1.10,192.168.1.11,192.168.1.12)，又因spark构建在hadoop之上，那么就需要先搭建hadoop。历经一个两个下午，终于搭建完成，特记录如下。

 

点击此处添加图片说明文字

 

准备工作

1. jdk已经安装。

2. 文件下载

　　包含scala，hadoop，spark

3. ssh无密码认证

    三台互相无密码认证步骤：

　第一步，生成rsa公约私钥：

[root@jw01 .ssh]# ssh-keygen -t rsa[root@jw02 .ssh]# ssh-keygen -r rsa[root@kt01  .ssh]# ssh-keygen -t rsa[root@kt02  .ssh]# ssh-keygen -t rsa
Generating public/private rsa key pair.Enter file in which to save the key (/root/.ssh/id_rsa): #回车代表无需密码登陆Enter passphrase (empty for no passphrase): #回车Enter same passphrase again: #回车Your identification has been saved in /root/.ssh/id_rsa. #代表私钥Your public key has been saved in /root/.ssh/id_rsa.pub. #代表公钥The key fingerprint is:04:45:0b:47:10:92:0c:b2:b9:d7:11:5b:49:05:e4:d9 root@jw01

第二步，将192.168.1.11,192.168.1.12两台生成的公钥id_rsa.pub重命名id_rsa.pub_11,id_rsa.pub_12传送到192.168.1.10的/root/.ssh/目录下，

然后在192.168.1.10上将所有公钥加到用于认证的公钥文件authorized_keys(若没有该文件，则下面的命令会生成文件)中，命令为：

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

第三步：将192.168.1.10上的文件分布复制到192.168.1.11,192.168.1.12两台机器的/root/.ssh/目录下

最后测试，是否可以使用ssh ip地址互相登陆。

环境准备

修改主机名

我们将搭建1个master，2个slave的集群方案。首先修改主机名vi /etc/hostname，在master上修改为master，其中一个slave上修改为slave1，另一个同理。

配置hosts

在每台主机上修改host文件

vi /etc/hosts 192.168.1.10 master 192.168.1.11 slave1 192.168.1.12 slave2

hadoop安装

1.解压

tar -zxvf hadoop-2.6.0.tar.gz

2.修改配置文件

  参考文献【1】所示

在机器192.168.1.10(master)上进入hadoop配置目录，需要配置有以下7个文件：hadoop-env.sh，yarn-env.sh，slaves，core-site.xml，hdfs-site.xml，maprd-site.xml，yarn-site.xml

1. 在hadoop-env.sh中配置JAVA_HOME

   # The java implementation to use. export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75

2. 在yarn-env.sh中配置JAVA_HOME

   # some Java parameters export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75

3. 在slaves中配置slave节点的ip或者host，

   192.168.1.11 192.168.1.12

4. 修改core-site.xml

   fs.defaultFS hdfs://master:9000/ hadoop.tmp.dir file:/home/spark/workspace/hadoop-2.6.0/tmp

5. 修改hdfs-site.xml

   dfs.namenode.secondary.http-address master:9001 dfs.namenode.name.dir file:/home/spark/workspace/hadoop-2.6.0/dfs/name dfs.datanode.data.dir file:/home/spark/workspace/hadoop-2.6.0/dfs/data dfs.replication 3

6. 修改mapred-site.xml

   mapreduce.framework.name yarn

7. 修改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:8035 yarn.resourcemanager.admin.address master:8033 yarn.resourcemanager.webapp.address master:8088

3. 将配置好的hadoop-2.6.0文件夹分发给slave机器192.168.1.11,192.168.1.12

4. 在192.168.1.10启动

cd ~/workspace/hadoop-2.6.0     #进入hadoop目录
bin/hadoop namenode -format     #格式化namenode
sbin/start-dfs.sh               #启动dfs 
sbin/start-yarn.sh              #启动yarn

5.测试

10机器上

$ jps  #run on master
3407 SecondaryNameNode
3218 NameNode
3552 ResourceManager
3910 Jps

11,12机器上

$ jps   #run on slaves
2072 NodeManager
2213 Jps
1962 DataNode

admin端

在浏览器中输入 http://192.168.1.10:8088 ，应该有 hadoop 的管理界面出来了，并能看到 slave1 和 slave2 节点。端口配置在yarn-site.xml上

    
        yarn.resourcemanager.webapp.address
        master:8088
    

安装scala

参考文献[1]

在三台机器上分别操作：机器192.168.1.10，192.168.1.11,192.168.1.12

解压

tar -zxvf scala-2.10.4.tgz

 

再次修改环境变量sudo vi /etc/profile，添加以下内容：

export SCALA_HOME=$WORK_SPACE/scala-2.10.4 export PATH=$PATH:$SCALA_HOME/bin

 

同样的方法使环境变量生效，并验证 scala 是否安装成功

$ source /etc/profile #生效环境变量 $ scala -version #如果打印出如下版本信息，则说明安装成功 Scala code runner version 2.10.4 -- Copyright 2002-2013, LAMP/EPFL

可能遇到的问题解决：

【1】Hadoop jps出现process information unavailable提示解决办法：参考文献【2】

启动Hadoop之后，使用jps命令查看当前系统的java进程情况，显示：   

hduser@jack:/usr/local/hadoop$ jps
18470 SecondaryNameNode
19096 Jps
12167 -- process information unavailable
19036 NodeManager
18642 ResourceManager
18021 DataNode
17640 NameNode

    这时可以通过进入本地文件系统的/tmp目录下，删除名称为hsperfdata_{username}的文件夹，然后重新启动Hadoop。

【2】各种权限问题

解决方式：重做ssh无密码认证的准备工作

 【3】启动Hadoop HDFS时的“Incompatible clusterIDs”错误原因分析 

  解决方式：“Incompatible clusterIDs”的错误原因是在执行“hdfs namenode -format”之前，没有清空DataNode节点的data目录。清空之。

spark安装

参考文献【1】所示

在10机器上解压

tar -zxvf spark-1.4.0-bin-hadoop2.6.tgz
mv spark-1.4.0-bin-hadoop2.6 spark-1.4    #原来的文件名太长了，修改下

修改配置：

cd ~/workspace/spark-1.4/conf #进入spark配置目录 cp spark-env.sh.template spark-env.sh #从配置模板复制 vi spark-env.sh #添加配置内容

 

在spark-env.sh末尾添加以下内容（这是我的配置，你可以自行修改）：

export SCALA_HOME=/home/spark/workspace/scala-2.10.4
export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75
export HADOOP_HOME=/home/spark/workspace/hadoop-2.6.0
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=master
SPARK_LOCAL_DIRS=/home/spark/workspace/spark-1.3.0
SPARK_DRIVER_MEMORY=1G

修改slaves文件
cp slaves.template slaves

  修改配置：

192.168.1.11

192.168.1.12

将上述配置分发给：192.168.1.11,192.168.1.12

在10上启动：

sbin/start-all.sh

检查是否启动：

master上

$ jps
7949 Jps
7328 SecondaryNameNode
7805 Master
7137 NameNode
7475 ResourceManager

在slave2

$jps
3132 DataNode
3759 Worker
3858 Jps
3231 NodeManager

进入Spark的Web管理页面： http://192.168.1.10:8080

如果8080被别的程序占用，使用8081端口。

 

点击此处添加图片说明文字

END

 

点击此处添加图片说明文字

 

碧茂课堂精彩课程推荐：

1.Cloudera数据分析课；

2.Spark和Hadoop开发员培训；

3.大数据机器学习之推荐系统；

4.Python数据分析与机器学习实战；

 

点击此处添加图片说明文字

 

详情请关注我们公众号：碧茂大数据-课程产品-碧茂课堂

现在注册互动得海量学币，大量精品课程免费送！