Hadoop运行环境搭建

1 模板虚拟机环境准备

1)安装模板虚拟机,IP地址192.168.10.100、主机名称hadoop100、内存4G硬盘50G

2)hadoop100虚拟机配置要求如下

(1)使用yum安装需要虚拟机可以正常上网,yum安装前可以先测试下虚拟机联网情况

[root@hadoop100 ~]# ping www.baidu.com

PING www.baidu.com (14.215.177.39) 56(84) bytes of data.

64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=1 ttl=128 time=8.60 ms

64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=2 ttl=128 time=7.72 ms

(2)安装epel-release

注:Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包,适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库,大多数rpm包在官方 repository 中是找不到的)

[root@hadoop100 ~]# yum install -y epel-release

(3)注意:如果Linux安装的是最小系统版,还需要安装如下工具;如果安装的是Linux桌面标准版,不需要执行如下操作

net-tool:工具包集合,包含ifconfig等命令

[root@hadoop100 ~]# yum install -y net-tools

vim:编辑器

[root@hadoop100 ~]# yum install -y vim

2)关闭防火墙,关闭防火墙开机自启

[root@hadoop100 ~]# systemctl stop firewalld

[root@hadoop100 ~]# systemctl disable firewalld.service

3)创建用户,并修改用户的密码(用户名自定义)

[root@hadoop100 ~]# useradd student

[root@hadoop100 ~]# passwd 000000

4)配置student用户具有root权限,方便后期加sudo执行root权限的命令

[root@hadoop100 ~]# vim /etc/sudoers

修改/etc/sudoers文件,在%wheel这行下面添加一行,如下所示:

## Allow root to run any commands anywhere

root    ALL=(ALL)     ALL

## Allows people in group wheel to run all commands

%wheel  ALL=(ALL)       ALL

student  ALL=(ALL)     NOPASSWD:ALL

注意:student 这一行不要直接放到root行下面,因为所有用户都属于wheel组,你先配置了student具有免密功能,但是程序执行到%wheel行时,该功能又被覆盖回需要密码。所以student要放到%wheel这行下面。

5在/opt目录下创建文件夹,并修改所属主和所属组

(1)在/opt目录下创建module、software文件夹

[root@hadoop100 ~]#mkdir /opt/module

[root@hadoop100 ~]# mkdir /opt/software

(2)修改module、software文件夹的所有者和所属组均为student用户 

[root@hadoop100 ~]# chown student:student /opt/module

[root@hadoop100 ~]# chownstudent:student /opt/software

(3)查看module、software文件夹的所有者和所属组

[root@hadoop100 ~]# cd /opt/

[root@hadoop100 opt]# ll

总用量12

drwxr-xr-x. 2 student  student  4096 5月  28 17:18 module

drwxr-xr-x. 2 root    root    4096 9月   7 2017 rh

drwxr-xr-x. 2 student  student  4096 5月  28 17:18 software

6)卸载虚拟机自带的JDK

注意:如果虚拟机是最小化安装不需要执行这一步。

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

rpm -qa:查询所安装的所有rpm软件包

grep -i:忽略大小写

xargs -n1:表示每次只传递一个参数

rpm -e –nodeps:强制卸载软件

7)重启虚拟机

[root@hadoop100 ~]# reboot

2.2 克隆虚拟机

1)利用模板机hadoop100,克隆三台虚拟机:hadoop102 hadoop103 hadoop104

注意:克隆时,要先关闭hadoop100

2)修改克隆机IP,以下以hadoop102举例说明

(1)修改克隆虚拟机的静态IP

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

改成

DEVICE=ens33

TYPE=Ethernet

ONBOOT=yes

BOOTPROTO=static

NAME="ens33"

IPADDR=192.168.10.102

PREFIX=24

GATEWAY=192.168.10.2

DNS1=192.168.10.2

3)修改克隆机主机名,以下以hadoop102举例说明

(1)修改主机名称

[root@hadoop100 ~]# vim /etc/hostname

hadoop102

(2)配置Linux克隆机主机名称映射hosts文件,打开/etc/hosts

[root@hadoop100 ~]# vim /etc/hosts

添加如下内容

192.168.10.100 hadoop100

192.168.10.101 hadoop101

192.168.10.102 hadoop102

192.168.10.103 hadoop103

192.168.10.104 hadoop104

192.168.10.105 hadoop105

192.168.10.106 hadoop106

192.168.10.107 hadoop107

192.168.10.108 hadoop108

4)重启克隆机hadoop102 

[root@hadoop100 ~]# reboot

5)修改windows的主机映射文件(hosts文件)

(a)进入C:\Windows\System32\drivers\etc路径

(b)打开hosts文件并添加如下内容,然后保存(如果操作系统是window10,先拷贝出来,修改保存以后,再覆盖即可)

192.168.10.100 hadoop100

192.168.10.101 hadoop101

192.168.10.102 hadoop102

192.168.10.103 hadoop103

192.168.10.104 hadoop104

192.168.10.105 hadoop105

192.168.10.106 hadoop106

192.168.10.107 hadoop107

192.168.10.108 hadoop108

2.3 在hadoop102安装JDK

1卸载现有JDK(同样的hadoop102也需要卸载自带的jdk

2)用XShell等传输工具将JDK包导入到opt目录下面的software文件夹下面

3)在Linux系统下的opt目录中查看软件包是否导入成功

[student@hadoop102~]$ ls /opt/software/

看到如下结果:

jdk-8u212-linux-x64.tar.gz

4解压JDK到/opt/module目录下

[student@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

5配置JDK环境变量

(1)新建/etc/profile.d/my_env.sh文件

[student@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_212

export PATH=$PATH:$JAVA_HOME/bin

(2)保存后退出

(3)source一下/etc/profile文件,让新的环境变量PATH生效

[student@hadoop102 ~]$ source /etc/profile

6测试JDK是否安装成功

[student@hadoop102 ~]$ java -version

如果能看到以下结果,则代表Java安装成功。

java version "1.8.0_212"

2.4 在hadoop102安装Hadoop

Hadoop下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/

1)XShell文件传输工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面

2)进入到Hadoop安装包路径下

[student@hadoop102~]$ cd /opt/software/

3)解压安装文件到/opt/module下面

[student@hadoop102software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

4)查看是否解压成功

[student@hadoop102software]$ ls /opt/module/

hadoop-3.1.3

5)将Hadoop添加到环境变量

(1)获取Hadoop安装路径

[[email protected]]$ pwd

/opt/module/hadoop-3.1.3

(2)打开/etc/profile.d/my_env.sh文件

[[email protected]]$ sudo vim/etc/profile.d/my_env.sh

在my_env.sh文件末尾添加如下内容:(shift+g)

#HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-3.1.3

export PATH=$PATH:$HADOOP_HOME/bin

export PATH=$PATH:$HADOOP_HOME/sbin

保存并退出::wq

(3)让修改后的文件生效

[[email protected]]$ source /etc/profile

6)测试是否安装成功

[[email protected]]$ hadoop version

Hadoop 3.1.3

完全分布式运行模式(开发重点

1)准备3台客户机(关闭防火墙、静态IP、主机名称)

2)安装JDK

3)配置环境变量

4)安装Hadoop

5)配置环境变量

6)配置集群

7)单点启动

8)配置ssh

9)群起并测试集群

3.1编写集群分发脚本xsync

1)scp(secure copy安全拷贝

(1)scp定义

scp可以实现服务器与服务器之间的数据拷贝。(from server1 to server2)

(2)基本语法

scp    -r        $pdir/$fname             $user@$host:$pdir/$fname

命令  递归    要拷贝的文件路径/名称   目的地用户@主机:目的地路径/名称

(3)案例实操

前提:在hadoop102、hadoop103、hadoop104都已经创建好的/opt/module、 /opt/software两个目录,并且已经把这两个目录修改为student :student

[student@hadoop102 ~]$ sudo chown student:student -R /opt/module

(a)在hadoop102上,将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

[student@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212  student@hadoop103:/opt/module

(b)在hadoop103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。

[student@hadoop103 ~]$ scp -r student@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

(c)在hadoop103上操作,将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。

[student@hadoop103 opt]$ scp -r student@hadoop102:/opt/module/* student@hadoop104:/opt/module

2)rsync远程同步工具

rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。

rsync和scp区别:用rsync做文件的复制要比scp的速度快,rsync只对差异文件做更新。scp是把所有文件都复制过去。

基本语法

rsync    -av       $pdir/$fname             $user@$host:$pdir/$fname

命令  选项参数  要拷贝的文件路径/名称   目的地用户@主机:目的地路径/名称

选项参数说明

-a归档拷贝

-v显示复制过程

3)xsync集群分发脚本

(1)期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)

[student@hadoop102 ~]$ echo $PATH

/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/student/.local/bin:/home/student/bin:/opt/module/jdk1.8.0_212/bin

(2)脚本实现

    (a)在/home/student/bin目录下创建xsync文件

[student@hadoop102opt]$ cd /home/student

[student@hadoop102 ~]$ mkdir bin

[student@hadoop102 ~]$ cd bin

[student@hadoop102 bin]$ vim xsync

在该文件中编写如下代码

#!/bin/bash


#1. 判断参数个数

if [ $# -lt 1 ]

then

    echo Not Enough Arguement!

    exit;

fi

#2. 遍历集群所有机器

for host in hadoop102 hadoop103 hadoop104

do

    echo ====================  $host  ====================

#3. 遍历所有目录,挨个发送

    for file in $@

    do

#4. 判断文件是否存在

        if [ -e $file ]

            then

#5. 获取父目录

                pdir=$(cd -P $(dirname $file); pwd)

#6. 获取当前文件的名称

                fname=$(basename $file)

                ssh $host "mkdir -p $pdir"

                rsync -av $pdir/$fname $host:$pdir

            else

                echo $file does not exists!

        fi

    done

done

(b)修改脚本 xsync 具有执行权限

[student@hadoop102 bin]$ chmod +x xsync

(c)将脚本复制到/bin中,以便全局调用

[student@hadoop102 bin]$ sudo cp xsync /bin/

(d)同步环境变量配置(root所有者)

[student@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

让环境变量生效

[student@hadoop103 bin]$ source /etc/profile

[student@hadoop104 opt]$ source /etc/profile

3.2SSH无密登录配置

(2)生成公钥和私钥

[student@hadoop102 .ssh]$ pwd

/home/student/.ssh

[student@hadoop102 .ssh]$ ssh-keygen -t rsa

然后敲(三个回车),就会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)

(3)将公钥拷贝到要免密登录的目标机器上

[student@hadoop102 .ssh]$ ssh-copy-id hadoop102

[student@hadoop102 .ssh]$ ssh-copy-id hadoop103

[student@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意:

还需要在hadoop103上采用student账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop104上采用student账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop102上采用root账号,配置一下无密登录到hadoop102、hadoop103、hadoop104;

3.3集群配置

1集群部署规划

注意:

NameNode和SecondaryNameNode不要安装在同一台服务器

ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。


2)配置文件说明

Hadoop配置文件分两类:默认配置文件和自定义配置文件,只有用户想修改某一默认配置值时,才需要修改自定义配置文件,更改相应属性值。


(2)自定义配置文件:

core-site.xmlhdfs-site.xmlyarn-site.xmlmapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上,用户可以根据项目需求重新进行修改配置。

3配置集群

(1)核心配置文件

配置core-site.xml

[student@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop

[student@hadoop102 hadoop]$ vimcore-site.xml

文件内容如下:


    

        fs.defaultFS

        hdfs://hadoop102:8020

    


    

        hadoop.tmp.dir

        /opt/moudle/hadoop-3.1.3/data

    


    

        hadoop.http.staticuser.user

        student

    

(2)HDFS配置文件

配置hdfs-site.xml

[student@hadoop102 hadoop]$ vimhdfs-site.xml

文件内容如下:

        dfs.namenode.http-address

        hadoop102:9870

    

    

        dfs.namenode.secondary.http-address

        hadoop104:9868

    

(3)YARN配置文件

配置yarn-site.xml

[student@hadoop102 hadoop]$ vimyarn-site.xml

文件内容如下:

    

        yarn.nodemanager.aux-services

        mapreduce_shuffle

    

    

        yarn.resourcemanager.hostname

        hadoop103

    

    

        yarn.nodemanager.env-whitelist

        JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME

    

(4)MapReduce配置文件

配置mapred-site.xml

[student@hadoop102 hadoop]$ vimmapred-site.xml

文件内容如下:

    

        mapreduce.framework.name

        yarn

    

4)在集群上分发配置好的Hadoop配置文件

[student@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5)去103和104上查看文件分发情况

[student@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

[student@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

3.4 群起集群

1)配置workers

[student@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在该文件中增加如下内容:

hadoop102

hadoop103

hadoop104

注意:该文件中添加的内容结尾不允许有空格,文件中不允许有空行。

同步所有节点配置文件

[student@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc

2)启动集群

(1)如果集群是第一次启动,需要在hadoop102节点格式化NameNode(注意:格式化NameNode,会产生新的集群id,导致NameNode和DataNode的集群id不一致,集群找不到已往数据。如果集群在运行过程中报错,需要重新格式化NameNode的话,一定要先停止namenode和datanode进程,并且要删除所有机器的data和logs目录,然后再进行格式化。)

[student@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

(2)启动HDFS

[student@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

(3)在配置了ResourceManager的节点(hadoop103启动YARN

[student@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

(4)Web端查看HDFS的NameNode

(a)浏览器中输入:http://hadoop102:9870

(b)查看HDFS上存储的数据信息

(5)Web端查看YARN的ResourceManager

(a)浏览器中输入:http://hadoop103:8088

(b)查看YARN上运行的Job信息

3.5配置历史服务器

为了查看程序的历史运行情况,需要配置一下历史服务器。具体配置步骤如下:

1配置mapred-site.xml

[student@hadoop102 hadoop]$ vimmapred-site.xml

在该文件里面增加如下配置。

    mapreduce.jobhistory.address

    hadoop102:10020

    mapreduce.jobhistory.webapp.address

    hadoop102:19888

2)分发配置

[student@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

3)在hadoop102启动历史服务器

[student@hadoop102 hadoop]$ mapred --daemon starthistoryserver

4查看历史服务器是否启动

[student@hadoop102 hadoop]$ jps

5查看JobHistory

http://hadoop102:19888/jobhistory

3.6配置日志的聚集

日志聚集概念:应用运行完成以后,将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处:可以方便的查看到程序运行详情,方便开发调试。

注意:开启日志聚集功能,需要重新启动NodeManager、ResourceManager和HistoryServer。

开启日志聚集功能具体步骤如下:

1)配置yarn-site.xml

[student@hadoop102 hadoop]$ vim  yarn-site.xml

在该文件里面增加如下配置。

    yarn.log-aggregation-enable

    true

 

    yarn.log.server.url  

    http://hadoop102:19888/jobhistory/logs

    yarn.log-aggregation.retain-seconds

    604800

2)分发配置

[student@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

3)关闭NodeManager、ResourceManager和HistoryServer

[student@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh

[student@hadoop103 hadoop-3.1.3]$ mapred --daemonstop historyserver

4启动NodeManager、ResourceManageHistoryServer

[student@hadoop103 ~]$ start-yarn.sh

[student@hadoop102 ~]$ mapred --daemonstart historyserver

5)查看日志

历史服务器地址

http://hadoop102:19888/jobhistory

3.2.9 编写Hadoop集群常用脚本

1)Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh

[student@hadoop102 ~]$ cd /home/student/bin

[student@hadoop102 bin]$ vim myhadoop.sh

输入如下内容

#!/bin/bash

if [ $# -lt 1 ]

then

    echo "No Args Input..."

    exit ;

fi


case $1 in

"start")

echo " =================== 启动 hadoop集群 ==================="


echo " --------------- 启动 hdfs ---------------"

        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"

echo " --------------- 启动 yarn ---------------"

        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"

echo " --------------- 启动 historyserver ---------------"

        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"

;;

"stop")

echo " =================== 关闭 hadoop集群 ==================="


echo " --------------- 关闭 historyserver ---------------"

        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"

echo " --------------- 关闭 yarn ---------------"

        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"

echo " --------------- 关闭 hdfs ---------------"

        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"

;;

*)

    echo "Input Args Error..."

;;

esac

保存后退出,然后赋予脚本执行权限

[student@hadoop102 bin]$ chmod +x myhadoop.sh

2)查看三台服务器Java进程脚本:jpsall

[student@hadoop102 ~]$ cd /home/student/bin

[student@hadoop102 bin]$ vim jpsall

输入如下内容

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104

do

        echo =============== $host ===============

        ssh $host jps

done

保存后退出,然后赋予脚本执行权限

[student@hadoop102 bin]$ chmod +x jpsall

3)分发/home/student/bin目录,保证自定义脚本在三台机器上都可以使用

[student@hadoop102 ~]$ xsync /home/student/bin/

4)启动之前在hadoop102格式化

hdfs namenode -format

你可能感兴趣的:(Hadoop运行环境搭建)