Linux环境Hadoop、spark、Kafka搭建流程

服务器名称及IP

1. 使⽤vim修改hosts⽂件，vim /etc/hosts，三台服务器均做相同配置
   添加

master：192.168.x.X
slaver1：192.168.x.X
slaver2：192.168.x.x

2. vim /etc/hostname，需要对三台服务器分别配置为master、slaver1、slaver2

192.168.x.x master 
192.168.x.x slaver1 
192.168.x.x slaver2

三台电脑免密登录

在每台电脑终端输入：

sudo ssh-keygen -t rsa

将slaver1、slaver2主机上公钥复制到master

scp id_rsa.pub cciip@master:~/.ssh/id_rsa_slaver1.pub 
scp id_rsa.pub cciip@master:~/.ssh/id_rsa_slaver2.pub

在master主机上，对三个公匙进⾏注册

cat id_rsa* >> authorized_keys

最后，将master上的authorized_keys分发到slaver1、slaver2上

scp authorized_keys cciip@slaver1:~/.ssh/ 
scp authorized_keys cciip@slaver2:~/.ssh/

若是各电脑用户名不同时，可以在~/.ssh/中的config添加：

Host master
user name1
Host slaver1
user name2
Host slaver2
user name3

测试是否成功：

ssh master 
ssh slaver1 
ssh slaver2

安装jdk环境

1. 安装Java，三台电脑都需要安装。
   下载jdk：
   官网地址
   我下载的是jdk-8u271-linux-x64.tar.gz
   在下载目录下使用终端sudo tar -zxvf jdk-8u271-linux-x64.tar.gz -C /usr/local解压并移动到/usr/local目录下。
2. 配置系统环境变量
   编辑/etc/profile文件，在文件末尾添加，然后使用source /etc/profile使文件生效

# jdk
export JAVA_HOME=/usr/local/jdk1.8.0_271
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

3. 验证jdk安装成功
   使用java -version查看Java版本

安装hadoop

1、首先从https://hadoop.apache.org/releases.html下载，选择binary文件进行下载，下载的文件名是hadoop-2.7.7.tar.gz
2、同样将安装包解压并移动到/usr/local目录下
3、进入/usr/local/hadoop-2.7.7/bin目录下，hadoop version判断hadoop版本
4、配置环境变量
编辑/etc/profile文件，在末尾添加

# hadoop-2.7.7
export HADOOP_HOME=/usr/local/hadoop-2.7.7
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

然后source /etc/profile使文件生效
5、在hadoop-2.7.7目录下创建hdfs文件夹，并在hdfs目录下创建tmp, name, data
三个文件夹:

sudo mkdir hdfs
sudo mkdir tmp
sudo mkdir name
sudo mkdir data

6、在/usr/local/hadoop-2.7.7/etc/hadoop目录下有需要配置的文件
首先配置core-site.xml文件，使用sudo vim core-site.xml打开文件，然后在中如下配置是读写sequence file 的 buffer size,可减少 I/O 次数。在大型的 Hadoop cluster，建议可设定为 65536 到 131072，默认值 4096.按照教程配置了131072：

<configuration>
        <property>
             <name>hadoop.tmp.dir</name>
             <value>file:/usr/local/hadoop-2.7.7/tmp</value>
             <description>Abase for other temporary directories.</description>
         </property>
        <property>
                 <name>io.file.buffer.size</name>
                 <value>131072</value>
         </property>
        <property>
             <name>fs.defaultFS</name>
             <value>hdfs://master:9000</value>
        </property>
</configuration>

注意：第一个属性中的value和我们之前创建的/usr/local/hadoop-2.7.7/hdfs/tmp路径要一致。

然后配置hadoop-env.sh，用于配置jdk目录，将export JAVA_HOME=${JAVA_HOME}注释掉配置成具体的路径：

同样在mapred-env.sh加入JAVA_HOME：

配置hdfs-site.xml，在中加入以下代码：

<configuration>
                 <property>
                 <name>dfs.replication</name>
                 <value>2</value>
         </property>
         <property>
                 <name>dfs.namenode.name.dir</name>
                 <value>file:/usr/local/hadoop-2.7.7/hdfs/name</value>
                 <final>true</final>
        </property>
         <property>
                 <name>dfs.datanode.data.dir</name>
                 <value>file:/usr/local/hadoop-2.7.7/hdfs/data</value>
                 <final>true</final>
         </property>
         <property>
                 <name>dfs.namenode.secondary.http-address</name>
                 <value>master:9001</value>
         </property>
         <property>
                 <name>dfs.webhdfs.enabled</name>
                 <value>true</value>
         </property>
         <property>
                 <name>dfs.permissions</name>
                 <value>false</value>
         </property>
</configuration>

注意：其中第二个dfs.namenode.name.dir和dfs.datanode.data.dir的value和之前创建的/hdfs/name和/hdfs/data路径一致；由于有两个从主机slave1、slave2，所以dfs.replication设置为2
复制mapred-site.xml.template文件，并命名为mapred-site.xml,编辑mapred-site.xml，在标签中添加以下代码：

<configuration>
         <property>
                 <name>mapreduce.framework.name</name>
                 <value>yarn</value>
         </property>
         <property> 
                <name>mapreduce.jobhistory.address</name> 
                <value>master:10020</value>
        </property>
        <property>
                <name>mapreduce.jobhistory.webapp.address</name> 
                <value>master:19888</value>
        </property>
</configuration>

配置yarn-site.xml:

<configuration>
         <property>
                <name>yarn.resourcemanager.address</name>
                <value>master:18040</value>
         </property>
         <property>
                 <name>yarn.resourcemanager.scheduler.address</name>
                 <value>master:18030</value>
         </property>
         <property>
                 <name>yarn.resourcemanager.webapp.address</name>
                 <value>master:18088</value>
         </property>
         <property>
                 <name>yarn.resourcemanager.resource-tracker.address</name>
                 <value>master:18025</value>
         </property>
         <property>
                 <name>yarn.resourcemanager.admin.address</name>
                 <value>master:18141</value>
         </property>
         <property>
                 <name>yarn.nodemanager.aux-services</name>
                 <value>mapreduce_shuffle</value>
         </property>
         <property>
                <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
                 <value>org.apache.hadoop.mapred.ShuffleHandler</value>
         </property>
        <property>
                <name>yarn.nodemanager.resource.memory-mb</name>
                <value>20480</value>
         </property>
         <property>
                <name>yarn.scheduler.minimum-allocation-mb</name>
                <value>2048</value>
         </property>
         <property>
                <name>yarn.nodemanager.vmem-pmem-ratio</name>
                <value>2.1</value>
         </property>


</configuration>

最后编辑slaves文件,把原有内容删掉，然后添加:

slaver1
slaver2

7、复制hadoop到其他节点，并放在相同目录
8、启动hadoop
进入安装目录：/usr/local/hadoop-2.7.7，./bin/hdfs namenode -format,成功的话会看到“successfully formated”和“exiting with status 0”
需要对hadoop目录有写权限：sudo chmod -R 777 /usr/local/hadoop-2.7.7
在master上开启hadoop，使用./sbin/start-all.sh 启动。然后⽤jps命令来查看是否启动成功，若成功会看到master上⾯有namenode、secondarynamenode resourcemanager，
worker1和worker2上⾯有datanode、nodemanager
9、通过web查看hadoop集群状态
YARN的web页面，则是在master机器上，然后端口是用yarn-site.xml配置文件中的yarn.resourcemanager.webapp.address指定的，我们配置的是18088，那么在浏览器中输入：http://192.168.x.x:18088即可打开界面，如下图所示：

HDFS界面在master上打开，如果没有更改端口，则默认的端口是50070：http://192.168.1.4:50070，如下图所示：

10、拷贝至其他节点

安装Scala

下载的文件名scala-2.11.12.tgz，解压并移动到/usr/local目录下，打开/etc/profile并编辑，在文件末尾添加：

# scala
export SCALA_HOME=/usr/local/scala-2.11.12
export PATH=$PATH:$SCALA_HOME/bin

运行source /etc/profile使文件生效，检测是否安装成功：scala -version
拷贝至其他节点

安装spark

下载spark-2.4.0-bin-hadoop2.7.tgz解压并移动到/usr/local目录下，同样配置环境变量，在/etc/profile文件末尾添加：

# spark
export SPARK_HOME=/usr/local/spark-2.4.0-bin-hadoop2.7
export PATH=$PATH:$SPARK_HOME/bin
export PATH=$PATH:$SPARK_HOME/sbin
export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.7-src.zip:$PYTHONPATH

1、配置slaves文件，进入slaves文件所在目录/usr/local/spark-2.4.0-bin-hadoop2.7/conf，编辑slaves文件，添加：

master
slaver1
slaver2

2、配置spark-env.sh
spark-env.sh主要⽤于配置spark运⾏时核数、内存⼤⼩等，⾸先进⼊到spark-env.sh所在位置/usr/local/spark-2.4.0-bin-hadoop2.7/conf
将spark-env.sh.template⽂件复制⼀份，命名为spark-env.sh，spark运⾏时会进⾏加载。配置spark-env.sh脚本内容如下：

export JAVA_HOME=/usr/local/jdk1.8.0_271
export HADOOP_HOME=/usr/local/hadoop-2.7.7
export HADOOP_CONF_DIR=/usr/local/hadoop-2.7.7/etc/hadoop
export YARN_CONF_DIR=/usr/local/hadoop-2.7.7/etc/hadoop
export SCALA_HOME=/usr/local/scala-2.11.12
export SPARK_HOME=/usr/local/spark-2.4.0-bin-hadoop2.7
export SPARK_MASTER_IP=master
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=20G
export SPARK_EXECUTOR_CORES=4
export SPARK_EXECUTOR_MEMORY=6G
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$HADOOP_HOME/lib/native

3、将配置好的spark-2.4.0-bin-hadoop2.7文件复制给其他节点
4、启动spark集群
在master上进入/usr/local/spark-2.4.0-bin-hadoop2.7/sbin目录，运行start-all.sh和start-slaves.sh脚本。
在master和slaver1、slaver2上运行start-master.sh脚本。在slaver上用jps查看，如果有master和worker进程则说明成功。

关闭时分别运行

stop-master.sh、stop-slaves.sh、stop-all.sh

7、可通过http://master:8080查看集群情况和运⾏的applications，可看到机器处于active状态。另外，打开http://slaver1:8081可看到机器处于stand by状态。可通过http://master:4040 查看application运⾏的job的具体信息。
运行 spark-shell，可以进入 Spark 的 shell 控制台。

安装Kafka

下载kafka_2.11-2.4.0.tgz解压并移动到/usr/local目录下，我们解压后的kafka 进文件夹，如下目录。我们主要用到的就是bin和config 这两个目录。

1、config目录
config 里面的文件。我们主要就用到server.propertie 和zookeeper.properties.

server.propertie 是启动kafka 时加载的配置文件。点击去看看，基本要改的就是下面这两个地方。
每一个broker都需要一个标识符，使用broker.id来表示。它的默认值是0，也可以被设置成任意其它整数。这个值在整个kafka集群里必须是唯一的。这个值可以任意选定。

还有kafka 默认启动服务的默认端口是9092.如果我们想要修改的话，就需要在server.propertie 中加上。
zookeeper.properties 文件是启动kafka 自带的zookeeper 时加载的配置。里面的配置就比较少了，主要是：

libs 文件夹是kafka 运行依赖的jar 包，我们可以不用管，logs是kafka 运行产生的日志，我们排查问题时用到，暂时也不用管。
2、简单操作
kafka 启动要依赖zookeeper服务。所以我们来看zookeeper的命令。

# 启动zookeeper 服务
bin/zookeeper-server-start.sh ./config/zookeeper.properties

# 停止zookeeper 服务
bin/zookeeper-server-stop.sh

启动好zookeeper 后，启动kafka 服务。

bin/kafka-server-start.sh ./config/server.properties

关闭kafka服务：

bin/kafka-server-stop.sh 

启动好kafka 服务后，我们就可以创建topic 啦。创建topic的命令：

bin/kafka-topics.sh --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test1

这里可以看到创建topic 的命令算是比较复杂的， --zookeeper localhost:2181是指定zookeeper 服务。-replication-factor是指创建分区。
partitions 是创建备份。test1是topic 名称。
我们在创建一个tpoic test2. 然后查看topic 列表,需要指定zookeeper 连接：

bin/kafka-topics.sh --list --zookeeper localhost:2181

创建了topic 。接下来我们可以让生产者推送消息到这个topic 上。

bin/kafka-console-producer.sh --broker-list localhost:9092 --topic test1

生产者生产了消息，接下来就需要消费者消费消息啦。

bin/kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic test1 --from-beginning
–bootstrap-server localhost:9092

是连接特定的kafka 服务
–from-beginning 读取历史未消费的数据。

可以看到kafka可以正常使用。