Linux 虚拟机：大数据集群基础环境搭建（Hadoop、Spark、Flink、Hive、Zookeeper、Kafka、Nginx）

基本信息：Centos-7.9、Java-1.8、Python-3.9、Scala-2.12、Hadoop-3.2.1、Spark-3.1.2、Flink-1.13.1、Hive-3.1.3、Zookeeper-3.8.0、Kafka-3.2.0、Nginx-1.23.1

所有安装配置都基于个人学习配置，生产环境安装请明确各项配置

一、相关文件下载地址

• Centos-7.9
  • http://mirrors.aliyun.com/centos/7.9.2009/isos/x86_64
• Java-1.8
  • https://www.oracle.com/java/technologies/downloads/#java8
• Python-3.9
  • https://www.python.org/ftp/python/3.9.6/Python-3.9.6.tgz
• Scala-2.12
  • https://www.scala-lang.org/download/2.12.12.html
• Hadoop-3.2.1
  • http://archive.apache.org/dist/hadoop/common/hadoop-3.2.1/hadoop-3.2.1.tar.gz
• Spark-3.1.2
  • http://archive.apache.org/dist/spark/spark-3.1.2/spark-3.1.2-bin-hadoop3.2.tgz
• Flink-1.13.1
  • http://archive.apache.org/dist/flink/flink-1.13.1/flink-1.13.1-bin-scala_2.12.tgz
• Hive-3.1.3
  • http://archive.apache.org/dist/hive/hive-3.1.3/apache-hive-3.1.3-bin.tar.gz
• Zookeeper-3.8.0
  • http://archive.apache.org/dist/zookeeper/zookeeper-3.8.0/apache-zookeeper-3.8.0-bin.tar.gz
• Kafka-3.2.0
  • http://archive.apache.org/dist/kafka/3.2.0/kafka_2.12-3.2.0.tgz
• Nginx-1.23.1
  • https://nginx.org/download/nginx-1.23.1.tar.gz

二、虚拟机基础配置

• 修改静态 IP
  • vi /etc/sysconfig/network-scripts/ifcfg-eth0
  • 修改完后重启网络
    • systemctl restart network
  • 相关配置根据自己机器修改

BOOTPROTO="static"
ONBOOT="yes"
GATEWAY="10.211.55.1"
IPADDR="10.211.55.101"
NETMASK="255.255.255.0"
DNS1="114.114.114.114"
DNS2="8.8.8.8"

• 创建用户
  • 创建
    • useradd -m ac_cluster
  • 密码
    • passwd ac_cluster
  • sudo 权限
    • vi /etc/sudoers
    • 在 root 配置下面添加对应用户数据
• 修改 yum 源
  • 配置位置
    • /etc/yum.repos.d
  • 下载 wget
    • sudo yum -y install wget
  • 获取 repo 文件
    • wget http://mirrors.aliyun.com/repo/Centos-7.repo
  • 备份原 repo 文件
    • mv CentOS-Base.repo CentOS-Base.repo.bak
  • 改名
    • mv Centos-7.repo CentOS-Base.repo
  • 刷新
    • yum clean all
    • yum makecache
• 下载 vim
  • yum -y install vim
• 修改 hostname
  • vim /etc/hostname
  • reboot
• 关闭防火墙
  • systemctl stop firewalld
  • systemctl disable firewalld
• 修改域名映射
  • vim /etc/hosts
• 配置 ssh 免密
  • ssh-keygen-t rsa
    • 三次回车
  • ssh-copy-id hybrid01
    • 根据子节点配置修改，有几个子节点执行几次
• 配置时间同步
  • yum -y install ntpdate
  • ntpdate ntp1.aliyun.com
  • 可以配置自动执行时间同步
    • crontab -e */1 * * * * sudo /usr/sbin/ntpdate ntp1.aliyun.com

三、语言环境安装

1. Java 环境安装

• 下载好安装包后解压到指定目录
  • tar -zxvf xxx -C /xx/xx
• wget 一键安装
  • wget --no-check-certificate --no-cookies --header “Cookie: oraclelicense=accept-securebackup-cookie” http://download.oracle.com/otn-pub/java/jdk/8u131-b11/d54c1d3a095b4ff2b6607d096fa80163/jdk-8u131-linux-x64.tar.gz
• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

export JAVA_HOME=/xx/xx
export PATH=$JAVA_HOME/bin:$PATH

2. Python 环境安装

• 下载源码包或者 wget 下载
  • wget https://www.python.org/ftp/python/3.9.6/Python-3.9.6.tgz
• 解压到指定目录
  • tar -zxvf xxx -C /xx/xx
• 依赖环境安装
  • sudo yum -y install vim unzip net-tools && sudo yum -y install wget && sudo yum -y install bzip2 && sudo yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel && sudo yum -y install libglvnd-glx && sudo yum -y install gcc gcc-c++
• 预配置
  • ./configure --prefix=/xxx/program/python3
• 编译安装
  • make && make install
• 配置环境变量或者将 python3 软链接放到 /usr/bin 中

3. Scala 环境安装

• 下载好安装包后解压到指定目录
  • tar -zxvf xxx -C /xx/xx
• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

export SCALA_HOME=/xx/xx
export PATH=$SCALA_HOME/bin:$PATH

四、大数据组件安装

1. Hadoop 集群安装

• 解压
  • tar -zxvf xx -C /xx/xx
• 进入 Hadoop 目录修改 etc/hadoop 下的文件
• 修改 hadoop-env.sh
  • export JAVA_HOME=/xxx
• 修改 core-site.xml

<configuration>
    <property>
        <name>fs.defaultFSname>
        <value>hdfs://hybrid01:9000value>
    property>
    <property>
        <name>hadoop.tmp.dirname>
        <value>/xxx/runtime/hadoop_repovalue>
    property>
configuration>

• 修改 hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replicationname>
        <value>2value>
    property>
    <property>
        <name>dfs.namenode.secondary.http-addressname>
        <value>hybrid01:50090value>
    property>
configuration>

• 修改 mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.namename>
        <value>yarnvalue>
    property>
configuration>

• 修改 yarn-site.xml

<configuration>
  <property>
    <name>yarn.nodemanager.aux-servicesname>
    <value>mapreduce_shufflevalue>
  property>
  <property>
    <name>yarn.nodemanager.env-whitelistname>
    <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOMEvalue>
  property>
  <property>
    <name>yarn.resourcemanager.hostnamename>
    <value>hybrid02value>
  property>
configuration>

• 修改 workers 文件配置 datanode
  • 写入各 datanode 节点主机名
• 修改 hdfs 启动脚本：start-dfs.sh、stop-dfs.sh
  • 添加下面的内容

HDFS_DATANODE_USER=root
HDFS_DATANODE_SECURE_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

• 修改 yarn 启停脚本：start-yarn.sh、stop-yarn.sh
  • 添加下面的内容

YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

HADOOP_HOME=/xxx/hadoop-3.2.1
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HADOOP_CLASSPATH=`hadoop classpath`

• 分发各节点
  • scp -r hadoop-xxx user@hybrid01:$PWD
• 格式化 namenode
  • hdfs namenode -format
• 启动集群
  • 直接启动
    • start-all.sh
  • 守护进程启动
    • hadoop-daemons.sh start/stop namenode/datanode/secondarynamenode
  • yarn 启动
    • start-yarn.sh

2. MySQL 安装

其他组件会用到 MySQL 进行配置，这里先安装 MySQL，主要使用的是 Docker 来安装，懒得去弄安装包安装了

• Docker 安装
  • sudo yum -y install yum-utils device-mapper-persistent-data lvm2
  • sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo
  • sudo yum -y install docker-ce docker-ce-cli containerd.io
  • sudo service docker start
  • systemctl enable docker
  • 如果直接用不了，需要 sudo 的话可以直接去掉
    • sudo gpasswd -a 你的用户名 docker
    • newgrp docker
• MySQL 安装
  • 创建挂载目录：data、conf
  • docker pull mysql:5.7
  • docker run -d --name=mysql -p 3306:3306 --restart=always --privileged=true -v /xxx/metadata/docker/mysql/data:/var/lib/mysql -v /xxx/metadata/docker/mysql/conf:/etc/mysql/conf.d -e MYSQL_ROOT_PASSWORD=123456 mysql:5.7
  • 添加远程登录（Docker 好像自带了）
    • 创建远程用户：CREATE USER ‘root’@’%’ IDENTIFIED WITH mysql_native_password BY ‘123456’;
    • 开启权限：GRANT ALL PRIVILEGES ON . TO ‘root’@’%’;
  • 修改字节编码
    • alter database <数据库名> character set utf8;
    • 重启
  • MySQL 驱动下载
    • wget http://ftp.ntu.edu.tw/MySQL/Downloads/Connector-J/mysql-connector-java-5.1.48.tar.gz

3. Spark 安装

这里我没有直接安装 Spark 集群，一般都是提交到 Hadoop Yarn 中进行执行，这里只是解压配置环境变量即可

• 解压
  • tar -zxvf xxx -C /xx/xx
• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

SPARK_HOME=/xxx/xx
export PATH=$SPARK_HOME/bin:$PATH

• 配置 Hive 环境
  • 将 Hive 到 hive-site.xml 放到 Spark 到 conf 下
  • 将 MySQL 驱动拷贝到 Spark 到 jars 里
  • 测试
    • 启动 spark-shell
    • spark.sql(“show databases”).show()

4. Flink 安装

• 解压
  • tar -zxvf flink-xxx -C /xx/xx
• 修改 flink-conf.yaml
  • 修改 localhost 为主机名
• 修改 workers 主机名
• 修改 masters 主机名
• 分发集群
  • scp -r flink-xxx user:hybrid01:$PWD
• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

FLINK_HOME=/xxx/xx
export PATH=$FLINK_HOME/bin:$PATH

• 启动
  • start-cluster.sh

5. Hive 安装

• 解压
  • tar -zxvf hive-xxx -C /xx/xx
• hive-env.sh
  • HADOOP_HOME=/xx/hadoop
  • export HIVE_CONF_DIR=/xx/hive/conf
• hive-site.xml

<configuration>
  
  <property>
    <name>javax.jdo.option.ConnectionURLname>
    <value>jdbc:mysql://hybrid03:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=falsevalue>
  property>
  
  <property>
    <name>javax.jdo.option.ConnectionDriverNamename>
    <value>com.mysql.jdbc.Drivervalue>
  property>
  
  <property>
    <name>javax.jdo.option.ConnectionUserNamename>
    <value>rootvalue>
  property>
  
  <property>
    <name>javax.jdo.option.ConnectionPasswordname>
    <value>123456value>
  property>
  
  <property>
    <name>hive.metastore.warehouse.dirname>
    <value>/user/hive/warehousevalue>
  property>
  
  <property>
    <name>hive.metastore.urisname>
    <value>thrift://hybrid03:9083value>
  property>
configuration>

• MySQL 驱动
  • 将之前安装 MySQL 时下载的驱动复制一份到 lib 下
• guava 包问题
  • 将 Hadoop 下的 share/hadoop/commons/lib 的 guava-27.0-jre.jar 复制到 Hive 的 lib 下
• 初始化数据库
  • schematool -dbType mysql -initSchema
• 环境配置
  • /etc/profile 或者用户目录下的 ~/.bash_profile
  • 改完记得 source

HIVE_HOME=/xxx/xx
export PATH=$HIVE_HOME/bin:$PATH

• 启动服务
  • nohup hive --service metastore &
• 启动交互
  • hive

6. Zookeeper 安装

后面操作都类似，就不细写了

• 解压
  • tar -zxvf xxx -C /xx/xx
• zoo.cfg

dataDir=/acware/data/zookeeper
dataLogDir=/acware/logs/zookeeper
server.1=hybrid01:2888:3888
server.2=hybrid02:2888:3888
server.3=hybrid03:2888:3888

• 创建 data 和 log 目录
• dataDir 目录下创建 myid 并赋值
• 分发包到各节点然后创建对应目录和 myid
• 配置环境
• 启动
  • zkServer.sh start

7. Kafka 安装

• 解压
• 配置环境
• 创建 log 目录
• 修改 server.properties

#broker的全局唯一编号，不能重复
broker.id=0
#kafka运行日志存放的路径
log.dirs=log.dirs=/acware/logs/kafka
#配置连接Zookeeper集群地址
zookeeper.connect=hybrido1:2181,hybrid02:2181,hybrid03:2181

• 分发集群，修改 borker.id
• 启动
  • kafka-server-start.sh $KAFKA_HOME/conf/server.properties
• 注意
  • 需要 server.properties 中设置 delete.topic.enable=true 才能彻底删除 Topic，否则只是标记删除

8. Nginx 安装

• 环境依赖配置
  • yum -y install gcc zlib zlib-devel pcre-devel openssl openssl-devel
• 官网下载软件包或者 wget 下载
  • wget https://nginx.org/download/nginx-1.22.1.tar.gz
• 预编译
  • 我个人使用了其他的模块配件，一般安装只需要 --prefix 就可以了
  • ./configure --prefix=/xxx/nginx-1.22.1 --with-openssl=/xxxopenssl --with-http_stub_status_module --with-http_ssl_module --with-http_realip_module --with-stream --with-http_auth_request_module
• 编译安装
  • make && make install
• 配置环境
• 启动
  • nginx

五、过程中存在的问题

1. 环境配置错误，丢失命令

• 添加临时命令
  • export PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin

2. 待更新