hadoop分布式集群搭建

虚拟机准备

虚拟机单机配置：内存4G，硬盘50G

1. 安装好linux /boot 200M /swap 2g / 剩余

2. *安装VMTools

3. 关闭防火墙

sudo service iptables stop
sudo chkconfig iptables off

4. 设置静态IP，改主机名

编辑vim /etc/sysconfig/network-scripts/ifcfg-eth0
    改成
=================================
DEVICE=eth0
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="eth0"
IPADDR=192.168.5.101
PREFIX=24
GATEWAY=192.168.5.2
DNS1=192.168.5.2
=================================
编辑vim /etc/sysconfig/network
改HOSTNAME=那一行

5. 配置/etc/hosts

    vim /etc/hosts
=============================
192.168.1.100   hadoop100
192.168.1.101   hadoop101
192.168.1.102   hadoop102
192.168.1.103   hadoop103
192.168.1.104   hadoop104
192.168.1.105   hadoop105
192.168.1.106   hadoop106
192.168.1.107   hadoop107
192.168.1.108   hadoop108
192.168.1.109   hadoop109
=============================

6. 创建一个一般用户atguigu，给他配置密码

useradd atguigu
passwd atguigu

7. 配置这个用户为sudoers

 vim /etc/sudoers
    在root    ALL=(ALL)       ALL
    添加atguigu    ALL=(ALL)       NOPASSWD:ALL
    保存时wq!强制保存

8. *在/opt目录下创建两个文件夹module和software，并把所有权赋给atguigu

  mkdir /opt/module /opt/software
    chown atguigu:atguigu /opt/module /opt/software

9. 关机，快照，克隆

从这里开始要以一般用户登陆

10. 克隆的虚拟机改IP

11. 搞一个分发脚本

    cd ~
    vim xsync
    内容如下：
=================================================================
#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if ((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=103; host<105; host++)); do
        echo ------------------- hadoop$host --------------
        rsync -av $pdir/$fname $user@hadoop$host:$pdir
done
==============================================================
    
    chmod +x xsync
    
    sudo cp xsync /bin
    
    sudo xsync /bin/xsync

12. 配置免密登陆

1. 生成密钥对
    ssh-keygen -t rsa 三次回车
    
    2. 发送公钥到本机
    ssh-copy-id hadoop102 输入一次密码
    
    3. 分别ssh登陆一下所有虚拟机
    ssh hadoop103
    exit
    ssh hadoop104
    exit
    
    4. 把/home/atguigu/.ssh 文件夹发送到集群所有服务器
    xsync /home/atguigu/.ssh

13. 在一台机器上安装Java和Hadoop，并配置环境变量，并分发到集群其他机器

    1. 拷贝文件到/opt/software，两个tar包
        2. tar -zxf h"+tab" -C /opt/module
        3. tar -zxf j"+tab" -C /opt/module
        4. sudo vim /etc/profile
        在文件末尾添加
=======================================================
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

        保存
        5. source /etc/profile
        
        6. sudo xsync /etc/profile
        
        7. 在其他机器分别执行source /etc/profile
        
========================================================

###所有配置文件都在$HADOOP_HOME/etc/hadoop

14. 首先配置hadoop-env.sh,yarn-env.sh,mapred-env.sh文件,配置Java_HOME
    在每个文件第二行添加 export JAVA_HOME=/opt/module/jdk1.8.0_144

15. 配置Core-site.xml

  <!-- 指定HDFS中NameNode的地址 -->
    
        fs.defaultFS</name>
        hdfs://hadoop102:9000</value>
    </property>

    <!-- 指定Hadoop运行时产生文件的存储目录 -->
    
        hadoop.tmp.dir</name>
        /opt/module/hadoop-2.7.2/data/tmp</value>
    </property>

16. 配置hdfs-site.xml

<!-- 数据的副本数量 -->
    
        dfs.replication</name>
        3</value>
    </property>
    <!-- 指定Hadoop辅助名称节点主机配置 -->
    
          dfs.namenode.secondary.http-address</name>
          hadoop104:50090</value>
    </property>

17. 配置yarn-site.xml

<!-- Site specific YARN configuration properties -->
    <!-- Reducer获取数据的方式 -->
    
            yarn.nodemanager.aux-services</name>
            mapreduce_shuffle</value>
    </property>

    <!-- 指定YARN的ResourceManager的地址 -->
    
        yarn.resourcemanager.hostname</name>
        hadoop103</value>
    </property>
    <!-- 日志聚集功能使能 -->
    
        yarn.log-aggregation-enable</name>
        true</value>
    </property>

    <!-- 日志保留时间设置7天 -->
    
        yarn.log-aggregation.retain-seconds</name>
        604800</value>
    </property>

18. 配置mapred-site.xml

  
        mapreduce.framework.name</name>
        yarn</value>
    </property>
    <!-- 历史服务器端地址 -->
    
        mapreduce.jobhistory.address</name>
        hadoop104:10020</value>
    </property>
    <!-- 历史服务器web端地址 -->
    
        mapreduce.jobhistory.webapp.address</name>
        hadoop104:19888</value>
    </property>
    
    启动历史服务器：mr-jobhistory-daemon.sh start historyserver

19. 配置Slaves
    hadoop102
    hadoop103
    hadoop104

20. 分发配置文件

 xsync /opt/module/hadoop-2.7.2/etc

21. 格式化Namenode 在hadoop102
    hdfs namenode -format

22. 启动hdfs
    start-dfs.sh

23. 在配置了Resourcemanager机器上执行
    在Hadoop103上启动start-yarn.sh

24

mkdir input
vim input/input
    abc
    def efg
    asd
    
hadoop fs -put input /
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /input /output

25 关 stop-dfs.sh stop-yarn.sh

26 hadoop-daemon.sh start namenode或datanode
yarn-daemon.sh start resourcemanager或nodemanager

如果集群出了问题
stop-dfs.sh
stop-yarn.sh
cd $HADOOP_HOME
rm -rf data logs
回到21

http://hadoop103:8088/cluster/nodes

http://hadoop102:50070/explorer.html#/