Hadoop 2.6.4分布式集群环境搭建

一、软件准备

VMware-Fusion-8.0.0-2985594.dmg

ubuntu-14.04.4-desktop-amd64.iso

二、集群机器准备

在VMware Fusion中安装三台虚拟机，如下：

在安装三台虚拟机的时候，创建专门用于 Hadoop 集群管理的用户 hadoop，为了管理方便，密码可以简单设置为 hadoop。

三台机器的名称和IP地址如下：

主机名称	IP地址
master	192.168.109.137
slave01	192.168.109.134
slave02	192.168.109.138

修改 三台机器的 /etc/hosts 文件，配置如下：

127.0.0.1       localhost
192.168.109.137 master
192.168.109.134 slave01
192.168.109.138 slave02

可以使用 ping 命令测试三台机器的连通性。

三、配置 ssh 无密码访问集群机器

在三台机器中分别执行以下两个命令，以便无密码登录到 localhost。

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

将 slave01 和 slave02 的公钥 id_dsa.pub 传给 master。

scp ~/.ssh/id_dsa.pub hadoop@master:/home/hadoop/.ssh/id_dsa.pub.slave01
scp ~/.ssh/id_dsa.pub hadoop@master:/home/hadoop/.ssh/id_dsa.pub.slave02

将 slave01 和 slave02的公钥信息追加到 master 的 authorized_keys文件中。

cat id_dsa.pub.slave01 >> authorized_keys
cat id_dsa.pub.slave02 >> authorized_keys

将 master 的公钥信息 authorized_keys 复制到 slave01 和 slave02 的 .ssh 目录下。

scp authorized_keys hadoop@slave01:/home/hadoop/.ssh/authorized_keys
scp authorized_keys hadoop@slave02:/home/hadoop/.ssh/authorized_keys

分别 ssh 到 slave01 和 slave02 

可以看到从 master 已经不需要密码就可以登录到 slave01 和 slave 02。slave01 和 slave02 也无需密码访问另外两台机器，如下：

四、JDK 和 Hadoop 安装配置

分别在三台机器中安装 JDK 和 Hadoop，具体的安装细节这里不再赘述，可以参见另外一篇博文 Hadoop 2.6.4单节点集群环境搭建 。注意：本文将 Java 和 Hadoop 解压安装到 /opt 目录下， 需使用 chown 命令将解压后文件夹所属的用户和用户组改成 hadoop，以免后面产生权限问题。下面是 JDK 和 Hadoop 环境变量配置：

# Java Env
export JAVA_HOME=/opt/java/jdk1.7.0_80
export JRE_HOME=/opt/java/jdk1.7.0_80/jre
export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:$JRE_HOME/lib
export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

# Hadoop Env
export HADOOP_HOME=/opt/hadoop-2.6.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

五、集群配置

1、修改 master 机器上 Hadoop 配置

(1) hadoop-env.sh

增加如下两行配置：

export JAVA_HOME=/opt/java/jdk1.7.0_80
export HADOOP_PREFIX=/opt/hadoop-2.6.4

(2) core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/hadoop-2.6.4/tmp</value>
    </property>
</configuration>

注意：tmp目录需提前创建

(3) hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
</configuration>

数据有三个副本

(4) mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

(5) yarn-env.sh

增加 JAVA_HOME 配置

export JAVA_HOME=/opt/java/jdk1.7.0_80

(6) yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>master</value>
    </property>
</configuration>

(7) slaves

master
slave01
slave02

master 即作为 NameNode 也作为 DataNode。

2、在 slave01 和 slave02 上做同样的配置

六、启动Hadoop集群

1、格式化文件系统

在 master 上执行以下命令：

hdfs namenode -format

2、启动 NameNode 和 DateNode

在 master 机器上执行 start-dfs.sh, 如下：

使用 jps 命令查看 master 上的Java进程：

使用 jps 命令分别查看 slave01 和 slave02 上的 Java 进程：

可以看到 NameNode 和 DataNode 均启动成功。

3、查看 NameNode 和 NameNode 信息

浏览器输入地址： http://master:50070/ 可以查看 NameNode 信息。

4、启动 ResourceManager 和 NodeManager

运行 start-yarn.sh, 如下：

使用 jps 查看 master 上的 Java 进程

可以看到 master 上 ResourceManager 和 NodeManager 均启动成功。

可以看到 slave01 上 NodeManager 也启动成功。

同样可以看到 slave02 上 NodeManager 也已经启动成功了。

至此，整个 Hadoop 集群就已经启动了。