2020-10-23 HADOOP 基础入门教程

最新推荐文章于 2024-05-23 15:27:10 发布

HarveyH

最新推荐文章于 2024-05-23 15:27:10 发布

阅读量406

点赞数

分类专栏：运维文章标签： hadoop

本文链接：https://blog.csdn.net/HarveyH/article/details/109241454

版权

本文详细介绍了Hadoop在Linux环境下的安装过程，包括从Linux环境配置、NAT模式设置、JDK安装，到Hadoop的本地模式、伪分布式模式和完全分布式模式的安装与配置。此外，还涵盖了Hadoop的HA（高可用）安装，包括Zookeeper集群、NameNode和ResourceManager的高可用设置，以及HDFS Federation架构的部署。内容适合初学者和希望深入了解Hadoop部署的读者。

摘要由CSDN通过智能技术生成

Hadoop 在大数据技术体系中的地位至关重要，Hadoop 是大数据技术的基础，对Hadoop基础知识的掌握的扎实程度，会决定在大数据技术道路上走多远。第一部分：Linux环境安装

Hadoop是运行在Linux，虽然借助工具也可以运行在Windows上，但是建议还是运行在Linux系统上，第一部分介绍Linux环境的安装、配置、Java JDK安装等。

第二部分：Hadoop本地模式安装

Hadoop 本地模式只是用于本地开发调试，或者快速安装体验 Hadoop，这部分做简单的介绍。

第三部分：Hadoop伪分布式模式安装

学习 Hadoop 一般是在伪分布式模式下进行。这种模式是在一台机器上各个进程上运行 Hadoop 的各个模块，伪分布式的意思是虽然各个模块是在各个进程上分开运行的，但是只是运行在一个操作系统上的，并不是真正的分布式。

第四部分：完全分布式安装

完全分布式模式才是生产环境采用的模式，Hadoop 运行在服务器集群上，生产环境一般都会做HA，以实现高可用。

第五部分：Hadoop HA安装

HA是指高可用，为了解决Hadoop单点故障问题，生产环境一般都做HA部署。这部分介绍了如何配置Hadoop2.x的高可用，并简单介绍了HA的工作原理。
安装过程中，会穿插简单介绍涉及到的知识。希望能对大家有所帮助。

第一部分：Linux环境安装

第一步、配置 Vmware NAT 网络

一、Vmware 网络模式介绍

参考：http://blog.csdn.net/collection4u/article/details/14127671

二、NAT模式配置

NAT是网络地址转换，是在宿主机和虚拟机之间增加一个地址转换服务，负责外部和虚拟机之间的通讯转接和IP转换。

我们部署Hadoop集群，这里选择NAT模式，各个虚拟机通过NAT使用宿主机的IP来访问外网。

我们的要求是集群中的各个虚拟机有固定的IP、可以访问外网，所以进行如下设置：

1. Vmware 安装后，默认的 NAT 设置如下：

2. 默认的设置是启动DHCP服务的，NAT会自动给虚拟机分配IP，但是我们需要将各个机器的IP固定下来，所以要取消这个默认设置。

3. 为机器设置一个子网网段，默认是192.168.136网段，我们这里设置为100网段，将来各个虚拟机Ip就为 192.168.100.*。

4. 点击NAT设置按钮，打开对话框，可以修改网关地址和DNS地址。这里我们为NAT指定DNS地址。

5. 网关地址为当前网段里的.2地址，好像是固定的，我们不做修改，先记住网关地址就好了，后面会用到。

第二步、安装Linux操作系统

三、Vmware 上安装 Linux系统

1. 文件菜单选择新建虚拟机

2. 选择经典类型安装，下一步。

3. 选择稍后安装操作系统，下一步。

4. 选择 Linux 系统，版本选择 CentOS 64 位。

5. 命名虚拟机，给虚拟机起个名字，将来显示在Vmware左侧。并选择Linux系统保存在宿主机的哪个目录下，应该一个虚拟机保存在一个目录下，不能多个虚拟机使用一个目录。

6. 指定磁盘容量，是指定分给Linux虚拟机多大的硬盘，默认20G就可以，下一步。

7. 点击自定义硬件，可以查看、修改虚拟机的硬件配置，这里我们不做修改。

8. 点击完成后，就创建了一个虚拟机，但是此时的虚拟机还是一个空壳，没有操作系统，接下来安装操作系统。

9. 点击编辑虚拟机设置，找到DVD，指定操作系统ISO文件所在位置。

10. 点击开启此虚拟机，选择第一个回车开始安装操作系统。

11. 设置 root 密码。

12. 选择 Desktop，这样就会装一个 Xwindow。

13. 先不添加普通用户，其他用默认的，就把Linux安装完毕了。

四、设置网络

因为 Vmware 的 NAT 设置中关闭了 DHCP 自动分配 IP 功能，所以 Linux 还没有 IP，需要我们设置网络各个参数。

1. 用 root 进入 Xwindow，右击右上角的网络连接图标，选择修改连接。

2. 网络连接里列出了当前 Linux 里所有的网卡，这里只有一个网卡 System eth0，点击编辑。

3. 配置IP、子网掩码、网关（和NAT设置的一样）、DNS等参数，因为NAT里设置网段为100.*，所以这台机器可以设置为192.168.100.10网关和NAT一致，为192.168.100.2

4. 用ping来检查是否可以连接外网，如下图，已经连接成功。

五、修改 Hostname

1. 临时修改 hostname

[root@localhost Desktop]# hostname bigdata-senior01.chybinmy.com

这种修改方式，系统重启后就会失效。

2. 永久修改 hostname

想永久修改，应该修改配置文件 /etc/sysconfig/network。

命令：[root@bigdata-senior01 ~] vim /etc/sysconfig/network

打开文件后，

NETWORKING=yes  #使用网络HOSTNAME=bigdata-senior01.chybinmy.com  #设置主机名

六、配置Host

命令：[root@bigdata-senior01 ~] vim /etc/hosts添加hosts: 192.168.100.10 bigdata-senior01.chybinmy.com

七、关闭防火墙

学习环境可以直接把防火墙关闭掉。

(1) 用root用户登录后，执行查看防火墙状态。

[root@bigdata-senior01 hadoop]# service iptables status

(2) 用 [root@bigdata-senior01 hadoop]# service iptables stop 关闭防火墙，这个是临时关闭防火墙。

[root@bigdata-senior01 hadoop-2.5.0]# service iptables stopiptables: Setting chains to policy ACCEPT: filter          [  OK  ]iptables: Flushing firewall rules:                         [  OK  ]iptables: Unloading modules:                               [  OK  ]

(3) 如果要永久关闭防火墙用。

[root@bigdata-senior01 hadoop]# chkconfig iptables off

关闭，这种需要重启才能生效。

八、关闭selinux

selinux是Linux一个子安全机制，学习环境可以将它禁用。

第三步、安装JDK

九、安装 Java JDK

1. 查看是否已经安装了 java JDK。

[root@bigdata-senior01 Desktop]# java –version

注意：Hadoop 机器上的 JDK，最好是 Oracle 的 Java JDK，不然会有一些问题，比如可能没有 JPS 命令。
如果安装了其他版本的 JDK，卸载掉。

2. 安装 java JDK

(1) 去下载 Oracle 版本 Java JDK：jdk-7u67-linux-x64.tar.gz

(2) 将 jdk-7u67-linux-x64.tar.gz 解压到 /opt/modules 目录下

[root@bigdata-senior01 /]# tar -zxvf jdk-7u67-linux-x64.tar.gz -C /opt/modules

(3) 添加环境变量

设置 JDK 的环境变量 JAVA_HOME。需要修改配置文件/etc/profile，追加

export JAVA_HOME="/opt/modules/jdk1.7.0_67"export PATH=$JAVA_HOME/bin:$PATH

修改完毕后，执行 source /etc/profile

(4)安装后再次执行 java –version,可以看见已经安装完成。

第二部分：Hadoop本地模式安装

第四步、Hadoop部署模式

Hadoop 部署模式有：本地模式、伪分布模式、完全分布式模式、HA完全分布式模式。

区分的依据是 NameNode、DataNode、ResourceManager、NodeManager等模块运行在几个JVM进程、几个机器。

模式名称	各个模块占用的JVM进程数	各个模块运行在几个机器数上
本地模式	1个	1个
伪分布式模式	N个	1个
完全分布式模式	N个	N个
HA完全分布式	N个	N个

第五步、本地模式部署

十、本地模式介绍

本地模式是最简单的模式，所有模块都运行与一个JVM进程中，使用的本地文件系统，而不是HDFS，本地模式主要是用于本地开发过程中的运行调试用。下载 hadoop 安装包后不用任何设置，默认的就是本地模式。

十一、解压hadoop后就是直接可以使用

1. 创建一个存放本地模式hadoop的目录

[hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopstandalone

2. 解压 hadoop 文件

3. 确保 JAVA_HOME 环境变量已经配置好

[hadoop@bigdata-senior01 modules]$ echo ${JAVA_HOME}/opt/modules/jdk1.7.0_67

十二、运行MapReduce程序，验证

我们这里用hadoop自带的wordcount例子来在本地模式下测试跑mapreduce。

1. 准备mapreduce输入文件wc.input

[hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.inputhadoop mapreduce hivehbase spark stormsqoop hadoop hivespark hadoop

2. 运行 hadoop 自带的 mapreduce Demo

这里可以看到 job ID 中有 local 字样，说明是运行在本地模式下的。

3. 查看输出文件

本地模式下，mapreduce 的输出是输出到本地。

输出目录中有 _SUCCESS 文件说明 JOB 运行成功，part-r-00000 是输出结果文件。

第三部分：Hadoop 伪分布式模式安装

第六步伪分布式 Hadoop 部署过程

十三、Hadoop 所用的用户设置

1. 创建一个名字为 hadoop 的普通用户

2. 给 hadoop 用户 sudo 权限

设置权限，学习环境可以将 hadoop 用户的权限设置的大一些，但是生产环境一定要注意普通用户的权限限制。

注意：如果root用户无权修改sudoers文件，先手动为root用户添加写权限。

3. 切换到hadoop用户

[root@bigdata-senior01 ~]# su - hadoop[hadoop@bigdata-senior01 ~]$

4. 创建存放hadoop文件的目录

5. 将hadoop文件夹的所有者指定为hadoop用户

如果存放hadoop的目录的所有者不是hadoop，之后hadoop运行中可能会有权限问题，那么就讲所有者改为hadoop。

十四、解压Hadoop目录文件

1. 复制 hadoop-2.5.0.tar.gz 到/opt/modules目录下。

2. 解压 hadoop-2.5.0.tar.gz

十五、配置 Hadoop

1. 配置 Hadoop 环境变量

追加配置：

执行：source /etc/profile 使得配置生效

验证 HADOOP_HOME 参数：

2. 配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh 文件的 JAVA_HOME参数

3. 配置 core-site.xml

[hadoop@bigdata-senior01 ~]$ sudo vim ${HADOOP_HOME}/etc/hadoop/core-site.xml

（1） fs.defaultFS 参数配置的是HDFS的地址。

（2） hadoop.tmp.dir配置的是Hadoop临时目录，比如HDFS的NameNode数据默认都存放这个目录下，查看*-default.xml等默认配置文件，就可以看到很多依赖${hadoop.tmp.dir}的配置。

默认的hadoop.tmp.dir是/tmp/hadoop-${user.name},此时有个问题就是 NameNode 会将 HDFS 的元数据存储在这个/tmp目录下，如果操作系统重启了，系统会清空 /tmp 目录下的东西，导致NameNode元数据丢失，是个非常严重的问题，所有我们应该修改这个路径。