安装前的准备
准备的硬件与软件
- 虚拟机软件:VirtualBox
- centos7镜像:CentOS-7-x86_64-DVD-1503-01.iso
- java的开发环境:jdk-8u51-linux-x64
- hadoop安装包:hadoop-2.7.1.tar.gz
- 软件ssh
- 软件rsync
- 软件httpd
安装概述
- 创建hadoop用户
- 配置网络
- 配置apache环境
- 配置java环境
- 配置ssh无密码登陆
- 安装hadoop
安装流程
hadoop安装前的设置
创建hadoop用户
$ useradd hadoop
$ passwd hadoop
$ cat /etc/passwd | grep bin/bash
$ adduser hadoop sudo
$ exit
配置新的hadoop用户
查看是否配置成功
为hadoop用户增加管理员权限
退出重新登陆
配置网络
虚拟机设置为桥接,有两种方法配置网络:
1. 进入GUI界面网络设置,打开有线连接
2. 进入网络配置文件目录,修改如下内容
$ cd /etc/sysconfig/network-scripts/
$ vi ifcfg-enp0s3
修改为
HWADDR=00:0C:29:8D:24:73
TYPE=Ethernet
BOOTPROTO=static #启用静态IP地址
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_PEERDNS=yes
IPV6_PEERROUTES=yes
IPV6_FAILURE_FATAL=no
NAME=eno16777736
UUID=ae0965e7-22b9-45aa-8ec9-3f0a20a85d11
ONBOOT=yes #开启自动启用网络连接
IPADDR0=192.168.21.128 #设置IP地址
PREFIXO0=24 #设置子网掩码
GATEWAY0=192.168.21.2 #设置网关
DNS1=8.8.8.8 #设置主DNS
DNS2=8.8.4.4 #设置备DNS
其中,ip地址(一般和路由在一个区段)、网关(一般是路由的地址)、DNS服务器的设置至关重要。
然后,
$ service network restart #重启网络
$ ping www.baidu.com #测试网络是否正常
配置apache环境
Centos7默认使用firewall作为防火墙,这里改为iptables防火墙。
这里配置apache环境的目的是可以在远端机器访问终端的Web界面。
关闭firewall
$ systemctl stop firewalld.service #停止firewall $ systemctl disable firewalld.service #禁止firewall开机启动
安装iptables防火墙
$ yum install iptables-services #安装 $ vi /etc/sysconfig/iptables #编辑防火墙配置文件 # Firewall configuration written by system-config-firewall # Manual customization of this file is not recommended. *filter :INPUT ACCEPT [0:0] :FORWARD ACCEPT [0:0] :OUTPUT ACCEPT [0:0] -A INPUT -m state --state ESTABLISHED,RELATED -j ACCEPT -A INPUT -p icmp -j ACCEPT -A INPUT -i lo -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 22 -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 80 -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 3306 -j ACCEPT -A INPUT -j REJECT --reject-with icmp-host-prohibited -A FORWARD -j REJECT --reject-with icmp-host-prohibited COMMIT :wq! #保存退出 $ systemctl restart iptables.service #最后重启防火墙使配置生效 $ systemctl enable iptables.service #设置防火墙开机启动
关闭selinux
$ vi /etc/selinux/config #SELINUX=enforcing #注释掉 #SELINUXTYPE=targeted #注释掉 SELINUX=disabled #增加 :wq! #保存退出 $ setenforce 0 #使配置立即生效
安装apache
$ yum install httpd #根据提示,输入Y安装即可成功安装 $ systemctl start httpd.service #启动apache $ systemctl stop httpd.service #停止apache $ systemctl restart httpd.service #重启apache $ systemctl enable httpd.service #设置apache开机启动
- 测试apache
在客户端浏览器中打开服务器IP地址,会出现TEST123的页面,说明apache安装成功 注意事项
在后面的设置中,很多情况下会因为iptables防火墙的设置导致端口无法通讯,此处可以使用$ service iptables status $ service iptables stop
配置java环境
hadoop的安装需要配置Java环境。
检验系统原版本
$ java -version
进一步查看JDK信息:
$ rpm -qa | grep java
卸载OpenJDK,执行以下操作:
$ rpm -e --nodeps tzdata-java-2014i-1.el7.noarch
$ rpm -e --nodeps java-1.7.0-openjdk-headless-1.7.0.71-2.5.3.1
$ rpm -e --nodeps java-1.7.0-openjdk-1.7.0.71-2.5.3.1.el7_0.x86
安装JDK:
rpm -ivh jdk-8u25-linux-x64.rpm
验证安装:
$ java
$ javac
$ java -version
最后,配置环境变量,以备不时之需:
$ vi + /etc/profile
JAVA_HOME=/usr/java/jdk1.8.0_25
JRE_HOME=/usr/java/jdk1.8.0_25/jre
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
$ source /etc/profile
$ echo $PATH
$ echo $JAVA_HOME
配置ssh无密码登陆
首先,简单介绍下ssh的原理:
a要连接b,a先生成自己的公钥和私钥。然后把公钥派发给b。当a与b建立连接的时候,b会生成一个随机数并且用a的公钥对其进行加密返回a,然后a用私钥对其进行解密再返回b,如果和原来的随机数相等,则连接建立。
安装ssh,rsync
$ yum install openssh-server
$ yum install rsync
$ rpm -qa | grep ssh #验证安装成功
$ rpm -qa | grep rsync #验证安装成功
配置无密码登陆
$ cd ~/.ssh/ # 创建存放密匙的目录
$ ssh-keygen -t rsa # 生成公匙
$ cat id_rsa.pub >> authorized_keys # 加入授权
$ chmod 700 ~/.ssh # 设置相应权限,否则无法登陆
$ chmod 600 ~/.ssh/authorized_keys
$ ssh localhost #验证
hadoop的安装
放置文件
通过WinScp程序,将下载好的hadoop文件放于/usr/local目录下,该目录一般用于存放用户的应用程序。
进入/usr/local目录。
解压缩
$ tar -zxf hadoop-2.7.1.tar.gz
$ mv ./hadoop-2.7.1/ ./hadoop
$ cd hadoop
$ ./bin/hadoop
目前,hadoop安装完成。
设置JAVA环境
$ vim etc/hadoop/hadoop-env.sh
# set to the root of your Java installation
export JAVA_HOME=/usr/java/jdk1.8.0_51
单机及伪分布式配置
单机配置
单机模式,hadoop作为一个java进程,通常用于debug。
$ mkdir input
$ cp etc/hadoop/*.xml input
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar grep input output 'dfs[a-z.]+'
$ cat output/*
1 dfsadmin
伪分布式配置
配置文件
$ vim etc/hadoop/core-site.xml
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
$ vim etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>
运行
格式化hdfs的文件系统
$ bin/hdfs namenode -format
status 0表明格式化成功。
开启NameNode和DataNode的守护进程
$ sbin/start-dfs.sh $ jps #确认开启 20752 SecondaryNameNode 20497 DataNode 20344 NameNode 21432 Jps
浏览NameNode对应的网页
NameNode - http://localhost:50070/
使HDFS文件夹做好准备,需要先创建好用户目录
$ bin/hdfs dfs -mkdir -p /user/hadoop
将输入拷贝到HDFS文件系统
$ bin/hdfs dfs -mkdir input #在用户目录即hadoop目录下创建input文件夹,采用相对地址 $ bin/hdfs dfs -put etc/hadoop/*.xml input $ bin/hdfs dfs -ls input #查看hdfs下面的输入文件夹 $ bin/hdfs dfs -ls / #查看hdfs下面的根目录
运行一些实例
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'
伪分布式运行 MapReduce 作业的方式跟单机模式相同,区别在于伪分布式读取的是HDFS中的文件(可以将单机步骤中创建的本地 input 文件夹删掉以及运行结果来验证这一点)。
查看结果
$ bin/hdfs dfs -get output output $ cat output/* #取回本地查看结果 $ rm -r ./output #运行时输出目录不能存在否则报错 $ bin/hdfs dfs -cat output/* #在hdfs上查看结果 $ bin/hdfs dfs -rm -r /user/hadoop/output #运行时输出目录不能存在否则报错
关闭NameNode和DataNode的守护进程
$ sbin/stop-dfs.sh $ jps #确认关闭
yarn的运行
配置文件
$ vim etc/hadoop/yarn-env.sh
# some Java parameters
export JAVA_HOME=/opt/jdk1.8.0_51
$ vim etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
$ vim etc/hadoop/yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
运行
首先,进行到伪分布配置,开启NameNode,DataNode,SeconaryNameNode
$ sbin/start-dfs.sh
接着,开启NodeManager,ResourceManager
$ sbin/start-yarn.sh
$ jps
22753 NameNode
22914 DataNode
24436 NodeManager
24312 ResourceManager
24600 Jps
23178 SecondaryNameNode
可以通过web浏览ResourceManager
ResourceManager - http://localhost:8088/
运行mapreduce的程序
结束yarn
$ sbin/stop-yarn.sh
PATH环境变量
在这里额外讲一下 PATH 这个环境变量(可执行
echo $PATH
查看,当中包含了多个目录)。例如我们在执行ls
这个命令时,实际执行的是/bin/ls
这个程序,而不是~/ls
这个程序(假如存在)。系统是根据 PATH 这个环境变量中包含的目录位置,逐一进行查找,直至在这些目录位置下找到匹配的程序(若没有匹配的则提示该命令不存在)。上面的教程中,我们都是先进入到
/usr/local/hadoop
目录中,再执行sbin/hadoop
,实际上等同于运行/usr/local/hadoop/sbin/hadoop
。我们可以将 Hadoop 命令的相关目录加入到 PATH 环境变量中,这样就可以直接通过start-dfs.sh
开启 Hadoop,也可以直接通过 hdfs 访问 HDFS 的内容,方便平时的操作。同样我们选择在’ ~/.bashrc ‘中进行设置(’vim ~/.bashrc’,与 JAVA_HOME 的设置相似),在文件最前面加入如下单独一行:
$ export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin
$ source ~/.bashrc
$ hdfs dfs -ls input