bigdata之1:手动搭建hadoop环境

http://192.168.175.123:8088/cluster
http://192.168.175.129:50070/cluster
http://192.168.175.129:60010/cluster

 

集群规划:

主机名

IP     

安装的软件

运行的进程

hadoop01

192.168.175.129

Jdk,hadoop

NameNod、DFSZKFailoverController(zkfc)

hadoop02

192.168.175.127

Jdk,hadoop

NameNod、DFSZKFailoverController(zkfc)

hadoop03

192.168.175.126

Jdk,hadoop

ResourceManager

hadoop04

192.168.175.125

Jdk,hadoop

ResourceManager

hadoop05

192.168.175.124

Jdk,hadoop,

zookeeper

DataNode、NodeManager、

JournalNode、QuorumPeerMain

hadoop06

192.168.175.123

Jdk,hadoop,

zookeeper

DataNode、NodeManager、

JournalNode、QuorumPeerMain

hadoop07

192.168.175.122

Jdk,hadoop,

zookeeper

DataNode、NodeManager、

JournalNode、QuorumPeerMain

 

以下操作均以hadoop01为例

windows:NLB
LINUX:LVS
1.liunx虚拟机安装后,虚拟机连接模式要选择host-only模式。然后分配IP(以hadoop01为例)
    DEVICE="eth0"
    BOOTPROTO="static"           ###
    HWADDR="00:0C:29:3C:BF:E7"
    IPV6INIT="yes"
    NM_CONTROLLED="yes"
    ONBOOT="yes"
    TYPE="Ethernet"
    UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
    IPADDR="192.168.175.129"       ###
    NETMASK="255.255.255.0"      ###
    GATEWAY="192.168.175.1"        ###

2.修改主机名:
    vim /etc/sysconfig/network
    
    NETWORKING=yes 
    HOSTNAME=hadoop01    ###

3.关闭防火墙:
    #查看防火墙状态
    service iptables status
    #关闭防火墙
    service iptables stop
    #查看防火墙开机启动状态
    chkconfig iptables --list
    #关闭防火墙开机启动
    chkconfig iptables off

4.免登录配置:
    #生成ssh免登陆密钥
    #进入到我的home目录
    cd ~/.ssh

    ssh-keygen -t rsa (四个回车)
    执行完这个命令后,会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)
    将公钥拷贝到要免登陆的机器上
    cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
    或
    ssh-copy-id localhost
    若报错ssh-copy-id: ERROR: No identities found,是因为找不到公钥路径,加上-i然后再加上路径即可
    则用
        $ ssh-copy-id -i ~/.ssh/id_dsa.pub user@remote_ip

5.主机IP映射关系(/etc/hosts每台机器上都要配置全部映射关系)
    192.168.175.129  hadoop01
    192.168.175.127  hadoop02
    192.168.175.126  hadoop03
    192.168.175.125  hadoop04
    192.168.175.124  hadoop05
    192.168.175.123  hadoop06
    192.168.175.122  hadoop07

6./etc/profile下配置java环境变量:
    export JAVA_HOME=/lichangwu/jdk1.7.0_79
    export PATH=$PATH:$JAVA_HOME/bin
    #刷新profile
    source /etc/profile
     若版本报错,vi /etc/selinux/config,设置SELINUX=disabled,然后重启虚拟机

7.安装zookeeper:
    1.安装配置zooekeeper集群(在hadoop05上):
        1.1解压
            tar -zxvf zookeeper-3.4.6.tar.gz -C /lichangwu/
        1.2修改配置
            cd /lichangwu/zookeeper-3.4.6/conf/
            cp zoo_sample.cfg zoo.cfg
            vim zoo.cfg
            修改:dataDir=/lichangwu/zookeeper-3.4.6/tmp
            在最后添加:
            server.1=hadoop05:2888:3888
            server.2=hadoop06:2888:3888
            server.3=hadoop07:2888:3888
            保存退出
            然后创建一个tmp文件夹
            mkdir /lichangwu/zookeeper-3.4.6/tmp
            再创建一个空文件
            touch /lichangwu/zookeeper-3.4.6/tmp/myid
            最后向该文件写入ID
            echo 1 > /lichangwu/zookeeper-3.4.6/tmp/myid
        1.3将配置好的zookeeper拷贝到其他节点(首先分别在hadoop06、hadoop07根目录下创建一个lichangwu目录:mkdir /lichangwu)
            scp -r /lichangwu/zookeeper-3.4.6/ hadoop06:/lichangwu/
            scp -r /lichangwu/zookeeper-3.4.6/ hadoop07:/lichangwu/
            
            注意:修改hadoop06、hadoop07对应/lichangwu/zookeeper-3.4.6/tmp/myid内容
            itcast06:
                echo 2 > /lichangwu/zookeeper-3.4.6/tmp/myid
            itcast07:
                echo 3 > /lichangwu/zookeeper-3.4.6/tmp/myid

8.安装配置hadoop集群(在hadoop01上操作):
        2.1解压
            tar -zxvf hadoop-2.4.1.tar.gz -C /lichangwu/
        2.2配置HDFS(hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下)
            #将hadoop添加到环境变量中
            vim /etc/profile
            export JAVA_HOME=/lichangwu/jdk1.7.0_79
            export HADOOP_HOME=/lichangwu/hadoop-2.4.1
            export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin
            
            #hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下
            cd /lichangwu/hadoop-2.4.1/etc/hadoop
            
            2.2.1修改hadoo-env.sh
                export JAVA_HOME=/lichangwu/jdk1.7.0_79
                
            2.2.2修改core-site.xml
                <configuration>
                    <!-- 指定hdfs的nameservice为ns1 -->
                    <property>
                        <name>fs.defaultFS</name>
                        <value>hdfs://ns1</value>
                    </property>
                    <!-- 指定hadoop临时目录 -->
                    <property>
                        <name>hadoop.tmp.dir</name>
                        <value>/lichangwu/hadoop-2.4.1/tmp</value>
                    </property>
                    <!-- 指定zookeeper地址 -->
                    <property>
                        <name>ha.zookeeper.quorum</name>
                        <value>hadoop05:2181,hadoop06:2181,hadoop07:2181</value>
                    </property>
                </configuration>
                
            2.2.3修改hdfs-site.xml
                <configuration>
                    <!--指定hdfs的nameservice为ns1,需要和core-site.xml中的保持一致 -->
                    <property>
                        <name>dfs.nameservices</name>
                        <value>ns1</value>
                    </property>
                    <!-- ns1下面有两个NameNode,分别是nn1,nn2 -->
                    <property>
                        <name>dfs.ha.namenodes.ns1</name>
                        <value>nn1,nn2</value>
                    </property>
                    <!-- nn1的RPC通信地址 -->
                    <property>
                        <name>dfs.namenode.rpc-address.ns1.nn1</name>
                        <value>hadoop01:9000</value>
                    </property>
                    <!-- nn1的http通信地址 -->
                    <property>
                        <name>dfs.namenode.http-address.ns1.nn1</name>
                        <value>hadoop01:50070</value>
                    </property>
                    <!-- nn2的RPC通信地址 -->
                    <property>
                        <name>dfs.namenode.rpc-address.ns1.nn2</name>
                        <value>hadoop02:9000</value>
                    </property>
                    <!-- nn2的http通信地址 -->
                    <property>
                        <name>dfs.namenode.http-address.ns1.nn2</name>
                        <value>hadoop02:50070</value>
                    </property>
                    <!-- 指定NameNode的元数据在JournalNode上的存放位置 -->
                    <property>
                        <name>dfs.namenode.shared.edits.dir</name>
                        <value>qjournal://hadoop05:8485;hadoop06:8485;hadoop07:8485/ns1</value>
                    </property>
                    <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
                    <property>
                        <name>dfs.journalnode.edits.dir</name>
                        <value>/lichangwu/hadoop-2.4.1/journal</value>
                    </property>
                    <!-- 开启NameNode失败自动切换 -->
                    <property>
                        <name>dfs.ha.automatic-failover.enabled</name>
                        <value>true</value>
                    </property>
                    <!-- 配置失败自动切换实现方式 -->
                    <property>
                        <name>dfs.client.failover.proxy.provider.ns1</name>
                        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
                    </property>
                    <!-- 配置隔离机制方法,多个机制用换行分割,即每个机制暂用一行-->
                    <property>
                        <name>dfs.ha.fencing.methods</name>
                        <value>
                            sshfence
                            shell(/bin/true)
                        </value>
                    </property>
                    <!-- 使用sshfence隔离机制时需要ssh免登陆 -->
                    <property>
                        <name>dfs.ha.fencing.ssh.private-key-files</name>
                        <value>/home/hadoop/.ssh/id_rsa</value>
                    </property>
                    <!-- 配置sshfence隔离机制超时时间 -->
                    <property>
                        <name>dfs.ha.fencing.ssh.connect-timeout</name>
                        <value>30000</value>
                    </property>
                </configuration>
            
            2.2.4修改mapred-site.xml
                <configuration>
                    <!-- 指定mr框架为yarn方式 -->
                    <property>
                        <name>mapreduce.framework.name</name>
                        <value>yarn</value>
                    </property>
                </configuration>    
            
            2.2.5修改yarn-site.xml
                <configuration>
                        <!-- 开启RM高可靠 -->
                        <property>
                           <name>yarn.resourcemanager.ha.enabled</name>
                           <value>true</value>
                        </property>
                        <!-- 指定RM的cluster id -->
                        <property>
                           <name>yarn.resourcemanager.cluster-id</name>
                           <value>yrc</value>
                        </property>
                        <!-- 指定RM的名字 -->
                        <property>
                           <name>yarn.resourcemanager.ha.rm-ids</name>
                           <value>rm1,rm2</value>
                        </property>
                        <!-- 分别指定RM的地址 -->
                        <property>
                           <name>yarn.resourcemanager.hostname.rm1</name>
                           <value>hadoop03</value>
                        </property>
                        <property>
                           <name>yarn.resourcemanager.hostname.rm2</name>
                           <value>hadoop04</value>
                        </property>
                        <!-- 指定zk集群地址 -->
                        <property>
                           <name>yarn.resourcemanager.zk-address</name>
                           <value>hadoop05:2181,hadoop06:2181,hadoop07:2181</value>
                        </property>
                        <property>
                           <name>yarn.nodemanager.aux-services</name>
                           <value>mapreduce_shuffle</value>
                        </property>
                </configuration>
            
                
            2.2.6修改slaves(slaves是指定子节点的位置,因为要在itcast01上启动HDFS、在itcast03启动yarn,所以itcast01上的slaves文件指定的是datanode的位置,itcast03上的slaves文件指定的是nodemanager的位置)
                hadoop05
                hadoop06
                hadoop07

            2.2.7配置免密码登陆
                #首先要配置itcast01到hadoop02、hadoop03、hadoop04、hadoop05、hadoop06、hadoop07的免密码登陆
                #在hadoop01上生产一对钥匙
                ssh-keygen -t rsa
                #将公钥拷贝到其他节点,包括自己
                ssh-coyp-id hadoop01
                ssh-coyp-id hadoop02
                ssh-coyp-id hadoop03
                ssh-coyp-id hadoop04
                ssh-coyp-id hadoop05
                ssh-coyp-id hadoop06
                ssh-coyp-id hadoop07
                #配置hadoop03到hadoop04、hadoop05、hadoop06、hadoop07的免密码登陆
                #在hadoop03上生产一对钥匙
                ssh-keygen -t rsa
                #将公钥拷贝到其他节点
                ssh-coyp-id hadoop04
                ssh-coyp-id hadoop05
                ssh-coyp-id hadoop06
                ssh-coyp-id hadoop07
                #注意:两个namenode之间要配置ssh免密码登陆,别忘了配置hadoop02到hadoop01的免登陆
                在hadoop02上生产一对钥匙
                ssh-keygen -t rsa
                ssh-coyp-id -i hadoop01                
        
        2.4将配置好的hadoop拷贝到其他节点
            scp -r hadoop-2.4.1/ hadoop02:/lichangwu/hadoop-2.4.1/
            scp -r hadoop-2.4.1/ hadoop03:/lichangwu/hadoop-2.4.1/
            scp -r hadoop-2.4.1/ hadoop04:/lichangwu/hadoop-2.4.1/
            scp -r hadoop-2.4.1/ hadoop05:/lichangwu/hadoop-2.4.1/
            scp -r hadoop-2.4.1/ hadoop06:/lichangwu/hadoop-2.4.1/
            scp -r hadoop-2.4.1/ hadoop07:/lichangwu/hadoop-2.4.1/

        ###注意:严格按照下面的步骤
        2.5启动zookeeper集群(分别在hadoop05、hadoop06、hadoop07上启动zk)
            cd /lichangwu/zookeeper-3.4.6/bin/
            ./zkServer.sh start
            #查看状态:一个leader,两个follower
            ./zkServer.sh status
            
        2.6启动journalnode(分别在在hadoop05、hadoop06、hadoop07上执行)
            cd /lichangwu/hadoop-2.4.1
            sbin/hadoop-daemon.sh start journalnode
            #运行jps命令检验,hadoop05、hadoop06、hadoop07上多了JournalNode进程
        
        2.7格式化HDFS
            #在hadoop01上执行命令:
            hdfs namenode -format
            #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件,这里我配置的是/lichangwu/hadoop-2.4.1/tmp,然后将/lichangwu/hadoop-2.4.1/tmp拷贝到hadoop02的/lichangwu/hadoop-2.4.1/下。
            scp -r tmp/ hadoop02:/lichangwu/hadoop-2.4.1/
        
        2.8格式化ZK(在hadoop01上执行即可)
            hdfs zkfc -formatZK
        
        2.9启动HDFS(在hadoop01上执行)
            sbin/start-dfs.sh

        2.10启动YARN(#####注意#####:是在hadoop03上执行start-yarn.sh,如果hadoop04上没有启动成功,则在hadoop04上再启动一次start-yarn.sh;把namenode和resourcemanager分开是因为性能问题,因为他们都要占用大量资源,所以把他们分开了,他们分开了就要分别在不同的机器上启动)
            sbin/start-yarn.sh

        到此,hadoop-2.4.1配置完毕,可以统计浏览器访问:
        http://192.168.175.129:50070
        NameNode 'hadoop01:9000' (active)
        http://192.168.175.127:50070
        NameNode 'hadoop02:9000' (standby)
    
    验证HDFS HA
        首先向hdfs上传一个文件
        hadoop fs -put /etc/profile /profile
        hadoop fs -ls /
        然后再kill掉active的NameNode
        kill -9 <pid of NN>
        通过浏览器访问:http://192.168.175.127:50070
        NameNode 'hadoop02:9000' (active)
        这个时候hadoop02上的NameNode变成了active
        在执行命令:
        hadoop fs -ls /
        -rw-r--r--   3 root supergroup       1926 2014-02-06 15:36 /profile
        刚才上传的文件依然存在!!!
        手动启动那个挂掉的NameNode
        sbin/hadoop-daemon.sh start namenode
        通过浏览器访问:http://192.168.175.129:50070
        NameNode 'hadoop01:9000' (standby)
    
    验证YARN:
        运行一下hadoop提供的demo中的WordCount程序:
        hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar wordcount /profile /out
    
    OK,大功告成!!!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值