【大数据】Hadoop运行环境搭建

一、模板虚拟机环境准备

使用VMware虚拟机搭建基于CentOS7的Hadoop环境：

• cpu核数（需要搭建3台Hadoop组成集群，加上Windows本机，所以可以分配的数量为本机的cpu核数除以4）
• 内存至少4G
• 硬盘最少50G

1. 创建虚拟机

创建虚拟机：

• 新建虚拟机，选择自定义(高级)—>硬件兼容性默认—>选择稍后安装操作系统 —>客户机操作系统选择 Linux、CentOS7 64位
• 配置虚拟机名称、存储位置
• 处理器数量2，每个处理器内核数2（本机总共有8核，16个逻辑处理器）—>配置虚拟机内存4G
• 网络类型默认的NAT—>IO类型、磁盘类型默认
• 选择创建新虚拟磁盘—>磁盘容量设置为50G，默认将虚拟磁盘拆分成多个文件不用变—>- 创建的磁盘文件配置到指定目录
• 完成

安装CentOS7系统：

• 配置CD/DVD使用的iso文件指向下载好的 CentOS 7系统镜像
• 启动虚拟机—>选择安装CentOS7 虚拟机
• 自动进入图形界面安装—>选择中文（安装过程中使用的语言，不代表操作系统的语言），继续—>修改时区、日期和时间—>软件选择可以选择最小安装或者GNOME桌面安装，本次选择桌面版

• 选择安装位置，我要分配分区进行手动分区，大小可以参考以下配置： /boot：1g（如果是最小化安装，/boot只有150多Mb），文件系统配置为 ext4 swap分区：4g
  /：剩余空间分给根分区，文件系统默认xfr就行
• 自己实验用的虚拟机，KDUMP可以禁用kdump以节省资源。（kdump是系统崩溃前捕获系统信息，用于诊断崩溃原因，但是需要预留一部分系统内存）
• 网络和主机名称配置主机名称、网络，主机名设置为hadoop100—>SECURITY POLICY安全策略默认打开即可
• 点击安装—>安装的过程中可以配置root密码—>等安装完成，点击重启—>重启进来之后，点开许可协议，选择我同意许可协议—>点击完成配置
• 选择中文、汉语、打开位置、选择上海时区、跳过在线账号—>创建一个普通用户
• 完成

详细步骤可点击—>尚硅谷大数据Hadoop教程

2. 配置网络静态IP

• 配置hostname，检查vim /etc/hostname中的主机名配置信息，例如将主机名配置为hadoop100（后面的几台集群中主机为hadoop101、hadoop102、hadoop103组成集群）

• 配置IP为静态IP，vim /etc/sysconfig/network-scripts/ifcfg-ens33进入配置文件，修改内容为：

# 将DHCP动态获取修改为static静态IP，其他保持默认
BOOTPROTO="static"
# 然后添加以下配置（根据虚拟机实际情况进行配置）
# ip地址
IPADDR=192.168.103.100
# 网关（可以在VMware虚拟网络编辑器的NAT模式中 NAT设置里面查找到）
GATEWAY=192.168.103.2
# 域名解析器
DNS1=192.168.103.2

3. 配置host映射文件

• 配置hosts映射,，将集群中的主机添加进来，vim /etc/hosts进入配置文件添加如下内容：

192.168.103.100 hadoop100
192.168.103.101 hadoop101
192.168.103.102 hadoop102
192.168.103.103 hadoop103
192.168.103.104 hadoop104

• 在Windows系统中，也将Hosts映射加入进来，进入C:\Windows\System32\drivers\etc\hosts文件增加同样的内容。
• 配置好网络，使用reboot重启使其生效
• 重新进来后，使用ifconfig判断网络配置是否生效，ping一个外部网站查看是否可以连网

4. 安装epel-release

Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数 rpm 包在官方 repository中是找不到的。

安装命令

yum install -y epel-release

如果Linux安装的是最小系统板，还需要安装net-tool、vim等常用工具：

# 安装ifconfig命令
yum install -y net-tools
# 安装vim编辑器
yum install -y vim

5. 关闭防火墙及防火墙的开机自启

# 关闭防火墙
systemctl stop firewalld
# 关闭防火墙的开机自启
systemctl disable firewalld.service

6. 用户添加root权限

如果安装的桌面版，在安装过程就会让创建一个非root用户。
如果安装的最小系统版，则可以手工执行命令创建一个非root用户：

useradd huahua
passwd huahua

将该用户加入sudoers中，方便后续添加sudo执行命令。

编辑/etc/sudoers文件（该文件默认只读，需要先添加写权限），在%wheel用户执行命令权限下面添加一行：

%wheel  ALL=(ALL)       ALL
# 在%wheel下面添加，不要直接加载 root下面。因为所有用户都属于wheel组，如果放到了root下面（%wheel上面），那么执行了NOPASSWD:ALL免密之后，程序走到%wheel时就又会被覆盖回需要密码
huahua ALL=(ALL) NOPASSWD:ALL

7. 创建文件夹

在/opt下创建文件夹module、software：

mkdir /opt/module

mkdir /opt/software 修改 module、software 文件夹的所有者和所属组

chown huahua:huahua /opt/module 
chown huahua:huahua /opt/software

8. 卸载虚拟机自带的JDK

注意：如果虚拟机是最小化安装不需要执行这一步。

检查系统中自带的JDK：

rpm -qa | grep -i java

卸载自带的JDK（需要以root用户运行）：

rpm -qa | grep -i java | grep -v ".noarch" | xargs -n1 rpm -e  --nodeps

• grep -i 忽略大小写
• xargs 将前面的输出结果作为命令的参数
• -n1 每次只取一个结果作为命令参数。如果不加，则会将所有结果以空格分隔拼接作为命令的参数
• rpm -e --nodeps 不验证套件档的相互关联性进行卸载

9. 重启虚拟机

# 重启虚拟机
reboot 

二、克隆虚拟机

• 因为我们要搭建集群，所以需要再克隆出几台虚拟机出来。
• 将hadoop100虚拟机关机，然后创建完整克隆。克隆出 hadoop102、hadoop103、hadoop104几台主机。（hadop101用于后面搭建伪分布式，分析源码，本次先不搭建进集群中）。
• 克隆完成之后，还需要依次修改 hadoop102、hadoop103、hadoop104的ip和hostname。

1. 修改克隆机IP

• 修改克隆虚拟机的静态IP（以hadoop102为例）
  vim /etc/sysconfig/network-scripts/ifcfg-ens33进入配置文件，修改

BOOTPROTO=static
···
IPADDR=192.168.103.102
GATEWAY=192.168.103.2
DNS1=192.168.103.2

• 查看 Linux 虚拟机的虚拟网络编辑器，编辑—>虚拟网络编辑器—>VMnet8
• 查看 Windows 系统适配器 VMware Network Adapter VMnet8 的 IP 地址
• 保证 Linux 系统 ifcfg-ens33 文件中 IP 地址、虚拟网络编辑器地址和 Windows 系统 VM8 网络 IP 地址相同

2. 修改克隆机主机名

• 修改主机名称（以hadoop102为例），vim /etc/hostname进入配置文件，主机名改为hadoop102
• 配置 Linux 克隆机主机名称映射 hosts 文件，vim /etc/hosts打开/etc/hosts
  添加如下内容：

192.168.103.100 hadoop100
192.168.103.101 hadoop101
192.168.103.102 hadoop102
192.168.103.103 hadoop103
192.168.103.104 hadoop104

• 配置好网络，使用reboot重启使其生效
• 在Windows系统中，也将Hosts映射加入进来，进入C:\Windows\System32\drivers\etc\hosts文件增加同样的内容。

三、环境搭建

JDK、Hadoop都先在 hadoop102 服务器上安装，安装好之后再 scp 复制到其他服务器。

1. 安装JDK

• 将 jdk1.8 压缩包上传到创建的 /opt/software 文件夹中。
• 将 jdk 解压到创建的 /opt/module/ 文件夹中：

tar -zxvf jdk-8u361-linux-x64.tar.gz -C /opt/module/

• 配置环境变量，可以直接在 /etc/profile.d文件夹中创建一个.sh后缀的文件，/etc/profile会遍历该文件夹下的所有.sh文件的内容作为环境变量。
  在/etc/profile.d下创建 my_env.sh：

# JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_361
export PATH=$PATH:$JAVA_HOME/bin

• 重新加载环境变量：

source /etc/profile

• 测试 JDK 是否安装成功

java -version
# 如果能看到以下结果，则代表 Java 安装成功
java version "1.8.0_361"

2. 安装Hadoop

• 从官网（或国内镜像站）下载Hadoop 3.x安装包。
• 将安装包上传到创建的/opt/software文件夹中
• 解压：

tar -zxvf hadoop-3.3.6.tar.gz -C /opt/module/

• 配置环境变量（hadoop需要配置 /bin和 /sbin两个目录到环境变量）。
  同样的，我们在 /etc/profile.d/my_env.sh中进行添加：

# HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.3.6
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

• 刷新环境变量，查询Hadoop版本进行验证：

# 刷新环境变量
source /etc/profile
# 验证
hadoop version

Hadoop重要目录

• bin 目录：存放对 Hadoop 相关服务（hdfs，yarn，mapred）进行操作的脚本
• etc 目录：Hadoop 的配置文件目录，存放 Hadoop 的配置文件
• lib 目录：存放 Hadoop 的本地库（对数据进行压缩解压缩功能）
• sbin 目录：存放启动或停止 Hadoop 相关服务的脚本
• share 目录：存放 Hadoop 的依赖 jar 包、文档、和官方案例