Haddop+spark大数据分析（二）之Hadoop 集群的搭建

文章目录

前言

一、集群环境的下载及其配置

1.下载hadoop

2.配置 hadoop 环境变量

配置hadoop 核心环境

配置 core-site.xml

配置 hdfs-site.xml

配置 mapred-site.xml

配置 yarn-site.xml

配置 workers

禁用防火墙

二、克隆虚拟机及其相应设置

1. 克隆虚拟机

2.配置 ssh 免密登陆

三、hadoop的启动

格式化 HDFS（只需在第一次启动时执行）

启动集群

启动yarn

服务验证

总结

---

前言

上一节介绍了虚拟机的下载以及Java环境的搭建，这节主要讲解Hadoop集群的搭建

---

一、集群环境的下载及其配置

我们需要现在一台机器上配置好 hadoop，然后再把它拷贝到其他机器上，这里我选择在master 也就是要做为 nameNode 的那台机器

1.下载hadoop

再次强调 建议在克隆之前，先在一台机器上，下载、解压好再克隆，这样多台机器就都有了

下载

注：需要提前安装wget包 命令： yum install wget

官方地址：

wget https://archive.apache.org/dist/hadoop/common/hadoop-3.3.0/hadoop-3.3.0.tar.gz

国内镜像地址（建议清华大学）：

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/stable/hadoop-3.3.0.tar.gz

解压

下载完成后，下一步是解压

我是解压到/usr/local/hadoop目录下，其中/hadoop目录是我预先创建的

mkdir usr/local/hadoop

快速解压（参考别的博主）：

tar -zxvf hadoop-3.3.0.tar.gz -C /usr/local/hadoop

如果遇到tar: Error is not recoverable: exiting now 错误，可参考https://stackoverflow.com/questions/3950839/tar-error-is-not-recoverable-exiting-now

简言之，分解压缩步骤，进入目录 /usr/local/hadoop 逐步执行如下代码

gunzip hadoop-3.3.0.tar.gz

tar xf hadoop-3.3.0.tar

2.配置 hadoop 环境变量

vi /etc/profile

在末尾追加hadoop环境

export HADOOP_HOME=/usr/local/hadoop/hadoop-3.3.0
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

配置完成之后，刷新

nmcli c reload

查看变量是否生效

hadoop version

显示如下信息即正确

配置hadoop 核心环境

配置 hadoop-env.sh

首先，查看 JAVA_HOME 的地址

echo $JAVA_HOME

配置 JAVA_HOME 路径

vi $HADOOP_HOME/etc/hadoop/hadoop-env.sh

末尾追加以下代码

export JAVA_HOME=JAVA_HOME的地址
export JAVA_HOME=${JAVA_HOME}

如下图

配置 core-site.xml

创建 HDFS 数据存储目录，我的存储路径是放在$HADOOP_HOME目录下的 /hdfs_data/

mkdir /usr/local/hadoop/hadoop-3.3.0/hdfs_data
mkdir /usr/local/hadoop/hadoop-3.3.0/tmp

vi $HADOOP_HOME/etc/hadoop/core-site.xml

<configuration>
    <property>
        <!-- 设置 NameNode 的ip及端口，这里的ip也可以换成主机名 -->
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop1:9000</value>
    </property>
  
    <property>
        <!-- 存放数据的临时目录，注意这里的路径要写绝对路径，并且不要使用 ~ 等符号 -->
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop/hadoop-3.3.0/tmp</value>
    </property>
  
    <property>
        <!-- 设置 HDFS 数据在本地文件系统上的存储 -->
        <name>dfs.datanode.data.dir</name>
        <value>/usr/local/hadoop/hadoop-3.3.0/hdfs_data</value>
    </property>
</configuration>

配置 hdfs-site.xml

vi $HADOOP_HOME/etc/hadoop/hdfs-site.xml

<configuration>
    <property>
		<!-- 设置 SecondaryNameNode 的ip及端口，这里的ip也可以换成主机名-->
        <name>dfs.namenode.secondary.http-address</name>
        <value>slaver001:9868</value>
    </property>
</configuration>

配置 mapred-site.xml

vi $HADOOP_HOME/etc/hadoop/mapred-site.xml

<configuration>
    <property>
        <!-- 设置 mapreduce 使用 yarn 框架 -->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

配置 yarn-site.xml

vi $HADOOP_HOME/etc/hadoop/yarn-site.xml

<configuration>
    <property>
        <!-- 设置 yarn 的混洗方式为 mapreduce 默认的混洗算法 -->
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <property>
        <!-- 指定ResourceManager的地址 -->
        <name>yarn.resourcemanager.address</name>
        <value>slaver002</value>
    </property>
</configuration>

配置 workers

vi $HADOOP_HOME/etc/hadoop/workers

删除里面初始的内容，写入以下主机名称

master
slaver001
slaver002

禁用防火墙

关闭防火墙

systemctl stop firewalld

取消开机启动

systemctl disable firewalld

至此，单台机器的环境配置结束，下一步克隆虚拟机，并配置 ssh 免密登陆

二、克隆虚拟机及其相应设置

1. 克隆虚拟机

VMware Fusion 关闭虚拟机，默认为挂起。 点击导航栏的 VMware Fusion—> 偏好设置—> 关闭虚拟机时： 将挂起改为 关闭。 因为虚拟机的克隆要在完全关闭的情况下进行

右键刚才创建的虚拟机，选择 创建完整克隆

创建俩个虚拟机启动后，输入以下代码 修改主机名为之间预设的，我这里是slaver001,slaver002

hostnamectl set-hostname 主机名

分别进入slaver001 和 slaver002

vi /etc/sysconfig/network-scripts/ifcfg-网卡名

只需修改IPADDR这项，相应的主机对应相应的ip，我这里是 slaver001 = 192.168.148.102， slaver = 192.168.148.103

测试虚拟机之间是否通畅

ping ip或者设置的主机名

如果发生问题，需要排查之前的ip，网关等设置是否正确，可参考https://blog.csdn.net/qq_27283619/article/details/103706736

2.配置 ssh 免密登陆

配置 ssh 免密登陆有两个目的

1. 让 nameNode 下发命令给 dataNode
2. 让 resourceManager 下发命令给 nodeManager

相对的，我们也需要配置 nameNode 免登陆 nameNode，resourceManager 免的登陆 nodeManager。

按照文章开始的功能划分，即

• 配置master 免登陆slaver001，slaver002
• 配置slaver001免登陆master，slaver002

Linux 免密登陆另一台 Linux

假设有两台 Linux， 机器1、机器2。如果我们需要让 机器1 免密登陆 机器2，需要如下操作

生成密钥对

在 机器1 下生成密钥对，每步都输入回车（表示不使用私钥密码）

ssh-keygen

如下

查看生成的密码

注：需要预先安装tree，命令：yum install tree

tree ~/.ssh -C -pf

id_rsa是私钥 ，id_rsa.pub是公钥

将公钥发给其他机器

ssh-copy-id 机器2的ip

免密登陆其他机器

完成上面步骤后，机器1就可以免密登陆机器2了

在机器1上

ssh 机器2的ip

第一次需要输入机器2的密码 之后即可以快速切换主机，这样我们可以在一个shell里使用多个虚拟机

三、hadoop的启动

格式化 HDFS（只需在第一次启动时执行）

$HADOOP_HOME/bin/hdfs namenode -format

显示has been successfully formatted则表示格式化成功

格式化成功后，查看core-site.xml里hadoop.tmp.dir指定的目录下是否有了 dfs 目录

tree -C -pf $HADOOP_HOME/tmp/

cat $HADOOP_HOME/tmp/dfs/name/current/VERSION

启动集群

在 master上执行如下命令

start-dfs.sh

如遇到

使用

vi $HADOOP_HOME/sbin/ 要打开的文件名

在所有机器start-dfs.sh、stop-dfs.sh文件头部添加如下内容

HDFS_NAMENODE_USER=root
HDFS_DATANODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

在start-yarn.sh、stop-yarn.sh文件头部添加如下内容

YARN_RESOURCEMANAGER_USER=root
YARN_NODEMANAGER_USER=root

配置好之后重新启动

如遇到【hadoop】/sbin/start-dfs.sh Error: JAVA_HOME is not set and could not be found.可参考https://blog.csdn.net/CGD_ProgramLife/article/details/82703073

启动yarn

ssh连接到ResourceManager即slaver002，执行

start-yarn.sh

服务验证

在任意主机执行

jps

即启动成功

---

总结

至此hadoop环境的搭建就完成了，接下来就是部署spark，之后我们就可以开始使用spark进行数据分析的相关工作了，感谢大家