Hadoop安装

一、启动Docker容器

1.加载镜像

实验使用的Docker镜像保存在/cg/images/hadoop_node.tar.gz文件中，执行如下命令加载该镜像:

docker load < /cg/images/hadoop_node.tar.gz

2.启动实验容器

执行如下4条命令，启动4个名称分别为master、slave1、slave2、slave3的docker容器用于实验：

docker run --name master --privileged --hostname master --ip 172.18.0.2 --add-host=slave1:172.18.0.3 --add-host=slave2:172.18.0.4 --add-host=slave3:172.18.0.5 -itd -v /cgsrc:/cgsrc:ro -v /headless/course/:/course hadoop_node /service_start.sh

docker run --name slave1 --privileged --hostname slave1 --ip 172.18.0.3 --add-host=master:172.18.0.2 --add-host=slave2:172.18.0.4 --add-host=slave3:172.18.0.5 -itd -v /cgsrc:/cgsrc:ro hadoop_node /service_start.sh

docker run --name slave2 --privileged --hostname slave2 --ip 172.18.0.4 --add-host=master:172.18.0.2 --add-host=slave1:172.18.0.3 --add-host=slave3:172.18.0.5 -itd -v /cgsrc:/cgsrc:ro hadoop_node /service_start.sh

docker run --name slave3 --privileged --hostname slave3 --ip 172.18.0.5 --add-host=master:172.18.0.2 --add-host=slave1:172.18.0.3 --add-host=slave2:172.18.0.4 -itd -v /cgsrc:/cgsrc:ro hadoop_node /service_start.sh

执行结果如下: 

在终端使用如下命令进入容器中：

docker exec -it --privileged $NAME /bin/bash

将命令中的$NAME替换为对应的容器名称即可，比如进入master容器可以使用命令:

docker exec -it --privileged master /bin/bash

特别注意：

如果再次进入桌面实验环境后，发现容器未启动（使用下面命令查看）

docker ps

按顺序使用下面命令启动容器。

docker start master

docker start slave1

docker start slave2

docker start slave3

注意：不要使用 docker start master slave1 slave2 slave3并发启动多容器，使用该命令启动容器时，容器的启动先后顺序是不确定的，这可能会导致容器分配到的IP和创建容器时指定的IP不一致，导致集群无法启动。

然后检查IP和hosts是否对应，如果不对，使用下面命令关闭容器后，再次按顺序启动容器。

docker stop master slave1 slave2 salve3

---

二、配置Hadoop环境

1.配置JAVA环境

Hadoop是基于Java语言开发的，因此需要安装Java环境。

在这里我们仅介绍master的配置方法，slave1、slave2和slave3都需要按照下面的步骤配置Java环境！

首先使用命令docker exec -it --privileged master /bin/bash进入master容器，如下图所示：

在容器master中使用如下命令从资源文件夹/cgsrc中将JDK安装包复制到/usr/local/java目录下：

mkdir /usr/local/java

cp /cgsrc/jdk-8u171-linux-x64.tar.gz /usr/local/java/

我们接下来切换到/usr/local/java目录下，将安装包解压，并删除用过的tar文件。

cd /usr/local/java/

tar -zxvf jdk-8u171-linux-x64.tar.gz

rm -f jdk-8u171-linux-x64.tar.gz

此时/usr/local/java目录下仅有一个jdk1.8.0_171目录，这就是Java主目录。

接下来需要配置JAVA_HOME环境变量，为了方便起见，这里直接在~/.bachrc这个文件中进行设置，采用这种配置方式时，只对当前登录的单个用户生效，当该用户登录以及每次打开新的Shell时，它的环境变量文件.bashrc会被读取。输入下面命令打开当前登录用户的环境变量配置文件.bashrc：

vim ~/.bashrc

在文件最后面添加如下3行（注意等号前后不能有空格），然后保存退出vim：

export JAVA_HOME=/usr/local/java/jdk1.8.0_171

export CLASSPATH=.:${JAVA_HOME}/jre/lib/rt.jar:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar

export PATH=$PATH:${JAVA_HOME}/bin

接下来让环境变量生效，执行如下代码：

source ~/.bashrc

执行上述命令后，可以检验一下是否设置正确：

echo $JAVA_HOME #检验变量值

java -version #查看java版本

输出如下即表明配置Java环境成功：

java version "1.8.0_171"

Java(TM) SE Runtime Environment (build 1.8.0_171-b11)

Java HotSpot(TM) 64-Bit Server VM (build 25.171-b11, mixed mode)

请务必以同样的步骤对每个节点进行配置!

2.配置分布式模式

当Hadoop采用分布式模式部署和运行时，存储采用分布式文件系统HDFS。而且，HDFS的名称节点和数据节点位于不同的机器上。这时，数据就可以分布到多个节点上，不同数据节点上的数据计算可以并行执行，这使得MapReduce分布式计算能力才能真正发挥作用。

本节使用4个节点搭建集群环境：1个Master节点和3个Slave节点，这4个节点可以看做是4台物理机器。节点的IP地址可以在对应的命令行中使用ifconfig命令查看：

Hadoop集群的安装配置大致包括以下步骤：

（1）选定1个节点作为Master

（2）在Master节点上安装Hadoop，并完成配置。

（3）将Master节点上的Hadoop目录复制到其他Slave节点上

（4）在Master节点上开启Hadoop

3.配置hosts文件

本次演示中，4个节点的ip地址如下：

（1）master 172.18.0.2

（2）slave1 172.18.0.3

（3）slave2 172.18.0.4

（4）slave3 172.18.0.5

由于我们在docker的启动命令里已经加入了host配置，所以检查发现/etc/hosts文件里映射关系齐全则可以略过此步骤。

执行如下命令打开并修改master节点中的/etc/hosts文件：

vim /etc/hosts

确保在hosts文件中有如下IP和主机名映射关系：

172.18.0.2 master

172.18.0.3 slave1

172.18.0.4 slave2

172.18.0.5 slave3

上面完成了master节点的配置，接下来在3个slave节点中使用同样步骤配置hosts文件。

在各个节点上执行如下指令，测试节点之间是否已经联通：

ping master -c 3

ping slave1 -c 3

ping slave2 -c 3

ping slave3 -c 3

如果都能连通，则配置成功。

4.配置SSH无密码登录

需要让master节点可以SSH无密码登录到各个slave节点上。

首先，生成master节点的公钥，如果之前已经生成过公钥，必须删除原来的公钥，重新生成一次。具体命令如下：

cd ~/.ssh #如果没有该目录，先执行一次 ssh localhost，密码默认为83953588abc

rm -f ./id_rsa* #删除之前生成的公钥

ssh-keygen -t rsa #执行该命令后，遇到提示信息，均按Enter即可

为了让master节点能无密码SSH登录到本机，需要在master节点上执行如下命令：

cat ./id_rsa.pub >> ./authorized_keys

完成后可以执行ssh master来验证一下，可能会遇到提示信息，只要输入 yes 即可，测试成功后执行exit命令返回原来的终端。  接下来在master节点上将公钥传输到3个slave节点：

scp ~/.ssh/id_rsa.pub root@slave1:/root

scp ~/.ssh/id_rsa.pub root@slave2:/root

scp ~/.ssh/id_rsa.pub root@slave3:/root

执行scp复制文件时会要求输入相应的slave的密码，默认为：83953588abc

传输完成后在3个slave节点上将SSH公钥加入授权：

mkdir -p ~/.ssh #如果slave节点上已存在该目录，则先删除该目录再执行该命令

cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

rm -f ~/id_rsa.pub

slave1的操作过程如下图所示：

slave2的操作过程如下图所示：

slave3的操作过程如下图所示：

这样就可以在master节点上无密码SSH登录到各个slave节点了。

注意：由于启动Hadoop集群时，master节点需要通过ssh登录自身节点(ssh localhost)，为了去掉ssh的交互式认证提示，需要在master节点上执行以下命令：

ssh-keyscan localhost >> ~/.ssh/known_hosts

上述执行过程如下图所示：

练习1： 请在master节点上使用如下3条命令，确认可以从master无密码ssh登录到各个slave节点。

ssh slave1

ssh slave2

ssh slave3

如果不能无密码登录，请重新按照实验指导手册排查问题。

5.安装Hadoop并配置环境变量

在master节点上执行如下操作安装hadoop并配置环境变量。

首先将hadoop安装包复制到 /usr/local 目录下：

cp /cgsrc/hadoop-2.7.1.tar.gz /usr/local/

切换到/usr/local目录下，对安装包进行解压：

cd /usr/local

tar -zxvf hadoop-2.7.1.tar.gz

rm -f hadoop-2.7.1.tar.gz

解压得到名为hadoop-2.7.1的目录，将其重命名为 hadoop：

mv hadoop-2.7.1/ hadoop

该命令执行后，local目录下的内容如下图所示：

之后就可以配置PATH变量了，使我们可以在任何目录下使用hadoop指令。

首先打开 ~/.bashrc 文件：

vim ~/.bashrc

然后在该文件最末加入下面一行内容：

export PATH=$PATH:/usr/local/hadoop/bin:/usr/local/hadoop/sbin

保存后执行 source ~/.bashrc 使配置生效。

之后执行如下命令查看hadoop版本：

hadoop version

若得到如下输出则安装成功： 

---

上一个步骤 下一个步骤

重要的文件建议保存在工作路径：/mnt/cgshare下，如果容器出现故障，桌面还原之后，点击 “更多” / “工作目录文件浏览器” 找回。

有关实验环境的非持久化问题

关闭当前实验页面后，大概5分钟左右，除持久化目录 /mnt/cgshare 之外，容器所占的计算资源会被释放，同时容器自身也会被销毁。 因此实验过程需要注意：

• 实验过程中安装的软件包，再次打开实验环境的时候，需要重新安装；
• 实验数据和结果保存在 /mnt/cgshare 目录内，避免丢失实验成果；
• 如果重置实验环境，容器可能会被分配到其它计算节点，点击顶部的“更多”->“工作目录浏览器”找回实验数据。、

一、配置集群环境

配置集群环境时，需要修改 /usr/local/hadoop/etc/hadoop 目录下的配置文件，这里仅设置正常启动必须的设置项，包括 slaves、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml共五个文件。

以下对master节点的配置文件进行修改。

1.修改文件slaves

需要把所有数据节点的主机名写入该文件，每行一个，默认为localhost（即把本机作为数据节点）。在进行集群配置时，可以保留localhost，让master节点同时充当名称节点和数据节点，也可以删除localhost这行，让master节点仅作为名称节点使用。

本节让master节点仅作为名称节点使用，因此将slaves文件中原来的内容删除，添加如下内容：

slave1

slave2

slave3

2.修改文件core-site.xml

把core-site.xml文件修改为如下内容：

<configuration>
   <property>
      <name>fs.defaultFS</name>
      <value>hdfs://master:9000</value>
   </property>
   <property>
      <name>hadoop.tmp.dir</name>
      <value>file:/usr/local/hadoop/tmp</value>
   </property>
</configuration>

3. 修改文件hdfs-site.xml

对于Hadoop的分布式文件系统HDFS而言，一般是采用冗余存储，冗余因子一般是3，也就是说一份数据保存3份副本。设置该冗余因子的参数为dfs.replication。所以，dfs.replication设置为3，文件具体内容如下：

<configuration>
   <property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>master:50090</value>
   </property>
   <property>
      <name>dfs.replication</name>
      <value>3</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>

4.修改文件mapred-site.xml

/usr/local/hadoop/etc/hadoop 目录下有一个 mapred-site.xml.template文件，需要复制该文件为 mapred-site.xml：

cp mapred-site.xml.template mapred-site.xml

然后配置mapred-site.xml文件如下：

<configuration>
   <property>
      <name>mapreduce.framework.name</name>
      <value>yarn</value>
   </property>
   <property>
      <name>mapreduce.jobhistory.address</name>
      <value>master:10020</value>
   </property>
   <property>
      <name>mapreduce.jobhistory.webapp.address</name>
      <value>master:19888</value>
   </property>
</configuration>

5.修改文件yarn-site.xml

把 yarn-site.xml 配置为如下内容：

<configuration>
   <property>
      <name>yarn.resourcemanager.hostname</name>
      <value>master</value>
   </property>
   <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
   </property>
   <property>
      <name>yarn.nodemanager.disk-health-checker.max-disk-utilization-per-disk-percentage</name>
      <value>98.5</value>
   </property>
</configuration>

---

二、配置slave节点

五个配置文件配置完成之后，需要把master节点上的 /usr/local/hadoop 文件复制到各个节点上。

在master节点上执行具体命令如下：

cd /usr/local

rm -rf ./hadoop/tmp #删除临时文件

rm -rf ./hadoop/logs/* #删除日志文件

tar -zcf ~/hadoop.master.tar.gz ./hadoop #先压缩再复制

cd ~

scp ./hadoop.master.tar.gz root@slave1:/root

scp ./hadoop.master.tar.gz root@slave2:/root

scp ./hadoop.master.tar.gz root@slave3:/root

然后分别在slave1、slave2和slave3节点上执行如下命令：

rm -rf /usr/local/hadoop #如果有旧文件则先删除

tar -zxf ~/hadoop.master.tar.gz -C /usr/local

rm -f ~/hadoop.master.tar.gz

---

三、启动Hadoop集群

首次启动Hadoop集群时，需要先在master节点执行名称节点的格式化：

hdfs namenode -format

如果该命令执行后，没有报出任何错误，就说明格式化正确了。如果有错误，注意检查前面的配置文件。

现在可以启动Hadoop了，启动需要在master节点上进行，执行如下命令：

start-dfs.sh

start-yarn.sh

mr-jobhistory-daemon.sh start historyserver

通过命令jps可以查看各个节点启动的进程。如果已经正确启动，则在master节点上可以看到如下进程：

在slave节点上可以看到如下进程：

缺少任一进程都表示出错。

也可以在浏览器中输入 master的ip:50070 查看节点状态。

练习2（必做）： 请运行官方案例wordcount验证mapreduce是否可以正常工作。如果可以正常工作，则不会影响后续实验的开展。否则，请重新按照实验步骤仔细检查相关配置。

至此，hadoop集群安装完成。

---

上一个步骤 下一个步骤

重要的文件建议保存在工作路径：/mnt/cgshare下，如果容器出现故障，桌面还原之后，点击 “更多” / “工作目录文件浏览器” 找回。

有关实验环境的非持久化问题

关闭当前实验页面后，大概5分钟左右，除持久化目录 /mnt/cgshare 之外，容器所占的计算资源会被释放，同时容器自身也会被销毁。 因此实验过程需要注意：

• 实验过程中安装的软件包，再次打开实验环境的时候，需要重新安装；
• 实验数据和结果保存在 /mnt/cgshare 目录内，避免丢失实验成果；
• 如果重置实验环境，容器可能会被分配到其它计算节点，点击顶部的“更多”->“工作目录浏览器”找回实验数据。

总结

通过本实验，应掌握Hadoop集群的搭建。

---

上一个步骤

重要的文件建议保存在工作路径：/mnt/cgshare下，如果容器出现故障，桌面还原之后，点击 “更多” / “工作目录文件浏览器” 找回。

有关实验环境的非持久化问题

关闭当前实验页面后，大概5分钟左右，除持久化目录 /mnt/cgshare 之外，容器所占的计算资源会被释放，同时容器自身也会被销毁。 因此实验过程需要注意：

• 实验过程中安装的软件包，再次打开实验环境的时候，需要重新安装；
• 实验数据和结果保存在 /mnt/cgshare 目录内，避免丢失实验成果；
• 如果重置实验环境，容器可能会被分配到其它计算节点，点击顶部的“更多”->“工作目录浏览器”找回实验数据。