搭建 Hadoop 集群详细教程

1. 准备工作

1.1 环境

• Centos 7
• JDK 1.8
• Hadoop 2.10.0

1.2 集群部署规划

	hadoop1	hadoop2	hadoop3
HDFS	NameNode, DataNode	DataNode	SecondaryNameNode, DataNode
Yarn	NodeManager	ResourceManager, NodeManager	NodeManager

2. 配置主节点

2.1 创建虚拟机

1. 选择新建虚拟机
2. 选择典型类型
3. 选择稍后安装操作系统
4. 选择 Linux，Centos 7 64位
5. 命名虚拟机 hadoop1
6. 使用默认 20G 磁盘大小
7. 不修改虚拟机硬件配置，完成创建虚拟机
8. 选择创建好的虚拟机，点击编辑虚拟机
9. 移除 USB 控制器、声卡、打印机
10. 选择 CD/DVD，使用 ISO 映像文件，选择 ISO 文件位置
11. 开启并安装虚拟机
    • 时区选 Asia Shanghai
    • 需创建 root 用户

2.2 配置

1. 「编辑」->「虚拟网络编辑器」->「VMnet8」->「设置 NAT」，如下图

2. 虚拟机网络配置选择 NAT 模式

3. 配置静态 ip

切换到 root 用户

su root

编辑配置文件

vi /etc/sysconfig/network-scripts/ifcfg-ens32

也有可能是 eth0、ens33 等，跟 Centos 版本有关

配置文件内容如下，其中需要修改 BOOTPROTO 字段值为 static；ONBOOT 字段值为 yes，表示开机启动网络；IPADDR 字段为 ip 地址，需与 NAT 子网 ip 在同一网段；GATEWAY 字段为网关，需与 NAT 网关相同

TYPE=Ethernet
PROXY_METHOD=none
BROWSER_ONLY=no
BOOTPROTO=static
DEFROUTE=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_FAILURE_FATAL=no
IPV6_ADDR_GEN_MODE=stable-privacy
NAME=ens32
UUID=4d0b744b-8ebf-4c75-b35c-324d9f671ce6
DEVICE=ens32
ONBOOT=yes
IPADDR=192.168.144.101
GATEWAY=192.168.144.2
DNS1=8.8.8.8
DNS2=8.8.4.4

重启网络

systemctl restart network

查看 ip

ip addr

4. 关闭防火墙

systemctl stop firewalld.service
systemctl disable firewalld.service
systemctl status firewalld

5. 修改 hostname

echo hadoop1 > /etc/hostname

编辑文件

vi /etc/sysconfig/network

写入以下内容

NETWORKING=yes # 使用网络
HOSTNAME=hadoop1 # 设置主机名

6. 配置 Host

vi /etc/hosts

追加以下内容

192.168.144.101 hadoop1
192.168.144.102 hadoop2
192.168.144.103 hadoop3

8. 重启

reboot

9. 切换回普通用户

su shenke

创建安装目录

sudo mkdir /opt/module

修改安装目录所有者

sudo chown shenke:shenke /opt/module

2.3 安装 JDK

1. 将在 /tmp 目录下的 jdk-8u261-linux-x64.tar.gz 解压

tar -zxvf jdk-8u261-linux-x64.tar.gz

2. 移动到 /opt/module 目录下，并重命名为 jdk

mv jdk1.8.0_261 /opt/module/jdk

3. 配置环境变量

sudo vi /etc/profile

追加以下内容

# JAVA_HOME
export JAVA_HOME=/opt/module/jdk
export PATH=$PATH:$JAVA_HOME/bin

使环境变量生效

source /etc/profile

4. 验证是否安装成功

java -version

2.4 安装 Hadoop

1. 将在 /tmp 目录下的 hadoop-2.10.0.tar.gz 解压

tar -zxvf hadoop-2.10.0.tar.gz

2. 移动到 /opt/module 目录下，并重命名为 hadoop

mv hadoop-2.10.0 /opt/module/hadoop

3. 配置环境变量

sudo vi /etc/profile

追加以下内容

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

使环境变量生效

source /etc/profile

4. 验证是否安装成功

hadoop

2.5 安装其他包

sudo yum install -y net-tools rsync

3. 配置从节点

3.1 克隆虚拟机

先将 hadoop1 关机，「右键」->「管理」->「克隆」

1. 选择创建完整克隆

2. 修改虚拟机名称为 hadoop2

3.2 配置网络

如 2.2 中第 3 步，修改 /etc/sysconfig/network-scripts/ifcfg-ens32 文件中的 IPADDR 为 192.168.144.102，并删除 UUID

如 2.2 中第 5 步，修改 hostname 为 hadoop2

重复以上步骤，克隆一个 hadoop3 节点

3.3 测试

尝试能否 ping 通其他节点

ping hadoop2

4. 配置集群

4.1 设置 SSH 无密码登录

1. 生成公钥

ssh-keygen -t rsa

2. 分发公钥

ssh-copy-id hadoop1
ssh-copy-id hadoop2
ssh-copy-id hadoop3

在三个节点上重复以上命令

4.2 编写集群分发脚本 xsync

1. 在 hadoop1 的 /home/user/bin 目录下创建 xsync 文件

mkdir bin && touch bin/xsync

如果是 root 用户则可将脚本放在 /usr/local/bin 目录下

编辑脚本

vi bin/xsync

内容参考 xsync.sh，主要是通过以下命令实现文件同步，其中，-r 表示递归处理子目录，-v 表示以详细模式输出，-l 表示保留软链接，--delete 表示同步删除，--ignore-errors 表示即使出现 IO 错误也进行删除

rsync -rvl --delete --ignore-errors $directory/$file $user@$host:$directory

2. 赋予执行权限

chmod 777 bin/xsync

3. 使用

xsync $file

# 例如
xsync /home/shenke/bin

5. 配置集群

配置文件均在 hadoop 安装目录下的 etc/hadoop 目录下

5.1 核心配置文件

1. 编辑 core-site.xml

vi core-site.xml

在 configuration 标签中写入以下内容

<configuration>

  <!-- 指定 HDFS 中 NameNode 的地址 -->
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://hadoop1:9000</value>
  </property>

  <!-- 指定 Hadoop 运行时产生文件的存储目录 -->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/module/hadoop/data/tmp</value>
  </property>

</configuration>

2. 创建存储目录

mkdir -p /opt/module/hadoop/data/tmp

5.2 HDFS 配置文件

1. 配置 hadoop-env.sh

vi hadoop-env.sh

在文件末尾追加以下内容

export JAVA_HOME=/opt/module/jdk

2. 配置 hdfs-site.xml

vi hdfs-site.xml

在 configuration 标签中写入以下内容

<configuration>

  <property>
    <name>dfs.replication</name>
    <value>3</value>
  </property>

  <!-- 指定 Hadoop 辅助名称节点主机配置 -->
  <property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>hadoop3:50090</value>
  </property>

</configuration>

5.3 Yarn 配置文件

1. 配置 yarn-env.sh

vi yarn-env.sh

在文件末尾追加以下内容

export JAVA_HOME=/opt/module/jdk

2. 配置 yarn-site.xml

vi yarn-site.xml

在 configuration 标签中写入以下内容

<configuration>

  <!-- Reducer 获取数据的方式 -->
  <property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
  </property>

  <!-- 指定 YARN 的 ResourceManager 的地址 -->
  <property>
		<name>yarn.resourcemanager.hostname</name>
		<value>hadoop2</value>
  </property>

</configuration>

5.4 MapReduce 配置文件

1. 配置 mapred-env.sh

vi mapred-env.sh

在文件末尾追加以下内容

export JAVA_HOME=/opt/module/jdk

2. 配置 mapred-site.xml

cp mapred-site.xml.template mapred-site.xml && vi mapred-site.xml

在 configuration 标签中写入以下内容

<configuration>

  <!-- 指定 MapReduce 运行在 Yarn 上 -->
  <property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
  </property>

</configuration>

5.5 配置 slaves

编辑 slaves

vi slaves

写入以下内容

hadoop1
hadoop2
hadoop3

5.6 同步配置文件

xsync /opt/module/hadoop

6. 启动集群

在 hadoop 安装目录下

1. 格式化

bin/hdfs namenode -format

如果需要重新格式化 NameNode，需要先将 data/tmp 和 logs下的文件全部删除

2. 启动 HDFS

sbin/start-dfs.sh

3. 启动 Yarn

sbin/start-yarn.sh

注意：需在 ResouceManager 所在节点启动 Yarn，本例中在 hadoop2 中启动

4. 查看进程

jps

5. 查看 web 端

• NameNode: hadoop1:50070
• SecondaryNameNode: hadoop3:50090

6. 停止 HDFS

sbin/stop-dfs.sh

7. 停止 Yarn

sbin/stop-yarn.sh

7. 编写群起脚本

1. 启动和关闭脚本

同样是在 /home/shenke/bin 目录下，新建并编辑脚本

vi ~/bin/hdp

内容参考 hadoop.sh

2. 查看进程脚本

新建并编辑脚本

vi ~/bin/xcall

内容参考 xcall.sh

8. HDFS 测试

1. 上传文件

上传一个小文件到根目录

bin/hdfs dfs -put /home/shenke/bin/xsync /

上传一个大文件到根目录

bin/hdfs dfs -put /tmp/hadoop-2.10.0.tar.gz /

2. 查看文件存储路径