经常查阅资料搭建Hadoop集群进行hadoop生态组件的学习,于是打算自己做一套完整的资料,方便以后查阅。
一、模板机准备
1.安装虚拟机
2.三处ip配置
第一处:虚拟机ip
改好这个后在改下面的
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33
改成
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2
IPADDR=192.168.10.100
GATEWAY=192.168.10.2
DNS1=192.168.10.2
第二处:windows ip
第三处:修改主机名和映射文件
修改主机名:
[root@hadoop100 ~]# vim /etc/hostname
hadoop102
修改Linux映射文件:添加如下内容
[root@hadoop100 ~]# vim /etc/hosts
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108
重启虚拟机
[root@hadoop100 ~]# reboot
重启后查看自己的ip,并且查看是否可以联网
修改windows映射文件:
(1)如果操作系统是window7,可以直接修改
(a)进入C:\Windows\System32\drivers\etc路径
(b)打开hosts文件并添加如下内容,然后保存
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108
(2)如果操作系统是window10,先拷贝出来,修改保存以后,再覆盖即可
- (a)进入C:\Windows\System32\drivers\etc路径
- (b)拷贝hosts文件到桌面
- (c)打开桌面hosts文件并添加如下内容
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108
(d)将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件
2.安装epel-release
注: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)
[root@hadoop100 ~]# yum install -y epel-release
3.关闭防火墙,关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service
4.创建big用户,并修改big用户的密码
[root@hadoop100 ~]# useradd big
[root@hadoop100 ~]# passwd big
5.配置big用户具有root权限,方便后期加sudo执行root权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
修改/etc/sudoers文件,在%wheel这行下面添加一行,如下所示
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
big ALL=(ALL) NOPASSWD:ALL
注意:atguigu这一行不要直接放到root行下面,因为所有用户都属于wheel组,你先配置了atguigu具有免密功能,但是程序执行到%wheel行时,该功能又被覆盖回需要密码。所以atguigu要放到%wheel这行下面。
6.在/opt目录下创建文件夹,并修改所属主和所属组
(1)在/opt目录下创建module、software文件夹
[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software
(2)修改module、software文件夹的所有者和所属组均为big用户
[root@hadoop100 ~]# chown big:big /opt/module
[root@hadoop100 ~]# chown big:big /opt/software
(3)查看module、software文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12
drwxr-xr-x. 2 big big 4096 5月 28 17:18 module
drwxr-xr-x. 2 root root 4096 9月 7 2017 rh
drwxr-xr-x. 2 big big 4096 5月 28 17:18 software
7.卸载虚拟机自带的JDK
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
8.重启虚拟机
[root@hadoop100 ~]# reboot
9.安装JDK
(1)用XShell传输工具将JDK导入到opt目录下面的software文件夹下面,并 解压安装文件到/opt/module下面
[big@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
(2)配置JDK环境变量
(a)新建/etc/profile.d/my_env.sh文件
[big@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh
添加如下内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
(b)保存后退出
(c)source一下/etc/profile文件,让新的环境变量PATH生效
[big@hadoop102 ~]$ source /etc/profile
(3)测试JDK是否安装成功
[big@hadoop102 ~]$ java -version
如果能看到以下结果,则代表Java安装成功。
java version "1.8.0_212"
注意:重启(如果java -version可以用就不用重启)
[big@hadoop102 ~]$ sudo reboot
10.安装Hadoop
(1)用XShell传输工具将Hadoop导入到opt目录下面的software文件夹下面,并解压安装文件到/opt/module下面
[big@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
(2)打开/etc/profile.d/my_env.sh文件
[big@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh
(3)将Hadoop添加到环境变量
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
- 在my_env.sh文件末尾添加如下内容:(shift+g)
- 保存并退出
(4)让修改后的文件生效
[big@hadoop102 hadoop-3.1.3]$ source /etc/profile
(5)测试是否安装成功
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3
(6)重启(如果Hadoop命令不能用再重启虚拟机)
[big@hadoop102 hadoop-3.1.3]$ sudo reboot
二.克隆三台虚拟机
1.修改静态IP
vim /etc/sysconfig/network-scripts/ifcfg-ens33
2.修改主机名
[root@hadoop100 ~]# vim /etc/hostname
hadoop102
3.分别重启三台虚拟机
4.配置ssh无密登入
(1)基本语法
ssh 另一台电脑的IP地址
(2)ssh连接时出现Host key verification failed的解决方法
[big@hadoop102 ~]$ ssh hadoop103
- 如果出现如下内容
Are you sure you want to continue connecting (yes/no)?
- 输入yes,并回车
(3)退回到hadoop102
[big@hadoop103 ~]$ exit
(4)无密钥配置
a)免密登录原理
b)生成公钥和私钥
[big@hadoop102 .ssh]$ pwd
/home/big/.ssh
[big@hadoop102 .ssh]$ ssh-keygen -t rsa
然后敲(三个回车),就会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)
c)将公钥拷贝到要免密登录的目标机器上
[big@hadoop102 .ssh]$ ssh-copy-id hadoop102
[big@hadoop102 .ssh]$ ssh-copy-id hadoop103
[big@hadoop102 .ssh]$ ssh-copy-id hadoop104
注意:
还需要在hadoop103上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop104上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop102上采用root账号,配置一下无密登录到hadoop102、hadoop103、hadoop104;
5.编写集群分发脚本xsync
(1)期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)
[big@hadoop102 ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/big/.local/bin:/home/big/bin:/opt/module/jdk1.8.0_212/bin
将脚本文件放在/home/big/bin里面
(2)在/home/big/bin目录下创建xsync文件
[big@hadoop102 opt]$ cd /home/big
[big@hadoop102 ~]$ mkdir bin
[big@hadoop102 ~]$ cd bin
[big@hadoop102 bin]$ vim xsync
在该文件中编写如下代码
#!/bin/bash
#1. 判断参数个数
if [ $# -lt 1 ]
then
echo Not Enough Arguement!
exit;
fi
#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
echo ==================== $host ====================
#3. 遍历所有目录,挨个发送
for file in $@
do
#4. 判断文件是否存在
if [ -e $file ]
then
#5. 获取父目录
pdir=$(cd -P $(dirname $file); pwd)
#6. 获取当前文件的名称
fname=$(basename $file)
ssh $host "mkdir -p $pdir"
rsync -av $pdir/$fname $host:$pdir
else
echo $file does not exists!
fi
done
done
(3)修改脚本 xsync 具有执行权限
[big@hadoop102 bin]$ chmod +x xsync
(4)分发脚本
[big@hadoop102 ~]$ xsync /home/big/bin
(5)将脚本复制到/bin中,以便全局调用
[big@hadoop102 bin]$ sudo cp xsync /bin/
(6)同步环境变量配置(root所有者)
[big@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh
注意:如果用了sudo,那么xsync一定要给它的路径补全。
让环境变量生效
[big@hadoop103 bin]$ source /etc/profile
[big@hadoop104 opt]$ source /etc/profile
6.集群配置
(1)集群部署规划
注意:
- NameNode和SecondaryNameNode不要安装在同一台服务器
- ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。
hadoop102 | hadoop103 | hadoop104 | |
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
(2)配置文件说明
Hadoop配置文件分两类:默认配置文件和自定义配置文件,只有用户想修改某一默认配置值时,才需要修改自定义配置文件,更改相应属性值。
(a)默认配置文件:
要获取的默认文件 | 文件存放在Hadoop的jar包中的位置 |
[core-default.xml] | hadoop-common-3.1.3.jar/core-default.xml |
[hdfs-default.xml] | hadoop-hdfs-3.1.3.jar/hdfs-default.xml |
[yarn-default.xml] | hadoop-yarn-common-3.1.3.jar/yarn-default.xml |
[mapred-default.xml] | hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml |
(b)自定义配置文件:
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上,用户可以根据项目需求重新进行修改配置。
(3)核心配置文件
配置core-site.xml
[big@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[big@hadoop102 hadoop]$ vim core-site.xml
文件内容如下:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
</property>
<!-- 指定hadoop数据的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<!-- 配置HDFS网页登录使用的静态用户为big -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>big</value>
</property>
</configuration>
(4)HDFS配置文件
配置hdfs-site.xml
[big@hadoop102 hadoop]$ vim hdfs-site.xml
文件内容如下:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>
(5)YARN配置文件
配置yarn-site.xml
[big@hadoop102 hadoop]$ vim yarn-site.xml
文件内容如下:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MR走shuffle -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定ResourceManager的地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop103</value>
</property>
<!-- 环境变量的继承 -->
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
</configuration>
(6)MapReduce配置文件
配置mapred-site.xml
[big@hadoop102 hadoop]$ vim mapred-site.xml
文件内容如下:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
(7)在集群上分发配置好的Hadoop配置文件
[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
(8)去103和104上查看文件分发情况
[big@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[big@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
7.群起集群
(1)配置workers
[big@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中增加如下内容:
hadoop102
hadoop103
hadoop104
注意:该文件中添加的内容结尾不允许有空格,文件中不允许有空行。
同步所有节点配置文件
[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
(2)启动集群
(a)如果集群是第一次启动,需要在hadoop102节点格式化NameNode(注意:格式化NameNode,会产生新的集群id,导致NameNode和DataNode的集群id不一致,集群找不到已往数据。如果集群在运行过程中报错,需要重新格式化NameNode的话,一定要先停止namenode和datanode进程,并且要删除所有机器的data和logs目录,然后再进行格式化。)
[big@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
(3)启动HDFS
[big@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
(4)在配置了ResourceManager的节点(hadoop103)启动YARN
[big@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(5)Web端查看HDFS的NameNode
(a)浏览器中输入:http://hadoop102:9870
(b)查看HDFS上存储的数据信息
(6)Web端查看YARN的ResourceManager
(a)浏览器中输入:http://hadoop103:8088
(b)查看YARN上运行的Job信息
8.编写Hadoop集群常用脚本
(1)Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh
[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim myhadoop.sh
输入以下内容
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
- 保存后退出,然后赋予脚本执行权限
[big@hadoop102 bin]$ chmod +x myhadoop.sh
(2)查看三台服务器Java进程脚本:jpsall
[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim jpsall
- 输入如下内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
- 保存后退出,然后赋予脚本执行权限
[big@hadoop102 bin]$ chmod +x jpsall
(3)分发/home/big/bin目录,保证自定义脚本在三台机器上都可以使用
[big@hadoop102 ~]$ xsync /home/big/bin/
9.配置历史服务器
为了查看程序的历史运行情况,需要配置一下历史服务器。具体配置步骤如下:
(1)配置mapred-site.xml
[big@hadoop102 hadoop]$ vim mapred-site.xml
在该文件里面增加如下配置。
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>
(2)分发配置
[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
(3)在hadoop102启动历史服务器
[big@hadoop102 hadoop]$ mapred --daemon start historyserver
(4)查看历史服务器是否启动
[big@hadoop102 hadoop]$ jps
(5)查看JobHistory
http://hadoop102:19888/jobhistory
10.配置日志的聚集
(1)配置yarn-site.xml
[big@hadoop102 hadoop]$ vim yarn-site.xml
在该文件里面增加如下配置。
<!-- 开启日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
(2)分发配置
[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
(3)关闭NodeManager 、ResourceManager和HistoryServer
[big@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[big@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver
(4)启动NodeManager 、ResourceManage和HistoryServer
[big@hadoop103 ~]$ start-yarn.sh
[big@hadoop102 ~]$ mapred --daemon start historyserver
(5)删除HDFS上已经存在的输出文件
[big@hadoop102 ~]$ hadoop fs -rm -r /output
(6)查看日志
(a)历史服务器地址
http://hadoop102:19888/jobhistory
集群时间同步(duck不必)
如果服务器在公网环境(能连接外网),可以不采用集群时间同步,因为服务器会定期和公网时间进行校准;
如果服务器在内网环境,必须要配置集群时间同步,否则时间久了,会产生时间偏差,导致集群执行任务时间不同步。
以上就是搭建如上hadoop集群的步骤,下面让我们看看运行情况:
成功运行,基于此集群,相信你对hadoop生态的学习应该会更加轻松。