搭建分布式Hadoop2.6.0和Spark1.6.0集群

搭建Hadoop和Spark集群

1、搭建Hadoop

表一：搭建单机版Hadoop

关键步骤	操作命令	备注说明
创建hadoop用户组和用户,并给hadoop用户赋予root权限	$ sudo addgroup hadoop $ sudo adduser -ingroup hadoop hadoop $ sudo gedit /etc/sudoers	编辑sudoers文件，在root ALL=(ALL:ALL)下添加hadoop ALL=(ALL:ALL)
安装JDK	$ cd /usr/local $ sudo mkdir java $ sudo scp jdk-8u20-linux-x64.gz /usr/local/java/ $ sudo tar xzvf jdk-8u20-linux-x64.gz $ sudo gedit ~/.bashrc $ source ~/.bashrc $ java -version	编辑~/.bashrc文件，把JAVA_HOME、JRE_HOME路径加入其中，并将bin目录加入到PATH路径。 最后显示出正确的java版本表示安装成功。
安装ssh服务	$ sudo apt-get install openssh-server $ sudo apt-get update $ ssh-keygen -t rsa -P "" $ cd ~/.ssh $ cat id_rsa.pub >> authorized_keys $ ssh localhost	这里配置的是ssh免密码登陆本机，需要联网
搭建Hadoop	$ sudo scp hadoop-2.6.0.tar.gz /usr/local/ $ sudo tar xzvf hadoop-2.6.0.tar.gz $ sudo mv hadoop-2.6.0 hadoop $ sudo chown -R hadoop:hadoop hadoop $ cd /usr/local/hadoop/etc/hadoop/ $ sudo gedit hadoop-env.sh $ sudo gedit yarn-env.sh $ sudo gedit slaves $ sudo gedit core-site.xml $ sudo gedit hdfs-site.xml $ sudo gedit mapred-site.xml $ sudo gedit yarn-site.xml $ sudo gedit ~/.bashrc $ source ~/.bashrc	解压hadoop安装包到指定文件路径，并编辑hadoop配置文件，最后通过编辑 ~/.bashrc文件修改环境变量
启动Hadoop	$ cd /usr/local/hadoop $ bin/hadoop namenode –format $ sbin/start-all.sh $ jps	格式化hadoop，然后启动，jps检查启动进程，验证安装

 

表一详细的列出了搭建单机版Hadoop过程中需要用到的操作命令，环境配置可以根据实际的集群资源状况合理设置，本实验中我们在三台机器上执行相同的配置，jdk安装路径统一为/usr/local/java/jdk1.8.0_20,Hadoop安装路径统一为/usr/local/hadoop。确保三台机器成功安装Hadoop之后，开始搭建分布式集群，主要由以下两个步骤：

2、对应主机名与IP

将集群中的主机名与IP一一对应，主要通过编辑/etc/hosts文件完成：

$ ifconfig    #检查机器IP地址

$ sudo gedit /etc/hosts

编辑hosts文件，将主机名与IP一一对应,本实验中内容如下：

172.16.82.195    master

172.16.82.196    slave1

172.16.82.197    slave2

3、SSH集群免密码登录

搭建Hadoop集群时，需要集群间SSH免密码登录，这样集群工作过程中，互相访问就不用再输入密码，可以方便的互相传输数据进而处理数据。配置SSH免密码登录过程如下，这里以master免密码登录slave1为例进行详细说明，其他情况基本与此相同。

在master节点：先前配置单机版本时，已经在~/.ssh目录下生成了公钥和私钥，将生成的公钥复制到slave1节点上

$ cd ~/.ssh

$ scp id_rsa.pubhadoop@slave1:~/

在slave1节点：将拷贝过来的公钥追加到authorized_keys

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

由于authorized_keys的权限需要是600。所以我们再执行以下操作：

$ sudo chmod 600authorized_keys

在master节点首次登录slave1时要输入yes确认，这样就实现了master免密码登录slave1。

搭建完分布式集群之后，需要启动并测试，启动方法与单机版Hadoop一样，验证方法也类似，按照上述操作即可。

4、搭建Spark集群

表二：搭建Spark集群

关键步骤	操作命令	备注说明
安装scala	$ cd /usr/local/ $ sudo mkdir scala $ sudo cp scala-2.10.4.tgz /usr/local/scala $ sudo tar -zxf scala-2.10.4.tgz $ sudo gedit ~/.bashrc $ source ~/.bashrc $ scala -version	解压scala安装包到指定路径下，编辑~/.bashrc文件，将SCALA_HOME路径加入其中，并将bin目录加入到PATH路径，显示出正确的scala版本说明安装成功。
安装Spark	$ cd /usr/local/ $ sudo mkdir spark $ sudo cp spark-1.6.0-bin-hadoop2.6.tgz /usr/local/spark/ $ sudo tar -zxf spark-1.6.0-bin-hadoop2.6.tgz $ sudo gedit ~/.bashrc $ source ~/.bashrc	解压spark安装包到指定路径，编辑~/.bashrc文件，将SPARK_HOME路径加入其中，并将bin目录加入到PATH路径。
配置Spark	$ cd /usr/local/spark/spark-1.6.0-bin-hadoop2.6/conf/ $ sudo cp spark-env.sh.template spark-env.sh $ sudo gedit spark-env.sh $ sudo cp slaves.template slaves $ sudo gedit slaves	根据实际集群配置conf目录下的文件
赋予权限	$ sudo chmod -R 777 spark	给Spark赋予权限

 

在三台机器上执行相同的操作，待全部安装成功，开始启动测试。先启动Hadoop，之后，通过Spark安装目录下的sbin中的start-all.sh脚本来启动Spark集群，通过jps检查启动的进程。也可以通过Spark自带的wordcount程序示例验证安装。

第一次写博客，不是特别全面，可能有很多不足之处，还请多多包涵，还是希望能够给各位朋友一些帮助，如果遇到任何问题可以给我联系