Hadoop学习笔记—22.Hadoop2.x环境搭建与配置

自从2015年花了2个多月时间把Hadoop1.x的学习教程学习了一遍，对Hadoop这个神奇的小象有了一个初步的了解，还对每次学习的内容进行了总结，也形成了我的一个博文系列《Hadoop学习笔记系列》。其实，早在2014年Hadoop2.x版本就已经开始流行了起来，并且已经成为了现在的主流。当然，还有一些非离线计算的框架如实时计算框架Storm，近实时计算框架Spark等等。相信了解Hadoop2.x的童鞋都应该知道2.x相较于1.x版本的更新应该不是一丁半点，最显著的体现在两点：

（1）HDFS的NameNode可以以集群的方式布署，增强了NameNodes的水平扩展能力和高可用性，分别是:HDFS Federation与HA；

（2）MapReduce将JobTracker中的资源管理及任务生命周期管理（包括定时触发及监控），拆分成两个独立的组件，并更名为YARN（Yet Another Resource Negotiator）；

因此，我决定趁着现在又变成了单身狗（满满的都是伤感）的时机，把Hadoop2.x学习一下，也顺带分享一些学习笔记的文章与园友们分享。

至于Hadoop2.x到底相较于1.x有哪些改变，如果你不太知道，那么你可以先阅读一下这篇文章《Hadoop2的改进内容简介》大概了解一下，本篇内容将不会介绍这些，直接上环境搭建与配置的内容。

一、准备工作

　　（1）一台配置不错的电脑或笔记本（主要是内存、内存、内存，重要的事情说三遍）

　　（2）一个你使用过的虚拟机软件（可以是VMWare、Virtual Box或者其他的，我用的VMWare WorkStation）

　　（3）一个你使用过的SSH客户端软件（可以使XShell，XFtp、WinSCP等等，我用的XShell+XFtp）

　　（4）Hadoop2.4.1、JDK1.7的linux安装包（当然你也可以直接在线下载）

　　当然，体贴的我已为你准备了Hadoop2.4.1和JDK1.7的包，你可以通过这个链接下载：点我下载

二、伪分布式搭建

　　2.1 基础网络配置

　　安装完VMware Workstation之后，你的网络适配器会多出来两个，你要做的就是为多出来的第2个网卡设置静态IP地址，我这里是Ethernet 3　　这里我们设置网关为192.168.22.1，为宿主机设置IP为192.168.22.2，也就是说我们的虚拟机必须要在192.168.22.x这个网段内。

　　然后我们再为虚拟机设置网络连接方式，选择VMNET8（NAT模式），如果你不知道NAT是什么意思，请百度一下。

　　2.2 为虚拟机安装Linux镜像

　　这里我们选择的是CentOS，你也可以选择其他的Linux发行版本。

　　2.3 设置静态IP地址

　　输入命令 setup -> 进入Device Configuration -> 输入service network restart重启网卡

　　另外，想要在宿主机访问虚拟机，需要开放端口，为了方便，我们直接将虚拟机的防火墙关闭：sudo service iptables stop

　　检查状态：sudo chkconfig iptables off

　　2.4 设置完全命令行模式启动

　　输入命令 sudo vi /etc/inittab -> 修改id:3 -> 输入reboot重启虚拟机

　　2.5 使用XShell代替VMware直接操作

　　这个时候你就可以使用XShell而不再需要在VMware里直接敲命令了，你会发现XShell用起来很爽！

　　2.6 将hadoop用户加入sudo用户组

　　由于linux下root用户的权限太大，经常使用root用户会很不安全，所以我们一般使用一个一般用户去操作，在用到需要高权限时使用sudo命令去执行。因此，我们这里需要将hadoop用户加入sudo用户组。

　　输入命令 su -> vi /etc/sudoers -> 找到这一行：root ALL=(ALL) ALL

　　然后在它下面一行加上一行：hadoop  ALL=(ALL) ALL

　　最后保存退出。

　　2.7 更改主机名与IP地址映射关系

　　（1） sudo vi /etc/sysconfig/network -> hadoop-master.manulife -> reboot
 　  （2） sudo vi /etc/hosts -> 加一行: 192.168.22.100 hadoop-master.manulife

　　2.8 建立一个专门放安装包的文件夹（非必要）

　　（1） rm -rf P* D* Music/ Videos/ Templates/
 　  （2） mkdir app -> 安装后的地方
 　  （3） mkdir local -> 放置安装包的地方

　　2.9 安装JDK

　　（1）上传jdk到虚拟机，这里借助SFtp软件

　　（2）解压jdk：tar -zvxf jdk -C ../app/

　　（3）设置环境变量：

sudo vi /etc/profile
  export JAVA_HOME=/home/hadoop/app/jdk1.7.0_65
  export PATH=$PATH:$JAVA_HOME/bin;
source /etc/profile　　

　　2.10 安装Hadoop

　　（1）上传jdk到虚拟机，这里借助SFtp软件

　　（2）解压jdk：tar -zvxf hadoop -C ../app/

　　（3）删除hadoop中share文件夹中的多余doc文件（非必要）：rm -rf doc

　　（4）设置hadoop中etc文件夹中的一些重要配置文件：cd etc -> hadoop-env.sh,core-site.xml,hdfs-site.xml,yarn-site.xml,mapred-site.xml

　　hadoop-env.sh

vim hadoop-env.sh
  #第27行
  export JAVA_HOME=/home/hadoop/app/jdk　　

　　core-site.xml

<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
  <property>
     <name>fs.defaultFS</name>
     <value>hdfs://hadoop-master.manulife: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>/home/hadoop/app/hadoop/tmp</value>
  </property>　　

　　hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
  <property>
     <name>dfs.replication</name>
     <value>1</value>
  </property>　　

　　yarn-site.xml

<!-- 指定YARN的老大（ResourceManager）的地址 -->
  <property>
     <name>yarn.resourcemanager.hostname</name>
     <value>hadoop-master.manulife</value>
  </property>
  <!-- reducer获取数据的方式 -->
  <property>
     <name>yarn.nodemanager.aux-services</name>
     <value>mapreduce_shuffle</value>
  </property>　　

　　mapred-site.xml (需要首先换个名字：mv mapred-site.xml.template mapred-site.xml)

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

　　（5）设置环境变量

sudo vi /etc/profile

export JAVA_HOME=/usr/java/jdk1.7.0_65
export HADOOP_HOME=/itcast/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile

　　（6）格式化NameNode

　　hadoop namenode -format

　　（7）启动Hadoop两大核心功能：HDFS与YARN

　　首先编辑slaves配置文件（这里我们的主节点既是DataNode又是NameNode）：vi slaves -> add hadoop-master.manulife

　　启动HDFS：sbin/start-dfs.sh

　　启动YARN：sbin/start-yarn.sh

　　验证是否启动：jps

　　（8）在宿主机中访问Hadoop Manager

　　首先将虚拟机的IP地址和主机名加入Windows Hosts：windows/system32/etc -> 加一行 : 192.168.22.100 hadoop-master.manulife

　　打开浏览器输入：http://hadoop-master.manulife:50070

　　2.11 HDFS简单测试

　　上传一个文件至HDFS : hadoop fs -put xxxx.tar.gz hdfs://hadoop-master.manulife:9000/
   　从HDFS下载一个文件 : hadoop fs -get hdfs://hadoop-master.manulife:9000/xxxx.tar.gz

　　2.12 MapReduce简单测试

　　这里直接运行一个hadoop自带的求圆周率的example：

　　（1）cd /home/hadoop/app/hadoop/share/hadoop/mapreduce/
 　  （2）hadoop jar hadoop-mapreduce-examples-2.4.1.jar pi 5 5

　　2.13 SSH免密码登录

　　一般linux分布式集群中都会设置ssh免密码登录，这里我们首先将主节点设置为ssh免密码登录：

　　（1）ssh-keygen -t rsa
 　  （2）cd .ssh -> cp id_rsa.pub authorized_keys
 　  （3）ssh localhost

三、Java开发环境搭建

　　3.1 准备工作

　　3.2 使用Java API操作HDFS

　　3.3 简单测试

四、完全分布式搭建

作者：周旭龙

出处：http://www.cnblogs.com/edisonchou/

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。