在Ubuntu上搭建Hadoop群集

前面我搭建的Hadoop都是单机伪分布式的，并不能真正感受到Hadoop的最大特点，分布式存储和分布式计算。所以我打算在虚拟机中同时开启3台机器，实现分布式的Hadoop群集。

1.准备3台Ubuntu Server

1.1复制出3台虚拟机

我们可以用之前编译和安装好Hadoop的虚拟机作为原始版本，在VirtualBox中复制三台新的虚拟机出来，也可以完全重新安装一台全新的Ubuntu Server，然后在VirtualBox中复制出2台，就变成了3台虚拟机。

1.2修改主机名

主机名保存在/etc/hostname文件中，我们可以运行

sudo vi /etc/hostname

命令，然后为三台机器起不同的名字，这里我们就分别起名：

master

slave01

slave02

1.3修改为固定IP

Ubuntu的IP地址保存到/etc/network/interfaces文件中，我们需要为3台虚拟机分别改为固定的IP，这里我的环境是在192.168.100.*网段，所以我打算为master改为192.168.100.40，操作如下：

sudo vi /etc/network/interfaces

然后可以看到每个网卡的配置，我这里网卡名是叫enp0s3，所以我改对应的内容为：

# The primary network interface
auto enp0s3
iface enp0s3 inet static
address 192.168.100.40
gateway 192.168.100.1
netmask 255.255.255.0

对slave01改为192.168.100.41，slave02改为192.168.100.42。

1.4修改Hosts

由于三台虚拟机是使用的默认的DNS，所以我们需要增加hosts记录，才能直接用名字相互访问。hosts文件和Windows的Hosts文件一样，就是一个域名和ip的对应表。

编辑hosts文件：

sudo vi /etc/hosts

增加三条记录：

192.168.100.40  master
192.168.100.41  slave01
192.168.100.42  slave02

1.5重启

这一切修改完毕后我们重启一下三台机器，然后可以试着各自ping master,ping slave01 ping slave02看能不能通。按照上面的几步操作，应该是没有问题的。

1.6新建用户和组

这一步不是必须的，就采用安装系统后的默认用户也是可以的。

sudo addgroup hadoop

sudo adduser --ingroup hadoop hduser

为了方便，我们还可以把hduser添加到sudo这个group中，那么以后我们在hduser下就可以运行sudo xxx了。

sudo adduser hduser sudo

切换到hduser：

su – hduser

1.7配置无密码访问SSH

在三台机器上首先安装好SSH

sudo apt-get install ssh

然后运行

ssh-keygen

默认路径，无密码，会在当前用户的文件夹中产生一个.ssh文件夹。

接下来我们先处理master这台机器的访问。我们进入这个文件夹，

cd .ssh

然后允许无密码访问，执行：

cp id_rsa.pub authorized_keys

然后要把slave01和slave02的公钥传给master，进入slave01

scp ~/.ssh/id_rsa.pub hduser@master:/home/hduser/.ssh/id_rsa.pub.slave01

然后在slave02上也是：

scp ~/.ssh/id_rsa.pub hduser@master:/home/hduser/.ssh/id_rsa.pub.slave02

将 slave01 和 slave02的公钥信息追加到 master 的 authorized_keys文件中，切换到master机器上，执行：

cat id_rsa.pub.slave01 >> authorized_keys
cat id_rsa.pub.slave02 >> authorized_keys

现在authorized_keys就有3台机器的公钥，可以无密码访问任意机器。只需要将authorized_keys复制到slave01和slave02即可。在master上执行：

scp authorized_keys hduser@slave01:/home/hduser/.ssh/authorized_keys
scp authorized_keys hduser@slave02:/home/hduser/.ssh/authorized_keys

最后我们可以测试一下，在master上运行

ssh slave01

如果没有提示输入用户名密码，而是直接进入，就说明我们配置成功了。

同样的方式测试其他机器的无密码ssh访问。

2.安装相关软件和环境

如果是直接基于我们上一次安装的单机Hadoop做的虚拟机，那么这一步就可以跳过了，如果是全新的虚拟机，那么就需要做如下操作：

2.1配置apt source，安装JDK

sudo vi /etc/apt/sources.list

打开后把里面的us改为cn，如果已经是cn的，就不用再改了。然后运行：

sudo apt-get update

sudo apt-get install default-jdk

2.2下载并解压Hadoop

去Hadoop官网，找到最新稳定版的Hadoop下载地址，然后下载。当然如果是X64的Ubuntu，我建议还是本地编译Hadoop，具体编译过程参见这篇文章。

wget http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

下载完毕后然后是解压

tar xvzf hadoop-2.7.3.tar.gz

最后将解压后的Hadoop转移到正式的目录下，这里我们打算使用/usr/local/hadoop目录，所以运行命令：

sudo mv hadoop-2.7.3 /usr/local/hadoop

3.配置Hadoop

3.1配置环境变量

编辑.bashrc或者/etc/profile文件，增加如下内容：

# Java Env
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64

export JRE_HOME=$JAVA_HOME/jre

export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:$JRE_HOME/lib

export PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

# Hadoop Env

export HADOOP_HOME=/usr/local/hadoop

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

3.2进入Hadoop的配置文件夹：

cd /usr/local/hadoop/etc/hadoop

（1）修改hadoop-env.sh

增加如下配置：

export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64

export HADOOP_PREFIX=/usr/local/hadoop

（2）修改core-site.xml

<configuration>

<property>

<name>hadoop.tmp.dir</name>

<value>/home/hduser/temp</value>

<description>A base for other temporary directories.</description>

</property>

<property>

  <name>fs.defaultFS</name>

<value>hdfs://master:9000</value>

</property>

</configuration>

这里我们指定了一个临时文件夹的路径，这个路径必须存在，而且有权限访问，所以我们在hduser下创建一个temp目录。

（3）hdfs-site.xml

设置HDFS复制的数量

<configuration>

<property>

<name>dfs.replication</name>

<value>3</value>

</property>

</configuration>

（4）mapred-site.xml

这里可以设置MapReduce的框架是YARN：

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

（5）配置YARN环境变量，打开yarn-env.sh

里面有很多行，找到JAVA_HOME，设置：

export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64

（6）配置yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
    <property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<property>

<name>yarn.resourcemanager.hostname</name>

<value>master</value>

</property>

</configuration>

（7）最后打开slaves文件，设置有哪些slave节点。

由于我们设置了3份备份，把master即是Name Node又是Data Node，所以我们需要设置三行：

master

slave01

slave02

3.3配置slave01和slave02

在slave01和slave02上做前面3.1 3.2相同的设置。

一模一样的配置，这里不再累述。

4.启动Hadoop

回到Master节点，我们需要先运行

hdfs namenode –format

格式化NameNode。

然后执行

start-all.sh

这里Master会启动自己的服务，同时也会启动slave01和slave02上的对应服务。

启动完毕后我们在master上运行jps看看有哪些进程，这是我运行的结果：

2194 SecondaryNameNode

2021 DataNode

1879 NameNode

3656 Jps

2396 ResourceManager

2541 NodeManager

切换到slave01，运行jps，可以看到如下结果：

1897 NodeManager

2444 Jps

1790 DataNode

切换到slave02也是一样的有这些服务。

那么说明我们的服务网都已经启动成功了。

现在我们在浏览器中访问：

http://192.168.100.40:50070/

应该可以看到Hadoop服务已经启动，切换到Datanodes可以看到我们启动的3台数据节点：