Hadoop集群配置搭建

环境：Centos 6.9，Hadoop 2.7.1,JDK 1.8.0_161,Maven 3.3.9

---

前言：

　　1、配置一台master服务器，两台或多台slave服务器。

　　   2、master可以无密码ssh登陆slave

　　   3、解压安装Hadoop，配置hadoop的core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml文件,配置好之后启动hadoope服务，用jps命令查看状态;

　　   4、运行hadoop自带的wordcount程序做一个Hello World实例

开始配置　　　

---

 第一步 配置hosts

获得它们的IP地址,并设置主机名，（根据实际IP地址和主机名）修改/etc/hosts文件内容为：

192.168.110.66 master.hadoop 
192.168.110.67 slave1.hadoop 
192.168.110.68 slave2.hadoop

重启后。host生效。

第二步 ssh免密登陆

全程用的都是root用户，没有另外创建用户。每台服务器都生成公钥，再合并到authorized_keys。 
1) CentOS默认没有启动ssh无密登录，去掉/etc/ssh/sshd_config其中2行的注释，每台服务器都要设置。

查找

#RSAAuthentication yes
#PubkeyAuthentication yes

删除前面的井号注释。

2) 输入命令，ssh-keygen -t rsa，生成key，都不输入密码，一直回车，/root就会生成.ssh文件夹，每台服务器都要设置

3) 合并公钥到authorized_keys文件，在master服务器，进入/root/.ssh目录，通过SSH命令合并，（~/.ssh/id_rsa.pub 是省略的写法，要根据实际路径来确定）

cat id_rsa.pub>> authorized_keys
ssh root@192.168.110.67 cat ~/.ssh/id_rsa.pub >> authorized_keys
ssh root@192.168.110.68 cat ~/.ssh/id_rsa.pub >> authorized_keys

如果出现 ssh command not found

就yum装一个ssh

4) 把master服务器的authorized_keys、known_hosts复制到slave服务器的/root/.ssh目录

scp -r /root/.ssh/authorized_keys root@192.168.110.67:/root/.ssh/
scp -r /root/.ssh/known_hosts   root@192.168.110.67:/root/.ssh/

scp -r /root/.ssh/authorized_keys root@192.168.110.68:/root/.ssh/
scp -r /root/.ssh/known_hosts  root@192.168.110.68:/root/.ssh/

5) 完成后，ssh root@192.168.110.67、ssh root@192.168.110.68或者(ssh root@slave1.hadoop、ssh root@slave2.hadoop ) 就不需要输入密码直接登录到其他节点上。

第三步安装JDK

参考 centos yum安装jdk

tar包安装方式

1) 在/home目录下创建java目录，然后使用rz命令，上传“jdk-7u79-linux-x64.gz”到/home/java目录下， 
2) 解压，输入命令，tar -zxvf jdk-7u79-linux-x64.gz 
3) 编辑 /etc/profile，在其末尾添加以下内容：

export JAVA_HOME=/home/java/jdk1..0_79
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin

4) 使配置生效，输入命令，source /etc/profile 
5) 输入命令，java -version，完成

第四步安装Hadoop

将主从节点上传好的hadoop解压。，输入命令，tar -xzvf hadoop-2.7.3.tar.gz

在/home/hadoop目录下创建数据存放的文件夹，tmp、dfs、dfs/data、dfs/name（hdfs-site.xml文件中会用到）

修改配置文件

1./root/hadoop/etc/hadoop目录下的core-site.xml

 <configuration>
     <property>
         <name>fs.default.name</name>
         <value>hdfs://master.hadoop:9000</value>
     </property>
     <property>
         <name>hadoop.tmp.dir</name>
         <value>/root/hadoop/tmp</value>
     </property>
     <property>
         <name>io.file.buffer.size</name>
         <value></value>
     </property>
 </configuration>

2.配置/root/hadoop/etc/hadoop目录下的hdfs-site.xml

 <configuration>
     <property>
         <name>dfs.namenode.name.dir</name>
         <value>file:///root/hadoop/dfs/name</value>
     </property>
     <property>
         <name>dfs.datanode.data.dir</name>
         <value>file:///root/hadoop/dfs/data</value>
     </property>
     <property>
         <name>dfs.replication</name>
         <value></value>
     </property>
     <property>
         <name>dfs.namenode.secondary.http-address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
     <name>dfs.webhdfs.enabled</name>
     <value>true</value>
     </property>
 </configuration>

3.配置/root/hadoop/etc/hadoop目录下的mapred-site.xml

 <configuration>
 <property>
         <name>mapreduce.framework.name</name>
         <value>yarn</value>
           <final>true</final>
     </property>
   <property>
      <name>mapreduce.jobtracker.http.address</name>
      <value>master.hadoop:</value>
   </property>
     <property>
         <name>mapreduce.jobhistory.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
         <name>mapreduce.jobhistory.webapp.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
         <name>mapred.job.tracker</name>
         <value>http://master.hadoop:9001</value>
     </property>
 </configuration>

4.配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的yarn-site.xml

 <configuration>
  <property>
         <name>yarn.nodemanager.aux-services</name>
         <value>mapreduce_shuffle</value>
     </property>
     <property>      <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
         <value>org.apache.hadoop.mapred.ShuffleHandler</value>
     </property>
     <property>
         <name>yarn.resourcemanager.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
        <name>yarn.resourcemanager.scheduler.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.admin.address</name>
         <value>master.hadoop:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.webapp.address</name>
         <value>master.hadoop:</value>
     </property>
      <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>master.hadoop</value>
 </property>
     <property>
         <name>yarn.nodemanager.resource.memory-mb</name>
         <value></value>
     </property>
 </configuration>

提示：yarn.nodemanager.resource.memory-mbr的值一定要注意，在最后的hello world程序运行时，会提示内存太小，（hadoop运行到mapreduce.job: Running job后停止运行 ）我把它从1024改成了2048

最后执行wordcount遇到内存不足的问题，解决方案就是把yarn-site.xml文件中的yarn.nodemanager.resource.memory-mb的值改成2048

5.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下hadoop-env.sh、yarn-env.sh的JAVA_HOME 
取消注释，设置为export JAVA_HOME=你java的安装路径 

通过yum安装的java 路径在 /etc/alternatives/java_sdk_1.8.0

slave1.hadoop

slave2.hadoop

6.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下的slaves，删除默认的localhost，增加2个slave节点:

7.将master服务器上配置好的Hadoop复制到各个节点对应位置上，通过scp传送

scp -r /root/hadoop 192.168.110.67:/root/

scp -r /root/hadoop 192.168.110.68:/root/

第四步安装Hadoop

提示：在master服务器启动hadoop，各从节点会自动启动，进入/root/hadoop目录，hadoop的启动和停止都在master服务器上执行。 
1) 初始化，在hadoop目录下输入命令，bin/hdfs namenode -format (注意这个 横杆不能是中文横杆，否则namenode会格式化失败，在日志里报java.io.IOException: NameNode is not formatted.)

2) 启动命令

sbin/start-dfs.sh
sbin/start-yarn.sh

3) 停止命令，依次执行：sbin/stop-dfs.sh、sbin/stop-yarn.sh

至此hadoop已经搭建完成。

四、Hadoop入门之HelloWorld程序

摘要：初步接触Hadoop，必不可少的就是运行属于Hadoop的Helloworld程序——wordcount，统计文件中各单词的数目。安装好的Hadoop集群上已有相应的程序。我们来验证一下。

准备数据

在/root/hadoopdemo/下创建file文件夹，里面生成file1.txt,file2.txt,file3.txt,file4.txt四个文件

然后把数据put到HDFS里

[root@master hadoop]# bin/hadoop fs -mkdir -p /input

[root@master hadoop]# bin/hadoop fs -put /root/hadoopdemo/file/file1.txt /input

[root@master hadoop]# bin/hadoop fs -put /root/hadoopdemo/file/file2.txt /input

[root@master hadoop]# bin/hadoop fs -put /root/hadoopdemo/file/file3.txt /input

[root@master hadoop]# bin/hadoop fs -put /root/hadoopdemo/file/file4.txt /input

长传成功，但是发现每执行异常hadoop命令都会报一个OpenJDK的警告。

先执行wordcount

执行命令查看结果

bin/hadoop fs -text /output/wordcount/part-r-00000

问题

---

要关闭主从各个节点的防火墙，否则容易出现各种莫名的问题。

Ubuntu（ubuntu-12.04-desktop-amd64）

查看防火墙状态：ufw status

关闭防火墙：ufw disable

---------------------------------------------------------------

centos6.0

查看防火墙状态：service iptables status

关闭防火墙：chkconfig iptables off    #开机不启动防火墙服务

--------------------------------------------------------------

centos7.0(默认是使用firewall作为防火墙，如若未改为iptables防火墙，使用以下命令查看和关闭防火墙)

查看防火墙状态：firewall-cmd --state

关闭防火墙：systemctl stop firewalld.service