VM+CentOS+hadoop2.7搭建hadoop完全分布式集群

写在前边的话：

最近找了一个云计算开发的工作，本以为来了会直接做一些敲代码，处理数据的活，没想到师父给了我一个课题“基于质量数据的大数据分析”，那么问题来了首先要做的就是搭建这样一个平台，毫无疑问，底层采用hadoop集群，在此之上，进行一些其他组件的安装和二次开发

hadoop伪分布部署参考：点击打开链接

hadoop单机版部署参考：点击打开链接

zookeeper,hive,hbase的分布式部署参考：点击链接

Spark，Sqoop，Mahout的分布式部署参考：点击链接

hadop高可用部署：点击连接

一：安装VM 12.x

下载地址：链接：http://pan.baidu.com/s/1c2KA3gW密码：3r67

二：安装CentOS6.5

这里采用3台机器，其对应的IP和主机分别如下（他们的用户名都是master）

主机名	ip	对应的角色
master1	192.168.48.130	NameNode
slave1	192.168.48.131	Datanode1
slave2	192.168.48.132	Datanode2

这里我们可以采用安装一台虚拟机，然后进行克隆的方法，克隆出五台机器，然后修改对应的ip地址和用户名，VM安装虚拟机有三种网络连接方式，分别是桥接，NAT，仅主机模式，这里采用默认设置，即使用NAT，NAT模式下实用的是Vmnet8

修改IP地址：

1：查看本机ip

我的电脑ip地址为：192.168.69.30

Vmnet8的ipv4地址为：192.168.48.1

2：确定虚拟机IP地址范围和网关地址，下图红线标示

3：打开虚拟机终端

输入：sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0

修改后的信息如下，需要修改的地方有红线标示出来了：

eth0--->eth1

dhcp--->static

HWADDR  MAC地址修改为本虚拟机的mac地址，mac地址查看  ip addr，选择eth1那个

之后便可以使用ifconfig查看ip了

修改主机名和对应IP：

1：编辑hosts文件

sudo vim /etc/hosts

清空内容，添加   192.168.48.129  master （这里不要清空hosts文件，具体看评论）

2：便捷network文件

sudo vim /etc/sysconfig/network

修改HOSTNAME为master

重启生效

三：安装hadoop集群

0：每台机器上关闭防火墙和selinux

永久关闭防火墙：chkconfig --level 35 iptables off

永久关闭selinux：

vim /etc/selinux/config

找到SELINUX 行修改成为：SELINUX=disabled:

1：每台机器上安装java环境（ jdk-7u51-linux-x64.tar）

解压到指定目录，这里我选择的是/opt

tar -zxvf jdk-7u51-linux-x64.tar /opt

修改文件夹名字为java

mv /opt/jdk1.7.0_51 /opt/java

配置环境变量，打开/etc/profile文件，加入java的路径

vim /etc/profile (如果没有权限可以前边加入sudo)

文件前边写上：

export JAVA_HOME=/opt/java
             export CLASSPATH=.:%JAVA_HOME%/lib/dt.jar:%JAVA_HOME%/lib/tools.jar
             export PATH=$PATH:$JAVA_HOME/bin

2：配置每台机器的主机名

清空每台机器上的/etc/hosts文件内容，添加如下：

192.168.48.130  master1
         192.168.48.131  slave1
         192.168.48.132  slave2

执行完之后source/etc/hosts

同时修改每台机器上的/etc/sysconfig/network  中hostname对应的用户名（此步骤一定要注意，否则容易找不到主机名）

3：给master用户增加sudo权限

1）切换到root用户，su    输入密码

2）给sudoers增加写权限：chmod u+w /etc/sudoers

3）编译sudoers文件：vim /etc/sudoers       
                    在root ALL=(ALL)  ALL下方增加     master ALL=(ALL)NOPASSWD:ALL
              4）去掉sudoers文件的写权限：chmod u-w /etc/sudoers

4：每台机器都切换到master用户下

su master

5：配置SSH免密码登录

进入~/.ssh目录

每台机器执行：ssh-keygen -t rsa，一路回车

生成两个文件，一个私钥，一个公钥，在master1中执行：cp id_rsa.pub authorized_keys

a：本机无密钥登录

修改authorized_keys权限：chmod 644 authorized_keys

此时重启ssh服务：sudo service sshd restart

ssh master1

yes!!!

b：master与其他节点无密钥登录

从master中把authorized_keys分发到各个结点上(会提示输入密码，输入thinkgamer即可)：

scp /home/master/.ssh/authorized_keys slave1:/home/master/.ssh

scp /home/master/.ssh/authorized_keys slave2:/home/master/.ssh

然后在各个节点对authorized_keys执行(一定要执行该步，否则会报错)：chmod 644 authorized_keys

测试如下（第一次ssh时会提示输入yes/no，输入yes即可）：

6：解压hadoop到指定目录（我这里使用的是/opt/目录）

tar -zxvf hadoop-2.7.0.tar.gz /opt/hadoop-2.7.0

重命名文件：mv /opt/hadoop-2.7.0 /opt/hadoop

7：修改配置文件

hadoop-env.sh：

1. export JAVA_HOME=/opt/java

core-site.xml：

1. <configuration>
2. <property>
3. <name>fs.default.name</name>
4. <value>hdfs://master1:9000</value>
5. </property>
6. <property>
7. <name>hadoop.tmp.dir</name>
8. <value>/opt/hadoop/tmp</value>
9. </property>
10. </configuration>

hdfs-site.xml：

1. <configuration>
2. <property>
3. <name>dfs.replication</name>
4. <value>2</value>
5. </property>
6. <property>
7. <name>dfs.namenode.name.dir</name>
8. <value>file:/opt/hadoop/dfs/name</value>
9. </property>
10. <property>
11. <name>dfs.datanode.data.dir</name>
12. <value>file:/opt/hadoop/dfs/data</value>
13. </property>
14. </configuration>

mapred-site.xml：

1. <configuration>
2. <property>
3. <name>mapreduce.framework.name</name>
4. <value>yarn</value>
5. </property>
6. <property>
7. <name>mapreduce.jobhistory.address</name>
8. <value>Master:10020</value>
9. </property>
10. <property>
11. <name>mapreduce.jobhistory.webapp.address</name>
12. <value>Master:19888</value>
13. </property>
14. </configuration>

yarn-site.xml：

1. <configuration>
2. <!-- Site specific YARN configuration properties -->
3. <property>
4. <name>yarn.nodemanager.aux-services</name>
5. <value>mapreduce_shuffle</value>
6. </property>
7. <property>
8. <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
9. <value>org.apache.hadoop.mapred.ShuffleHandler</value>
10. </property>
11. <property>
12. <name>yarn.resourcemanager.address</name>
13. <value>master1:8032</value>
14. </property>
15. <property>
16. <name>yarn.resourcemanager.scheduler.address</name>
17. <value>master1:8030</value>
18. </property>
19. <property>
20. <name>yarn.resourcemanager.resource-tracker.address</name>
21. <value>master1:8031</value>
22. </property>
23. <property>
24. <name>yarn.resourcemanager.admin.address</name>
25. <value>master1:8033</value>
26. </property>
27. <property>
28. <name>yarn.resourcemanager.webapp.address</name>
29. <value>master1:8088</value>
30. </property>
31. </configuration>

8：编辑slaves文件

清空加入从节点的名字

slave1

slave2

9：将hadoop分发到各个节点（因为权限问题，先将该文件夹分发到各个节点的/home/master目录下，再进入各个节点将文件夹移到/opt下）

scp -r /opt/hadoop slave1:/home/master/hadoop ,进入该节点执行：sudo mv hadoop /opt/

scp -r /opt/hadoop slave2:/home/master/hadoop ,进入该节点执行：sudo mv hadoop /opt/

10：在master节点格式化hdfs

bin/hdfs namenode -format

看见status 0表示安装成功

四：web页面查看

1：http://192.168.48.130:8088/

2：http://192.168.48.130:50070/

五：问题记录

1：linux文件夹权限

eg：

第一列共有十位
          第一位，d：表示是一个目录，-：表示一个普通的文件
          第2-4位：rwx：分别表示读，写，执行，这里显示为rwx表示文件所有者对该文件拥有读写执行的权利（补充一点，rwx用数字表示为4,2,1）
          第5-7位：r-x：表示与该文件所有者的同组用户拥有该文件的读和执行的权限
          第8-10位：r-x：表示其他组的用户对该文件拥有读和执行的权利

2：linux基本命令

查看用户所属用户组   id hostname / groups hostname

vim命令： 查找：/xxxx

清空： gg  dG

参考：   http://www.cnblogs.com/laov/p/3421479.html

http://www.aboutyun.com/thread-7781-1-1.html

http://blog.sina.com.cn/s/blog_821d83720102vkx5.html

http://www.aboutyun.com/thread-10572-1-1.html(HA配置)