Mac OS下搭建Hadoop + Spark集群

首先注意版本兼容问题！！！本文采用的是Scala 2.11.8 + Hadoop 2.7.5 + Spark 2.2.0

请在下载Spark时务必看清对应的Scala和Hadoop版本！

---

一、配置JDK

1. 下载jdk

http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

2. 配置环境变量

（1）在终端使用 sudo su 命令进入root用户模式；

（2）使用 vim /etc/profile 命令打开profile文件，按下大写“I”进入编辑模式，在文件中添加以下信息：

JAVA_HOME对应的是你的JDK安装路径

JAVA_HOME="/Library/Java/JavaVirtualMachines/jdk1.8.0_151.jdk/Contents/Home"
CLASS_PATH="$JAVA_HOME/lib"
PATH=".;$PATH:$JAVA_HOME/bin"
export JAVA_HOME

（3）使用“esc”键推出编辑模式，按下“：”，输入wq并回车，保存且退出。

（4）退出终端并重新打开，输入 java -version 命令查看JDK配置情况。也可以直接输入命令 source /etc/profile 使修改信息立即生效。配置成功信息如下图所示。

---

二、配置Scala

1. 下载Scala

Scala 2.11.8下载链接：http://www.scala-lang.org/download/2.11.8.html

2. 将下载的scala压缩文件解压后复制到/usr/local/Cellar文件夹下（位置无具体要求，按个人习惯，最好将scala、hadoop和spark放在同一位置）

3. 配置Scala环境

（1）与配置JDK一样的步骤，使用 vim /etc/profile 命令进入编辑模式，添加以下信息(对应你的解压路径）：

export PATH="$PATH:/usr/local/Cellar/scala-2.11.8/bin"

（2）使用 source /etc/profile 命令使修改生效，输入 scala 检查配置是否成功。配置成功信息如下所示。

---

三、配置SSH无密码登陆

配置ssh就是为了能够实现免密登录，这样方便远程管理Hadoop并无需登录密码在Hadoop集群上共享文件资源。

1. 输入 ssh-keygen -t rsa 命令，然后一直回车即可，输出以下信息便设置成功。

2. 输入 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 授权你的公钥到本地可以无需密码实现登录；

3. 进入root模式，使用 chmod 700 .ssh 命令对.ssh赋予权限；

4. 然后使用 cd .ssh 命令进入该目录，使用 chmod 600 authorized_keys 对authorized_keys赋予权限；

5. 打开系统偏好设置->共享->打开远程登录

6. 在root模式下输入 ssh localhost 命令进行测试，测试成功结果如下所示。

---

四、下载并配置Hadoop

1. 下载Hadoop

Hadoop 2.7.5镜像下载链接：http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.5/hadoop-2.7.5.tar.gz

2. 将下载后的压缩文件复制到/usr/local/Cellar目录下并解压

3. 配置Hadoop

（1）使用 cd /usr/local/Cellar/hadoop-2.7.5/etc/hadoop/ 进入Hadoop配置目录，找到“hadoop-env.sh”文件

（2）配置Hadoop环境

使用 vim hadoop-env.sh 命令进行编辑，找到并修改以下信息：（注意：JAVA_HOME是你自己之前配置的）

export HADOOP_OPTS="$HADOOP_OPTS -Djava.net.preferIPv4Stack=true -Djava.security.krb5.realm= -Djava.security.krb5.kdc="
export JAVA_HOME="/Library/Java/JavaVirtualMachines/jdk1.8.0_151.jdk/Contents/Home"

(3)  配置hdfs地址和端口

使用 vim core-site.xml 命令进行编辑，将“<configuration></configuration>”替换为以下信息：

<configuration>
        <property>
             <name>hadoop.tmp.dir</name>
             <value>file:/usr/local/hadoop-2.7.5/tmp</value>
             <description>Abase for other temporary directories.</description>
        </property>
        <property>
             <name>fs.defaultFS</name>
             <value>hdfs://localhost:9000</value>
        </property>
</configuration><configuration>

fs.defaultFS用于设置Hadoop的默认文件系统，设置为“hdfs://localhost:9000”。HDFS的守护程序通过该属性项来确定HDFS namenode的主机和端口。

（4）配置HDFS的默认参数副本数

使用 vim hdfs-site.xml 命令进行编辑，将“<configuration></configuration>”替换为以下信息：

<configuration>
        <property>
             <name>dfs.replication</name>
             <value>1</value>
        </property>
        <property>
             <name>dfs.namenode.name.dir</name>
             <value>file:/usr/local/hadoop-2.7.5/tmp/dfs/name</value>
        </property>
        <property>
             <name>dfs.datanode.data.dir</name>
             <value>file:/usr/local/hadoop-2.7.5/tmp/dfs/data</value>
        </property>
</configuration>

dfs.replication的value设置为“1”，这样HDFS就不会按默认设置将文件系统块复本设置为3。否则在单独一个datanode上运行时，HDFS无法将块复制到3个datanode上，所以会持续给出块复本不足的警告。

（5）配置mapreduce中jobtracker的地址和端口

使用 vim mapred-site.xml.template 命令进行编辑，将“<configuration></configuration>”替换为以下信息：

<configuration>
      <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
      </property>
</configuration>

(6)接着修改配置文件 yarn-site.xml

添加以下信息：

<configuration>
        <property>
             <name>yarn.nodemanager.aux-services</name>
             <value>mapreduce_shuffle</value>
            </property>
</configuration>

（7）文件系统初始化

进入到Hadoop安装路径的bin目录下，使用命令 ./hadoop namenode -format 进行初始化，初始化成功会输出以下信息，注意红框标记处。

（8）配置Hadoop环境变量

目的是方便在任意目录下全局开启关闭hadoop相关服务，而不需要到/usr/local/Cellar/hadoop/2.7.5/sbin下去执行启动或关闭命令。使用命令 vim ~/.zshrac 进行编辑，添加以下内容：（注意：zshrac是自己创建的，不要纠结自己找不到这个文件）

export HADOOP_HOME=/usr/local/Cellar/hadoop-2.7.5
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

然后使用 source ~/.zshrac 命令使修改生效，以上关于Hadoop的配置全部结束。

4. 启动Hadoop

（1）启动/关闭Hadoop服务

使用命令 start-dfs.sh  启动，然后使用 jps 命令查看启动结果，启动成功如下图所示：

我们在浏览器中输入http://localhost:50070打开以下网页，可以查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

使用 stop-dfs.sh 关闭Hadoop服务。

（2）启动/关闭yarn服务

使用 start-yarn.sh 命令启动yarn服务，让 yarn来负责资源管理与任务调度。启动成功后，使用 jps 命令可以输出以下信息：

比之前只启动Hadoop服务时多了一个NodeManager和ResourceManager，然后在浏览器中打开http://localhost:8088，可以通过 Web 界面查看任务的运行情况。

关闭yarn服务时，输入以下命令 stop-yarn.sh

（3） 快速启动和关闭

直接使用命令 start-all.sh 和 stop-all.sh 可以同时启动Hadoop服务和yarn服务，比依次启动和关闭方便很多。

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　2017-12-19 19:49:47