大数据学习之Hadoop环境搭建

一、Hadoop的优势

1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。

2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

3） 高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。

4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。

二、Hadoop组成

1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。

2）Hadoop MapReduce：一个分布式的离线并行计算框架。

3）Hadoop YARN：作业调度与集群资源管理的框架。

4）Hadoop Common：支持其他模块的工具模块。

2.1  HDFS（Hadoop Distributed File System）架构概述

1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。

　　2）DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。

　　3）Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

2.2 YARN架构概述

　　1）ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；

　　2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；

　　3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。

　　4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

　 2.3 MapReduce架构概述

　　MapReduce将计算过程分为两个阶段：Map和Reduce

　　1）Map阶段并行处理输入数据

　　2）Reduce阶段对Map结果进行汇总　　

三、Hadoop环境搭建

　　1 虚拟机网络模式设置为NAT

　　　　

　　最后，重新启动系统。

　　2.修改为静态ip

　　　1）使用命令   vim /etc/sysconfig/network-scripts/ifcfg-eth0

　　　 2）修改选项有五项：　　　　

　　　　IPADDR=192.168.110.61

　　　　GATEWAY=192.168.110.2

　　　　ONBOOT=yes

　　　　BOOTPROTO=static

　　　　DNS1=192.168.110.2

　　　　

　　　　修改完成后保存退出（：wq ）

　　　　3）执行service network restart

　　　　4）如果报错，reboot，重启虚拟机

　　3.修改主机名　

　　　　1）修改linux的hosts文件

　　　　　　（1）进入Linux系统查看本机的主机名。通过hostname命令查看

　　　　　　　　      

　　　　　　（2）如果感觉此主机名不合适，我们可以进行修改。通过编辑/etc/sysconfig/network文件

　　　　　　　　       

　　　　　　（3）修改后保存退出

　　　　　　（4）编辑

　　　　　　　　vim /etc/hosts

　　　　　　　     　

　　　　　　（5）并重启设备，重启后，查看主机名，已经修改成功

　　　　4.关闭防火墙　　　　　

　　　　　　1）查看防火墙开机启动状态

　　　　　　　　chkconfig iptables --list

　　　　　　2）关闭防火墙

　　　　　　　　chkconfig iptables off

　　　　5.安装jdk　

　　　　　　1）卸载现有jdk

　　　　　　　　（1）查询安装jdk的版本：

　　　　　　　　　　java -version

　　　　　　　　（2）查询是否安装java软件：

　　　　　　　　　　　　rpm -qa|grep java

　　　　　　　　（3）如果安装的版本低于1.7，卸载该jdk：

　　　　　　　　　　rpm -e 软件包

　　　　　 2）用filezilla工具将jdk导入到usr目录下面的java文件夹下面

　　　　　  3）在linux系统下的usr目录中查看软件包是否导入成功（使用.gz包或者.rpm包，本处使用.rpm包）。

　　　　　　　　

　　　　   4).gz包使用命令  tar -zxf jdk***.gz  解压到当前目录;  .rpm包使用命令  rpm -ivh jdk***.rpm   进行安装.

　　　　　5）配置jdk环境变量

　　　　　　　　（1） 先获取jdk路径：使用命令pwd

　　　　　　　　　　　　

　　　　　　　　（2）打开/etc/profile文件：

　　　　　　　　　　　vi /etc/profile

　　　　　　　　　　　在profie文件末尾添加jdk路径：

　　　　　　　 #set java environment
　　　　　　　　　　  JAVA_HOME=/usr/java/jdk1.8.0_171-amd64
　　　　　　　　　　  JRE_HOME=/usr/java/jdk1.8.0_171-amd64/jre
　　　　　　　　　　  CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
　　　　　　　　　　   PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
　　　　　　　　　　   export JAVA_HOME JRE_HOME CLASS_PATH PATH

　　　　　　　　　　

　　　　　　　　（3）保存后退出：

　　　　　　　　　　:wq

　　　　　　（4）让修改后的文件生效：

　　　　　　　　　　

　　　　　6）重启（如果java –version可以用就不用重启）：

　　　　　7)  测试jdk安装成功

　　　　　　　　

　　　　　　

四、安装Hadoop

　　1）通过用filezilla工具将Hadoop导入/usr/local/src/中，官方下载地址：http://mirrors.shu.edu.cn/apache/hadoop/common/

　　　　

　　2）解压安装文件  tar -zxf hadoop-2.7.6.tar.gz

　　3）配置hadoop中的hadoop-env.sh

　　　　（1）Linux系统中获取jdk的安装路径：

　　　　　　

　　　　  (2）进入 hadoop-2.7.6/etc/hadoop/中 ，修改hadoop-env.sh文件中JAVA_HOME 路径：

export JAVA_HOME=/opt/module/jdk1.7.0_79

　　4）将hadoop添加到环境变量

　　　　（1）获取hadoop安装路径：　　

　　　　　　

　　　  （2）打开/etc/profile文件：

　　　　　　在profie文件末尾添加hadoop路径：

　　　　　　　　#HADOOP_HOME

　　　　　　　　export HADOOP_HOME=/usr/local/src/hadoop-2.7.6
　　　　　　　　export PATH=$PATH:$HADOOP_HOME/bin
　　　　　　　　export PATH=$PATH:$HADOOP_HOME/sbin

　　　　　

　　　　（3）保存后退出：

　　　　　　　　:wq

　　　　（4）让修改后的文件生效：

　　　　　　　

　　　　（5）使用hadoop查看是否安装成功，如果hadoop命令不能使用则重启再查看。