『实践』VirtualBox 5.1.18+Centos 6.8+hadoop 2.7.3搭建hadoop完全分布式集群及基于HDFS的网盘实现

『实践』VirtualBox 5.1.18+Centos 6.8+hadoop 2.7.3搭建hadoop完全分布式集群及基于HDFS的网盘实现

1.基本设定和软件版本

主机名	ip	对应角色
master	192.168.56.4	NameNode
slave1	192.168.56.3	DataNode1
slave2	192.168.56.5	DataNode2

• Windows主机设置的ip为192.168.56.88
• hadoop压缩包解压地址：/usr/local/hadoop
• 虚拟机用户都为ljy
• VirtualBox-5.1.18、CentOS-6.8、hadoop-2.7.3.tar.gz、jdk1.7.0_79，且都是64位版本。
• Centos6.8：链接：http://pan.baidu.com/s/1qYdjAY4 密码：7gxm
• 此处连接方式使用Host-only模式，虚拟机不能联网；如使用网络地址转换(NAT)，虚拟机可以联网。

图1 Host-Only

图2 windows ip

2.VirtualBox安装Centos6.8

这个网上教程太多，这里不详细介绍了。

3.FileZilla

FileZilla是一款免费开源的ftp软件，此处用于Windows电脑和Centos虚拟机之间互传文件。

图3 FileZilla

4.安装jdk1.7.0-79

• l 查看系统自带的jdk并将其全部卸载：rpm -qa | grep jdk
• l 下载jdk包，并将其解压到/usr/java路径下。
• l 配置全局java环境变量（以root用户执行）：vim /etc/profile
• l 在profile中的添加以下内容：

1. export JAVA_HOME=/usr/java/jdk1.7.0_79
2. export JRE_HOME=/usr/java/jdk1.7.0_79/jre

• l 使profile配置生效：source /etc/profile
• l 检测已经安装的jdk：java -version
• l 注意：其他DataNode执行上述同样操作。

图4  /etc/profile文件中添加的内容

图5 安装的jdk

5.设置NameNode的ip

方法一：

• l 切换到root，输入密码：su
• l 进入设置界面：setup
• l 选择网络设置
• l 选择设备设置
• l 选择eth0
• l 进行网络配置
• l 注意：其他DataNode执行上述同样操作。

图6 选择网络设置

图7 选择设备设置

图8 选择eth0

图9 NameNode的网络设置

方法二：

• l 打开网络连接，直接设置

图10 网络连接设置

方法三：

• l 编辑eth0文件：sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0
• l 在文件中修改BOOTPROTO=static，添加IPADDR、NETMASK和GATEWAY。

图11 配置eth0

图12 windows电脑ping通NameNode

6.给用户增加sudo权限（此处用户名为ljy）

• l 切换到root，输入密码：su
• l 给sudoers增加写权限：chmod u+w  /etc/sudoers
• l 编译sudoers文件：vim  /etc/sudoers
• l 在#%wheel ALL=(ALL)  NOPASSWD: ALL下方增加 xxx   ALL=(ALL)  NOPASSWD: ALL，注意xxx为用户，此处为ljy
• l 去掉sudoers文件的写权限：chmod u-w /etc/sudoers
• l 注意：其他DataNode执行上述同样操作。

图13 /etc/sudoers文件中增加的语句

7.配置每台机器的机器名和对应IP

• l 编辑hosts文件：sudo vim /etc/hosts
• l 编辑network文件，修改HOSTNAME为master：sudo vim /etc/sysconfig/network，注意：此处例子master为NameNode机器的机器名。
• l 使文件立即生效：source /etc/sysconfig/network
• l 注意：其他DataNode执行上述同样操作。只有/etc/sysconfig/network中的hostname需要改为对应机器的机器名，例如：slave1。

图14 在/etc/hosts文件中添加的内容

图15 /etc/sysconfig/network文件中修改HOSTNAME为master

图16 修改机器名和对应IP

8.永久关闭防火墙

• l 永久关闭防火墙，重启后生效：chkconfig iptables off
• l 即时性关闭防火墙，重启后失效：service iptables stop
• l 此处执行这两条语句就不用重启了。
• l 注意：其他DataNode执行上述同样操作。

图17 永久关闭防火墙

9.配置SSH免密码登录

• 检查是否安装了ssh，若没有安装，则安装（以下指令并非都要执行）：
• l 检查是否安装ssh：rpm -qa| grep ssh
• l 查看ssh运行状态：service sshd status
• l 安装ssh：yum install ssh
• l 查看是否开机启动：chkconfig --list sshd
• l 设置开机启动：chkconfig sshd on
• l 注意：其他DataNode执行上述同样操作。

图18 设置ssh开机启动

配置ssh免密码登录：

• l 进入~/.ssh目录：cd ~/.ssh
• l 每台机器执行:ssh-keygen -t rsa,一路回车。
• l 生成两个文件，一个私钥，一个公钥，把id_rsa,pub文件追加到授权key(authorized_keys):cat  ~/.ssh/id_rsa.pub  >>  ~/.ssh/authorized_keys
• l 通过ssh localhost命令登录本机，首次时会让输入yes/no，但是不需要密码：ssh localhost
• l 如果目录没有通过NFS共享，需要利用此方法共享公钥（此处是master把公钥发给slave1，别的就类似互相共享）：ssh-copy-id slave1。
• l 注意：其他DataNode执行上述同样操作。

图19 ssh-keygen -t rsa命令执行后~/.ssh文件中

图20 设置ssh无密码登录

图21 master把公钥发送给slave1

图22 ssh免密码登录

10.安装hadoop 2.7.3

• l 转换到用户ljy下：su - ljy
• l 获取管理员权限：su
• l 输入管理员密码：
• l 新建hadoop文件夹：mkdir  /usr/local/hadoop
• l 将hadoop包移动到hadoop文件夹中：mv  /home/ljy/下载/hadoop-2.7.3.tar.gz  /usr/local/hadoop
• l 移动到hadoop文件中：cd  /usr/local/hadoop
• l 解压hadoop包：tar  zxvf  hadoop-2.7.3.tar.gz
• l 将hadoop-2.7.3重命名为hadoop: mv  hadoop-2.7.3  hadoop
• l 注意：其他DataNode执行上述同样操作。

将hadoop文件的拥有者改为ljy用户和组

• l 引动到hadoop解压的路径：cd /usr/local/hadoop
• l 将hadoop文件的拥有者改为ljy用户：sudo chown -R ljy:ljy hadoop
• l 查看/hadoop目录下所有用户属于ljy的文件或者文件夹：find /hadoop -user ljy

配置环境变量

• l 编辑/etc/profile文件：vim /etc/profile
• l 在profile文件中添加的内容：export HADOOP_HOME=/usr/local/hadoop/hadoop、export PATH=$HADOOP_HOME/bin:$PATH
• l 使环境变量生效：source /etc/profile
• l 注意：其他DataNode执行上述同样操作。

图23 hadoop文件夹中的文件目录

图24 /etc/profile文件中添加的内容

配置Hadoop：

• l 移动到hadoop配置文件路径:cd  /usr/local/hadoop/hadoop/etc/hadoop
• l 查看当前文件夹中的文件目录：ls

图25 hadoop配置文件夹中的文件目录

• l 配置hadoop-env.sh：export JAVA_HOME=/usr/java/jdk1.7.0_79
• l 添加masters，内容为slave1：vim masters
• l 配置通用属性：vim core-site.xml

  <configuration>  

       <property>  

         <!-- NameNode 地址 -->

         <name>fs.defaultFS</name>  

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

       </property>  

       <property>  

         <!-- 临时目录设定 -->

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

         <value>file:/usr/local/hadoop/hadoop/tmp</value>  

       </property>  

       <property>

         <name>fs.checkpoint.period</name>

         <value>3600</value>

       </property>

       <property>

         <name>fs.checkpoint.size</name>  //以日志大小间隔  做备份间隔

         <value>67108864</value>

         </property>

 </configuration>  

图26 core-site.xml配置内容

• l 配置HDFS属性：vim hdfs-site.xml

  <configuration>
      <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>slave1:50090</value>
       //注意：此处机器名要为另一个。
      </property>
      <property>
        <name>dfs.http.address</name>
        <value>master:50070</value>
      </property>
      <property>
        <!-- 缺省的块复制数量，默认为3 -->
        <name>dfs.replication</name>
        <value>2</value>
      </property>
      <property>
        <!-- -->
        <name>dfs.webhdfs.enable</name>
        <value>true</value>
      </property>
      <property>
        <!-- 关闭hdfs权限验证  -->
        <name>dfs.permissions</name>
        <value>false</value>
      </property>
      <property>
        <!-- 存贮在本地的名字节点数据镜象的目录,作为名字节点的冗余备份 -->
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/hadoop/hdfs/name</value>
      </property>
      <property>
        <!-- 数据节点的块本地存放目录 -->
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/hadoop/hdfs/data</value>
      </property>
    </configuration> 

图27 hdfs-site.xml配置内容

• l 复制mapred-site.xml.template并重命名为mapred-site.xml:cp mapred-site.xml.template mapred-site.xml
• l 配置MapReduce属性：vim mapred-site.xml

  <configuration>

     <property>

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

       <value>yarn</value>

 </property>

     <property>

       <name>mapreduce.jobhistory.address</name>

       <value>master:10020</value>

     </property>

     <property>

        <name>mapreduce.jobhistory.webapp.address</name>

        <value>master:19888</value>

     </property>

   </configuration>

图28 mapred-site.xml配置内容

图29 配置core-site.xml、hdfs-site.xml、mapred-site.xml

• l 配置yarn-site.xml：vim yarm-site.xml

  <configuration>   

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

     <property>  

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

       <value>mapreduce_shuffle</value>  

     </property>  

 <property>             

   <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>  

       <value>org.apache.hadoop.mapred.ShuffleHandler</value>  

     </property>  

     <property>  

       <name>yarn.resourcemanager.address</name>  

       <value>master:8032</value>  

     </property>  

     <property>  

       <name>yarn.resourcemanager.scheduler.address</name>  

       <value>master:8030</value>  

     </property>  

     <property>  

       <name>yarn.resourcemanager.resource-tracker.address</name>  

       <value>master:8031</value>  

     </property>  

     <property>  

       <name>yarn.resourcemanager.admin.address</name>  

       <value>master:8033</value>  

     </property>  

     <property>  

       <name>yarn.resourcemanager.webapp.address</name>  

       <value>master:8088</value>  

     </property>  

   </configuration>  

图30yarn-site.xml配置内容

• l 配置slaves：vim slaves

slave1

slave2

11.复制NameNode作为DataNode

图31 NameNode和DataNode

• l 复制master，并重命名为slave1和slave2。
• l 运行slave2，将hostname改为slave2。
• l 将网络连接的ip改为192.168.56.5。
• l 对slave1的操作同对slave2的操作一样。

图32 master ping slave2

• l master ping windows时，需要关闭windows的防火墙。

图33 master ping windows

图34 windows ping master

图35 slave1 ping slave2

12.在master节点格式化hdfs

• l 到bin路径下：cd /usr/local/hadoop/hadoop/bin
• l Hadoop初始化：hdfs namenode -format

13.启动HDFS和YARN

• l 到sbin路径下：lcd /usr/local/hadoop/hadoop/sbin
• l 启动全部服务：start-all.sh
• l 查看：jps

图36 master

图37 slave1

图38 slave2

• 通过浏览器的方式验证：
• http://192.168.56.4:50070 (HDFS管理界面)

图39 HDFS管理界面

• http://192.168.56.4:8088 (YARN管理界面)

图40 YARN管理界面

14. MyEclipse开发环境配置

15.使用HDFS API实现云盘基本功能

• 配置configuration

 //设置configuration
     public static Configuration setConf(Configuration conf){
         conf.addResource("/core-site.xml");
         conf.addResource("/hdfs-site.xml");
         return conf;
     }

• 判断是否是目录

 //判断是否是目录
     public static boolean isDirectory(String path, Configuration conf) throws IOException{

         FileSystem fs = FileSystem.get(conf);
         boolean res = fs.isDirectory(new Path(path));
         return res;
     }

• 显示当前目录下所有文件

 //显示当前目录下所有文件
     public static List<FileStatusInfo> listAll(String dirPath,Configuration conf) throws IOException{
         FileSystem fs = FileSystem.get(conf);
         List<FileStatusInfo> fileList = new ArrayList<FileStatusInfo>();
         FileStatus[] dirStatus = fs.listStatus(new Path(dirPath));
         SimpleDateFormat df = new SimpleDateFormat("yyyy-MM-dd hh:mm:ss");//设置日期格式
         //判断是否是目录
         if(fs.isDirectory(new Path(dirPath))){
             for(int i = ; i < dirStatus.length; i++){
                 if(dirStatus[i].getOwner().equals("ljy")){
                     FileStatusInfo fsi = new FileStatusInfo();
                     fsi.setId(i);    fsi.setName(dirStatus[i].getPath().getName());
                     fsi.setLen(dirStatus[i].getLen());
                     fsi.setModificationTime(df.format(dirStatus[i].getModificationTime()));
                     fileList.add(fsi);
                 }
             }
         }
         return fileList;
     }

• 上传文件

 // 上传文件
     public static void copyFromLocal(String localPath, String hdfsPath, Configuration conf) throws Exception {
         FileSystem fs = FileSystem.get(conf);
         fs.copyFromLocalFile(new Path(localPath), new Path(hdfsPath));
         fs.close(); // 需要关闭文件流
     }

• 下载文件

 // 下载文件
     public static void downFromHdfs(String localPath, String hdfspath, Configuration conf) throws Exception {
         FileSystem fs = FileSystem.get(conf);
         fs.copyToLocalFile(false,new Path(hdfspath), new Path(localPath),true);
         fs.close();
     }

• 创建文件夹

// 创建文件夹
    public static boolean createDir(String dirName, Configuration conf) throws IOException {
        FileSystem fs = FileSystem.get(conf);
        Path dir = new Path(dirName);
        boolean res = fs.mkdirs(dir);
        fs.close();
        return res;
    }

• 删除文件（夹）

 // 删除文件（夹）
     public static boolean deleteDir(String dirName, Configuration conf) throws Exception {
         FileSystem fs = FileSystem.get(conf);
         boolean res = fs.delete(new Path(dirName), true);
         return res;
     }

• 文件夹重命名

 // 文件（夹）重命名
     public static boolean reNameFile(String oldname, String rename, Configuration conf) throws Exception {
         FileSystem fs = FileSystem.get(conf);
         boolean res = fs.rename(new Path(oldname), new Path(rename));
         return res;
     }

16.实现效果

• 显示当前目录下所有文件

• 文件上传

• 文件下载

• 新建文件夹

• 文件（夹）重命名

• 删除文件（夹）

• 分享文件

17.参考文献

安装java1.6     http://www.cnblogs.com/ssslinppp/p/5923298.html

CentOS常用的文件操作命令总结： http://www.haorooms.com/post/centeros_wj_zj

Linux给用户添加sudo权限  ：http://blog.chinaunix.net/uid-25305993-id-126661.html

yarn-site.xml参数设置: http://blog.csdn.net/xiaoshunzi111/article/details/51221139

VirtualBox虚拟机网络环境解析和搭建-NAT、桥接、Host-Only、Internal、端口映射 ：http://blog.csdn.net/yxc135/article/details/8458939

hadoop（2.x）以hadoop2.2为例完全分布式最新高可靠安装文档:  http://www.aboutyun.com/thread-7684-1-1.html

Hadoop之Secondary NameNode : http://blog.csdn.net/zwto1/article/details/50839191

hadoop2.x常用端口、定义方法及默认端口、hadoop1.X端口对比和新旧 Hadoop 脚本 / 变量 / 位置变化表：  http://www.aboutyun.com/thread-7513-1-1.html