Hadoop集群搭建的详细过程

Hadoop集群搭建

一、准备

• 三台虚拟机：master01，node1,node2

• 时间同步

  1.date命令查看三台虚拟机时间是否一致
  2.不一致时间同步：ntpdate ntp.aliyun.com
  

• 调整时区

  cp  /usr/share/zoneinfo/Asia/Shanghai  /etc/localtime
  

• 查看jdk

  java-version
  

• 修改主机名

  三台分别执行vim /etc/hostname 修改为指定的主机名
  

• 关闭防火墙

  systemctl stop firewalld
  

  • 查看防火墙状态

    systemctl status firewalld
    

  • 取消防火墙自启

    systemctl disable firewalld
    

• 静态ip设置

  手动编辑配置文件

  1、编辑网络配置文件
  vim /etc/sysconfig/network-scripts/ifcfg-ens33
  TYPE=Ethernet
  BOOTPROTO=static
  HWADDR=00:0C:29:E2:B8:F2
  NAME=ens33
  DEVICE=ens33
  ONBOOT=yes
  IPADDR=192.168.137.150
  GATEWAY=192.168.137.2
  NETMASK=255.255.255.0
  DNS1=192.168.190.2
  DNS2=223.6.6.6
  
  需要修改：HWADDR（mac地址,centos7不需要手动指定mac地址）
  		IPADDR（根据自己的网段，自定义IP地址）
  		GATEWAY（根据自己的网段填写对应的网关地址）
  
  2、关闭NetworkManager，并取消开机自启
  systemctl stop NetworkManager
  systemctl disable NetworkManager
  
  3、重启网络服务
  systemctl restart network
  

• 配置免密登录

  1、生成密钥
  ssh-keygen -t rsa
  
  2、配置免密登录
  ssh-copy-id master01
  ssh-copy-id node1
  ssh-copy-id nade2
  
  3、测试免密登录
  ssh node1
  

• 配置映射文件：/etc/hosts

  192.168.137.150 master01
  192.168.137.160 node1
  192.168.137.170 node2
  

二、搭建Hadoop集群

1、上传安装包并解压

cd /usr/local/soft/
解压：
tar -zxvf

2、配置环境变量

vim /etc/propfile

重新加载环境变量
source /etc/profile

3、修改Hadoop配置文件

cd /usr/local/soft/hadoop-2.7.6/etc/hadoop

• 配置hadoop-env.sh

  

• 配置core-site.xml

  fs.defaultFS： 默认文件系统的名称。其方案和权限决定文件系统实现的URI。uri的方案确定命名文件系统实现类的配置属性（fs.scheme.impl）。uri的权限用于确定文件系统的主机、端口等。

  hadoop.tmp.dir：是 hadoop文件系统依赖的基本配置，很多配置路径都依赖它，它的默认位置是在 /tmp/{$user}下面，注意这是个临时目录！！！

  因此，它的持久化配置很重要的！ 如果选择默认，一旦因为断电等外在因素影响，/tmp/{$user}下的所有东西都会丢失。

  fs.trash.interval：启用垃圾箱配置，dfs命令删除的文件不会立即从HDFS中删除。相反，HDFS将其移动到垃圾目录（每个用户在/user/<username>/.Trash下都有自己的垃圾目录）。只要文件保留在垃圾箱中，文件可以快速恢复。

   <property>
          <name>fs.defaultFS</name>
          <value>hdfs://master01:9000</value>
      </property>
  
      <property>
          <name>hadoop.tmp.dir</name>
          <value>/usr/local/soft/hadoop-2.7.6/tmp</value>
      </property>
  
      <property>
          <name>fs.trash.interval</name>
          <value>1440</value>
      </property>
  

  

• 配置hdfs-site.xml

  dfs.replication：每个datanode上只能存放一个副本。我这里就2个datanode

  dfs.permissions：如果为“true”，则在HDFS中启用权限检查。如果为“false”，则关闭权限检查，但所有其他行为保持不变。从一个参数值切换到另一个参数值不会更改文件或目录的模式、所有者或组。

      <property>
          <name>dfs.replication</name>
          <value>1</value>
      </property>
  
      <property>
          <name>dfs.permissions</name>
          <value>false</value>
      </property>
  

  

• 配置mapred-site.xml.template

  mapreduce.framework.name：用于执行MapReduce作业的运行时框架。

  mapreduce.jobhistory.address：Hadoop自带了一个历史服务器，可以通过历史服务器查看已经运行完的Mapreduce作业记录，比如用了多少个Map、用了多少个Reduce、作业提交时间、作业启动时间、作业完成时间等信息。默认情况下，Hadoop历史服务器是没有启动的，我们可以通过*mr-jobhistory-daemon.sh start historyserver命令来启动Hadoop历史服务器。我们可以通过Hadoop jar的命令来实现我们的程序jar包的运行，关于运行的日志，我们一般都需要通过启动一个服务来进行查看，就是我们的JobHistoryServer，我们可以启动一个进程，专门用于查看我们的任务提交的日志。mapreduce.jobhistory.address和mapreduce.jobhistory.webapp.address默认的值分别是0.0.0.0:10020和0.0.0.0:19888

  1、复制：
  [root@master01 hadoop]# cp mapred-site.xml.template mapred-site.xml
  2、修改
  	<property>
          <name>mapreduce.framework.name</name>
          <value>yarn</value>
      </property>
  
      <property>
          <name>mapreduce.jobhistory.address</name>
          <value>master01:10020</value>
      </property>  
  
      <property>
          <name>mapreduce.jobhistory.webapp.address</name>
          <value>master01:19888</value>
      </property>
  

• 配置yarn-site.xml

  ​ yarn.resourcemanager.hostname：指定yarn主节点

  ​ yarn.nodemanager.aux-services：NodeManager上运行的附属服务。需配置成 mapreduce_shuffle，才可运行MapReduce程序。默认值：“”

  yarn.log-aggregation-enable：yarn日志聚合功能开关

  yarn.log-aggregation.retain-seconds：日志保留时限，默认7天

  <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>master01</value>
        </property>
  
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
  
        <property>
            <name>yarn.log-aggregation-enable</name>
            <value>true</value>
        </property>
  
        <property>
            <name>yarn.log-aggregation.retain-seconds</name>
            <value>604800</value>
        </property>
  

• 配置slaves

  从节点的信息

  node1
  node2
  

4、分发Hadoop到node1、node2

cd /usr/local/soft/
scp -r hadoop-2.7.6/ node1:`pwd`
scp -r hadoop-2.7.6/ node2:`pwd`

5、格式化namenode（第一次启动的时候需要执行，以及每次修改核心配置文件后都需要）

在主节点下进行格式化

hdfs namenode -format

6、启动Hadoop集群

start-all.sh

7、查看master01、node1、node2上的进程

jps

NameNode：接受客户端的读/写服务,收集 DataNode 汇报的 Block 列表信息

DataNode：真实数据存储的地方（block）

SecondaryNameNode：做持久化的时候用到

进程	master01（主）	node1（从）	node2（从）
NameNode	√
SecondaryNameNode	√
ResourceManager	√
DataNode		√	√
NodeManager		√	√

8、访问HDFS的web界面

http://192.168.137.150:50070

9、访问YARN的web界面

http://192.168.137.150:8088

10、配置windows映射，让电脑可以下载hadoop上的文件

• 首先到这个目录c盘的这个目录下。c盘文件不允许修改，点击hosts的属性，安全，编辑，给user用户一个修改权限就可以修改了。

添加：192.168.137.150 master01

​ 192.168.137.160 node1

​ 192.168.137.170 node2