教你玩转Hadoop分布式集群搭建,进击大数据

大数据 分布式 Hadoop
终于要开始玩大数据了,之前对haoop生态几乎没有太多的了解,现在赶鸭子上架,需要完全使用它来做数据中心,这是我的haoop第一篇文章,以后估计会写很多大数据相关的文章。

终于要开始玩大数据了,之前对haoop生态几乎没有太多的了解,现在赶鸭子上架,需要完全使用它来做数据中心,这是我的haoop***篇文章,以后估计会写很多大数据相关的文章。

Hadoop的搭建有三种方式,单机版适合开发调试;伪分布式版,适合模拟集群学习;完全分布式,生产使用的模式。这篇文件介绍如何搭建完全分布式的hadoop集群,一个主节点,三个数据节点为例来讲解。

[[212522]]

基础环境

环境准备

1、软件版本

  • 四台服务器配置,系统:centos6.5、内存:1G、硬盘:20G
  • 四台服务器分配的IP地址:192.168.0.71/72/73/74
  • 规划:71用作主节点用作hadoop-master,其它三台为数据节点72、73、74用作hadoop-salve1~3

jdk和生成保持一致使用1.7版本

  • hadoop使用2.7.3版本,下载地址:http://apache.claz.org/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

2、host配置和主机名(四台)

修改四台服务器的hosts文件

 

  1. vim /etc/hosts  
  2. 192.168.0.71 hadoop-master  
  3. 192.168.0.72 hadoop-slave1  
  4. 192.168.0.73 hadoop-slave2  
  5. 192.168.0.74 hadoop-slave3 

分别斯塔服务器的主机名:HOSTNAME,master为例说明

 

  1. vi /etc/sysconfig/network  
  2. HOSTNAME=hadoop-master 

执行reboot后生效,完成之后依次修改其它salve服务器为: hadoop-slave1~3。

3、服务器安装jdk(四台)

建议使用yum安装jdk,也可以自行下载安装

  1. yum -y install java-1.7.0-openjdk* 

配置环境变量,修改配置文件vim /etc/profile

 

  1. export JAVA_HOME=/usr/lib/jvm/jre-1.7.0-openjdk.x86_64  
  2. export PATH=$JAVA_HOME/bin:$PATH  
  3. export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar 

使用souce命令让立刻生效

  1. source /etc/profile 

免密登陆

一、首先关闭四台服务器的防火墙和SELINUX

查看防火墙状态

  1. service iptables status 

关闭防火墙

 

  1. service iptables stop  
  2. chkconfig iptables off 

关闭SELINUX后,需要重启服务器

 

  1. -- 关闭SELINUX  
  2. # vim /etc/selinux/config  
  3. -- 注释掉  
  4. #SELINUX=enforcing  
  5. #SELINUXTYPE=targeted  
  6. -- 添加  
  7. SELINUX=disabled 

二、免密码登录本机

下面以配置hadoop-master本机无密码登录为例进行讲解,用户需参照下面步骤完成h-salve1~3三台子节点机器的本机无密码登录;

1)生产秘钥

  1. ssh-keygen -t rsa 

2)将公钥追加到”authorized_keys”文件

  1. cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 

3)赋予权限

  1. chmod 600 .ssh/authorized_keys 

4)验证本机能无密码访问

  1. ssh hadoop-master 

***,依次配置h-salve1~3无密码访问

二、hadoop-master本机无密码登录hadoop-slave1、hadoop-slave2、hadoop-slave3,以hadoop-master无密码登录hadoop-slave1为例进行讲解:

1)登录hadoop-slave1 ,复制hadoop-master服务器的公钥”id_rsa.pub”到hadoop-slave1服务器的”root”目录下。

  1. scp root@hadoop-master:/root/.ssh/id_rsa.pub /root/ 

2)将hadoop-master的公钥(id_rsa.pub)追加到hadoop-slave1的authorized_keys中

 

  1. cat id_rsa.pub >> .ssh/authorized_keys  
  2. rm -rf  id_rsa.pub 

3)在 hadoop-master上面测试

  1. ssh hadoop-slave1 

三、配置hadoop-slave1~hadoop-slave3本机无密码登录hadoop-master

下面以hadoop-slave1无密码登录hadoop-master为例进行讲解,用户需参照下面步骤完成hadoop-slave2~hadoop-slave3无密码登录hadoop-master。

1)登录hadoop-master,复制hadoop-slave1服务器的公钥”id_rsa.pub”到hadoop-master服务器的”/root/”目录下。

  1. scp root@hadoop-slave1:/root/.ssh/id_rsa.pub /root/ 

2)将hadoop-slave1的公钥(id_rsa.pub)追加到hadoop-master的authorized_keys中。

 

  1. cat id_rsa.pub >> .ssh/authorized_keys  
  2. rm -rf  id_rsa.pub //删除id_rsa.pub 

3)在 hadoop-slave1上面测试

  1. ssh hadoop-master 

依次配置 hadoop-slave2、hadoop-slave3

到此主从的无密登录已经完成了。

Hadoop环境搭建

配置hadoop-master的hadoop环境

1、hadoop-master上 解压缩安装包及创建基本目录

 

  1. #下载  
  2. wget http://apache.claz.org/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz  
  3. #解压  
  4. tar -xzvf  hadoop-2.7.3.tar.gz    -C /usr/local  
  5. #重命名  
  6. mv  hadoop-2.7.3  hadoop 

2、 配置hadoop-master的hadoop环境变量

1)配置环境变量,修改配置文件vi /etc/profile

 

  1. export HADOOP_HOME=/usr/local/hadoop  
  2. export PATH=$PATH:$HADOOP_HOME/bin 

使得hadoop命令在当前终端立即生效

  1. source /etc/profile 

下面配置,文件都在:/usr/local/hadoop/etc/hadoop路径下

2、配置core-site.xml

修改Hadoop核心配置文件/usr/local/hadoop/etc/hadoop/core-site.xml,通过fs.default.name指定NameNode的IP地址和端口号,通过hadoop.tmp.dir指定hadoop数据存储的临时文件夹。

 

  1. <configuration>  
  2.     <property>  
  3.         <name>hadoop.tmp.dir</name 
  4.         <value>file:/usr/local/hadoop/tmp</value> 
  5.         <description>Abase for other temporary directories.</description>  
  6.     </property>  
  7.     <property>  
  8.         <name>fs.defaultFS</name 
  9.         <value>hdfs://hadoop-master:9000</value>  
  10.     </property>  
  11. </configuration> 

特别注意:如没有配置hadoop.tmp.dir参数,此时系统默认的临时目录为:/tmp/hadoo-hadoop。而这个目录在每次重启后都会被删除,必须重新执行format才行,否则会出错。

3、配置hdfs-site.xml:

修改HDFS核心配置文件/usr/local/hadoop/etc/hadoop/hdfs-site.xml,通过dfs.replication指定HDFS的备份因子为3,通过dfs.name.dir指定namenode节点的文件存储目录,通过dfs.data.dir指定datanode节点的文件存储目录。

 

  1. <configuration>  
  2.     <property>  
  3.         <name>dfs.replication</name 
  4.         <value>3</value>  
  5.     </property>  
  6.     <property>  
  7.         <name>dfs.name.dir</name 
  8.         <value>/usr/local/hadoop/hdfs/name</value>  
  9.     </property>  
  10.     <property>  
  11.         <name>dfs.data.dir</name 
  12.         <value>/usr/local/hadoop/hdfs/data</value>  
  13.     </property>  
  14. </configuration> 

4、配置mapred-site.xml

拷贝mapred-site.xml.template为mapred-site.xml,在进行修改

  1. cp /usr/local/hadoop/etc/hadoop/mapred-site.xml.template /usr/local/hadoop/etc/hadoop/mapred-site.xml  
  2. vim /usr/local/hadoop/etc/hadoop/mapred-site.xml  
  3. <configuration>  
  4.   <property>  
  5.       <name>mapreduce.framework.name</name 
  6.       <value>yarn</value>  
  7.   </property>  
  8.    <property>  
  9.       <name>mapred.job.tracker</name 
  10.       <value>http://hadoop-master:9001</value>  
  11.   </property>  
  12. </configuration> 

5、配置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.resourcemanager.hostname</name 
  9.         <value>hadoop-master</value>  
  10.     </property>  
  11. </configuration> 

6、配置masters文件

修改/usr/local/hadoop/etc/hadoop/masters文件,该文件指定namenode节点所在的服务器机器。删除localhost,添加namenode节点的主机名hadoop-master;不建议使用IP地址,因为IP地址可能会变化,但是主机名一般不会变化。

 

  1. vi /usr/local/hadoop/etc/hadoop/masters  
  2. ## 内容  
  3. hadoop-master 

7、配置slaves文件(Master主机特有)

修改/usr/local/hadoop/etc/hadoop/slaves文件,该文件指定哪些服务器节点是datanode节点。删除locahost,添加所有datanode节点的主机名,如下所示。

 

  1. vi /usr/local/hadoop/etc/hadoop/slaves  
  2. ## 内容  
  3. hadoop-slave1  
  4. hadoop-slave2  
  5. hadoop-slave3 

配置hadoop-slave的hadoop环境

下面以配置hadoop-slave1的hadoop为例进行演示,用户需参照以下步骤完成其他hadoop-slave2~3服务器的配置。

1)复制hadoop到hadoop-slave1节点

  1. scp -r /usr/local/hadoop hadoop-slave1:/usr/local

登录hadoop-slave1服务器,删除slaves内容

  1. rm -rf /usr/local/hadoop/etc/hadoop/slaves 

2)配置环境变量

 

  1. vi /etc/profile  
  2. ## 内容  
  3. export HADOOP_HOME=/usr/local/hadoop  
  4. export PATH=$PATH:$HADOOP_HOME/bin 

使得hadoop命令在当前终端立即生效;

  1. source /etc/profile 

依次配置其它slave服务

启动集群

1、格式化HDFS文件系统

进入master的~/hadoop目录,执行以下操作

  1. bin/hadoop namenode -format 

格式化namenode,***次启动服务前执行的操作,以后不需要执行。

2、然后启动hadoop:

  1. sbin/start-all.sh 

3、使用jps命令查看运行情况

 

  1. #master 执行 jps查看运行情况  
  2. 25928 SecondaryNameNode  
  3. 25742 NameNode  
  4. 26387 Jps  
  5. 26078 ResourceManager  
  6. #slave 执行 jps查看运行情况  
  7. 24002 NodeManager  
  8. 23899 DataNode  
  9. 24179 Jps 

4、命令查看Hadoop集群的状态

通过简单的jps命令虽然可以查看HDFS文件管理系统、MapReduce服务是否启动成功,但是无法查看到Hadoop整个集群的运行状态。我们可以通过hadoop dfsadmin -report进行查看。用该命令可以快速定位出哪些节点挂掉了,HDFS的容量以及使用了多少,以及每个节点的硬盘使用情况。

  1. hadoop dfsadmin -report 

输出结果:

 

  1. Configured Capacity: 50108030976 (46.67 GB)  
  2. Present Capacity: 41877471232 (39.00 GB)  
  3. DFS Remaining: 41877385216 (39.00 GB)  
  4. DFS Used: 86016 (84 KB)  
  5. DFS Used%: 0.00%  
  6. Under replicated blocks: 0  
  7. Blocks with corrupt replicas: 0  
  8. Missing blocks: 0  
  9. Missing blocks (with replication factor 1): 0 
  10.  ...... 

5、hadoop 重启

 

  1. sbin/stop-all.sh  
  2. sbin/start-all.sh 

错误

在搭建完成启动的时候,发生过两个错误:

1、 xxx: Error: JAVA_HOME is not set and could not be found

这个错误意思没有找到jdk的环境变量,需要在hadoop-env.sh配置。

 

  1. vi /usr/local/hadoop/etc/hadoop/hadoop-env.sh  
  2. ## 配置项  
  3. export JAVA_HOME=/usr/lib/jvm/jre-1.7.0-openjdk.x86_64 

2、The authenticity of host ‘0.0.0.0 (0.0.0.0)’ can’t be established.

解决方案关闭SELINUX

 

  1. -- 关闭SELINUX  
  2. # vim /etc/selinux/config  
  3. -- 注释掉  
  4. #SELINUX=enforcing  
  5. #SELINUXTYPE=targeted  
  6. — 添加  
  7. SELINUX=disabled 
责任编辑:未丽燕 来源: 36大数据
相关推荐

2017-08-10 10:17:32

Hadoop分布式搭建

2019-09-26 15:43:52

Hadoop集群防火墙

2017-02-28 09:48:30

2011-12-22 09:21:04

云计算Hadoop大数据

2018-03-13 15:23:47

大数据hadoop系统运维

2011-09-28 11:22:52

Hadoop

2012-02-23 09:59:05

Hadoop分布式应用

2017-10-25 18:25:40

Hadoop伪分布式环境部署

2012-05-21 10:19:31

Hadoop

2017-08-22 11:10:44

大数据分布式调度

2014-04-16 09:12:10

2012-09-19 14:09:20

Hadoop开源

2010-06-03 14:42:47

Hadoop分布式集群

2019-08-12 16:07:32

Web系统集群

2013-06-08 14:34:42

Hadoop 2.0

2021-04-12 07:41:57

Centos7系统分布式集群

2014-07-15 11:15:44

hadoop分布式部署

2023-02-26 12:03:26

2020-09-08 13:25:52

HBase分布式数据库

2017-09-11 15:17:01

分布式集群负载均衡
点赞
收藏

51CTO技术栈公众号