实战｜Hadoop大数据集群搭建

一个执着于技术的公众号

前言

今天来为粉丝圆梦啦

话不多说，咱直接进入实战环节

实验环境：

主机名 IP地址角色

qll251 192.168.1.251 NameNode
qll252 192.168.1.252 DataNode1
qll253 192.168.1.253 DataNode2

所需软件包：

hadoop-2.9.2.tar.gz
jdk-8u241-linux-x64.tar.gz

软件包下载地址：

Hadoop软件包官方下载地址：

https://hadoop.apache.org/releases.html

【今天我们以2.9.2版本为例，搭建出一套Hadoop大数据集群】

jdk软件包官方下载地址：

https://www.oracle.com/java/technologies/javase-jdk8-downloads.html

开始搭建

[本次实验，三台机器操作系统均采用CentOS7.5，同时关闭防火墙、关闭selinux]

1、在qll251上配置免密登录

配置在qll251上，可以ssh无密码登录qll251,qll252,qll253

[root@qll251 ~]# ssh-keygen    //一路回车即可
[root@qll251 ~]#ssh-copy-id root@192.168.1.251
[root@qll251 ~]#ssh-copy-id root@192.168.1.252
[root@qll251 ~]#ssh-copy-id root@192.168.1.253

2、三台机器上配置hosts文件，如下：

1）首先在192.168.1.251主机配置hosts

2）复制hosts到其它两机器：

[root@qll251 ~]# scp /etc/hosts root@192.168.1.252:/etc
[root@qll251 ~]# scp /etc/hosts root@192.168.1.253:/etc

注意：

在/etc/hosts中，不要把机器名字同时对应到127.0.0.1这个地址，否则会导致数据节点连接不上namenode，报错如下：

org.apache.hadoop.ipc.Client:Retrying connect to server: master/192.168.1.251:9000

3、在三台节点上创建运行Hadoop用户

useradd -u 8000 hadoop
echo 123123 | passwd --stdin hadoop

注意：三台节点都需要创建hadoop用户，保持UID一致。

4、在三台节点上安装Java环境 JDK

1）我们先在qll251主机上配置jdk环境

【把 jdk-8u241-linux-x64.tar.gz 上传至/home下】

[root@qll251 home]# tar -zxvf jdk-8u241-linux-x64.tar.gz -C /usr/local
# 将jdk解压至/usr/local/下

2）配置jdk环境变量

# 编辑 /etc/profile，在文件最后添加以下内容：
export JAVA_HOME=/usr/local/jdk1.8.0_241
export JAVA_BIN=/usr/local/jdk1.8.0_241/bin
export PATH=${JAVA_HOME}/bin:$PATH
export CLASSPATH=.:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar

3）执行：

source /etc/profile #使配置文件生效

java -version #验证java运行环境是否安装成功

4）将jdk部署到另外两台机器上

[root@qll251 ~]# scp -r /usr/local/jdk1.8.0_241/ qll252:/usr/local
[root@qll251 ~]# scp -r /usr/local/jdk1.8.0_241/ qll253:/usr/local


[root@qll251 ~]# scp /etc/profile qll252:/etc/
[root@qll251 ~]# scp /etc/profile qll253:/etc/

使新建立的环境变量立刻生效

[root@qll252 ~]# source /etc/profile
[root@qll253 ~]# source /etc/profile

4、在qll251安装Hadoop 并创建相应的工作目录

1）解压Hadoop安装文件

【把 jdk-8u241-linux-x64.tar.gz 上传至/home下】

[root@qll251 home]# tar -zxf hadoop-2.9.2.tar.gz -C /home/hadoop/
#我们把Hadoop的安装目录解压在：/home/hadoop/hadoop-2.9.2

2）创建hadoop相关的工作目录

[root@qll251 ~]# mkdir -p /home/hadoop/tmp  /home/hadoop/dfs/{name,data}

5、在qll251节点配置Hadoop

配置文件位置：/home/hadoop/hadoop-2.9.2/etc/hadoop

一共需要修改7个配置文件：

1）hadoop-env.sh，指定hadoop的java运行环境

该文件是hadoop运行基本环境的配置，需要修改的为java虚拟机的位置。

2）yarn-env.sh，指定yarn框架的java运行环境

该文件是yarn框架运行环境的配置，同样需要修改java虚拟机的位置。

3）配置文件slaves ，指定datanode 数据存储服务器

将所有DataNode的名字写入此文件中，每个主机名一行，配置如下：

4）配置文件core-site.xml，指定访问hadoop web界面访问路径

hadoop的核心配置文件，这里需要配置两个属性，fs.default.FS配置了hadoop的HDFS系统的命名，位置为主机的9000端口；

hadoop.tmp.dir配置了hadoop的tmp目录的根位置。

提供下源代码：

<property>
      <name>fs.defaultFS</name>
          <value>hdfs://qll251:9000</value>
 </property>


 <property>
     <name>io.file.buffer.size</name>
         <value>131072</value>
 </property>


 <property>
     <name>hadoop.tmp.dir</name>
         <value>file:/home/hadoop/tmp</value>
             <description>Abase for other temporary directories.</description>
 </property>

5）配置文件hdfs-site.xml

hdfs的配置文件，dfs.http.address配置了hdfs的http的访问位置；

dfs.replication配置了文件块的副本数，一般不大于从机的个数。

提供下源代码：

  <property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>qll251:9001</value> 
  </property>


  <property>
      <name>dfs.namenode.name.dir</name>
      <value>file:/home/hadoop/dfs/name</value>
  </property>
 <property>
    <name>dfs.datanode.data.dir</name>
        <value>file:/home/hadoop/dfs/data</value>
 </property>


 <property>
    <name>dfs.replication</name>
    <value>2</value>   
 </property>


 <property>
    <name>dfs.webhdfs.enabled</name>
        <value>true</value>
 </property>

6）配置文件mapred-site.xml

mapreduce任务的配置，由于hadoop2.x使用了yarn框架，所以要实现分布式部署，必须在mapreduce.framework.name属性下配置为yarn。mapred.map.tasks和mapred.reduce.tasks分别为map和reduce的任务数。

# 生成mapred-site.xml
[root@qll251 hadoop]# cp mapred-site.xml.template mapred-site.xml

提供下源代码：

 <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
 </property>


 <property>
     <name>mapreduce.jobhistory.address</name>
     <value>qll251:10020</value>
 </property>


 <property>
     <name>mapreduce.jobhistory.webapp.address</name>
     <value>qll251:19888</value>
 </property>

7）配置节点yarn-site.xml

该文件为yarn框架的配置,主要是一些任务的启动位置

提供下源代码：

 <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>qll251:8032</value>
 </property>


 <property>
     <name>yarn.resourcemanager.scheduler.address</name>
         <value>qll251:8030</value>
 </property>


 <property>
     <name>yarn.resourcemanager.resource-tracker.address</name>
     <value>qll251:8031</value>
 </property>


 <property>
    <name>yarn.resourcemanager.admin.address</name>
    <value>qll251:8033</value>
 </property>


 <property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>qll251:8088</value>
 </property>

6、修改hadoop安装文件的所属者及所属组

[root@qll251]# chown -R hadoop.hadoop /home/hadoop

7、设置qll251主机上的hadoop普通用户免密登录

生成基于hadoop用户的不输入密码登录：因为后期使用hadoop用户启动datenode节点需要直接登录到对应的服务器上启动datenode相关服务

# step 1：切换hadoop用户
[root@qll251 ~]# su - hadoop
[hadoop@qll251 ~]$


# step 2：创建密钥文件
[hadoop@qll251 ~]$ ssh-keygen


# step 3：将公钥分别copy至qll251,qll252,qll253
[hadoop@qll251 ~]$ ssh-copy-id hadoop@qll251
[hadoop@qll251 ~]$ ssh-copy-id hadoop@qll252
[hadoop@qll251 ~]$ ssh-copy-id hadoop@qll253

8、将hadoop安装文件复制到其他DateNode节点

[root@qll251 ~]# su - hadoop
[hadoop@qll251 ~]$
[hadoop@qll251 ~]$ scp -r /home/hadoop/hadoop-2.9.2/ hadoop@qll252:~/
[hadoop@qll251 ~]$ scp -r /home/hadoop/hadoop-2.9.2/ hadoop@qll253:~/

9、qll251上启动Hadoop

1）格式化namenode

首先切换到hadoop用户，执行hadoop namenode的初始化，只需要第一次的时候初始化，之后就不需要了。

如果所示，format成功

我们查看下格式化后生成的文件吧；

2）启动hdfs：./sbin/start-dfs.sh，即启动HDFS分布式存储

3）启动yarn：./sbin/start-yarn.sh 即，启动分布式计算

注意：

其实我们也可以使用 start-all.sh脚本依次启动HDFS分布式存储及分布式计算。

/home/hadoop/hadoop-2.9.2/sbin/start-all.sh #启动脚本
/home/hadoop/hadoop-2.9.2/sbin/stop-all.sh # 关闭脚本

4）启动历史服务

Hadoop自带历史服务器，可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，我们可以通过下面的命令来启动Hadoop历史服务器

开启后，可以通过Web页面查看历史服务器：
http://192.168.1.251:19888

10、我们验证下搭建的集群服务运行是否正常

1）查看HDFS分布式文件系统状态：

2）Web查看HDFS: http://192.168.1.251:50070

3）Web查看hadoop集群状态: http://192.168.1.251:8088

4）Web查看历史服务器：http://192.168.1.251:

总结

本文的思路是：以安装部署Apache Hadoop2.x版本为主线，来介绍Hadoop2.x的架构组成、各模块协同工作原理、技术细节。安装不是目的，通过安装认识Hadoop才是目的。

往期精彩

◆ 干货 | 手把手教你如何搭建一个私有云盘

◆ 干货 | Linux平台搭建网关服务器

◆ 干货 | Linux主流发行版配置IP总结

◆ 硬核科普服务器硬盘组成与基本原理

◆ 一文带你速懂虚拟化KVM和XEN

◆ 什么是集群？看完这篇你就知道啦！

十年磨一剑