hadoop集群搭建

几年前搞过一段时间hadoop，现在又要开始搞了，发现环境都不会搭建了。写个博客记录下搭建过程。

目录

• 1、创建虚拟机及规划
• 2、关闭防火墙
• 3、设置各主机之间免密登录
  • • 1、在每台主机hosts文件中添加IP与主机名的映射关系
    • 2、设置互信(每台主机都执行)
• 4、安装JDK和hadoop
  • • 1、上传软件包
    • 2、安装Java，设置环境变量
    • 3、配置文件修改
    • 4、将上述内容分别拷贝至hadoop2、hadoop3
• 5、启动服务
  • • 1、执行初始化命令
    • 2、启动hadoop集群
    • 3、启动yarn。
    • 4、启动历史服务器.
• 默认配置
• 各个服务组件逐一启动/停止

1、创建虚拟机及规划

下面是我本地的环境信息

机器名	IP	操作系统
hadoop1	192.168.68.120	CentOS7
hadoop2	192.168.68.121	CentOS7
hadoop3	192.168.68.122	CentOS7

• 修改机器名:

hostnamectl set-hostname [机器名]
# hostnamectl set-hostname   hadoop1

• 修改IP信息:

  在/etc/sysconfig/network-scripts/ifcfg-ens33文件中配置IP信息。主要修改如下几项。

IPADDR="192.168.68.120" # IP地址
PREFIX="24"             # 子网掩码位数，也可以设置为 NETMASK=255.255.255.0
GATEWAY="192.168.68.1"  # 网关

规划

	hadoop1	hadoop2	hadoop3
HDFS	NameNode、DataNode	DataNode	SecondaryNameNode、DataNode
YARN	NodeManager	NodeManager	ResourceManager、NodeManager
other	JobHistoryServer

我们首先创建个名的hadoop用户，后续所有操作如无特别说明，均是在hadoop用户下执行.

adduser hadoop   # 创建hadoop用户
passwd hadoop    # 设置hadoop用户密码，回车后输入hadoop用户密码

---

2、关闭防火墙

在每台主机上用root用户执行

systemctl stop firewalld      # 停止防火墙 
systemctl disable firewalld   # 禁用防火墙开机启动 

3、设置各主机之间免密登录

1、在每台主机hosts文件中添加IP与主机名的映射关系

• 在每台主机/etc/hosts文件中添加如下内容。

  /etc/hosts文件hadoop用户没有权限，所以修改这个文件要用root用户操作。

  192.168.68.120  hadoop1
  192.168.68.121  hadoop2
  192.168.68.122  hadoop3
  

2、设置互信(每台主机都执行)

• 在每台主机生成ssh公钥私钥,将公钥拷贝到所有主机(包括自己)。

  ssh-keygen -t rsa   #这里需要连续4个回车
  ssh-copy-id hadoop1
  ssh-copy-id hadoop2
  ssh-copy-id hadoop3
  

  

4、安装JDK和hadoop

需要的软件是jdk和hadoop，我本次使用的是jdk-11.0.10_linux-x64_bin.tar.gz、hadoop-3.2.3.tar.gz。

我本地软件安装位置在/home/hadoop/software

这里的操作都是在hadoop1上执行，最后会拷贝到hadoop2、hadoop3上

1、上传软件包

• 创建安装目录software目录

  mkdir /home/hadoop/software
  

• 上传软件包

  将jdk-11.0.10_linux-x64_bin.tar.gz、hadoop-3.2.3.tar.gz上传到/home/hadoop/software目录中

  

2、安装Java，设置环境变量

• 解压java、hadoop

#在/home/hadoop/software目录中执行
 tar -zxvf jdk-11.0.10_linux-x64_bin.tar.gz  # 解压jdk
 tar -zxvf hadoop-3.2.3.tar.gz               # 解压hadoop

• 设置java环境变量

  在~/.bashrc文件中添加如下内容

  JAVA_HOME=/home/hadoop/software/jdk-11.0.10
  CLASSPATH=.:$JAVA_HOME/lib
  PATH=$PATH:$JAVA_HOME/bin
  export JAVA_HOME CLASSPATH PATH
  
  
  export HADOOP_HOME=/home/hadoop/software/hadoop-3.2.3
  export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
  

  执行如下命令使环境变量生效

  source ~/.bashrc
  

3、配置文件修改

3.1 修改/home/hadoop/software/hadoop-3.2.3/etc/hadoop/core-site.xml

        <!-- 指定HDFS中NameNode的地址,这里也就是指定了NameNode在hadoop1这个节点上-->
        <property>
            <name>fs.defaultFS</name>
            <value>hdfs://hadoop1:9000</value>
        </property>

        <!-- 指定Hadoop运行时产生文件的存储目录 -->
        <property>
            <name>hadoop.tmp.dir</name>
            <value>/home/hadoop/software/hadoop-3.2.3/data/tmp</value>
        </property>

3.修改/home/hadoop/software/hadoop-3.2.3/etc/hadoop/hdfs-site.xml

		<!-- 指定HDFS中NameNode的web端访问地址，这里的节点要和core-site的节点对应起来-->
  		<property>
            <name>dfs.namenode.http-address</name>
			<value>hadoop1:9870</value>
		</property>
		<!-- 指定secondary节点主机配置 ,这里也就是指定了secondary节点在hadoop3-->
        <property>
              <name>dfs.namenode.secondary.http-address</name>
              <value>hadoop3:50090</value>
        </property>

3.修改/home/hadoop/software/hadoop-3.2.3/etc/hadoop/yarn-site.xml

    	<property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>

        <!-- 指定YARN的ResourceManager的地址,也就是指定resourcemanager所在的节点 -->
        <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>hadoop3</value>
        </property>
		<property>
			<name>yarn.nodemanager.env-whitelist</name>																           	<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED _HOME</value>
		</property>
        <!-- 日志聚集功能使能 -->
        <property>
            <name>yarn.log-aggregation-enable</name>
            <value>true</value>
        </property>
        <!-- 日志保留时间设置7天 -->
        <property>
            <name>yarn.log-aggregation.retain-seconds</name>
            <value>604800</value>
        </property>
		<property> 
 			<name>yarn.log.server.url</name> 
 			<value>http://hadoop1:19888/jobhistory/logs</value>
		</property>

修改/home/hadoop/software/hadoop-3.2.3/etc/hadoop/mapred-site.xml

	<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <!-- 历史服务器端地址,也就是指定了历史服务器节点 -->
	<property>
 		<name>mapreduce.jobhistory.address</name>
 		<value>hadoop1:10020</value>
	</property>
	<!-- 历史服务器 web 端地址 -->
	<property>
 		<name>mapreduce.jobhistory.webapp.address</name>
 		<value>hadoop1:19888</value>
	</property>

修改/home/hadoop/software/hadoop-3.2.3/etc/hadoop/workers

hadoop1
hadoop2
hadoop3

4、将上述内容分别拷贝至hadoop2、hadoop3

scp -r /home/hadoop/software/jdk-11.0.10   hadoop2:/home/hadoop/software/
scp -r /home/hadoop/software/jdk-11.0.10   hadoop3:/home/hadoop/software/
scp -r /home/hadoop/software/hadoop-3.2.3   hadoop2:/home/hadoop/software/
scp -r /home/hadoop/software/hadoop-3.2.3   hadoop3:/home/hadoop/software/
scp ~/.bashrc hadoop2:~/
scp ~/.bashrc hadoop3:~/

如果在执行这一步之前已经使用hdoop用户登录了hadoop2或者hadoop3，为了使上面拷贝的环境变量生效，需要在hadoop2,hadoop3上分别执行

source ~/.bashrc命令

5、启动服务

1、执行初始化命令

在hadoop1节点上执行

hdfs namenode -format #只在namenode节点执行

看到上面这句就表示执行成功。

2、启动hadoop集群

在hadoop1节点上执行如下命令

start-dfs.sh # 需要在namenode节点上执行

分别在每台主机执行jps命令检查进程是否启动正常

同时也可以通过web界面进行访问http://192.168.68.120:9870/dfshealth.html#tab-overview

3、启动yarn。

在hadoop3 节点上实行如下命令

start-yarn.sh  #注意这个需要在yarn所在节点启动(`yarn-site.xml`中`yarn.resourcemanager.hostname`属性指定)。

再次通过检查每台主机进程是否启动正常

也可以通过web界面进行访问http://192.168.68.122:8088/cluster

4、启动历史服务器.

在hadoop1节点上执行如下命令。（通过mapred-site.xml配置文件中指定）

mapred --daemon start historyserver   

---

到这里，整个hadoop集群就已经搭建完成了。

默认配置

hadoop很多配置都有默认配置。具体可以通过官网文档查看。具体位置Index of /docs (apache.org)，在这里找到对应版本。

各个服务组件逐一启动/停止

（1）分别启动/停止 HDFS 组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

（2）启动/停止 YARN

yarn --daemon start/stop resourcemanager/nodemanager