Hadoop 系列（二）安装配置
Hadoop 官网：http://hadoop.apache.org
一、Hadoop 安装
1.1 Hadoop 依赖的组件
-
JDK ：从 Oracle 官网下载，设置环境变量(JAVA_HOME、PATH 和 CLASSPATH)。
-
SSH(安全外壳标议) ：推荐安装 Openssh。
Hadoop 需要通过 SSH 来启动 Slave 列表中各台主机的守护进程，因此 SSH 也是必须安装的，即使是安装伪分布式版本(因为 Hadoop 并没有区分开集群式和伪分布式)。对于伪分布式， Hadoop 会采用与集群相同的处理方式，即按次序启动文件 conf/slaves 中记载的主机上的进程；只不过在伪分布式中 Salve 为 localhost(即为自身)，所以对于伪分布式 Hadoop，SSH 一样是必需的。
1.2 Hadoop 安装
(1) 创建 hadoop 用户
groupadd hadoop # 创建用户组
useradd -g hadoop -m -s /bin/bash hadoop # 创建用户
passwd hadoop # 设置 hadoop 密码为 hadoop
为 hadoop 用户增加管理员权限：
visudo # vim /etc/sudoers
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
hadoop ALL=(ALL) ALL
## Allows people in group wheel without a password
%wheel ALL=(ALL) NOPASSWD: ALL
gpasswd -a hadoop wheel # 将 hadoop 用户加入到 wheel 组
(2) 安装并配置 SSH 无密码登陆
CentOS 默认已安装了 SSH client、SSH server，打开终端执行如下命令进行检验
rpm -qa | grep ssh
如果返回的结果如下图所示，包含了 SSH client 跟 SSH server，则不需要再安装
若需要安装，则可以通过 yum 进行安装：
yum -y install openssh-clients openssh-server
接着执行如下命令测试一下 SSH 是否可用：
ssh localhost
此时会有如下提示(SSH 首次登陆提示)，输入 yes 。然后按提示输入密码，这样就登陆到本机了。
[root@master home]# ssh localhost
The authenticity of host 'localhost (::1)' can't be established.
ECDSA key fingerprint is bd:66:a8:94:98:d5:0b:f3:bc:e9:5c:41:4c:ca:b3:d4.
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'localhost' (ECDSA) to the list of known hosts.
root@localhost's password:
Last login: Fri Apr 20 07:07:31 2018 from 192.168.2.1
但这样登陆是需要每次输入密码的，我们需要配置成 SSH 无密码登陆比较方便。
首先输入 exit 退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：
exit # 退出刚才的 ssh localhost
cd ~/.ssh/ # 若没有该目录，请先执行一次ssh localhost
rm ./id_rsa* # 删除之前生成的公匙（如果有）
ssh-keygen -t rsa # 会有提示，都按回车就可以
cat id_rsa.pub >> authorized_keys # 加入授权
chmod 600 ./authorized_keys # 修改文件权限，否则无法登陆，亲测
注意： 一定要 chmod 来一下，不然无法起作用。此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了。
(3) Hadoop 安装
wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-3.1.0/hadoop-3.1.0.tar.gz
tar -zxvf hadoop-3.1.0.tar.gz
sudo mv ./hadoop-3.1.0/ ./hadoop # 将文件夹名改为 hadoop
sudo chown -R hadoop:hadoop ./hadoop # 修改文件权限
Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息
[hadoop@master ~]$ /usr/local/hadoop/bin/hadoop version
Hadoop 3.1.0
Source code repository https://github.com/apache/hadoop -r 16b70619a24cdcf5d3b0fcf4b58ca77238ccbe6d
Compiled by centos on 2018-03-30T00:00Z
Compiled with protoc 2.5.0
From source with checksum 14182d20c972b3e2105580a1ad6990
This command was run using /usr/local/hadoop/share/hadoop/common/hadoop-common-3.1.0.jar
(4) 环境变量
vim /etc/profile.d/start.sh
# hadoop
export HADOOP_HOME=/home/hadoop/
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_COMMON_LIB_NATIVE=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"
二、Hadoop 集群配置
(1) 网络配置
配置主机名：
vim /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=master
配置 IP/主机名 的映射关系
vim /etc/hosts
192.168.2.101 master
192.168.2.102 slave1
修改完成后需要重启一下，重启后在终端中才会看到机器名的变化。
配置好后需要在各个节点上执行如下命令，测试是否相互 ping 得通，如果 ping 不通，后面就无法顺利配置成功
ping master -c 3 # 只ping 3次，否则要按 Ctrl+c 中断
ping slave1 -c 3
(2) SSH 无密码登陆节点配置
这个操作是要让 master 节点可以无密码 SSH 登陆到各个 slave 节点上。
首先生成 master 节点的公匙，在 master 节点的终端中执行（因为改过主机名，所以还需要删掉原有的再重新生成一次）
cd ~/.ssh # 如果没有该目录，先执行一次 ssh localhost
rm ./id_rsa* # 删除之前生成的公匙（如果有）
ssh-keygen -t rsa # 一直按回车就可以
chmod 600 ./authorized_keys # 修改文件权限
让 master 节点需能无密码 SSH 本机，在 master 节点上执行：
cat ./id_rsa.pub >> ./authorized_keys
完成后可执行 ssh master 验证一下（可能需要输入 yes，成功后执行 exit 返回原来的终端）。接着在 master 节点将上公匙传输到 slave1 节点：
scp ~/.ssh/id_rsa.pub hadoop@slave1:/home/hadoop/
scp 是 secure copy 的简写，用于在 Linux 下进行远程拷贝文件，类似于 cp 命令，不过 cp 只能在本机中拷贝。执行 scp 时会要求输入 slave1 上 hadoop 用户的密码(hadoop)，输入完成后会提示传输完毕，如下图所示：
接着在 Slave1 节点上，将 ssh 公匙加入授权：
mkdir ~/.ssh # 如果不存在该文件夹需先创建，若已存在则忽略
cat ~/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 600 ./authorized_keys # 修改文件权限
rm ~/id_rsa.pub # 用完就可以删掉了
如果有其他 slave 节点，也要执行将 master 公匙传输到 slave 节点，在 slave 节点上加入授权这两步。
这样，在 master 节点上就可以无密码 SSH 到各个 slave 节点了，可在 master 节点上执行如下命令进行检验：
ssh slave1
(3) 配置集群/分布式环境配置
集群/分布式模式需要修改 /usr/local/hadoop/etc/hadoop 中的 5 个配置文件，这里仅介绍了正常启动所必须的设置项： workers、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 。
-
配置 etc/hadoop/workers
workers 将作为 DataNode 的主机名写入该文件，每行一个，默认为 localhost，所以在伪分布式配置时，节点即作为 NameNode 也作为 DataNode。分布式配置可以保留 localhost，也可以删掉，让 Master 节点仅作为 NameNode 使用。
本教程让 master 节点仅作为 NameNode 使用，因此将文件中原来的 localhost 删除，只添加一行内容：slave1。
-
配置 etc/hadoop/core-site.xml
<configuration> <!-- 配置默认的文件系统，地址最好使用主机名而不是IP --> <property> <name>fs.defaultFS</name> <value>hdfs://master:9000</value> </property> <!-- Hadoop 运行时产生文件的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/data</value> </property> </configuration> -
配置 etc/hadoop/hdfs-site.xml
dfs.replication 一般设为 3，但我们只有一个 slave 节点，所以 dfs.replication 的值还是设为 1
<configuration> <!-- 配置 Hadoop 中 HDFS，默认为 3，单机版需要改为 1 --> <property> <name>dfs.replication</name> <value>1</value> </property> <!-- 配置 web 界面地址，否则无法访问 --> <property> <name>dfs.namenode.http-address</name> <value>master:50070</value> </property> </configuration> -
配置 etc/hadoop/mapred-site.xml
<configuration> <!-- 指定 mr 运行在 yarn 上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.application.classpath</name> <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value> </property> </configuration> -
配置 etc/hadoop/yarn-site.xml
<configuration> <!-- 指定 yarn 的老大(ResourceManager)的地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>master</value> </property> <!-- reduce 获取数据的方式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.env-whitelist</name> <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value> </property> </configuration>
(5) 启动与测试
Hadoop 测试：首次启动需要先在 master 节点执行 NameNode 的格式化。
初始化文件系统：hdfs namenode -format
启动 dfs：start-dfs.sh
停止 dfs：stop-dfs.sh
启动 yarn：start-yarn.sh
停止 yarn：stop-yarn.sh
初始化文件系统后会在 /home/hadoop/data/dfs/name/current 生成 NameNode 文件系统的元数据：
-rw-rw-r-- 1 hadoop hadoop 391 4月 20 21:07 fsimage_0000000000000000005
-rw-rw-r-- 1 hadoop hadoop 62 4月 20 21:07 fsimage_0000000000000000005.md5
启动 dfs 会启动如下进程 jps：
2480 DataNode // 50075 http port | 50010 rpc port
2378 NameNode // 50070 http port | 8020 rpc port
2639 SecondaryNameNode // 50090 http port
启动 yarn 会启动如下进程 jps：
2949 ResourceManager //
3053 NodeManager //
web 界面 ：http://192.168.2.101:50070。注意只能通过 master 的 ip 访问，不能通过 localhost/127.0.0.1 访问。
Hadoop 测试：
hadoop fs -put README.txt hdfs://master:9000/ # 上传文件
hadoop fs -get hdfs://master:9090/README.txt # 下载文件
三、Hadoop 安装踩过的坑
问题1：ClassNotFount
etc/hadoop/mapred-site.xml：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.application.classpath</name>
<value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
</property>
</configuration>
可以使用 hadoop classpath 查看 hadoop 的 classpath 路径
etc/hadoop/yarn-site.xml：
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</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>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>128</value>
</property>
</configuration>
参考：
每天用心记录一点点。内容也许不重要，但习惯很重要！