环境介绍:Centos7 + jdk1.8.0_211
一、首先、
安装JDK1.8.0,详情请移步
Centos7下安装配置JDK
关闭防火墙(建议关闭、当然也可以自己开放端口)
Centos7下防火墙的操作
创建一个用户hadoop,当然也可以使用root用户操作。(我的是使用root操作)
可以创建一个linux用户叫hadoop作为Hadoop的工作者,因为root下是很危险的。
sudo useradd -m hadoop -s /bin/bash #创建hadoop用户 sudo passwd hadoop #设置密码 sudo adduser hadoop sudo #增加管理员权限
二、ssh配置:
ssh-keygen -t rsa 生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)、三个回车 cd .ssh/ #进入相关目录查看相关文件
在主节点中将公钥复制到需要免密登录的机器(服务器上),通过如下命令:
(最好给本机(主节点)也copy一个,ssh-copy-id 本机ip或者主机名)(输入命令回车后需要输入目标ip的用户密码才能成功)
ssh-copy-id 目标ip地址
或者 ssh-copy-id -i ~/.ssh/id_rsa.pub 目标IP地址或主机名
注1:copy-id的时候另一台机器的用户必须在线(因为一台Linux机器可以存在多个用户,需要把公钥复制到对应的服务器中对应的用户目录下,则该用户必须在对应服务器中在线),即机器必须是开启的。
子节点若是想连接主节点,则子节点中配置:
ssh-keygen -t rsa
scp ./id_rsa.pub root@主节点IP:/root/.ssh/authorized_keys
使用如下命令来连接节点:
就是远程登录
ssh 目标IP或者主机名
注2:
1.配置ssh时候,作为namenode和resourcemanager的服务器需要配置ssh(即namenode和resourcemanager在同一台服务器上),即把该服务器的用户的公钥存储到其他所有节点ssh-copy-id
2.如果namenode和resourcemanager不在同一台服务器上,那么两台机器都需要配置ssh,即两台服务器都需要把各自用户的公钥储存到其他所有节点,因为启动HDFS使用bin/hdfs namenode -format 和 sbin/start-dfs.sh(可以不加bin和sbin,因为配置了环境变量的)和启动resourcemanager使用sbin/start-yarn.sh需要访问其他节点
三、解压配置Hadoop环境变量:
tar -xzvf hadoop-2.7.7.tar.gz ln -s hadoop-2.7.7 hadoop #创建软连接 vim ~/.bashrc #编辑文件设置环境变量 在环境变量中加入如下: export HADOOP_HOME=/root/hadoop export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin 然后重载配置生效: source ~/.bashrc
验证Hadoop环境变量是否正常:
whereis hdfs
四、配置hadoop的配置文件:
总共有5个文件需要修改:hadoop-env.sh、core-site.xml、hdfs-site.xml、
mapred-site.xml、yarn-site.xml。这些文件的路径均是在 ${HADOOP_HOME}/etc/hadoop。
当然,还要在/etc/hosts中添加: 本机ip 本机主机名 的映射关系。
1.修改hadoop-env.sh文件:
hadoop-env.sh与单机模式的配置一样.
cd /hadoop-2.7.7/etc/hadoop
查看jdk位置:echo $JAVA_HOME
修改hadoop-env.sh文件:
vim hadoop-env.sh
把 export JAVA_HOME=${JAVA_HOME} 一行中的 ${JAVA_HOME}
改为jdk地址。
2.配置core-site.xml:
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:8020</value> <!--value填的是默认文件系统的URL地址,格式是“hdfs://host:port”,host为ip或者主机名,port默认为8020--> </property> <property> <name>hadoop.tmp.dir</name> <value>/root/hadoop-2.7.7/tmp</value> <!--sda--> </property> </configuration> 如果需要用到spark的话,需要在core-site.xml中加入如下:【否则会出错】 <property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property>
3.配置hdfs-site.xml:
<configuration> <property> <name>dfs.replication</name> <value>1</value> <!--默认为3,搭建伪分布式时只有一个节点、改为1即可--> </property> </configuration> 4.配置mapred-site.xml: 首先cp mapred-site.xml.template mapred-site.xml生成mapred-site.xml,然后修改mapred-site.xml内容: <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> <!--value默认为local,设置为yarn使其运行在YARN框架上--> </property> </configuration>
5.配置yarn-site.xml:
<configuration> <property> <name>yarn.resourcemanager.hostname</name> <value>主机名</value> <!--设置资源管理器的主机,设置为主机名或者IP--> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> <!--设置节点管理器的辅助服务器,默认为空,设置为mapreduce_shuffle--> </property> </configuration>
修改完之后初始整个文件系统命令:
hadoop namenode -format
启动HDFS:
start-dfs.sh
验证HDFS进程 jps
启动YARN: start-yarn.sh
验证yarn进程: jps
当然、也可以直接启动所有进程 start-all.sh
注:如果没有配置环境变量、则需要到sbin目录下执行sh文件进行开启和关闭.
web访问HDFS进程界面:访问 http://IP:50070 可查看主节点数据节点的信息;
访问http://IP:50090即可查看第二名称节点的信息。
web访问YARN进程界面:访问 http://IP:8088
使用程序测试hadoop:
1.在HDFS中创建一个input文件夹: hdfs dfs -mkdir /input
2.在本地~下创建一个文件并写入数据,上传到HDFS: hdfs dfs -put data.txt /input
3.查看上传情况: hdfs dfs -ls /input
4.允许MapReduce WordCout例子:
首先进入mapreduce程序目录、然后执行脚本
cd ~/hadoop-2.7.7/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount ~/input/data.txt ~/output
5.查看结果: hdfs dfs -cat /output/part-r-0000
停止hadoop: stop-all.sh
或者 stop-dfs.sh、stop-yarn.sh
使用 jps
查看确定已经关闭
如果使用的是个人的云服务器的话可能会出现以下问题: (附解决方法)
注:若是出现no xxx to stop则是因为启动的时候没有指定pid的存放位置,hadoop(hbase也是这样)默认会放在Linux的/tmp目录下,进程名命名规则一般是框架名-用户名-角色名.pid,而默认情况下tmp里面的东西,一天会删除一次,由于pid不存在,当执行stop相关命令的时候找不到pid也就无法停止相关进程,所以报 no xxx to stop.
解决方式:
手动指定pid的存放位置,避免放在/tmp目录下,
1.修改hadoop-env.sh,如果没有相关配置,可用直接添加:
export HADOOP_PID_DIR=/root/hadoop/pidDir
export HADOOP_SECURE_DN_PID_DIR=/root/hadoop/pidDir
原来是:
export HADOOP_PID_DIR=${HADOOP_PID_DIR}
export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR}
2.修改mapred-env.sh:
export HADOOP_MAPRED_PID_DIR=/root/hadoop/pidDir
原来是默认地址
3.修改yarn-env.sh:
export YARN_PID_DIR=/root/hadoop/pidDir
4.使用ipconfig查看ip地址,查看到的地址是内网IP地址,而不是公网ip地址。
然后 vim /etc/hosts 修改文件的映射,将公网IP与主机名的映射改为内网IP与主机名的映射即可。
5.在配置文件的配置中,涉及到value需要设置为IP地址或主机名的情况时,先设为主机名比较好。