(21)hadoop集群搭建

搭建hadoop集群就是搭建hdfs集群和yarn集群。

hadoop集群搭建原理:

hadoop官网（包含软件下载，文档等）：http://hadoop.apache.org

hadoop的4个配置文件非常重要:

core-default.xml  hdfs-default.xml  mapred-default.xml  yarn-default.xml

具体搭建步骤:

1.准备Linux环境

    1.0先将虚拟机的网络模式选为NAT

    1.1修改主机名
    vi /etc/sysconfig/network

    NETWORKING=yes
    HOSTNAME=itcast ###

    1.2修改IP
    两种方式：
    第一种：通过Linux图形界面进行修改（强烈推荐）
    进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections -> 选中当前网络System eth0 -> 点击edit按钮 -> 选择IPv4 -> method选择为manual ->      点击add按钮 -> 添加IP：192.168.1.101 子网掩码：255.255.255.0 网关：192.168.1.1 -> apply

    第二种：修改配置文件方式（屌丝程序猿专用）
    vim /etc/sysconfig/network-scripts/ifcfg-eth0

    DEVICE="eth0"
    BOOTPROTO="static" ###
    HWADDR="00:0C:29:3C:BF:E7"
    IPV6INIT="yes"
    NM_CONTROLLED="yes"
    ONBOOT="yes"
    TYPE="Ethernet"
    UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
    IPADDR="192.168.1.101" ###
    NETMASK="255.255.255.0" ###
    GATEWAY="192.168.1.1" ###

    1.3修改主机名和IP的映射关系
    vim /etc/hosts

    192.168.1.101 itcast

    1.4关闭防火墙
    #查看防火墙状态
    service iptables status
    #关闭防火墙
    service iptables stop
    #查看防火墙开机启动状态
    chkconfig iptables --list
    #关闭防火墙开机启动
    chkconfig iptables off
    1.5 修改sudo
    su root
    vim /etc/sudoers
    给hadoop用户添加执行的权限

    强制保存修改用:wq!

    关闭linux服务器的图形界面：
    vi /etc/inittab

    1.5重启Linux
    reboot

2.安装JDK

    jdk1.8下载地址:

    http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

    2.1上传alt+p 后出现sftp窗口，然后put d:xxxyylljdk-7u_65-i585.tar.gz

    2.2解压jdk
    #创建文件夹
    mkdir /home/hadoop/app
    #解压
    tar -zxvf jdk-7u55-linux-i586.tar.gz -C /home/hadoop/app

    2.3将java添加到环境变量中
    vim /etc/profile
    #在文件最后添加
    export JAVA_HOME=/home/hadoop/app/jdk-7u_65-i585
    export PATH=$PATH:$JAVA_HOME/bin

    #刷新配置
    source /etc/profile

3.安装hadoop2.4.1
先上传hadoop的安装包到服务器上去/home/hadoop/

用tar命令解压。

hadoop的目录结构:

bin-操作命令
sbin-系统启动管理命令
etc-配置文件
include-c语言本地库的头文件

doc-hadoop的所有文档   

hadoop-jar包

注意：hadoop2.x的配置文件$HADOOP_HOME/etc/hadoop
伪分布式需要修改5个配置文件
     3.1配置hadoop
    第一个：hadoop-env.sh
    vim hadoop-env.sh
    #第27行
    export JAVA_HOME=/usr/java/jdk1.7.0_65

第二个：core-site.xml

<!-- 指定HADOOP所使用的文件系统和HDFS的老大（NameNode）的访问地址 -->

//hadoop可以使用多种文件系统，不仅仅是hdfs   
<property>
<name>fs.defaultFS</name>
<value>hdfs://[NameNode所在的主机]:[NameNode所在的端口]</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/hdpdata</value>
</property>

第三个：hdfs-site.xml
<!-- 指定HDFS文件副本的数量 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- 指定secondaryNameNode的地址 -->
<property>
<name>dfs.secondary.http.address</name>
<value>192.168.1.152:50090</value>
</property>

第四个：mapred-site.xml 

mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<!-- 指定mapreduce运行的资源调度平台，默认是local(本机) -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>

第五个：yarn-site.xml
<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>[ResourceManager所在的主机]</value>
</property>
<!-- reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

配置完hadoop之后，不要忘了把hadoop分发到集群中所有的虚拟机上:

scp -r /home/Eis/apps slave1:/home/hadoop/

3.2将hadoop添加到环境变量

vim /etc/proflie
export JAVA_HOME=/usr/java/jdk1.7.0_65
export HADOOP_HOME=/itcast/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile
最好把配置文件也分发给集群中的其他机器:

sudo scp /etc/profile slave1:/etc/

3.3格式化namenode（是对namenode进行初始化）
hdfs namenode -format (hadoop namenode -format)

3.4启动hadoop

启动方式1: 依次手动启动节点

启动namenode节点: hadoop-daemon.sh start namenode

启动datanode节点:hadoop-daemon.sh start datanode

关闭namenode节点: hadoop-daemon.sh stop namenode

关闭datanode节点:hadoop-daemon.sh stop datanode

启动方式2：使用自动化脚本启动节点
先启动HDFS
sbin/start-dfs.sh

该命令启动的主节点为配置文件中配置的namenode，从节点为hadoop-2.7.3/etc/hadoop/slaves中指定的主机

(关闭HDFS: sbin/stop-dfs.sh)

再启动YARN
sbin/start-yarn.sh
(关闭YARN: sbin/stop-yarn.sh)

3.5验证是否启动成功
使用jps命令验证
27408 NameNode
28218 Jps
27643 SecondaryNameNode
28066 NodeManager
27803 ResourceManager
27512 DataNode

http://192.168.1.101（namenode主机名）:50070 （HDFS管理界面）
http://192.168.1.101（resourcemanager主机名）:8088 （yarn管理界面）

4.配置ssh免登陆 (在namenode-namenode及namenode到每个datanode之间配置)
#生成ssh免登陆密钥
#进入到我的home目录
cd ~/.ssh

ssh-keygen -t rsa （四个回车）
执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
将公钥拷贝到要免密登陆的目标机器上
ssh-copy-id localhost
---------------------------
ssh免登陆：
生成key:
ssh-keygen
复制从A复制到B上:
ssh-copy-id B
验证：
ssh localhost/exit，ps -e|grep ssh
ssh A #在B中执行