Hadoop学习平台的搭建

伪分布式

1.安装虚拟机

2.安装CentOS6.4-i386

3.修改主机名

        # su root        # vi /etc/sysconfig/network        本主机名设置为：vitamin07

4.修改ip

   设置虚拟机的网络连接方式--参考文档：《虚拟机配置》来实现   1)Hostonly，将windos上的虚拟网卡改成与linux上的网卡在同一网段，将虚拟机上的Vmnet1   ip设置和你的虚拟机在同一个网段 ，但ip不相同。

4.1非克隆机,将以下内容更新到ifcfg-eth0中

# vi /etc/sysconfig/network-scripts/ifcfg-eth0         BOOTPROTO="static"        ......        IPADDR="192.168.8.201"        NETMASK="255.255.255.0"        GATWAY="192.168.8.1"        DNS1="8.8.8.8"        DNS2="8.8.4.4"  

4.2克隆机

So here’s how we fix it:    Remove the kernel’s networking interface rules file so that it can be regenerated        # rm -f /etc/udev/rules.d/70-persistent-net.rules    Restart the VM        # reboot    UPDATE your interface configuration file        # more  /etc/udev/rules.d/70-persistent-net.rules        # vi /etc/sysconfig/network-scripts/ifcfg-eth0     Remove the MACADDR entry or update it to the new MACADDR for the interface (listed in this file: /etc/udev/rules.d/70-persistent-net.rules).    Remove the UUID entry     Uapdate IPADDR="192.168.8.xxx"--新地址     Save and exit the file    Restart the networking service    # service network restart

5.修改主机名和ip映射关系

    # vi /etc/hosts

6.关闭防火墙–参考文档：《虚拟机配置》

查看防火墙状态    # service iptables status命令关闭防火墙(重新启动虚拟机后防火墙依然是开着的)    # service iptables stop查看在哪种状态下 防火墙会是开的  还是关的    # chkconfig iptables --list启动方式：    0---关机  6--不停重启    1---单用户模式    2--多用户模式但没有NFS    3--多用户模式    4---没有使用的    5---图形界面模式关闭防火墙：    # chkconfig iptables off查看防火墙状态    # chkconfig iptables --list

7.ssh免登录–参考文档：《设置ssh免密码登录》，其中有讲免密码登录的原理

生成一对密码    注： 若是克隆机则需要把.ssh/目录下的文件删除        root用户在 /.ssh下        非root用户 /home/model/.ssh/下

        # sudo apt-get install openssh-server        #rm authorized_keys  id_rsa id_rsa.pub known_hosts         # ssh-keygen -t rsa           四个回车后        # cd /root/.ssh     or  # cd /home/model/.ssh/        # ls        # cp id_rsa.pub authorized_keys

8.安装jdk1.7–参考文档：《安装JDK》

8.1官网获取jdk1.7

    [官网获取jdk1.7](http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html)    [官网](http://www.oracle.com/technetwork/java/javase/)

8.2解压jdk安装包

# mkdir /usr/local/java# mkdir /usr/local/java/jdk# tar -zxvf jdk安装包 -C /usr/local/java/jdk/

8.3添加环境变量,在profile中添加以下内容

# vi /etc/profile        export JAVA_HOME=/usr/local/java/jdk/jdk1.7        export PATH=$PATH:$JAVA_HOME/bin        export JAVA_HOME=/usr/lib/jvm/jdk1.7          export JRE_HOME=${JAVA_HOME}/jre           export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib           export PATH=${JAVA_HOME}/bin:$PATH         export JAVA_HOME=/home/vitamin/software/jdk1.7.0_79         export JRE_HOME=${JAVA_HOME}/jre           export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib           export PATH=${JAVA_HOME}/bin:$PATH 

8.4刷新配置

    # source /etc/profile

9.安装hadoop-2.2.0

9.1下载和解压hadoop(注意hadoop版本要和jdk匹配)

[下载链接](http://archive.apache.org/dist/hadoop/core/)新建文件夹：    # mkdir /bigdata解压文件夹：    # tar -zxvf hadoop安装包 -C   /bigdata/***若解压后的文件所属用户不是root，则要进行以下步骤--参考网址： [网址](http://blog.chinaunix.net/uid-24612962-id-3759228.html)        递归修改一个目录及其目录下所有文件的所有者：

        # chown -R 用户名 文件目录名        # chgrp -R 用户名 文件目录名

***hadoop2.2.0目录说明：        hadoop-2.2.0/bin      可执行的脚本            /include  存放本地库的头文件            /sbin     启动 停止相关的文件            /etc      hadoop配置文件            /lib      本地的一些库            /share    依赖的java            /share /hadoop/                  /hdfs                  /yarn

9.2搭建伪分布式，修改目录(/bigdata/hadoop-2.2.0/etc/hadoop)下的配置文件–注意：主机名的修改，本文档中vitamin07要改为自己的主机名或者localhost

1）修改环境变量,在hadoop-env.sh添加以下内容

    # cd /bigdata/hadoop-2.2.0/etc/hadoop    # vi hadoop-env.sh    找到 export JAVA_HOME=......那行  更新为：        export JAVA_HOME=/usr/local/java/jdk/jdk1.7    保存退出。

2)修改 core-site.xml # vi core-site.xml

<configuration>        <!--指定hdfs的namenode地址-->            <property>                <name>fs.defaultFS</name>                 <value>hdfs://vitamin07:9000</value>                <description>the adress of namenode</description>            </property>        <!--指定hadoop运行时产生文件的存放目录(linux上具体某个目录)-->            <property>                <name>hadoop.tmp.dir</name>                <value>/bigdata/hadoop-2.2.0/tmp</value>                <description>the filespace where the producing file will be store </description>            </property>    </configuration>

3)修改 hdfs-site.xml # vi hdfs-site.xml

<configuration>        <!--指定hdfs的存储文件的副本数-->        <property>            <name>dfs.replication</name>             <value>1</value>            <description></description>        </property>    </configuration>

4)修改 mapred-site.xml.example 为:mapred-site.xml # mv mapred-site.xml.template mapred-site.xml

   # vi mapred-site.xml    <configuration>        <!--设置hadoop的MapReduce运行在yarn上 -->        <property>            <name>mapreduce.framework.name</name>             <value>yarn</value>            <description>mapreduce will run in yarn</description>        </property>    </configuration>

5)修改 yarn-site.xml # vi yarn-site.xml

<configuration>        <!-- 指定nameManager获取数据的方式是shuflle方式 -->        <property>            <name>yarn.nodemanager.aux-services</name>             <value>mapreduce_shuffle</value>            <description></description>        </property>        <!-- 指定yarn的管着者resourceManager的地址 -->        <property>            <name>yarn.resourcemanager.hostname</name>            <value>vitamin07</value>            <description></description>        </property>    </configuration>    

6)添加hadoop环境变量,在profile中更新以下内容

    # vi /etc/profile             export JAVA_HOME=/usr/local/java/jdk目录             export HADOOP_HOME=/bigdata/hadoop-2.2.0             export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin    # source   /etc/profile

7)格式化文件系统

    # Hdfs  namenode -format 格式化文件系统

8）启动hdfs和yarn

   sbin目录下：    # ./start-dfs.sh    # ./start-yarn.sh

9.2测试hdfs

             首先向hdfs上传一个文件

    # hadoop fs -put /etc/profile /profile    # hadoop fs -ls /

9.3测试MapReduce

    # hadoop jar /bigdata/hadoop-2.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /profile /out

多节点集群

hadoop2.0已经发布了稳定版本了，增加了很多特性，比如HDFS HA、YARN等。

/**********本次所用软件为：hadoop-2.2.0、CentOS6.4-i386、zookeeper-3.4.5、jdk-7u79-linux-i586***************************/

注意：apache提供的hadoop-2.2.0的安装包是在32位操作系统编译的，因为hadoop依赖一些C++的本地库，
所以如果在64位的操作上安装hadoop-2.2.0就需要重新在64操作系统上重新编译

1.修改Linux主机名

2.修改IP

3.修改主机名和IP的映射关系

######注意######如果你们公司是租用的服务器或是使用的云主机（如华为用主机、阿里云主机等）/etc/hosts里面要配置的是内网IP地址和主机名的映射关系    

4.关闭防火墙

5.ssh免登陆 (可先不做此步)

6.安装JDK，配置环境变量等

集群规划：
主机名 IP 安装的软件 运行的进程
vitamin01 192.168.1.201 jdk、hadoop NameNode、DFSZKFailoverController
vitamin02 192.168.1.202 jdk、hadoop NameNode、DFSZKFailoverController
vitamin03 192.168.1.203 jdk、hadoop ResourceManager
vitamin04 192.168.1.204 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
vitamin05 192.168.1.205 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
vitamin06 192.168.1.206 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain

说明：
在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态，以便能够在它失败时快速进行切换。
hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM。这里我们使用简单的QJM。在该方案中，主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数JournalNode即认为写入成功。通常配置奇数个JournalNode
这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为standby状态

7.集群安装步骤：

1.安装配置zooekeeper集群

1.1解压

            mkdir /bigdata        tar -zxvf zookeeper-3.4.5.tar.gz -C /bigdata/

1.2修改配置

        cd /bigdata/zookeeper-3.4.5/conf/        cp zoo_sample.cfg zoo.cfg        vim zoo.cfg             ***修改：dataDir=/bigdata/zookeeper-3.4.5/tmp        在最后添加：        server.1=vitamin04:2888:3888        server.2=vitamin05:2888:3888        server.3=vitamin06:2888:3888        保存退出        然后创建一个tmp文件夹        mkdir /bigdata/zookeeper-3.4.5/tmp        再创建一个空文件        touch /bigdata/zookeeper-3.4.5/tmp/myid        最后向该文件写入ID        echo 1 > /bigdata/zookeeper-3.4.5/tmp/myid

1.3将配置好的zookeeper拷贝到其他节点(首先分别在vitamin05、vitamin06根目录下创建一个bigdata目录：mkdir /bigdata)

        scp -r /bigdata/zookeeper-3.4.5/ vitamin05:/bigdata/        scp -r /bigdata/zookeeper-3.4.5/ vitamin06:/bigdata/        注意：修改vitamin05、vitamin06对应/bigdata/zookeeper-3.4.5/tmp/myid内容        vitamin05：            echo 2 > /bigdata/zookeeper-3.4.5/tmp/myid        vitamin06：            echo 3 > /bigdata/zookeeper-3.4.5/tmp/myid

2.安装配置hadoop集群

2.1解压

            mkdir /bigdata        tar -zxvf hadoop-2.2.0.tar.gz -C /bigdata/

2.2配置HDFS（hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下）

        #将hadoop添加到环境变量中        vim /etc/profile        export JAVA_HOME=/usr/java/jdk1.7.0_55        export HADOOP_HOME=/bigdata/hadoop-2.2.0        export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin        #hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下        cd /bigdata/hadoop-2.2.0/etc/hadoop

2.2.1修改hadood-env.sh # vi hadoop-env.sh

            export JAVA_HOME=/usr/local/java/jdk/jdk1.7

2.2.2修改core-site.xml # vi core-site.xml

            <configuration>                <!-- 指定hdfs的nameservice为ns1 -->                <property>                    <name>fs.defaultFS</name>                    <value>hdfs://ns1</value>                </property>                <!-- 指定hadoop临时目录 -->                <property>                    <name>hadoop.tmp.dir</name>                    <value>/bigdata/hadoop-2.2.0/tmp</value>                </property>                <!-- 指定zookeeper地址 -->                <property>                    <name>ha.zookeeper.quorum</name>                    <value>vitamin04:2181,vitamin05:2181,vitamin06:2181</value>                </property>            </configuration>

2.2.3修改hdfs-site.xml # vi hdfs-site.xml

            <configuration>                <!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 -->                <property>                    <name>dfs.nameservices</name>                    <value>ns1</value>                </property>                <!-- ns1下面有两个NameNode，分别是nn1，nn2 -->                <property>                    <name>dfs.ha.namenodes.ns1</name>                    <value>nn1,nn2</value>                </property>                <!-- nn1的RPC通信地址 -->                <property>                    <name>dfs.namenode.rpc-address.ns1.nn1</name>                    <value>vitamin01:9000</value>                </property>                <!-- nn1的http通信地址 -->                <property>                    <name>dfs.namenode.http-address.ns1.nn1</name>                    <value>vitamin01:50070</value>                </property>                <!-- nn2的RPC通信地址 -->                <property>                    <name>dfs.namenode.rpc-address.ns1.nn2</name>                    <value>vitamin02:9000</value>                </property>                <!-- nn2的http通信地址 -->                <property>                    <name>dfs.namenode.http-address.ns1.nn2</name>                    <value>vitamin02:50070</value>                </property>                <!-- 指定NameNode的元数据在JournalNode上的存放位置 -->                <property>                    <name>dfs.namenode.shared.edits.dir</name>                    <value>qjournal://vitamin04:8485;vitamin05:8485;vitamin06:8485/ns1</value>                </property>                <!-- 指定JournalNode在本地磁盘存放数据的位置 -->                <property>                    <name>dfs.journalnode.edits.dir</name>                    <value>/bigdata/hadoop-2.2.0/journal</value>                </property>                <!-- 开启NameNode失败自动切换 -->                <property>                    <name>dfs.ha.automatic-failover.enabled</name>                    <value>true</value>                </property>                <!-- 配置失败自动切换实现方式 -->                <property>                    <name>dfs.client.failover.proxy.provider.ns1</name>                    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>                </property>                <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制占用一行-->                <property>                    <name>dfs.ha.fencing.methods</name>                    <value>                        sshfence                        shell(/bin/true)                    </value>                </property>                <!-- 使用sshfence隔离机制时需要ssh免登陆 -->                <property>                    <name>dfs.ha.fencing.ssh.private-key-files</name>                    <value>/root/.ssh/id_rsa</value>                </property>                <!-- 配置sshfence隔离机制超时时间 -->                <property>                    <name>dfs.ha.fencing.ssh.connect-timeout</name>                    <value>30000</value>                </property>            </configuration>

2.2.4修改mapred-site.xml # cp mapred-site.xml.template mapred-site.xml # vi mapred-site.xml

            <configuration>                <!-- 指定mr框架为yarn方式 -->                <property>                    <name>mapreduce.framework.name</name>                    <value>yarn</value>                </property>            </configuration>    

2.2.5修改yarn-site.xml # vi yarn-site.xml

            <configuration>                <!-- 指定resourcemanager地址 -->                <property>                    <name>yarn.resourcemanager.hostname</name>                    <value>vitamin03</value>                </property>                <!-- 指定nodemanager启动时加载server的方式为shuffle server -->                <property>                    <name>yarn.nodemanager.aux-services</name>                    <value>mapreduce_shuffle</value>                </property>            </configuration>

2.2.6修改slaves(slaves是指定子节点的位置，因为要在vitamin01上启动HDFS、在vitamin03启动yarn，所以vitamin01上的slaves文件指定的是datanode的位置，vitamin03上的slaves文件指定的是nodemanager的位置)

            # cd /bigdata/hadoop-2.2.0/etc/hadoop            vitamin04            vitamin05            vitamin06

2.2.7配置免密码登陆

            #首先要配置vitamin01到vitamin02、vitamin03、vitamin04、vitamin05、vitamin06的免密码登陆            #在vitamin01上生产一对钥匙            ssh-keygen -t rsa            #将公钥拷贝到其他节点，包括自己            ssh-coyp-id vitamin01  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin01            ssh-coyp-id vitamin02  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin02            ssh-coyp-id vitamin03  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin03            ssh-coyp-id vitamin04  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin04            ssh-coyp-id vitamin05  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin05            ssh-coyp-id vitamin06  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin06            非root用户 ssh-coyp-id vitamin12   # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  model@vitamin12            #配置vitamin03到vitamin04、vitamin05、vitamin06的免密码登陆            #在vitamin03上生产一对钥匙            ssh-keygen -t rsa            #将公钥拷贝到其他节点              ssh-coyp-id vitamin03  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin03            ssh-coyp-id vitamin04  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin04            ssh-coyp-id vitamin05  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin05            ssh-coyp-id vitamin06  # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin06            #注意：两个namenode之间要配置ssh免密码登陆，别忘了配置vitamin02到vitamin01的免登陆            在vitamin02上生产一对钥匙            ssh-keygen -t rsa            ssh-coyp-id -i vitamin01   # /usr/bin/ssh-copy-id -i ~/.ssh/id_rsa.pub  root@vitamin01             

2.4将配置好的hadoop拷贝到其他节点

        scp -r /bigdata/ vitamin02:/        scp -r /bigdata/ vitamin03:/        scp -r /bigdata/hadoop-2.2.0/ root@vitamin04:/bigdata/        scp -r /bigdata/hadoop-2.2.0/ root@vitamin05:/bigdata/        scp -r /bigdata/hadoop-2.2.0/ root@vitamin06:/bigdata/    ###注意：严格按照下面的步骤

2.5启动zookeeper集群（分别在vitamin04、vitamin05、vitamin06上启动zk）

        cd /bigdata/zookeeper-3.4.5/bin/        ./zkServer.sh start        #查看状态：一个leader，两个follower        ./zkServer.sh status

2.6启动journalnode（在vitamin01上启动所有journalnode，注意：是调用的hadoop-daemons.sh这个脚本，注意是复数s的那个脚本）

        cd /bigdata/hadoop-2.2.0        sbin/hadoop-daemons.sh start journalnode        #运行jps命令检验，vitamin04、vitamin05、vitamin06上多了JournalNode进程

2.7格式化HDFS

        #在vitamin01上执行命令:        hdfs namenode -format        #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/bigdata/hadoop-2.2.0/tmp，然后将/bigdata/hadoop-2.2.0/tmp拷贝到vitamin02的/bigdata/hadoop-2.2.0/下。        scp -r tmp/ vitamin02:/bigdata/hadoop-2.2.0/

2.8格式化ZK(在vitamin01上执行即可)

        hdfs zkfc -formatZK

2.9启动HDFS(在vitamin01上执行)

        sbin/start-dfs.sh

2.10启动YARN(#####注意#####：是在vitamin03上执行start-yarn.sh，把namenode和resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就要分别在不同的机器上启动)

        sbin/start-yarn.sh到此，hadoop2.2.0配置完毕，可以统计浏览器访问:    http://192.168.8.201:50070    NameNode 'vitamin01:9000' (active)    http://192.168.8.202:50070    NameNode 'vitamin02:9000' (standby)验证HDFS HA    首先向hdfs上传一个文件    hadoop fs -put /etc/profile /profile    hadoop fs -ls /    然后再kill掉active的NameNode    kill -9 <pid of NN>    通过浏览器访问：http://192.168.8.202:50070    NameNode 'vitamin02:9000' (active)    这个时候vitamin02上的NameNode变成了active    在执行命令：    hadoop fs -ls /    -rw-r--r--   3 root supergroup       1926 2014-02-06 15:36 /profile    刚才上传的文件依然存在！！！    手动启动那个挂掉的NameNode    sbin/hadoop-daemon.sh start namenode    通过浏览器访问：http://192.168.8.201:50070    NameNode 'vitamin01:9000' (standby)验证YARN：    运行一下hadoop提供的demo中的WordCount程序：    hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /profile /outOK，大功告成！！！Secondary NameNode