hadoop2.5.1集群部署（完全分布式）

妖狐艹你老母 2022-08-06 01:12 208阅读 0赞

# hadoop2.5完全分布式 #

## **环境介绍：** ##

环境介绍：3台虚拟机安装centos6.464位、jdk1.7 64位、hadoop2.5.1 64位

## **主机配置规划** ##

1． **修改主机名和/etc/hosts文件**

1）修改主机名（非必要）

vi /etc/sysconfig/network  
    HOSTNAME=m1

重启后生效。

2）/etc/hosts是ip地址和其对应主机名文件，使机器知道ip和主机名对应关系，格式如下：

修改/etc/hosts文件，增加如下地址映射：

192.168.0.108        m1
    192.168.0.109        s1
    192.168.0.110        s2

## **2****．配置免密码登陆SSH** ##

1）生成密钥：

ssh-keygen -t dsa -P '' -f ~/.ssh/id\_dsa

以上是两个单引号。

2）将id\_dsa.pub（公钥）追加到授权的key中：

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

3）将认证文件复制到其它节点上：

scp ~/.ssh/authorized_keys 192.168.0.109:~/.ssh/  
    scp ~/.ssh/authorized_keys 192.168.0.110:~/.ssh/

3）测试：

ssh s1

## **3．各节点上安装jdk** ##

1 ）选择的版本是 jdk-7u71-linux-x64.tar.gz ，   
2 ）上传到 usr/local/download 用户目录下，添加执行权限

chmod u+x jdk-7u71-linux-x64.tar.gz

4） 安装

tar –zvxf jdk-7u71-linux-x64.tar.gz–C /usr/local/program/

重命名jdk为jdk1.7 (用mv命令)

5） 配置环境变量：vi /etc/profile加入以下三行

#JAVA_HOME  
    export JAVA_HOME=/usr/local/program/jdk1.7  
    export PATH=$JAVA_HOME/bin:$PATH

5）执行source /etc/profile使环境变量的配置生效  
6）执行java –version查看jdk版本，验证是否成功。

## **4. Hadoop安装** ##

每台节点都要安装hadoop。上传hadoop-2.5.1.tar.gz到用户usr/local/download目录下。

1） 解压

tar -zvxf hadoop-2.5.1.tar.gz  -C/usr/local/program/

2） 添加环境变量：vi  /etc/profile，尾部添加如下

export JAVA_HOME=/usr/local/program/jdk1.7
    exportHADOOP_HOME=/usr/local/program/hadoop-2.5.1
    export HADOOP_COMMON_HOME=$HADOOP_HOME
    export HADOOP_HDFS_HOME=$HADOOP_HOME
    export HADOOP_MAPRED_HOME=$HADOOP_HOME
    export HADOOP_YARN_HOME=$HADOOP_HOME
    exportHADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
     
    exportCLASSPATH=.:$JAVA_HOME/lib:$HADOOP_HOME/lib:$CLASSPATH
    exportPATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

设置立即生效：

source /etc/profile

3） 修改Hadoop配置文件

（1） core-site.xml

<configuration>
    
          <property>
    
                   <name>fs.defaultFS</name>
    
                   <value>hdfs://m1:9000</value>
    
           </property>
    
           <property>
    
                   <name>hadoop.tmp.dir</name>
    
                   <value>file:/usr/local/program/hadoop_tmp</value>
    
           </property>
    
    </configuration>

（2）    hdfs-site.xml

<configuration>
    
           <property>
    
                   <name>dfs.replication</name>
    
                    <value>1</value>
    
           </property>
    
           <property>
    
                    <name>dfs.namenode.secondary.http-address</name>
    
                   <value>m1:9001</value>
    
           </property>
    
           <property>
    
                  <name>dfs.namenode.name.dir</name>
    
                   <value>file:/usr/local/program/dfs/name</value>
    
           </property>
    
            <property>
    
                   <name>dfs.datanode.data.dir</name>
    
                   <value>file:/usr/local/program/dfs/data</value>
    
           </property>
    
           <property>
    
                   <name>dfs.webhdfs.enabled</name>
    
                    <value>true</value>
    
           </property>
    
    </configuration>

注：访问namenode的hdfs使用50070端口，访问datanode的webhdfs使用50075端口。要想不区分端口，直接使用namenode的IP和端口进行所有的webhdfs操作，就需要在所有的datanode上都设置hdfs-site.xml中的dfs.webhdfs.enabled为true。

（3） mapred-site.xml

<configuration>
    
           <property>
    
                 <name>mapreduce.framework.name</name>
    
                    <value>yarn</value>
    
          </property>
    
           <property>
    
                 <name>mapreduce.jobhistory.address</name>
    
                   <value>m1:10020</value>
    
           </property>
    
           <property>
    
                   <name>mapreduce.jobhistory.webapp.address</name>
    
                   <value>m1:19888</value>
    
           </property>
    
    </configuration>

jobhistory是Hadoop自带了一个历史服务器，记录Mapreduce历史作业。默认情况下，jobhistory没有启动，可用以下命令启动：

sbin/mr-jobhistory-daemon.sh start historyserver

（4）    yarn-site.xml

<configuration>
    
    
    
          <property>
    
                  <name>yarn.nodemanager.aux-services</name>
    
              <value>mapreduce_shuffle</value>
    
           </property>
    
           <property>
    
                   <name>yarn.resourcemanager.address</name>
    
                   <value>m1:8032</value>
    
           </property>
    
           <property>
    
                  <name>yarn.resourcemanager.scheduler.address</name>
    
                   <value>m1:8030</value>
    
            </property>
    
           <property>
    
                   <name>yarn.resourcemanager.resource-tracker.address</name>
    
                   <value>m1:8031</value>
    
           </property>
    
           <property>
    
                   <name>yarn.resourcemanager.admin.address</name>
    
                   <value>m1:8033</value>
    
           </property>
    
           <property>
    
                   <name>yarn.resourcemanager.webapp.address</name>
    
                   <value>m1:8088</value>
    
           </property>
    
    </configuration>

（5） slaves

S1  
    
    S2

（6） 分别在hadoop-env.sh和yarn-env.sh中添加JAVA\_HOME

export JAVA_HOME=/usr/local/program/jdk1.7

## **5.运行Hadoop** ##

1）格式化

hdfs namenode –format

2） 启动Hadoop

start-dfs.sh   
    
    start-yarn.sh

也可以用一条命令：

start-all.sh

3） 停止Hadoop

stop-all.sh

4）jps查看进程

1.  7692 ResourceManager  
    
    2.  8428 JobHistoryServer  
    
    3.  7348 NameNode  
    
    4.  14874 Jps  
    
    5.  7539 SecondaryNameNode

5 ）通过浏览器查看集群运行状态

（1）[http://192.168.0.108:50070][http_192.168.0.108_50070]

![Center][]

（2）[http://192.168.0.108:8088/][http_192.168.0.108_8088]

![Center 1][]

（3）192.168.0.108:19888

![Center 2][]

## 6. 运行Hadoop自带的wordcount示例 ##

1）建立输入文件：

1.  vi wordcount.txt 
    
    2.  输入内容为：
    
    3.  hello you 
    
    4.  hello me
    
    5.  hello everyone

2）建立目录

hadoop fs -mkdir /data/wordcount
    
    hadoop fs –mkdir /output/

目录 /data/wordcount 用来存放 Hadoop 自带的 WordCount 例子的数据文件，运行这个 MapReduce 任务的结果输出到 /output/wordcount 目录中。

3）上传文件

hadoop fs -put wordcount.txt/data/wordcount/

4）执行wordcount程序

hadoop jar usr/local/program/Hadoop-2.5.1/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.1.jar wordcount /data/wordcount /output/wordcount/

5）查看结果

hadoop fs -text /output/wordcount/part-r-00000

1.   [root@m1mydata]# hadoop fs -text /output/wordcount/part-r-00000
    
    2.  everyone        1
    
    3.  hello  3
    
    4.  me     1
    
    5.  you    1

[http_192.168.0.108_50070]: http://192.168.0.108:50070
[Center]: /images/20220806/dba79cc26b07492a8fcfadcb98945fe1.png
[http_192.168.0.108_8088]: http://192.168.0.108:8088/
[Center 1]: /images/20220806/724696bf768d42508f7c8896eaeaf5a0.png
[Center 2]: /images/20220806/64567a0b80fc4925a2bc33bba47154ba.png