hadoop完全分布式集群安装

清疚 2022-08-21 08:56 269阅读 0赞

因为机器学习，接触到了数据挖掘；因为数据挖掘，接触到了大数据；因为大数据，接触到了hadoop。之前有过hadoop的简单了解，但都是基于别人提供的hadoop来学习和使用，虽然也很好用 ，终究不如自己的使用起来方便 。经过这两天参考大量网上的经验，终于成功的搭建了自己的hadoop完全分布式环境。现在我把所有的安装思路、安装过程中的截图以及对待错误的经验总结出来，相信安装这个思路去做，hadoop安装就不再是一件困难的事。  
我自己是搭建的完全分布式的hadoop，就涉及到了创建若干个虚拟机并使它们能够互通。所以我整个hadoop安装能够分为三个独立的部分：1、linux 虚拟机详细搭建过程；2、hadoop完全分布式集群安装；3、hadoop 自带示例wordcount 的具体运行步骤。本文介绍第二部分。

## 1. Hadoop 介绍 ##

Hadoop是APache软件基金会旗下的的开源分布式计算平台。以Hadoop 分布式文件系统HDFS(Hadoop Distributed File System) 和MapReduce 为核心，为用户提供了系统底层细节透明的分布式基础架构。  
对于Hadoop集群来说，分为两大类角色：Master 和 Slave 。一个HDFS集群是由一个NameNode 和若干个DataNode 组成。其中NameNode 作为主服务器，管理文件系统的命名空间和客户端对文件系统的访问操作；集群中的DataNode 管理存储的数据。 MapReduce 框架是由一个单独运行在主节点的JobTracker和运行在每个从节点的TaskTracker 共同组成的。主节点负责调度构成一个作业的所有任务，这些任务分布在不同的从节点上。主节点监控从节点的执行情况，并且重新执行之前的失败任务。当一个Job被提交，JobTracker 接收到提交作业和配置信息之后，就会将配置信息等分发给从节点，同时调度任务并监控TaskTracker的执行。  
从上面可以看出，HDFS和MapReduce 共同组成了Hadoop分布式系统体系结构的核心。HDFS 在集群上实现了分布式文件系统，MapReduce 在集群上实现了分布式计算和任务处理。HDFS 为MapReduce任务处理过程中提供了文件操作和存储等支持，MapReduce 在HDFS的基础上实现了任务的分发、跟踪、执行等操作，并收集结果，二者相互作用，完成了Hadoop分布式集群的主要任务。

## 2. 配置hosts文件 ##

在上一篇文章中，我已经详细介绍了我的虚拟机搭建和配置过程。我一共使用了三个虚拟机，其中，一个作为Master ,二个作为Salve ,三个节点之间已经能够实现ping通。  
先简单说明下配置hosts文件的作用，它主要用于确定每个结点的IP地址，master结点能快速查到并访问各个结点。在上述3个虚机结点上均需要配置此文件。由于需要确定每个结点的IP地址，所以在配置hosts文件之前需要先查看当前虚机结点的IP地址是多少，可以通过ifconfig命令进行查看，如本实验中，node1结点的IP地址为：  
![这里写图片描述][20160425205352170]  
在获取到每个结点的IP地址后，就可以配置hosts文件了，hosts文件路径为 /etc/hosts，我的hosts文件配置如下，大家可以参考自己的IP地址以及相应的主机名完成配置  
节点的IP地址分布如下所示：

![这里写图片描述][20160425205714905]

这样在三个虚拟机上配置完成之后，我们再让他们相互连接时就不需要再输入ip地址了，而是直接输入主机名字，下面是我使用master去ping node1的情况

![这里写图片描述][20160426101949279]

## 3. 建立Hadoop 运行账号 ##

即为hadoop集群专门设置一个用户组及用户：

groupadd hadoop    //设置hadoop用户组
    useradd –s /bin/bash –d /home/hadoop –m hadoop –g hadoop  //添加一个hadoop用户，此用户属于hadoop用户组
    passwd hadoop   //设置用户登录密码

![这里写图片描述][20160425210230241]  
上述3个虚机结点均需要进行以上步骤来完成hadoop运行帐号的建立。

## 4. ssh 无密码验证配置 ##

Master（NameNode | JobTracker）作为客户端，要实现无密码公钥认证，连接到服务器Salve（DataNode | Tasktracker）上时，需要在Master上生成一个密钥对，包括一个公钥和一个私钥，而后将公钥复制到所有的Slave上。当Master通过SSH连接Salve时，Salve就会生成一个随机数并用Master的公钥对随机数进行加密，并发送给Master。Master收到加密数之后再用私钥解密，并将解密数回传给Slave，Slave确认解密数无误之后就允许Master进行连接了。这就是一个公钥认证过程，其间不需要用户手工输入密码。  
网上有教程说在配置ssh 无密码连接之前，先关闭各虚拟节点防火墙，我个人没有做，也没有问题。

### 4.1 检查Linux是否安装ssh ###

检查ssh是否安装，执行如下命令，如果出现了下面的几条信息，则表示已经安装。我Linux的centos7.0 默认带ssh,如果你发现没有安装，需要先安装ssh，安装完毕后再使用此命令检查。

![这里写图片描述][20160426104018166]

### 4.2 每个结点分别产生公私密钥。 ###

下面我介绍一下master节点下需要执行的命令，其他两个节点执行同样操作即可。

ssh-keygen -t rsa -P ''#运行后询问其保存路径时直接回车采用默认路径,生成的密钥对：id_rsa（私钥）和id_rsa.pub（公钥），默认存储在"/home/hadoop/.ssh"目录下。

![这里写图片描述][20160426104755130]

查看”/home/hadoop/”下是否有”.ssh”文件夹，且”.ssh”文件下是否有两个刚生产的无密码密钥对。  
![这里写图片描述][20160426104908256]  
接着在Master节点上做如下配置，把id\_rsa.pub追加到授权的key里面去。

cat id_rsa.pub >> authorized_keys#把id_rsa.pub追加到授权的key里面去
    chmod 600 authorized_keys#设置该文件的权限

![这里写图片描述][20160426105156666]

切换到root用户登录修改ssh配置文件”/etc/ssh/sshd\_config”的下列内容。  
检查下面几行前面”\#”注释是否取消掉：

LoginGraceTime 2m
    PermitRootLogin yes
    StrictModes yes
    RSAAuthentication yes
    PubkeyAuthentication yes
    AuthorizedKeysFile  %h/.ssh/authorized_keys

![这里写图片描述][20160426105543556]

设置完之后记得重启SSH服务，才能使刚才设置有效。  
![这里写图片描述][20160426105922495]

退出root登录，使用普通用户验证是否设置成功。  
![这里写图片描述][20160426110111620]

登陆成功之后注销退出。  
![这里写图片描述][20160426110229043]

master节点已经设置完毕。用上述同样的方法在剩下的两个结点中同样操作即可。

### 4.3 主结点能通过SSH免密码登录两个子结点 ###

接下来的事儿是让主结点(master)能通过SSH免密码登录两个子结点（slave），为了实现这个功能，两个slave结点的公钥文件中必须要包含主结点的公钥信息，这样当master就可以顺利安全地访问这两个slave结点了。(这一步只在master上操作，使得master能够ssh免密码登陆)

ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop@node1#命令执行后需要输入node1 的登陆密码
    ssh hadoop@node1 #验证是否能够免密码登陆

对node2结点也可以用同样的方法进行，下图分别是对node1和node2的操作过程。  
对node1的操作过程：  
![这里写图片描述][20160426111413547]

对node2的操作过程：  
![这里写图片描述][20160426111434398]  
至此，SSH免密码登录已经配置成功。

## 5. Java环境安装 ##

所有的机器上都要安装JDK，现在就先在Master服务器安装，然后其他服务器按照步骤重复进行即可。安装JDK以及配置环境变量，需要以”root”的身份进行。  
因为centos7 预装了Open JDK ,但还是推荐用Oracle JDK,所以第一步是查看系统里的JDK ,如果出现了openjdk ,则卸载。查看和卸载的操作如下：  
![这里写图片描述][20160426152754110]  
出现了openjdk ,两个都需要卸载，执行命令是yum -y remove xxx。xxx为以上返回的结果。  
![这里写图片描述][20160426152731460]  
![这里写图片描述][20160426152924257]

卸载完毕后将已经下载好的”jdk-7u67-linux-x64.tar.gz”复制到”/opt”文件夹中，然后解压即可。查看”/opt”下面会发现多了一个名为”jdk1.7.0\_67”文件夹，说明我们的JDK安装结束，删除”jdk-7u67-linux-x64.tar.gz”文件。  
注：复制过程我是从windows 系统传到了虚拟机master中，使用的是xftp4软件，非常方便能够连接虚拟机并传送文件，其中需要注意的是在新建连接中把协议改为sftp。  
上述过程中的解压和删除的操作如下：  
![这里写图片描述][20160426154136690]

![这里写图片描述][20160426154059939]

配置环境变量:  
![这里写图片描述][20160426154226691]

![这里写图片描述][20160426154325349]  
使配置立即生效：  
![这里写图片描述][20160426154514060]

验证效果：  
![这里写图片描述][20160426154716449]  
注：以上这些步骤要分别在三台机器上执行。由于当时安装过程中截图保存不全，查看和卸载的操作我用的master的截图，从解压开始的操作我是用的node1的截图。大家看操作命令，忽视掉主机名就行了。

## 6. Hadoop集群安装 ##

### 6.1 安装Hadoop ###

到目前为止，准备工作已经完成，现在我们可以开始安装和配置Hadoop了。  
首先用root用户登录”master”机器，将下载的”hadoop-1.2.1.tar.gz”复制到/usr目录下。然后进入”/usr”目录下，用下面命令把”hadoop-1.2.1.tar.gz”进行解压，并将其重命名为”hadoop”，把该文件夹的读权限分配给普通用户hadoop，然后删除”hadoop-1.2.1.tar.gz”安装包。

cd /usr
    tar –xzvf hadoop-1.2.1.tar.gz
    mv hadoop-1.2.1 hadoop
    chown –R hadoop:hadoop hadoop #将文件夹"hadoop"读权限分配给hadoop普通用户
    rm -rf hadoop-1.2.1.tar.gz

最后在”/usr/hadoop”下面创建tmp文件夹，并把Hadoop的安装路径添加到”/etc/profile”中，修改”/etc/profile”文件，将以下语句添加到末尾，并使其生效(source /etc/profile)：

export HADOOP_HOME=/usr/hadoop
    export PATH=$PATH:$HADOOP_HOME/bin

![这里写图片描述][20160426160443616]  
![这里写图片描述][20160426160604054]  
![这里写图片描述][20160426160616224]

下面两张图，第一张图是编辑”/etc/profile”文件和使之生效的命令。  
第二张图是进入编辑之后，要添加的内容，添加的是后两行，前两行已经添加过了。  
![这里写图片描述][20160426160801711]

![这里写图片描述][20160426160659960]

在master上执行完毕以上操作之后，还需要在另两个机器上执行同样操作。

### 6.2 Hadoop配置 ###

所需要配置的文件均存放在/hadoop/conf文件夹里。  
（1）配置hadoop-env.sh  
该”hadoop-env.sh”文件位于”/usr/hadoop/conf”目录下。  
在文件中修改下面内容：  
`` ` export JAVA_HOME=/opt/jdk1.7.0_67``  
![这里写图片描述][20160426161506229]  
(2）配置core-site.xml文件  
修改Hadoop核心配置文件core-site.xml，这里配置的是HDFS master（即namenode）的地址和端口号。  
![这里写图片描述][20160426161648332]  
（3）配置hdfs-site.xml文件  
修改Hadoop中HDFS的配置，配置的备份方式默认为3。他是指配置文件的冗余数，不能大于slave个数，因此设置为2。  
![这里写图片描述][20160426162651705]  
**上图中有两处要改动一下，把/usr/hadoop/dfs/name中的dfs 改成hdfs**  
**把/usr/hadoop/dfs/data 中的dfs 改成hdfs。**因为这里我在没改的情况下Hadoop启动之后有一个进程启不了，查看了logs日志之后说是文件名不一致，我就改了这里，就好了。  
（4）配置mapred-site.xml文件  
修改Hadoop中MapReduce的配置文件，配置的是JobTracker的地址和端口。  
![这里写图片描述][20160426163052110]  
（5）配置masters文件  
修改localhost为master  
![这里写图片描述][20160426163256096]  
（6）配置slaves文件  
去掉”localhost”，每行添加一个主机名，把剩余的Slave主机名都填上。  
![这里写图片描述][20160426163315884]

现在在Master机器上的Hadoop配置就结束了，剩下的就是配置Slave机器上的Hadoop。最简单的方法是将 Master上配置好的hadoop所在文件夹”/usr/hadoop”复制到所有的Slave的”/usr”目录下用下面命令格式进行  
`scp -r /usr/hadoop root@node2:/usr/`  
![这里写图片描述][20160426164400147]  
查看node2服务器的”/usr”目录下是否已经存在”hadoop”文件夹，确认已经复制成功。查看结果如下：  
![这里写图片描述][20160426164710371]

执行完对node2操作之后，再对node1 的传输和验证执行同样操作。

## 7. Hadoop启动和验证 ##

### 7.1 格式化HDFS文件系统 ###

**这一步只在主结点master上进行操作：**  
![这里写图片描述][20160426165501147]

### 7.2 启动hadoop ###

在启动前关闭集群中所有机器的防火墙，使用下面命令启动。  
![这里写图片描述][20160426165636743]  
可以通过以下启动日志看出，首先启动namenode 接着启动datanode1，datanode2，…，然后启动secondarynamenode。再启动jobtracker，然后启动tasktracker1，tasktracker2，…。

### 7.3 验证hadoop ###

验证方法一：用”jps”命令  
![这里写图片描述][20160426165831527]  
验证方式二：用”hadoop dfsadmin -report”  
![这里写图片描述][20160426165943139]  
这个图没有显示完全，下面还有node2 的情况.

### 7.4 网页查看集群 ###

（1）访问”[http://172.16.10.15:50030][http_172.16.10.15_50030]”  
![这里写图片描述][20160426170155404]  
（2）访问”[http://172.16.10.15:50070][http_172.16.10.15_50070]”  
![这里写图片描述][20160426170204657]

## 8.参考文献 ##

1.  [http://www.cnblogs.com/lanxuezaipiao/p/3525554.html][http_www.cnblogs.com_lanxuezaipiao_p_3525554.html]
2.  [http://blog.csdn.net/ab198604/article/details/8250461][http_blog.csdn.net_ab198604_article_details_8250461]
3.  [http://www.cnblogs.com/shishanyuan/p/4147580.html][http_www.cnblogs.com_shishanyuan_p_4147580.html]
4.  [http://blog.csdn.net/weixuehao/article/details/15813681][http_blog.csdn.net_weixuehao_article_details_15813681]
5.  [http://www.cnblogs.com/fabulousyoung/p/4074197.html][http_www.cnblogs.com_fabulousyoung_p_4074197.html]
6.  [http://xubindehao.iteye.com/blog/1395580][http_xubindehao.iteye.com_blog_1395580]
7.  [http://blog.csdn.net/hpuyancy/article/details/12685657][http_blog.csdn.net_hpuyancy_article_details_12685657]

[20160425205352170]: /images/20220724/15c04c295df7492ba4bec54736d53c62.png
[20160425205714905]: /images/20220724/f44bc97a25b74f888bb1ff6e879c74fe.png
[20160426101949279]: /images/20220724/d7f1b8ab95df4079aa30748aeeb8ca9b.png
[20160425210230241]: /images/20220724/770340a44be24bbfb1f8abd8e467a0ba.png
[20160426104018166]: /images/20220724/e37abec13afd4e7c871960b5c7152b4e.png
[20160426104755130]: /images/20220724/d6fc77dec1dc45a68da8f2c4510c30d7.png
[20160426104908256]: /images/20220724/0539236573c54810b3d6082778e97104.png
[20160426105156666]: /images/20220724/96a9879e0f2d4a33aed869f0c23c4b82.png
[20160426105543556]: /images/20220724/b54dd3aabb3c4636ac8a08f72ecd58be.png
[20160426105922495]: /images/20220724/1985b123c99743c7bfd651b9f280c1e4.png
[20160426110111620]: /images/20220724/184f9365f49a496b9bfbc8c5bd360e15.png
[20160426110229043]: /images/20220724/1154e9b875ec46a18916086868ce8f33.png
[20160426111413547]: /images/20220724/ba9b0a449d924fd394c247ea58485d67.png
[20160426111434398]: /images/20220724/0b7354c7428b496181c0f3beb02a8022.png
[20160426152754110]: /images/20220724/5203a846eb234a8fbf6fdf5760858dcd.png
[20160426152731460]: /images/20220724/f947a71128e24552897e6402d9f40789.png
[20160426152924257]: /images/20220724/e2741b8b4fde413eaec9e17d0de1ba6a.png
[20160426154136690]: /images/20220724/5913ac518e0d4fd092d9f67b061410e0.png
[20160426154059939]: /images/20220724/405225b386c94a9e94b7558f215db6a9.png
[20160426154226691]: /images/20220724/10ea810d3e8c4c31a45a1f21a923326d.png
[20160426154325349]: /images/20220724/0dd3986bd7c1409f868e81f7acdde90d.png
[20160426154514060]: /images/20220724/7bb1f0b595714f8aa02f1d0827e51d44.png
[20160426154716449]: /images/20220724/0458e333c80f49fdb71670f210a97221.png
[20160426160443616]: /images/20220724/6da32c3c5b2c400796dffbdf9fe9457a.png
[20160426160604054]: /images/20220724/acbba7369bc241d0a15dc6dc4131d0ed.png
[20160426160616224]: /images/20220724/9f89458d3dcc4b9e99493144bc1e6c4d.png
[20160426160801711]: /images/20220724/87515b6a7cf74d1ea9bb0571e884374d.png
[20160426160659960]: /images/20220724/8819f58e84744f39a3437e5e487cbc8d.png
[20160426161506229]: /images/20220724/4f027953d4574ec0ab324b466d0a7162.png
[20160426161648332]: /images/20220724/154a9b99d7f741fba578f2f7d7f22e19.png
[20160426162651705]: /images/20220724/460a7f23dc8a4bef8ef070cee608764b.png
[20160426163052110]: /images/20220724/3755d46acc3d4590bb4997f22ffc0248.png
[20160426163256096]: /images/20220724/79f53c8504ec4e76b049065e32d2a3ea.png
[20160426163315884]: /images/20220724/e51670aff4bc4ec6999b16473bdb02e5.png
[20160426164400147]: /images/20220724/e4b22e5f70304de6bd9b281cf8694a4a.png
[20160426164710371]: /images/20220724/413e3ede75824f569935427a4189018f.png
[20160426165501147]: /images/20220724/c92c3b79abc74dffa594c740ce03ff34.png
[20160426165636743]: /images/20220724/3dfa336ff6854dec9861299dccaf5953.png
[20160426165831527]: /images/20220724/ba69d443dca04459bf41c920d6b6c51d.png
[20160426165943139]: /images/20220724/efff508e1a2b4d9695ccb81c8c783b18.png
[http_172.16.10.15_50030]: http://172.16.10.15:50030
[20160426170155404]: /images/20220724/2d864bc9d3734c47a97c50dd00f66bbd.png
[http_172.16.10.15_50070]: http://172.16.10.15:50070
[20160426170204657]: /images/20220724/002fd6f1fd794cb2bf3410da82f2364e.png
[http_www.cnblogs.com_lanxuezaipiao_p_3525554.html]: http://www.cnblogs.com/lanxuezaipiao/p/3525554.html
[http_blog.csdn.net_ab198604_article_details_8250461]: http://blog.csdn.net/ab198604/article/details/8250461
[http_www.cnblogs.com_shishanyuan_p_4147580.html]: http://www.cnblogs.com/shishanyuan/p/4147580.html
[http_blog.csdn.net_weixuehao_article_details_15813681]: http://blog.csdn.net/weixuehao/article/details/15813681
[http_www.cnblogs.com_fabulousyoung_p_4074197.html]: http://www.cnblogs.com/fabulousyoung/p/4074197.html
[http_xubindehao.iteye.com_blog_1395580]: http://xubindehao.iteye.com/blog/1395580
[http_blog.csdn.net_hpuyancy_article_details_12685657]: http://blog.csdn.net/hpuyancy/article/details/12685657