从零开始搭建Hadoop2.7.1的分布式集群

Hadoop2.7.1,Hadoop的环境配置不是特别的复杂,但是确实有很多细节需要注意,不然会造成许多配置错误的情况。尽量保证一次配置正确防止反复修改。


操作环境说明

操作系统

  • 操作系统: window10
  • cpu: i7-6700k
  • 内存:16g

虚拟机版本:VMware12


ssh-keygen -t rsa -C “mmmwhy@qq.com”

材料准备

  • ubuntu-14.10-desktop-amd64.iso (Ubuntu 光盘映像)
  • hadoop-2.7.1.tar.gz (Hadoop 环境包)
    注意:
    ubuntu14.04有自带的java,版本是1.7,输入java -version即可查看
    mark
    如果没有安装java的话,网上找个安装java的文章即可,比如这篇

搭建开始

搭建开始

Vmware 创建虚拟机


根据Hadoop的调度规则,我们将使用VMware 12 加载 ubuntu….iso来创建三个Ubuntu 虚拟机。创建用典型安装即可。安装位置请选一个足够大的硬盘,预估需要50g。记住这个位置

这时我们先创建一个Ubuntu虚拟机,为什么这样稍后解释。

SSH 安装以及配置

先配置ubuntu镜像源

打开软件源文件

1
sudo gedit /etc/apt/sources.list

将以下内容替换到源文件(注意在清华大学网站上选择合适自己系统的版本)

1
2
3
4
5
6
7
8
9
10
11
12
13
# 默认注释了源码镜像以提高 apt update 速度,如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-security main restricted universe multiverse

# 预发布软件源,不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ trusty-proposed main restricted universe multiverse

更新软件源

1
sudo apt-get update

安装ssh

1
sudo apt-get install openssh-server

已有ssh或者安装成功了的输入命令

1
ps -e | grep ssh

验证SSH是否成功安装输入

1
ssh localhost

出现以下提示说明安装成功

注意,这个时候不是特权模式,特权模式反而会报错,因为我们设置的账户名其实不是root

生成密钥Pair

1
ssh-keygen -t rsa

输入后一直回车选择默认即可

mater主机中输入命令复制一份公钥到home中

1
cp .ssh/id_rsa.pub ~/id_rsa_master.pub

复制出两个虚拟机

到开始我们放置虚拟机的位置,复制两份放在旁边,然后用vm直接打开那两个文件夹。
这样可以生成三个一毛一样的虚拟机。

顺便给他们把名字改成各自的角色。
这样做的好处是不需要将之前的步骤重复进行多次,不容易出错。

配置 Hadoop (以下配置将仅仅在master主机上进行 )

  • 将解压缩好的hadoop-2.7.1文件夹拷贝到home根目录下面
  • 在hadoop-2.7.1文件夹下创建文件,输入
    1
    2
    3
    4
    mkdir hadoop-2.7.1/tmp
    mkdir hadoop-2.7.1/hdfs
    mkdir hadoop-2.7.1/hdfs/name
    mkdir hadoop-2.7.1/hdfs/data
  • 输入命令查看ip地址 ,三个都要看,找个小本本记下。
    1
    ifconfig -a

    eg. 我所使用的IP地址
    1
    2
    3
    192.168.232.36 master
    192.168.232.54 slave1
    192.168.232.79 slave2
  • 修改hosts
    1
    sudo gedit /etc/hosts

    三个ip地址和对应的角色写在hosts内
  • 修改hostname
    1
    sudo gedit /etc/hostname
    master 的改为 master
    slave1 的改为 slave1
    slave2 的改为 slave2

修改环境变量

1
cd ~/hadoop-2.7.1/

hadoop-env.sh

1
gedit etc/hadoop/hadoop-env.sh

找到JAVA_HOME=… 一行修改为Java HOME的路径

1
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-amd64

core-site.xml

1
gedit etc/hadoop/core-site.xml

在configuration标签中添加

1
2
3
4
5
6
7
8
9
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>

<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/mmmwhy/hadoop-2.7.1/tmp</value>
</property>

mapred-site.xml

创建并编辑

1
2
cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
gedit etc/hadoop/mapred-site.xml

在configuration标签中添加
1
2
3
4
5
6
7
8
9
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>

<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/mmmwhy/hadoop-2.7.1/tmp</value>
</property>

hdfs-site.xml

1
gedit etc/hadoop/hdfs-site.xml

在configuration标签中添加

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/mmmwhy/hadoop-2.7.1/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/mmmwhy/hadoop-2.7.1/hdfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:9001</value>
</property>

yarn-site.xml

1
gedit etc/hadoop/yarn-site.xml

在configuration标签中添加

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:8088</value>
</property>

slaves文件

1
gedit etc/hadoop/slaves

删除原有内容,根据配置修改,此处为

1
2
slave1
slave2

  • 分发配置好的hadoop文件夹到slave1, slave2
    前提是设置好ssh
    1
    2
    scp -r hadoop-2.7.1 mmmwhy@slave1:~/ 
    scp -r hadoop-2.7.1 mmmwhy@slave2:~/
    应该出现一大堆看起来非常厉害的东西。
  • 格式化hdfs
    进入hadoop home目录
    1
    bin/hdfs namenode -format
  • 启动集群
    1
    sbin/start-all.sh
    启动后分别在master, slave下输入jps查看进程

    如上则说明启动成功

集群测试

1
2
3
4
5
6
7
8
echo hellecho hello world >> in1.txt hadoop >> in2.txt
cd ~/mmmwhy/hadoop-2.7.1/
bin/hadoop fs -mkdir /usr
bin/hadoop fs -mkdir /usr/input
bin/hadoop fs -put in1.txt /usr/input
bin/hadoop fs -put in2.txt /usr/input
#执行Hadoop内置example测试程序
bin/hadoop jar ~/hadoop-2.7.1/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /usr/input /usr/output

然后进入 http://localhost:50070/explorer.html#/usr/input
就可以看到

运行wordcount测试

进入hadoop home目录
在hdfs(分布式文件系统)中创建一个名为input的文件夹

1
bin/hadoop fs -mkdir /input

查看文件是否被创建
1
bin/hadoop fs -ls /

hadoop home 下创建一个inputfile 文件夹,并在inputfile里创建两个文件
in1.txt
1
Hello world hello hadoop

in2.txt
1
Hello Hadoop hello whatever

上传两个文件进input
1
bin/hadoop fs -put inputfile/*.txt /input

查看输入文件是否传入
1
bin/hadoop fs -ls /input


用hadoop jar命令运行Hadoop自带的wordcount
1
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /input /output


程序开始运行,成功后查看输出文件夹

1
2
bin/hadoop fs -ls /output
bin/hadoop fs -cat /output/part-r-00000

至此hadoop分布式集群配置完成!本文主体内容转自CSDN,原作者写的非常好,但是有一些小问题,做到一半的时候花式报错,因此自己写了一份,修正了其中一些问题。

从零开始搭建Hadoop2.7.1的分布式集群

https://iii.run/archives/67d83b60c17e.html

作者

mmmwhy

发布于

2017-05-28

更新于

2022-10-08

许可协议

评论