Hadoop集群搭建
一、准备
- 三台虚拟机：master01，node1,node2
- 时间同步
- 1.date命令查看三台虚拟机时间是否一致 2.不一致时间同步：ntpdate ntp.aliyun.com
- 调整时区
- cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
- 查看jdk
- java-version
- 修改主机名
- 三台分别执行vim /etc/hostname 修改为指定的主机名
- 关闭防火墙
- systemctl stop firewalld
- 查看防火墙状态
- systemctl status firewalld
- 取消防火墙自启
- systemctl disable firewalld
- 静态ip设置
- 手动编辑配置文件
- 1、编辑网络配置文件 vim /etc/sysconfig/network-scripts/ifcfg-ens33 TYPE=Ethernet BOOTPROTO=static HWADDR=00:0C:29:E2:B8:F2 NAME=ens33 DEVICE=ens33 ONBOOT=yes IPADDR=192.168.137.150 GATEWAY=192.168.137.2 NETMASK=255.255.255.0 DNS1=192.168.190.2 DNS2=223.6.6.6 需要修改：HWADDR（mac地址,centos7不需要手动指定mac地址） IPADDR（根据自己的网段，自定义IP地址） GATEWAY（根据自己的网段填写对应的网关地址） 2、关闭NetworkManager，并取消开机自启 systemctl stop NetworkManager systemctl disable NetworkManager 3、重启网络服务 systemctl restart network
- 配置免密登录
- 1、生成密钥 ssh-keygen -t rsa 2、配置免密登录 ssh-copy-id master01 ssh-copy-id node1 ssh-copy-id nade2 3、测试免密登录 ssh node1
- 配置映射文件：/etc/hosts
- 192.168.137.150 master01 192.168.137.160 node1 192.168.137.170 node2
二、搭建Hadoop集群
1、上传安装包并解压
cd /usr/local/soft/解压：tar -zxvf
2、配置环境变量
vim /etc/propfile
重新加载环境变量source /etc/profile
3、修改Hadoop配置文件
cd /usr/local/soft/hadoop-2.7.6/etc/hadoop
- 配置hadoop-env.sh
- 配置core-site.xml
- fs.defaultFS： 默认文件系统的名称。其方案和权限决定文件系统实现的URI。uri的方案确定命名文件系统实现类的配置属性（fs.scheme.impl）。uri的权限用于确定文件系统的主机、端口等。
- hadoop.tmp.dir：是 hadoop文件系统依赖的基本配置，很多配置路径都依赖它，它的默认位置是在 /tmp/{$user}下面，注意这是个临时目录！！！
- 因此，它的持久化配置很重要的！ 如果选择默认，一旦因为断电等外在因素影响，/tmp/{$user}下的所有东西都会丢失。
- fs.trash.interval：启用垃圾箱配置，dfs命令删除的文件不会立即从HDFS中删除。相反，HDFS将其移动到垃圾目录（每个用户在/user//.Trash下都有自己的垃圾目录）。只要文件保留在垃圾箱中，文件可以快速恢复。
- fs.defaultFS hdfs://master01:9000 hadoop.tmp.dir /usr/local/soft/hadoop-2.7.6/tmp fs.trash.interval 1440
- 配置hdfs-site.xml
- dfs.replication：每个datanode上只能存放一个副本。我这里就2个datanode
- dfs.permissions：如果为“true”，则在HDFS中启用权限检查。如果为“false”，则关闭权限检查，但所有其他行为保持不变。从一个参数值切换到另一个参数值不会更改文件或目录的模式、所有者或组。
- dfs.replication 1 dfs.permissions false
- 配置mapred-site.xml.template
- mapreduce.framework.name：用于执行MapReduce作业的运行时框架。
- mapreduce.jobhistory.address：Hadoop自带了一个历史服务器，可以通过历史服务器查看已经运行完的Mapreduce作业记录，比如用了多少个Map、用了多少个Reduce、作业提交时间、作业启动时间、作业完成时间等信息。默认情况下，Hadoop历史服务器是没有启动的，我们可以通过*mr-jobhistory-daemon.sh start historyserver命令来启动Hadoop历史服务器。我们可以通过Hadoop jar的命令来实现我们的程序jar包的运行，关于运行的日志，我们一般都需要通过启动一个服务来进行查看，就是我们的JobHistoryServer，我们可以启动一个进程，专门用于查看我们的任务提交的日志。mapreduce.jobhistory.address和mapreduce.jobhistory.webapp.address默认的值分别是0.0.0.0:10020和0.0.0.0:19888
- 1、复制： [root@master01 hadoop]# cp mapred-site.xml.template mapred-site.xml 2、修改 mapreduce.framework.name yarn mapreduce.jobhistory.address master01:10020 mapreduce.jobhistory.webapp.address master01:19888
- 配置yarn-site.xml
- yarn.resourcemanager.hostname：指定yarn主节点
- yarn.nodemanager.aux-services：NodeManager上运行的附属服务。需配置成 mapreduce_shuffle，才可运行MapReduce程序。默认值：“”
- yarn.log-aggregation-enable：yarn日志聚合功能开关
- yarn.log-aggregation.retain-seconds：日志保留时限，默认7天
- yarn.resourcemanager.hostname master01 yarn.nodemanager.aux-services mapreduce_shuffle yarn.log-aggregation-enable true yarn.log-aggregation.retain-seconds 604800
- 配置slaves
- 从节点的信息
- node1 node2
4、分发Hadoop到node1、node2
cd /usr/local/soft/scp -r hadoop-2.7.6/ node1:`pwd`scp -r hadoop-2.7.6/ node2:`pwd`
5、格式化namenode（第一次启动的时候需要执行，以及每次修改核心配置文件后都需要）
在主节点下进行格式化
hdfs namenode -format
6、启动Hadoop集群
start-all.sh
7、查看master01、node1、node2上的进程
jps
NameNode：接受客户端的读/写服务,收集 DataNode 汇报的 Block 列表信息
DataNode：真实数据存储的地方（block）
SecondaryNameNode：做持久化的时候用到
进程 | master01（主） | node1（从） | node2（从） |
NameNode | √ |
|
|
SecondaryNameNode | √ |
|
|
ResourceManager | √ |
|
|
DataNode |
| √ | √ |
NodeManager |
| √ | √ |
8、访问HDFS的web界面
http://192.168.137.150:50070
9、访问YARN的web界面
http://192.168.137.150:8088
10、配置windows映射，让电脑可以下载hadoop上的文件
- 首先到这个目录c盘的这个目录下。c盘文件不允许修改，点击hosts的属性，安全，编辑，给user用户一个修改权限就可以修改了。
添加：192.168.137.150 master01
192.168.137.160 node1
192.168.137.170 node2
原文链接：https://www.cnblogs.com/bfy0221/p/16610427.html
