CentOS7.3.x + Hadoop 2.9.0 集群搭建实战

前言： 系统安装要求

1: CentOS7

2: Hadoop 2.9.0

3: JDK1.8

说明：Hadoop从版本2开始加入了Yarn这个资源管理器，Yarn并不需要单独安装。只要在机器上安装了JDK就可以直接安装Hadoop，单纯安装Hadoop并不依赖Zookeeper之类的其他东西。

官方cluster setup步骤见下链接：

https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/ClusterSetup.html

1下载hadoop

本文使用的hadoop2.9.0. hadoop安装包官方下载地址：

http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.9.0/hadoop-2.9.0.tar.gz

国内的用户建议使用如下的镜像地址：

http://mirror.bit.edu.cn/apache/hadoop/common/stable/hadoop-2.9.0.tar.gz

2 安装3个虚拟机并实现ssh免密码登录

2.1 安装3个CentOS 机器

这里用的Linux系统是CentOS7,在本文中他们的名称分别叫 hserver1、hserver2、hserver3 。

说明：为了免去后面一系列授权的麻烦，这里直接使用root账户登录和操作了。

使用ifconfig命令，查看这3个机器的IP。在本文中，我们假定这三台机器名和ip的对应关系如下所示：

10.70.27.3 hadoopServer3
10.70.27.6 hadoopServer6
10.70.27.9 hadoopServer9

2.2 检查机器名称

为了后续操作方便，确保机器的hostname是我们想要的。拿10.70.27.3这台机器为例，用root账户登录，然后使用hostname命令查看机器名称。

# hostname

如果这个机器名称不是我们想要的。不过这个好办， 我给它改个名称，命令是：

# hostname hadoopServer3

执行完成后，在检查看，是否修改了，敲入 命令：

#hostname

类似的，将其他两个机器，分别改名为hadoopServer6和hadoopServer9。

2.3 修改/etc/hosts文件

修改这3台机器的/etc/hosts文件，在文件中添加以下内容：

10.70.27.3 hadoopServer3
10.70.27.6 hadoopServer6
10.70.27.9 hadoopServer9

2.4给3个机器生成秘钥文件

以hadoopServer3为例，执行命令，生成空字符串的秘钥(后面要使用公钥)，命令是：

# ssh-keygen -t rsa -P ''

然后就是按回车即可。

因为我现在用的是root账户，所以秘钥文件保存到了/root/.ssh/目录内，可以使用命令查看，命令是：

# ls /root/.ssh/

输出的内容如下：

authorized_keys id_rsa id_rsa.pub

使用同样的方法为其它两个server生成秘钥(命令完全相同，不用做如何修改)。

2.5在三个主机上创建authorized_keys文件

接下来要做的事情是在3台机器的/root/.ssh/目录下都存入一个内容相同的文件，文件名称叫/root/.ssh/authorized_keys，文件内容是我们刚才为3台机器生成的公钥。

2.5.1 #touch /root/.ssh/authorized_keys

2.5.2 将上面三个server的/root/.ssh/id_rsa.pub文件内容都放到hserver3机器上的/root/.ssh/authorized_keys文件里。

它的内容是如下的样子。

1. ssh-rsaAAAAB3NzaC1yc2EAAAADAQABAAABAQD8fTIVorOxgDo81yCEgcJTstUcyfOBecL+NZ/OLXCEzaBMw5pLV0UNRX6SZnaAgu/erazkz4sw74zfRIMzEeKKCeNcZ6W78cg+ZNxDcj8+FGeYqY5+nc0YPhXFVI7AwFmfr7fH5hoIT14ClKfGklPgpEgUjDth0PeRwnUTvUy9A1x76npjAZrknQsnoLYle7cVJZ/zO3eGxS75YEdTYDMv+UMiwtcJg7UxOqR+9UT3TO+xLk0yOl8GIISXzMhdCZkmyAH+DmW56ejzsd+JWwCMm177DtOZULl7Osq+OGOtpbloj4HCfstpoiG58SM6Nba8WUXWLnbgqZuHPBag/Kqjroot@hserver1
2. ssh-rsaAAAAB3NzaC1yc2EAAAADAQABAAABAQC29kPkYz4c3bd9Qa1TV8kCR0bUNs4f7/dDcR1NKwrgIiecN7zPEWJpjILtlm3niNNx1j5R49QLTLBKKo8PE8mid47POvNypkVRGDeN2IVCivoAQ1T7S8bTJ4zDECGydFYyKQfS2nOAifAWECdgFFtIp52d+dLIAg1JC37pfER9f32rd7anhTHYKwnLwR/NDVGAw3tMkXOnFuFKUMdOJ3GSoVOZf3QHKykGIC2fz/lsXZHaCcQWvOU/Ecd9e0263Tvqh7zGWpF5WYEGjkLlY8v2sioeZxgzog1LWycUTMTqaO+fSdbvKqVj6W0qdy3Io8bJ29Q3S/6MxLa6xvFcBJEXroot@hserver2
3. ssh-rsaAAAAB3NzaC1yc2EAAAADAQABAAABAQC1a2o10ttv2570GpuUZy7g9o7lIkkeed7ba25VvFEBcUroQIZ+NIAiVIMGPRiOqm7X4bTLWj5EOz5JXG2l8rwA6CFnWfW3U+ttD1COLOrv2tHTiJ1PhQy1jJR/LpC1iX3sNIDDs+I0txZFGTCTRMLmrbHVTl8j5Yy/CTYLuC7reIZjzpHP7aaS2ev0dlbQzeB08ncjA5Jh4X72qQMOGPUUc2C9oa/CeCvI0SJbt8mkHwqFanZz/IfhLJIKhupjtYsqwQMmzLIjHxbLRwUGoWU6X4e76OkUz/xyyHlzBg1Vu2F9hjoXPW80VmupIRSXFDliDBJ8NlXXQN47wwYBG28broot@hserver3

2.5.3 把这个/root/.ssh/authorized_keys原封不动地copy到别的两台server上的同样目录下。

2.5.4 然后测试这三台机器之间的 ssh 互通免密。注第一次是会提示，输入yes就可以。然后后面的ssh登陆就不用输入任何信息了。

3 安装 java JDK和hadoop

说明这里都是使用root账户登录并且使用root权限进行操作。

3.1 安装Java JDK

参考文档：安装jdk在这里不在细数，如果有需要可以参考该博文(虽然那篇博文用的是ubuntu，但是jdk安装在CentOS下也一样)：

http://blog.csdn.net/pucao_cug/article/details/68948639

个人建议安装oracle JDK1.8.x，不是用centos 自己带的openJDK。

vi /etc/profile,加入下面的内容。

export JAVA_HOME=/usr/java/jdk1.8.0_151

export CLASSPATH=".:$JAVA_HOME/lib:$CLASSPATH"

export PATH="$JAVA_HOME:$PATH"

3.2 安装hadoop

注意：在3台机器上都要重复下面的步骤。

3.2.1 上载文件并解压缩

将下载得到的hadoop-2.9.0.tar.gz上载到/opt/目录下，进入到该目录，执行命令:

cd /opt/

执行解压命令：

tar -xzvf hadoop-2.9.0.tar.gz

说明：3台机器都要进行上述操作，解压缩后得到一个名为/opt/hadoop-2.9.0的目录。

3.2.2新建几个目录

在/data/目录下新建几个目录，复制粘贴执行下面的命令：

# mkdir -p  /data/hadoop/tmp  /data/hadoop/var /data/hadoop/dfs/name /data/hadoop/dfs/data 

3.2.3 修改/opt/hadoop-2.9.0/etc/hadoop中的一系列配置文件

3.2.3.1 修改/opt/hadoop-2.9.0/etc/hadoop/core-site.xml文件

在<configuration>节点内加入配置:

<property>

<!--用来指定使用hadoop时产生文件的存放目录-->

name>hadoop.tmp.dir</value>/data/hadoop/tmpdescription>Abase for other temporary directories. <!--指定namenode的地址-->

>fs.defaultFS>hdfs://hadoopServer3:9000>

<property>

<!-- 配置WebUI的登录用户名 -->

<name>hadoop.http.staticuser.user</name>

<value>hadoop</value>

</property>

configuration>

特别说明：对于默认文件系统的配置以前是下面的名称，但描述信息说明这种名称已被弃用

<property>

<name>fs.default.name</name> --过时了

<value></value>

<description>Deprecated. Use (fs.defaultFS) property instead</description>

</property>

3.2.3.2 修改hadoop-env.sh

修改 /opt/hadoop-2.9.0/etc/hadoop/hadoop-env.sh 文件

将export JAVA_HOME=${JAVA_HOME}

修改为：

export JAVA_HOME=/usr/java/jdk1.8.0_151/

说明：修改为自己的JDK路径.一般情况下，如果用rpm去安装oracle JDK，则/usr/java/jdkxxx下面就是安装后的jdk目录。

3.2.3.3 修改hdfs-site.xml

修改/opt/hadoop-2.9.0/etc/hadoop/hdfs-site.xml文件

在<configuration>节点内加入配置:

>dfs.name.dir>file:///data/hadoop/dfs/name>Path on the local filesystem where theNameNode stores the namespace and transactions logs persistently.>dfs.data.dir>file:///data/hadoop/dfs/data>Comma separated list of paths on the localfilesystem of a DataNode where it should store its blocks. <!--如果你只有3个datanode，但是你却指定副本数为4，是不会生效的，因为每个datanode上只能存放一个副本。

-->

>dfs.replication>2property>

<property>

>dfs.permissions.enabled>false <description>need not permissions</description>

>

说明：dfs.permissions配置为false后，可以允许不要检查权限就生成dfs上的文件，方便倒是方便了，但是你需要防止误删除，请将它设置为true，或者直接将该property节点删除，因为默认就是true。

3.2.3.4 新建并且修改mapred-site.xml

在该版本中，有一个名为mapred-site.xml.template的文件，复制该文件，然后改名为mapred-site.xml，命令是：

# cp /opt/hadoop-2.9.0/etc/hadoop/mapred-site.xml.template /opt/hadoop-2.9.0/etc/hadoop/mapred-site.xml

修改这个新建的mapred-site.xml文件，在<configuration>节点内加入配置:

>mapred.job.tracker>hadoopServer3:49001>mapred.local.dir >/data/hadoop/var>

<property>

>mapreduce.framework.name>yarn>

</property>

3.2.3.5 修改slaves文件

修改/opt/hadoop-2.9.0/etc/hadoop/slaves文件，将里面的localhost删除，添加如下内容：

hadoopServer9
1. hadoopServer6

上述过程就是指定了hadoop 的 dataNode节点地址了。

3.2.3.6 修改yarn-site.xml文件

修改/opt/hadoop-2.9.0/etc/hadoop/yarn-site.xml文件，

在<configuration>节点内加入配置(注意了，内存根据机器配置越大越好，我这里只配2个G是因为机器不行):

property>yarn.resourcemanager.hostname>hadoopServer3>The address of the applications manager interface in the RM.>yarn.resourcemanager.address>${yarn.resourcemanager.hostname}:8032>The address of the scheduler interface.>yarn.resourcemanager.scheduler.address>${yarn.resourcemanager.hostname}:8030>The http address of the RM web application.>yarn.resourcemanager.webapp.address>${yarn.resourcemanager.hostname}:8088>The https adddress of the RM web application.>yarn.resourcemanager.webapp.https.address>${yarn.resourcemanager.hostname}:8090>yarn.resourcemanager.resource-tracker.address>${yarn.resourcemanager.hostname}:8031>The address of the RM admin interface.>yarn.resourcemanager.admin.address>${yarn.resourcemanager.hostname}:8033>yarn.nodemanager.aux-services>mapreduce_shuffle>yarn.scheduler.maximum-allocation-mb>2048discription>每个节点可用内存,单位MB,默认8182MB>yarn.nodemanager.vmem-pmem-ratio>2.1>yarn.nodemanager.resource.memory-mb>

<property>

>yarn.nodemanager.vmem-check-enabled>

>

</property>

说明：yarn.nodemanager.vmem-check-enabled这个的意思是忽略虚拟内存的检查，如果你是安装在虚拟机上，这个配置很有用，配上去之后后续操作不容易出问题。如果是实体机上，并且内存够多，可以将这个配置去掉。

4启动hadoop

4.1在namenode上执行初始化

因为hadoopServer3是namenode，hadoopServer6和hadoopServer9都是datanode，所以只需要对hadoopServer3进行初始化操作，也就是对hdfs进行格式化。进入到hadoopServer3的/opt/hadoop-2.9.0/bin目录，也就是执行命令：

cd /opt/hadoop-2.9.0/bin

执行初始化脚本，也就是执行命令：

./hadoop namenode -format

例子如图：

稍等几秒，不报错的话，即可执行成功，如图：

格式化成功后，可以在看到在/data/hadoop/dfs/name/目录多了一个current目录，而且该目录内有一系列文件。

4.2在namenode上执行启动命令

因为hadoopServer3是namenode，hadoopServer6和hadoopServer9都是datanode，

所以只需要再hadoopServer3上执行启动命令即可。

进入到hadoopServer3这台机器的 /opt/hadoop-2.9.0/sbin目录，也就是执行命令：

cd /opt/hadoop-2.9.0/sbin

执行初始化脚本，也就是执行命令：

./start-all.sh

第一次执行上面的启动命令，会需要我们进行交互操作，在问答界面上输入yes回车

如图：

5测试hadoop

haddoop启动了，需要测试一下hadoop是否正常。

执行命令，关闭防火墙，CentOS7下，命令是：

systemctl stop firewalld.service

hadoopServer3是我们的namanode，该机器的IP是10.70.27.3，在本地电脑访问如下地址:

http://10.70.27.3:50070/

自动跳转到了overview页面

如图：

在本地浏览器里访问如下地址：

http://10.70.27.3:8088/

自动跳转到了cluster页面

如图：