centos7搭建hadoop集群_在centos上搭建hadoop建

先期准备

ps:大家使用克隆的方式复制多个独立的虚拟机,每个虚拟机创建一个hadoop用户并加入到root组中useradd -m hadoop -G root -s /bin/bash 利用 passwd hadoop 配置密码遇到提示说密码简单就再输入一次
软件点击下面的下载：
jdk-8u121-linux-x64.rpm 或者访问 http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
hadoop-2.7.3.tar.gz 不能下载的请访问 http://hadoop.apache.org/releases.html

网络配置

配置ip和主机名，hosts映射

利用root用户登陆hadoop-master主机上配置

vi /etc/sysconfig/network-scripts/ifcfg-ens33
1

打开网卡编辑如图

注意如果你是克隆的虚拟机那么每个虚拟机的网卡UUID是一样的，这个不行，所有要删除这个，让它自动在生成一个
重启网络服务systemctl restart network
我的实验是把上面图中的ip地址改为192.168.196.162 默认网关设置为192.168.196.2 为什么这么做，根据什么要看看你的虚拟机网络编辑器 这个在虚拟机菜单 编辑 中 我的设置如图：

如果你在上图中设置取消了DHCP那么你想让你的电脑访问虚拟机就设置你的电脑中
配置静态IP如我一样

至此我们的主机和虚拟机就互通了，虚拟机还能访问外网。但是一定要明白我上面的设置。

修改hostnamevi /etc/hostname 删除原有内容添加 hadoop-master 保存退出vi
修改hosts vi /etc/ 添加如下图内容

保存退出，重启虚拟机。在每个虚拟机里重复修改网卡（ifcfg-enss*）,hostname,hosts 的步骤，重启后测试互通性
要求在hadoop-master中能ping通slave1,slave2。其它任何一个虚拟机中都能ping通另外连个才行
例如：

配置ssh无密码登陆到slave1,slave2上

检查每个虚拟机上是否安装了ssh 和 启动了sshd服务
rpm -qa | grep ssh
如图所示表示安装了


如果没有安装请执行下面的代码：

yum -y install openssl openssh-server openssh-clients
1

退出所有虚拟机上root登陆用户，使用hadoop用户登录
在每个虚拟机上执行 ssh localhost 测试一下，最好都做一下，非常有用，会生成 .ssh 隐藏文件夹，遇到提示输入yes
如图

在hadoop-master虚拟机上生成ssh密钥

cd .ssh
ssh-keygen -t rsa #遇到提示一路回车就行
ll #会看到 id_rsa id_rsa.pub 两文件前为私钥，后为公钥
cat id_rsa.pub >> authorized_keys #把公钥内容追加到authorized_keys文件中
chmod 600 authorized_keys #修改文件权限，重要不要忽略
1
2
3
4
5

至此hadoop-master可以无密码登陆自己了，测试 ssh localhost 不再提示输入密码，如果不争取请检查少了上面那一步

将hadoop-master的公钥传送到所有的slave上，实现hadoop-master无密码登陆到所有slave上

scp authorized_keys hadoop@hadoop-slave1:~/.ssh/
scp authorized_keys hadoop@hadoop-slave2:~/.ssh/
1
2

hadoop登陆到每个slave上执行

cd ~/.ssh
chmod 600 authorized_keys 
1
2

测试hadoop-master ssh登陆hadoop-slave1,hadoop-slave1观察是否需要输入密码，如果不需要则成功，否则失败，请检查以上步骤

到这儿你就成功了一半了，加油，看好你哟！！！

jdk8+

使用xftp把jdk-8u121-linux-x64.rpm传送到每个虚拟机上
使用下面代码安装
sudo yum -y install jdk-8u121-linux-x64.rpm
如果出现这样的错误 hadoop 不在 sudoers 文件中。此事将被报告。
可以使用两种途径解决
a:切换到root用户

su
yum -y install jdk-8u121-linux-x64.rpm
1
2

b:以后一劳永逸的做法

su
visudo
1
2

之后输入:89 回车 添加 hadoop ALL=(ALL) ALL 注意不是空格是制表符
如图：

保存后退出 就是先 esc 之后输入 :wq
之后退出root 就是输入exit
在执行sudo yum -y install jdk-8u121-linux-x64.rpm 输入hadoop密码ok
设置环境变量，我使用本地环境变量,默认安装的jdk在/usr/java/jdk1.8.0_121
vi ~/.bashrc
添加

export JAVA_HOME=/usr/java/jdk1.8.0_121
export PATH=$PATH:$JAVA_HOME/bin
1
2

退出保存
执行source ~/.bashrc
测试是否成功java -version

记住每台上面都做

hadoop配置

使用xftp把hadoop-2.7.3.tar.gz传送到每个虚拟机上

使用tar -xzvf hadoop-2.7.3.tar.gz 解压

配置hadoop环境变量 vi ~/.bashrc 我的hadoop安装目录/home/hadoop/hadoop-2.7.3
添加

# Hadoop Environment Variables
export HADOOP_HOME=/home/hadoop/hadoop-2.7.3
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
1
2
3
4
5
6
7
8
9

编辑如下5个文件 在 /home/hadoop/hadoop-2.7.3/etc/hadoop 目录中
1.core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop-master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/home/hadoop/hadoop-2.7.3/tmp</value>
    </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12

2.hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
        <property>
                <name>dfs.namenode.secondary.http-address</name>
                <value>hadoop-master:50090</value>
        </property>
        <property>
                <name>dfs.replication</name>
                <value>2</value>
        </property>
        <property>
                <name>dfs.namenode.name.dir</name>
                <value>file:/home/hadoop/hadoop-2.7.3/tmp/dfs/name</value>
        </property>
        <property>
                <name>dfs.datanode.data.dir</name>
                <value>file:/home/hadoop/hadoop-2.7.3/tmp/dfs/data</value>
        </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3.mapred-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
        <property>
                <name>mapreduce.jobhistory.address</name>
                <value>hadoop-master:10020</value>
        </property>
        <property>
                <name>mapreduce.jobhistory.webapp.address</name>
                <value>hadoop-master:19888</value>
        </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

4.yarn-site.xml

<?xml version="1.0"?>
<configuration>

<!-- Site specific YARN configuration properties -->
        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>hadoop-master</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>

</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14

5.slaves

hadoop-slave1
hadoop-slave2
1
2

在每个虚拟机的/home/hadoop/hadoop-2.7.3/etc/hadoop 目录中都要改成一样的，不如改一份上传的每个地方来的方便。

运行案例

关闭防火墙和selinux

切换到管理员

su
systemctl stop firewalld
setenforce 0
1
2
3

在每个机子上执行，上面的做法是临时关闭

启动hadoop集群

hdfs namenode -format #第一次启动要执行格式化，之后启动不用执行这个
start-dfs.sh
start-yarn.sh
mr-jobhistory-daemon.sh start historyserver
1
2
3
4

在hadoop-master 执行 jps
看到如下算成功

[hadoop@hadoop-master ~]$ jps
3345 NameNode
3529 SecondaryNameNode
3962 JobHistoryServer
3678 ResourceManager
3998 Jps
[hadoop@hadoop-master ~]$ 
1
2
3
4
5
6
7

在hadoop-slave1 和 hadoop-slave2上 执行jps
看到如下算成
hadoop-slave1中

[hadoop@hadoop-slave1 ~]$ jps
3142 DataNode
3357 Jps
3246 NodeManager
[hadoop@hadoop-slave1 ~]$ 
1
2
3
4
5
6

hadoop-slave2

[hadoop@hadoop-slave2 ~]$ jps
3092 DataNode
3306 Jps
3196 NodeManager
[hadoop@hadoop-slave2 ~]$ 
1
2
3
4
5

上面的信息中数字表示进程ID，后面的字符表示进程名字
缺少任何一个进程表示集群启动失败
失败可以通过查看日志查找原因。

如果通过真机win访问hadoop web管理界面需要先配置真机的hosts文件它存在于C:\Windows\System32\drivers\etc 目录中
在文件中添加

192.168.196.162 hadoop-master
192.168.196.163 hadoop-slave1
192.168.196.164 hadoop-slave2
1
2
3

之后访问 http://hadoop-master:50070 查看节点状态

执行案例

先在集群上创建用户目录
hdfs dfs -mkdir -p /user/hadoop
接着创建资源文件目录
hdfs dfs -mkdir input
上传要分析的数据文件到input中
hdfs dfs -put hadoop-2.7.3/etc/hadoop/*.xml input
执行hadoop自带的案例，统计dfs开头的信息
hadoop jar hadoop-2.7.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep input output 'dfs[a-z.]+'

通过web查看任务执行情况
http://hadoop-master:8088/cluster

当然控台也有输出我就不截图了

查看输出结果：

通过shell查看统计结果

关闭集群服务，在hadoop-master上执行

stop-dfs.sh
stop-yarn.sh
mr-jobhistory-daemon.sh stop historyserver
1
2
3

怎么样你成功了吗？