ubuntu18.04下hadoop3.0.2+spark2.4.3分布式集群配置及测试_基于hadoop3.0安装spark2.4

ubuntu18.04下hadoop3.0.2+spark2.4.3分布式集群配置及测试

背景：

这学期课设要用sparkmlib的聚类和分类算法做一个文本分类模型，前期环境上做了很多工作，现在做一下总结，本来网上的资料足够多了，但是水平参此不齐，很容易掉进坑里，加上自己也有很多发现，所以还是写一篇吧。
对了，有一点就是大家在查资料还是用谷歌吧，尽量去看一下比较官方的资料，比如官方文档，大学实验室，机构等的那种，记得货比三家，抱着质疑的态度，理解了再采用，少走一些弯路，我在学习的过程中经常看厦门大学实验室的这个网站，感觉还不错。
不足之处，请多多指正！

1.集群基本环境

1.1.版本

 ubuntu18.04  jdk1.8.0_211   hadoop-3.0.2  spark-2.4.3-bin-hadoop2.7  scala-2.11.8

1.2.用户

注意分布式的集群每个机器要有一个统一的用户。
此次我的主机名为aiden,即管理节点；同学的为wang1234，即数据节点：
hadoop@adien(master)
hadoop@wang1234(slaves)
本文就以这两台主机为例
/etc/hosts为

127.0.0.1	localhost
#127.0.1.1	aiden
192.168.43.200 aiden
192.168.43.155 wang1234
1
2
3
4

1.3.软件安装目录和环境变量

软件安装目录和环境变量也要一样（不知道叫软件合适不合适…），如果你是一个人作分布式，配好一个分发给节点，这个问题是不存在的。我们小组8个人刚开始是先自己搞自己的，结果最后在测试的时候会有类似于JAVA_HOME */ */ * / NOT EXISTS 等之类的情况，我们把上述目录统一以后，环境变量统一以后就ok了，不过不知道还有其他的解决办法没有，因为后续还有东西做，就先不管了。

1.3.1.安装目录

我们的结构：软件统一放在/opt/bigdata下面:

1.3.2. 环境变量

hadoop用户下 ~/.bashrc添加

#java
export JRE_HOME=${JAVA_HOME}/jre

export JAVA_HOME=/opt/bigdata/jdk1.8.0_211
export CLASSPATH=.:$JAVA_HOME/lib/
export PATH=$PATH:$JAVA_HOME/bin
export JAVA_HOME PATH CLASSPATH

#hadoop
export HADOOP_HOME=/opt/bigdata/hadoop-3.0.2
export PATH=$PATH:$HADOOP_HOME/sbin
export PATH=$PATH:$HADOOP_HOME/bin

export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_YARN_HOME=$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_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop

export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin


#scala
export SCALA_HOME=/opt/bigdata/scala-2.11.8
export PATH=$PATH:$SCALA_HOME/bin

#spark

export SPARK_HOME=/opt/bigdata/spark-2.4.3-bin-hadoop2.7
export PATH=$PATH:$SPARK_HOME/bin
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
29
30
31
32
33
34

2.添加集群用户及免密登录

2.1.添加hadoop用户赋予权限

2.1.1添加用户

sudo adduser hadoop
1

2.1.2赋予权限

注意很多人因为新生成的用户权限低，直接就把它提成root级的了，在sudoers里面添加进去，这是非常危险的！！！
以我的文件目录结构为例，应该只给它使用sudo命令的权限，以及/opt/bigdata下的所有文件操作权限，就足够了。
切换到root用户

su
1

给hadoop用户使用sudo的权限

usermod hadoop -a -G  sudo
1

切换到hadoop用户

su hadoop
1

给hadoop用户/opt/bigdata下的所有文件操作权限

sudo chmod -R  700 /opt/bigdata
1

2.2.hadoop免密登录

过程原理（图片来自网友的文章）：

2.2.1.自身免密登录

hadoop用户在adein(master)主机下

 ssh-keygen -t rsa
 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
1
2

权限设置（权限过高可能会报错的，也很危险）

chmod 600 ~/.ssh/authorized_keys
1

同理hadooop用户在wang1234(slaves)主机下操作

2.2.2.互相免密登录(这点我们做的不好，用QQ相互发送的，很笨，大家可以找更好的办法)

如果要实现hadoop用户在master免密登录slaves，那么这样操作：

2.2.2.1 在adein(master)主机hadoop用户下，复制显示的内容

 cat ~/.ssh/id_rsa.pub
1

2.2.2.2 在wang1234(slaves)主机hadooop用户下，打开密钥库，将复制内容拷贝到slaves的密钥库中

sudo gedit ~/.ssh/authorized_keys
1

3.hadoop集群配置

3.1.hadoop配置

进入/opt/bigdata/hadoop-3.0.2/etc/hadoop给配置文件追加配置

3.1.1 hadoop-env.sh

export JAVA_HOME=/opt/bigdata/jdk1.8.0_211
export HADOOP_HOME=/opt/bigdata/hadoop-3.0.2
1
2

3.1.2 hdfs-site.xml

<configuration>
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>/opt/bigdata/hadoop-3.0.2/dfs/name</value>
		<final>true</final>
	</property>


<property>
	<name>dfs.datanode.data.dir</name>
	<value>/opt/bigdata/hadoop-3.0.2/dfs/data</value>

	<final>true</final>
</property>



<property>
	<name>dfs.replication</name>
	<value>1</value>



</property>
<property>
	<name>dfs.permissions</name>
	<value>false</value>
</property>
</configuration>
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
29

3.1.3 core-site.xml

<configuration>
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://aiden:9000</value>
  </property>
<property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/bigdata/hadoop-3.0.2/tmp</value>
    <description>Abase for other temporary directories.</description>
</property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11

3.1.4 mapred-site.xml

<configuration>

 <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
<property>
        <name>mapreduce.application.classpath</name>
        <value>
            ${HADOOP_HOME}/etc/hadoop,
            ${HADOOP_HOME}/share/hadoop/common/*,
            ${HADOOP_HOME}/share/hadoop/common/lib/*,
            ${HADOOP_HOME}/share/hadoop/hdfs/*,
            ${HADOOP_HOME}/share/hadoop/hdfs/lib/*,
            ${HADOOP_HOME}/share/hadoop/mapreduce/*,
            ${HADOOP_HOME}/share/hadoop/mapreduce/lib/*,
            ${HADOOP_HOME}/share/hadoop/yarn/*,
            ${HADOOP_HOME}/share/hadoop/yarn/lib/*
        </value>
    </property>

</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

3.1.5 yarn-site.xml

 <configuration>

<!-- Site specific YARN configuration properties -->

<!-- Site specific YARN configuration properties -->

     <property>
	     <name>yarn.nodemanager.aux-services</name>
	     <value>mapreduce_shuffle</value>
     </property>
     <property>
	     <name>yarn.resourcemanager.hostname</name> 
	     <value>aiden</value>
     </property>
     <property>
	     <name>yarn.resourcemanager.webapp.address</name>
	     <value>aiden:8088</value>
     </property>

</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

3.1.6 workers

workers相当于老版本的slaves,里面写入数据节点的主机名，一行一个,我这里的是同学的wang1234

wang1234
1

4.hadoop集群测试

4.1.启动haoop集群

namenode初始化

hdfs namenode -format
1

在adien(master)主机/opt/bigdata/hadoop-3.0.2/sbin下

./start-all.sh
1

启动之后在各个主机用jps命令查看启动的模块是否正常

jps
1

4.2.hdfs文件系统操作

创建目录

hadoop fs -mkdir /input
1

本地创建一个文件,随便写点东西

vim a.txt
1

上传文件

hadoop fs -put a.txt /input
1

查看文件

hadoop fs -cat  /input/a.txt
1

4.3.webui查看

上述配置中是缺省端口配置的，所以是默认的端口
namenode节点查看，浏览器地址栏aiden:9870
datanode节点查看，浏览器地址栏wang1234:9864
资源管理查看，浏览器地址栏aiden:8088

4.4.单词统计测试

进入/opt/bigdata/hadoop-3.0.2/share/hadoop/mapreduce

hadoop jar hadoop-mapreduce-examples-3.0.2.jar wordcount /input /output
1

查看结果(不详细写了)

hadoop fs -cat  /output/p*
1

5.spark集群配置

5.1.spark配置

/opt/bigdata/spark-2.4.3-bin-hadoop2.7/conf
spark-env.sh

export SCALA_HOME=${SCALA_HOME}

export JAVA_HOME=${JAVA_HOME}

export SPARK_MASTER_IP=aiden

export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
1
2
3
4
5
6
7

slaves

wang1234
1

6.spark集群测试

6.1.启动spark

/opt/bigdata/spark-2.4.3-bin-hadoop2.7/sbin

 ./start-all.sh
1

6.2.spark-shell下单词统计

进入spark-shell

spark-shell
1

单词统计

val textFile = sc.textFile("hdfs://aiden:9000/input/a.txt")
val wordCounts = textFile.flatMap(line=>line.split(" ")).map(word=>(word,1)).reduceByKey((a,b)=>a+b)
wordCounts.collect();
1
2
3