大数据开发技术课程报告（搭建Hadoop完全分布式集群&&操作集群）_分布式程序设计大数据期末报告

大数据开发技术课程报告内容及要求

报告内容及要求
本报告作为“大数据开发技术”课程的阶段性考试内容，需要独立完成，可以参考资料。

1. 报告内容
   在Linux系统上，利用课上所学知识，根据自身机器配置，创建一个伪分布式Hadoop集群或完全分布式Hadoop集群，并对集群进行操作。需要在项目实现过程中，体现出通过本课程所学知识。
2. 报告要求
   集群形式可以根据机器配置在伪分布式和完全分布式间进行选择；
   Hadoop集群及所需组件的安装和配置需要截图；
   关于Java的目录：需要自定义名称，添加学号后缀，比如学号为18B12345，那么JAVA_HOME的路径应该是…/java-18B12345，需要截图在报告中进行体现；
   关于集群的测试：在Hadoop集群安装完成后，需要分别用官方提供的例子和Web UI进行测试，需要截图在报告中进行体现；
   关于集群的操作：需要分别使用Shell形式和Java API对集群进行操作并截图在报告中进行体现，其中：在使用Java API时，Java项目的命名需要具有学号后缀，比如；学号为18B12345，那么如果创建的Java项目为hdfs-api，则实际创建的Java项目为hadfs-api-18B12345；如果创建的Java代码文件为main.java，则实际创建的.java文件为main_18B12345.java。

一、 项目简介和实验环境

本项目主要是建立Hadoop完全分布式集群，并进行集群测试和操作。
主要内容：配置hadoop完全分布式集群的前期准备、安装过程、配置文件、启动过程、Shell操作、Java API操作。
（本文中的一些文件可能带有学号后缀，这是课程报告的要求，实际上不必写后缀）

Linux发行版：ubuntu-18.04.4-desktop-amd64
JDK版本：jdk1.8.0_144
Hadoop版本：hadoop-2.7.2

二、 虚拟机的各项准备工作

创建三台虚拟机，并完成各项准备工作。
以下的所有准备工作在三台虚拟机上都要做。由于在准备阶段，三台主机的操作几乎完全相同，所以在此以第一台主机hadoop1为例。

注意，本文的所有命令均是在root账号下运行。

(1) 修改主机名，依次为hadoop1，hadoop2，hadoop3。

(2) 关闭防火墙
输入命令ufw disable，关闭防火墙，重启后即可生效。

(3) 设置静态IP， hadoop1主机的设置如下图所示：

输入命令ifconfig，查看一下IP，显示设置成功：

(4) 配置ssh免密登录，方便之后用xsync脚本进行集群分发。
输入命令vim /etc/hosts，将主机名与各自IP相对应，如下图所示：

输入命令vim /etc/ssh/sshd_config，找到PermitRootLogin 配置项将原先的PermitRootLogin的prohibit-password修改为yes：

输入命令service ssh restart，重启ssh。
cd ~ （进入root目录）
ssh-keygen -t rsa，再按3次回车
~/.ssh会生成两个文件：id_rsa（私钥）、id_rsa.pub（公钥）
然后将其公钥加到3个虚拟机目录下（会生成一个authorized_keys的公钥，如果已经存在，则在该文件后面将会继续追加公钥内容），输入以下命令：

ssh-copy-id root@hadoop1
ssh-copy-id root@hadoop2
ssh-copy-id root@hadoop3
1
2
3

三台虚拟机都完成如上操作后，在hadoop1主机上测试是否能以root账号免密登录到hadoop2。
输入命令ssh root@hadoop2，无需输入密码则说明ssh免密登录配置成功，如下图所示：

输入命令exit退出hadoop2的root账号，继续操作。

(5) 编写集群分发脚本xsync

输入命令vim /usr/local/bin/xsync，编写内容如下：

#!/bin/bash

if [[ -x $(command -v rsync) ]]; then
  echo yes > /dev/null
else
  echo no rsync found!
  exit 1
fi

#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
  echo no args!
  exit;
fi

#2 获取文件名称
p1=$1
fname=$(basename $p1)
echo fname=$fname

#3 获取文件绝对路径
pdir=$(cd -P $(dirname $p1); pwd)
echo pdir=$pdir

#4 获取当前用户名称
user=$(whoami)

#5 循环
for((host=2; host<4; host++)); do
        echo --- hadoop$host ---
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done
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

输入命令chmod +x xsync，将其提升为可执行文件的权限。
这个脚本只要写在hadoop1主机中即可，由它来向其他主机分发文件。

三、 安装JDK并配置环境变量

在hadoop1主机中安装JDK并配置相应文件，同时用xsync同步文件到其他主机。
输入命令tar -zxvf jdk-8u144-linux-x64.tar.gz解压得到jdk1.8.0_144目录，将其改名为jdk1.8.0_144-2018214184。
输入命令xsync jdk1.8.0_144-2018214184，将其分发到其他主机上。
输入命令vim /etc/profile.d/java.sh，配置环境变量：

输入命令xsync /etc/profile.d/java.sh，将其分发到其他主机上：

输入命令source /etc/profile使环境变量生效。
最后，输入命令java -version，检验是否配置成功，如图所示，说明java已经配置成功：

四、 安装Hadoop并配置环境变量

在hadoop1主机中安装Hadoop并配置相应文件，同时用xsync同步文件到其他主机。
输入命令tar -zxvf hadoop-2.7.2.tar.gz解压得到hadoop-2.7.2目录。
输入命令xsync hadoop-2.7.2，将其分发到其他主机上。
输入命令vim /etc/profile.d/hadoop.sh，配置环境变量：

输入命令xsync /etc/profile.d/hadoop.sh，将其分发到其他主机上：

输入命令source /etc/profile使环境变量生效。
最后，再输入命令hadoop，检验是否配置成功，如图所示，说明Hadoop已经配置成功：

五、 配置Hadoop完全分布式集群

集群部署规划：

为了能群启集群，还需要配置/opt/hadoop-2.7.2/etc/hadoop目录下的一些文件。

（1）vim hadoop-env.sh，加入JAVA_HOME：

export JAVA_HOME=/opt/jdk1.8.0_144
1

如图：

（2）vim yarn-env.sh，加入JAVA_HOME：

export JAVA_HOME=/opt/jdk1.8.0_144
1

如图：

（3）vim mapred-env.sh，加入JAVA_HOME：

export JAVA_HOME=/opt/jdk1.8.0_144
1

如图：

（4）vim core-site.xml

<property>
	<name>fs.defaultFS</name>
	<value>hdfs://hadoop1:9000</value>
</property>

<property>
	<name>hadoop.tmp.dir</name>
	<value>/opt/hadoop-2.7.2/data/tmp</value>
</property>
1
2
3
4
5
6
7
8
9

如图：

（5）vim hdfs-site.xml

<property>
        <name>dfs.replication</name>
        <value>3</value>
</property>

<property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop3:50090</value>
</property>
1
2
3
4
5
6
7
8
9

如图：

（6）vim yarn-site.xml，注意是在两个<configuration>之间添加，其他内容不要改变：

<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>

<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop2</value>
</property>

<property>
        <name>yarn.resourcenamager.webapp.address</name>
        <value>0.0.0.0:8088</value>
</property>
1
2
3
4
5
6
7
8
9
10
11
12
13
14

如图：

（7）vim mapred-site.xml

<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>
1
2
3
4

如图：

（8）vim slaves

hadoop1
hadoop2
hadoop3
1
2
3

最后，输入命令xsync /opt/hadoop-2.7.2/etc/hadoop，将配置文件同步到所有节点：

六