大数据环境搭建(一)-Hadoop

1. 服务器环境准备

• Linux镜像: centos7.9
• JDK: jdk1.8.0_212
• Hadoop: apache-hadoop-3.3.4

创建虚拟Linux服务器

• 配置虚拟机，每台主机名与ip如下

• 修改网络配置文件（以bd-centos01为例）

# vi /etc/sysconfig/network-scripts/ifcfg-ens33
修改内容如下 
TYPE=Ethernet
BOOTPROTO=static
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPADDR=192.168.159.101
PREFIX=24
GATEWAY=192.168.159.2
DNS1=192.168.159.2
NAME=ens33
DEVICE=ens33
ONBOOT=yes

• 修改主机名（以bd-centos01为例）

# vi /etc/hostname 
bd-centos01

• 修改映射文件

# vi /etc/hosts
添加如下内容
192.168.159.101 bd-centos01
192.168.159.102 bd-centos02
192.168.159.103 bd-centos03

• 重启每台服务器

创建hadoop用户 (所有节点)

# useradd hadoop
# passwd hadoop

配置ssh免密登录

• 切为hadoop用户，配置ssh免密登录 (所有节点)

3次回车
$ ssh-keygen -t rsa
拷贝公钥，到所有节点的授权列表
$ ssh-copy-id bd-centos01
$ ssh-copy-id bd-centos02
$ ssh-copy-id bd-centos03

文件镜像同步工具

基于sync，写一个简单同步工具，将一台服务器的文件同步到其他节点上。

hadoop用户 在~/bin/下，创建xsync文件，会自动加到用户环境变量中。添加下面脚本：

#!/bin/bash
#定义集群节点
nodes=(bd-centos01 bd-centos02 bd-centos03)
#需要同步的目录
paths=$@
if [ $# -lt 1 ]
then
    echo input the paths to be synchronized
    exit;
fi
#遍历节点
for host in ${nodes[@]}
do
    echo ================ $host ===================
    # 遍历录入的路径
    for path in $paths
    do
        if [ -e $path ]
        then
            pdir=$(cd -P $(dirname $path); pwd)
            fname=$(basename $path)
            # 创建父级目录，同步路径
            ssh $host "mkdir -p $pdir"
            rsync -av $pdir/$fname $host:$pdir
        else
            echo $path does not exists!
        fi
    done
done

安装配置JDK

• 创建/opt/modules 用于安装大数据的文件 (所有节点)

创建目录
# mkdir /opt/modules
更改用户组为hadoop所有
# chown hadoop:hadoop /opt/modules

• 解压jdk

[hadoop@bd-centos01 ~]$ tar -zxf software/jdk-8u212-linux-x64.tar.gz -C /opt/modules/

• 同步文件

[hadoop@bd-centos01 ~]$ xsync /opt/modules/jdk1.8.0_212/

• 配置环境变量(所有节点)

[root@bd-centos01 ~]# vi /etc/profile.d/path.sh
添加如下内容
export JAVA_HOME=/opt/modules/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
使配置生效
[hadoop@bd-centos01 ~]$ source /etc/profile.d/path.sh

• 验证

java
javac
java -version

集群 时间同步

略。虚拟机模拟集群，不额外配置时间同步等

关闭防火墙

# systemctl stop firewalld
# systemctl disable firewalld.service

2 Hadoop 安装

节点部署

在bd-centos01解压hadoop

[hadoop@bd-centos01 ~]$ tar -zxf software/hadoop-3.3.4.tar.gz -C /opt/modules/

修改配置文件

文件位于hadoop家目录的etc/hadoop/下

• 配置 core-site.xml

添加如下内容
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://bd-centos01:8020</value>
</property>

<property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/modules/hadoop-3.3.4/data</value>
</property>

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

• 配置 hfds-site.xml

<property>
    <name>dfs.namenode.http-address</name>
    <value>bd-centos01:9870</value>
</property>
<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>bd-centos03:9868</value>
</property>

• 配置 yarn-site.xml

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

 <property>
     <name>yarn.resourcemanager.hostname</name>
     <value>bd-centos02</value>
 </property>

 <property>
     <name>yarn.nodemanager.env-whitelist</name>
     <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
 </property>
 <property>
     <name>yarn.log-aggregation-enable</name>
     <value>true</value>
 </property>
 <property>  
     <name>yarn.log.server.url</name>  
     <value>http://bd-centos01:19888/jobhistory/logs</value>
 </property>
 <property>
     <name>yarn.log-aggregation.retain-seconds</name>
     <value>604800</value>
 </property>

• 配置 mapred-site.xml

<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>bd-centos01:10020</value>
</property>
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>bd-centos01:19888</value>
</property>

• 配置 workers文件

添加所有节点
bd-centos01
bd-centos02
bd-centos03

• 同步配置文件

xsync /opt/modules/hadoop-3.3.4/etc/hadoop

格式化namenode

[hadoop@bd-centos01 hadoop-3.3.4]$ bin/hdfs namenode -format

启动集群

节点1
[hadoop@bd-centos01 hadoop-3.3.4]$ sbin/start-dfs.sh
节点2
[hadoop@bd-centos02 hadoop-3.3.4]$ sbin/start-yarn.sh
节点1
[hadoop@bd-centos01 hadoop-3.3.4]$ bin/mapred --daemon start historyserver

• 在各个节点查看进程

各个节点的进程因该与规划一致
$ jps

运行简单的任务

[hadoop@bd-centos01 hadoop-3.3.4]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar pi 100 1000

web访问

查看HDFS集群信息
http://bd-centos01:9870/
查看yarn的集群信息及运行任务
http://bd-centos02:8088/
查看jobHistory
 http://bd-centos01:19888/