阶段三：项目开发---大数据开发运行环境搭建:任务3：安装配置Hadoop集群

任务描述

知识点：安装配置Hadoop

重  点： 安装配置Hadoop

难  点：无

内  容：

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（ Distributed File System），其中一个组件是HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。

任务主要内容：

• 下载安装Hadoop包
• 配置系统环境变量
• 配置Hadoop集群
• HDFS相关配置

任务指导

安装配置Hadoop集群的主要步骤：

1、安装配置Hadoop

2、配置用户环境变量

3、配置Hadoop

• 配置core-site.xml文件
• 配置hdfs-site.xml文件
• 配置mapred-site.xml文件
• 配置yarn-site.xml文件
• 配置slaves文件
• 配置hadoop-env.sh文件

    更多配置文件的配置信息请参见官方网站的解释。 

4、启动集群并测试

任务实现

在node1服务器解压并配置完成后，再复制到其他的slave服务器。

1、安装配置Hadoop

• 在node1节点上，进入/opt/software目录（此目录是为实验提供的安装软件所在目录，如果没有请自行到官方网站下载）

[root@node1 ~]# cd /opt/software

• 将hadoop解压到/opt/module目录

[root@node1 software]# tar -xzf hadoop.tar.gz -C /opt/module/

2、配置Hadoop环境变量。

• 输入【vi  /etc/profile】命令编辑文件，添加如下内容：

export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

• 使用【source  /etc/profile】使配置文件生效。

[root@node1 software]# source /etc/profile

• 将/etc/profile拷贝到其它所有机器上

[root@node1 software]# scp /etc/profile node2:/etc/
[root@node1 software]# scp /etc/profile node3:/etc/

3、修改Hadoop配置文件

1）进入hadoop 配置文件夹。

[root@node1 software]# cd $HADOOP_HOME/etc/hadoop

2）配置core-site.xml文件：

• 使用【vi】命令，编辑core-site.xml文件

[root@node1 hadoop]# vi core-site.xml

• 修改<configuration>标签及其内容如下：

<configuration> 
  <property> 
    <name>fs.defaultFS</name>  
    <value>hdfs://node1:9000</value> 
  </property>  
  <property> 
    <name>io.file.buffer.size</name>  
    <value>131072</value> 
  </property>  
  <property> 
    <name>hadoop.tmp.dir</name>  
    <value>/data/hadoop/tmp</value> 
  </property> 
</configuration>

3）配置 hdfs-site.xml 文件：

• 使用【vi】命令，编辑 hdfs-site.xml文件

[root@node1 hadoop]# vi hdfs-site.xml

• 修改<configuration>标签及其内容如下：

<configuration> 
  <!-- 设置namenode的http通讯地址 -->  
  <property> 
    <name>dfs.namenode.http-address</name>  
    <value>node1:50070</value> 
  </property>  
  <!-- 设置secondarynamenode的http通讯地址 -->  
  <property> 
    <name>dfs.namenode.secondary.http-address</name>  
    <value>node2:50090</value> 
  </property>  
  <property> 
    <name>dfs.replication</name>  
    <value>1</value> 
  </property>  
  <property> 
    <name>dfs.namenode.name.dir</name>  
    <value>/data/hadoop/hdfs/nn</value> 
  </property>  
  <property> 
    <name>dfs.namenode.checkpoint.dir</name>  
    <value>/data/hadoop/hdfs/snn</value> 
  </property>  
  <property> 
    <name>dfs.namenode.checkpoint.edits.dir</name>  
    <value>/data/hadoop/hdfs/snn</value> 
  </property>  
  <property> 
    <name>dfs.datanode.data.dir</name>  
    <value>/data/hadoop/hdfs/dn</value> 
  </property> 
</configuration>

4）配置 mapred-site.xml 文件。

• 首先，输入【cp  mapred-site.xml.template  mapred-site.xml】命令，从mapred-site.xml.template模板文件复制一个新的文件，命名为mapred-site.xml。

# cp  mapred-site.xml.template  mapred-site.xml

• 使用【vi】命令，编辑 mapred-site.xml文件

[root@node1 hadoop]# vi mapred-site.xml

• 修改<configuration>标签及其内容如下：

<configuration> 
  <property> 
    <name>mapreduce.framework.name</name>  
    <value>yarn</value> 
  </property>  
  <property> 
    <name>dfs.permissions</name>  
    <value>false</value> 
  </property>  
  <property> 
    <name>mapreduce.jobhistory.address</name>  
    <value>node1:10020</value> 
  </property>  
  <property> 
    <name>mapreduce.jobhistory.webapp.address</name>  
    <value>node1:19888</value> 
  </property> 
</configuration>

5）配置yarn-site.xml文件：

• 使用【vi】命令，编辑 yarn-site.xml文件

[root@node1 hadoop]# vi yarn-site.xml

• 修改<configuration>标签及其内容如下：

<configuration> 
  <property> 
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value> 
  </property>  
  <property> 
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value> 
  </property>  
  <property> 
    <name>yarn.resourcemanager.address</name>  
    <value>node1:8032</value> 
  </property>  
  <property> 
    <name>yarn.resourcemanager.scheduler.address</name>  
    <value>node1:8030</value> 
  </property>  
  <property> 
    <name>yarn.resourcemanager.resource-tracker.address</name>  
    <value>node1:8031</value> 
  </property>  
  <property> 
    <name>yarn.resourcemanager.admin.address</name>  
    <value>node1:8033</value> 
  </property>  
  <property> 
    <name>yarn.resourcemanager.webapp.address</name>  
    <value>node1:8088</value> 
  </property> 
</configuration>

6）配置hadoop-env.sh、yarn-env.sh、mapred-env.sh文件的JAVA_HOME变量。如果不设置，可能会无法正常启动集群。

• 输入【vi  hadoop-env.sh】打开配置文件，加入JAVA_HOME环境变量。

……
# The java implementation to use.
export JAVA_HOME=/opt/module/jdk1.8.0_301
# The jsvc implementation to use. Jsvc is required to run secure datanodes
# that bind to privileged ports to provide authentication of data transfer

• 输入【vi yarn-env.sh】打开配置文件，加入JAVA_HOME环境变量。

• 输入【vi  mapred-env.sh】打开配置文件，加入JAVA_HOME环境变量。

7）输入【vi slaves】配置slaves文件，删除默认的localhost，增加2个从节点的IP地址或host主机名。

node2
node3

8）将配置好的Hadoop复制到其他节点对应位置上，通过scp命令发送。

[root@node1 hadoop]# scp -rq /opt/module/hadoop node2:/opt/module/
[root@node1 hadoop]# scp -rq /opt/module/hadoop node3:/opt/module/

4、启动Hadoop集群并测试

• 在node1上，格式化Hadoop的namenode

[root@node1 hadoop]# hdfs namenode -format

格式化完成后会显示“successfully formatted.”，如下图所示：

• 在node1节点上，启动Hadoop

[root@node1 hadoop]# start-all.sh

启动后可以看到控制台打印信息显示在node1节点上启动了 namenode、resourcemanager两个进程，在node2节点上启动了 datanode、nodemanager、secondarynamenode三个进程，在node3节点上启动了 datanode、nodemanager两个进程。 

• 使用【jps】命令，在node1节点上可以看到namenode、ResourceManager进程

• 使用【jps】命令，在node2节点上可以看到DataNode、NodeManager、SecondaryNameNode进程

• 使用【jps】命令，在node3节点上可以看到DataNode、NodeManager进程

• 在client节点上，可以通过浏览器访问HDFS和YARN的Web监控页面，如已配置了hosts映射可直接通过机器名访问，未配置本机hosts映射需要通过IP地址访问，HDFS和YARN的Web监控页面端口如下：

HDFS：http://node1:50070

YARN：http://node1:8088