RedHat 6.8 搭建 Hadoop 集群

Hadoop基本简介

• 是一个由Apache基金会所开发的分布式系统基础架构。
• 广义上来说，是一个Hadoop生态圈（由一堆框架、软件组成）

版本介绍

• 分为社区版和商业版
• 1.x,2.x,-是并行发展的
  • 1.x ：
    • 由一个分布式文件系统HDFS
    • 一个离线计算机框架MapReduce
  • 2.x：
    • 支持NameNode的HDFS
    • 资源管理系统YARN
    • 运行在YARN上的MapReduce
    • 比1的功能更强大，有更好的扩展性、性能、并支持多种计算框架
  • 3.x
    • 比2有一系列功能加强，但还在测试

集群介绍

• 包含两个集群，HDFS集群和YARN集群：
  • 都是分布式，可以布置在多台机器上。
  • 两者逻辑上分离，但物理常在一起：但是即使装在一台机器上，逻辑上也是分离的，就是说两个的处理完全独立，1个执行不了不影响另一个。

优势

• 扩容能力：分布式系统方便的扩充
• 成本低：可以使用多台普通廉价的机器
• 高效率：通过并发数据，结点直接动态并行移动数据，速度块。
• 可靠性：自动同步备份数据

HDFS集群：

• 负责数据的存储。
• 集群中的角色：
  • NameNode：命名结点
  • DataNode：数据结点
  • SecondaryNameNode：秘书结点

YARN集群

• 负责数据运算的硬件资源调度，比如内存
• 集群中的角色
  • Resource Manager
  • Node Manager

MapReduce

• 其实是一个分布式运算编程框架（类似一个接口和一系列父类）
• 注意并不是一个集群

部署方式

• Standalone mode（独立模式）：单机模式，在1个机器上运行一个Java进程，主要用于调试。
• Pseudo-Distributed mode（伪分布模式）：1个机器上运行HDFS和YARN，但是分别开启Java进程
• Cluster mode （集群模式）:实际生产使用的模式，在N台主机组成一个Hadoop集群。

搭建Hadoop

0.部署计划

　　本文使用的版本是 

• Red Hat 6.8 -本来想用CentOS7搭建的，但是工作需要还是换成这个了，不用红帽子用Centos 6系列的应该也可以
• JDK 1.8
• Hadoop 2.7.7
• 　　计划部署2台虚拟机，分别命名为node-1和node-2，4G内存和40G的硬盘

1.环境部署

node-1&2环境

• 以下内容两台机器都要配置

1. 部署虚拟机（使用VMware傻瓜式操作，不再赘述）
2. 挂载本地yum源（或者使用网络都行）
3. 同步机组时间 #yum安装ntpdate yum install ntpdate #网络同步时间 ntpdate cn.pool.ntp.org
4. 配置主机名称 vim /etc/sysconfig/network ​ #修改为： NETWORKING=yes HOSTNAME=node-1 
5. 配置IP、主机名映射 vim /etc/hosts ​ #直接添加 192.168.98.129 node-1 192.168.98.130 node-2
6. 配置ssh免密登录 ssh-keygen -t rsa #再按四次回车 Generating public/private rsa key pair. Enter file in which to save the key (/root/.ssh/id_rsa): Enter passphrase (empty for no passphrase): Enter same passphrase again: Your identification has been saved in /root/.ssh/id_rsa. Your public key has been saved in /root/.ssh/id_rsa.pub. The key fingerprint is: 20:15:74:e0:d2:48:1d:0d:e4:42:2a:14:28:1e:b7:75 root@node-1 The key's randomart image is: +--[ RSA 2048]----+ |.o. o+O*. | |+. = B.E. | |+ + B * | | o . + . | | S | | | | | | | | | +-----------------+ ​ #使用ssh-copy-id命令将公钥考培到要免密登录的目标机器上 ssh-copy-id node-1 ssh-copy-id node-2
7. 关闭防火墙 #查看防火墙状态 service iptables status #关闭防火墙 service iptables stop #查看防火墙开机启动状态 chkconfig iptables --list #关闭防火墙开机启动 chkconfig iptables off 如下图状态则说明防火墙已经关闭、防火墙开机不会自动启动

1. 安装JDK
   • 使用rpm格式文件安装
   • 复制到/usr/java文件夹（没有则先创建文件夹）
   • #授予权限 chmod 700 jdk-8u65-linux-x64.rpm #安装 rpm -ivh jdk-8u65-linux-x64.rpm
   • 安装完成

9. 配置环境变量

#打开全局环境变量设置
vim  /etc/profile
​
#在文档最下方添加配置
JAVA_HOME=/usr/java/jdk1.8.0_65
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$PATH:$JAVA_HOME/bin
export PATH JAVA_HOME CLASSPATH
​
#生效配置
source /etc/profile
​
#测试配置
java -version

配置成功：

node-1配置Hadoop

• 以下操作只要在node1上操作

1. 安装Hadoop
   • 使用tar.gz格式安装
   • 复制到/usr/hop，没路径自行创建

   #授予权限 chmod 700 hadoop-2.7.7.tar.gz ​ #解压到当前路径 [root@node-1 hop]# tar zxvf hadoop-2.7.7.tar.gz ​

2. 配置Hadoop
   1. 配置目录：/usr/hop/hadoop-2.7.7/etc/hadoop
      • 所有配置文件都在这里
      • 我们一共需要配置：
        • hadoop-env.sh
        • core-site.xml
        • hdfs-site.xml
        • mapred-site.xml
        • yarn-site.xml
        • slaves
   2. vim hadoop-env.sh #在文件中找到JAVA_HOME，修改配置 export JAVA_HOME=/usr/java/jdk1.8.0_65
   3. vim core-site.xml
      • hadoop.tmp.dir是导出目录，注意要手动创建/usr/hop/hadoop-2.7.7/data/
      • 最好创建在hadoop的安装目录下

      <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://node-1:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/usr/hop/hadoop-2.7.7/data/hopdata</value> </property> </configuration>

      • 注意不一样，别写错

      

   4. vim hdfs-site.xml
      • dfs.replication是指默认备份的数量

      <configuration> <property> <name>dfs.namenode.secondary.http-address</name> <value>node-2:50090</value> </property> <property> <name>dfs.replication</name> <value>2</value> </property> </configuration> ​

   5.  mapred-site.xml
      • 默认只有mapred-site.xml.template ，因此要改成mapred-site.xml

mv mapred-site.xml.template
vim mapred-site.xml

​

<!--指定mapreduce运行时框架，这里指定在yarn上，默认是local-->

<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>
​

6. vim yarn-site.xml

​

<configuration>
​
<!-- Site specific YARN configuration properties -->
  <property>
    <!--指定YARN的主机(ResourceManager)的地址-->
    <name>yarn.resourcemanager.hostname</name>
    <value>node-1</value>
  </property>
  <property>
    <!--nodeManager上运行的附属服务，需要配置成maperduce_shuffle，才可用MapReduce程序-->
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
</configuration>
​

7. vim slaves

• 告诉hadoop有多少台机器

node-1
node-2

8. 配置Hadoop环境变量，和java的一样，配置以后整体如下

JAVA_HOME=/usr/java/jdk1.8.0_65
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
HADOOP_HOME=/usr/hop/hadoop-2.7.7
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export PATH JAVA_HOME CLASSPATH HADOOP_HOME
​

　　生效环境变量

source /etc/profile

测试环境变量配置是否成功

hadoop version

9. 把Hadoop发送到其他机器上

scp -r /usr/hop/hadoop-2.7.7/ root@node-2:/usr/hop

注意，如果导出目录没设置在Hadoop安装包里，其他机器上也要手动创建导出目录(最好把导出目录直接设置在hadoop文件夹里面。。)

10. 把环境变量发送到其他机器上

scp -r /etc/profile root@node-2:/etc/

生效其他机器的环境变量

source /etc/profile

Hadoop集群启动

1.hdfs格式化

• 只有首次启动需要
• 格式化本质是进行文件系统初始化操作，创建一些自己所需要的文件
• 格式化之后，集群启动成功，后续不要再格式化
• 格式化的操作在hdfs集群的主角色（namenode）上操作

#以下两条命令都可以，只要执行1条！
#在node-1中执行
hdfs namenode –format 
hadoop namenode –format

2.启动hdfs集群

• 定位到/usr/hop/hadoop-2.7.7/sbin
• 目录中有一堆执行文件，其中start-dfs.sh就是hdfs集群的启动文件

• start-all.sh和stop-all.sh是Deprecated的，不建议使用
• 执行start-dfs.sh
• 发现报错(如果没报错就跳过)

 一些解决方案

配置完hadoop启动的时候出现如下警告信息：

WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

1. 如何验证64bit还是32bit?

进入hadoop安装目录，用ldd命令查看依赖库

ldd libhadoop.so.1.0.0 会输出如下信息：

./libhadoop.so.1.0.0: /lib64/libc.so.6: version `GLIBC_2.14' not found (required by ./libhadoop.so.1.0.0)
        linux-vdso.so.1 =>  (0x00007fff369ff000)
        libdl.so.2 => /lib64/libdl.so.2 (0x00007f3caa7ea000)
        libc.so.6 => /lib64/libc.so.6 (0x00007f3caa455000)
        /lib64/ld-linux-x86-64.so.2 (0x00007f3caac1b000)

可以看到依赖的都是/lib64/的动态库，所以不是64位/32位问题。但是看到报错，GLIBC_2.14找不到，现在检查系统的glibc库, ldd --version即可检查。 输入命令：

ldd --version
#会输出如下信息：
ldd (GNU libc) 2.12
Copyright (C) 2010 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.
Written by Roland McGrath and Ulrich Drepper.

原来系统预装的glibc库是2.12版本，而hadoop期望是2.14版本，所以打印警告信息。

先回到Hadoop/sbin目录关闭hdfs

 cd /usr/hop/hadoop-2.7.7/sbin/
 stop-dfs.sh

到http://ftp.gnu.org/gnu/glibc/下载glibc-2.14.tar.xz

tar glibc-2.14.tar.gz
xz -d glibc-2.14.tar.xz
tar -xvf glibc-2.14.tar
cd glibc-2.14
mkdir build
cd build
../configure --prefix=/usr/local/glibc-2.14
make -j4
make install

看看现在libc.so.6在哪个位置，然后修改软链接

[root@binghe ~]# whereis libc.so.6
libc.so: /lib64/libc.so.6 /usr/lib64/libc.so
[root@binghe ~]# rm -rf /lib64/libc.so.6
###注意：删除/lib64/libc.so.6软链接之后，不要关闭当前会话，否则将登录不上系统，切记切记切记！
###直接执行以下代码
[root@binghe ~]# LD_PRELOAD=/usr/local/glibc-2.14/lib/libc-2.14.so ln -s /usr/local/glibc-2.14/lib/libc-2.14.so /lib64/libc.so.6

再启动：不再报错了！

3.启动yarn集群

• 同理定位到安装目录的sbin，启动yarn,sh

 cd /usr/hop/hadoop-2.7.7/sbin/
 start-yarn.sh

4.全局输入jps检查

• 正常是这样的

• 如果发现node-1没有执行namenode

•  可以查看namenode启动日志，根据日志记录再去看怎么解决

#在安装目录下找到Logs文件夹
cd /usr/hop/hadoop-2.7.7/logs/
#打开hadoop-root-namenode-node-1.log日志
vim hadoop-root-namenode-node-1.log

5.如果想单节点启动，可以使用以下命令（一般不使用）：

• 也要在sbin目录下执行

#在主节点上使用以下命令启动HDFS NameNode：
    hadoop-daemon.sh start namenode
#在每个从节点上使用以下命令启动HDFS DataNode：
    hadoop-daemon.sh start datanode
#在主节点上使用以下命令启动YARN ResourceManager：
    yarn-daemon.sh  start resourcemanager
#在每个从节点上使用以下命令启动YARN nodemanager：
    yarn-daemon.sh start nodemanager
#以上脚本位于$HADOOP_PREFIX/sbin/目录下。如果想要停止某个节点上某个角色，只需要把命令中的start改为stop即可。

6.登录web.ui

1.在浏览器输入 node-1:50070

• 该网址是hdfs集群的网络管理端口
• 如果这一步不行，检查namenode是否正确启动！

2.在浏览器输入 node-1:8088

• 打开yarn集群的管理端口

3.在浏览器输入node-2:50090。

4.如果node-2:50090登录不上

• 在node-2查看node启动日志

#查看方式和上文node-1的一样，只是��再node-2机器上找，而且找的是node-2中执行的是SecondaryNameNode日志
#在安装目录下找到Logs文件夹
cd /usr/hop/hadoop-2.7.7/logs/

• 发现提示：

Call From node-2/192.168.98.130 to node-1:9000 
failed on connection exception: java.net.ConnectException: 
Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused

• 说明主机9000端口登录不进去
• 回到主机检查
• #查看端口 netstat -tlpn
• 发现9000端口是在127.0.0.1后面，说明此使其他机器访问不了，只能通过本机访问（如果是正确的，应该192.168.X.X）

• 验证是否连不上

#使用telnet命令验证
telnet node-1 9000
#发现确实连不上
Trying ::1...
telnet: connect to address ::1: Connection refused
Trying 127.0.0.1...
Connected to node-1.

#如果没有安装telnet,使用yum命令安装
yum install telnet-server
yum install telnet.*

• 修改/etc/hosts文件，发现原来是笔者修改别的错误时，错误的在前两行后面加上node-1，只要去掉如图就可以了。

• 关闭Hadoop集群，重启机器，打开Hadoop集群，登录成功了

Hadoop重要配置解析

基本信息

安装时，我们配置了

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

1. 其中 xxx-site.xml文件，在官网目录最下方，可以找到响应的xxx-default.xml文件，如果用户没有更改，那么这里面的选项会生效

http://hadoop.apache.org/docs/r2.7.7/

1. site中配置了，就会覆盖了默认的配置选项
2. Deprecated Properties中写了过时的配置。

1.core-site.xml

• 集群全局参数，用于定义系统级别的参数，如HDFS URL、Hadoop的临时目录等 <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://node-1:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/export/data/hopdata</value> </property> </configuration>

2.hdfs-site.xml

• HDFS参数，如名称节点和数据节点的存放位置、文件副本的个数、文件读取权限等 <configuration> <property> <name>dfs.namenode.secondary.http-address</name> <value>node-2:50090</value> </property> <property> <name>dfs.replication</name> <value>2</value> </property> </configuration>

3.mapred-site.xml

• • Mapreduce参数，包括JobHistory Server和应用程序参数两部分，如reduce任务的默认个数、任务所能够使用内存的默认上下限等 <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>

4.yarn-site.xml

• • 集群资源管理系统参数，配置 ResourceManager，NodeManager 的通信端口，web监控端口等 <configuration> <!-- Site specific YARN configuration properties --> <property> <!--指定YARN的主机(ResourceManager)的地址--> <name>yarn.resourcemanager.hostname</name> <value>node-1</value> </property> <property> <!--nodeManager上运行的附属服务，需要配置成maperduce_shuffle，才可用MapReduce程序--> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>

更多Hadoop相关信息见Hadoop 专题页面 https://www.linuxidc.com/topicnews.aspx?tid=13