大数据之Hadoop学习（环境配置）——Hadoop伪分布式集群搭建

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/lzw2016/article/details/84197986

---

title: Hadoop伪分布式集群搭建
date: 2018-11-14 15:17:20
tags: Hadoop
categories: 大数据
点击查看我的博客: Josonlee’s Blog

---

前言准备

Win10上通过VMware12 + Centos7准备好了基本环境，配置虚拟机的子网IP地址（我这里是192.168.17.0），如图通过管理员可配置子网IP，掩码，网关（我这里是192.168.17.2）

下文提到的文件上传到虚拟机中，建议使用WinSCP工具

伪分布式特点

具备Hadoop的所有功能，在单机上模拟一个分布式的环境，需要配置hdfs和yarn框架

• HDFS：主节点：master，从节点：slave 【伪分布式这里也是master】
• Yarn：容器，运行MapReduce程序
  • 主节点：ResourceManager
  • 从节点：NodeManager

JDK 下载和环境配置

• 下载安装

这里下载Linux版本：http://www.oracle.com/technetwork/java/javase/downloads/index.html ，我这里使用的是 jdk-8u131-linux-x64 版本

首先要把下载的文件上传到centos系统下的随便那个目录下（最好root下），把文件解压缩到/root 目录下

以下操作都是在root管理员权限下操作

cd /root
rpm -ivh [你下载的文件名]

• 环境配置

编辑环境变量，在/etc/profile文件中添加如下变量

注意，我这里jdk1.8.0_131换成你下载的jdk版本号即可

• 测试

命令行下输入 java -version，能正确查看到java的版本就表示上面步骤配置成功

配置虚拟机网络环境

首先要知道完全分布式和伪分布式的原理是一样的，都得有master和slave节点，节点之间通信时不可能有DHCP临时随机配置IP，所以要配置虚拟机的固定IP

• 设置静态IP

同样是在/etc下（这是配置文件所在地）

ls sysconfig/network-scripts/ifcfg-ens*
# 输出结果就是要配置的文件

vi sysconfig/network-scripts/ifcfg-en*
# 进入编辑

改动以下设置

BOOTPROTO=static //改成static
ONBOOT=yes //改成yes
IPADDR=192.168.17.10 //随便设，不过要在子网192.168.17.0下
NETMASK=255.255.255.0 //掩码
GATEWAY=192.168.17.2 //第一步配置时设好的
DNS1=192.168.17.2 //随便写

• 设置主机名

命令行下输入hostname可查看主机名，一般是localhost，但为了方便重新设置主机名

vi /etc/hostname 

删掉原先的，配置主机名（如master，namenode等）

• 绑定IP地址到主机名的映射

vi /etc/hosts

# 追加如下内容
127.168.17.10 master //就是你配置的固定IP和主机名

• 关闭防火墙

我这里是centos，防火墙是firewall，而不是iptables【其他系统有其他关闭方法】。防火墙务必要关闭，否则完全分布式搭建的话无法和其他主机相连

systemctl stop firewalld    //停止firewall服务
systemctl disable firewalld   //禁止firewall开机启动

然后可以通过systemctl status firewalld查看防火墙状态

Active: inactive (dead) //这就是关闭了

• 重启网络服务

systemctl restart network，然后你可以ping以下主机名ping master，看可以ping通吗，可以的话就OK

配置Hadoop的环境

下载Hadoop

(1) apache hadoop：http://www-us.apache.org/dist/hadoop/common/ 【这个是开源的】

(2) cloudera hadoop（CDH）：http://archive-primary.cloudera.com/cdh5/cdh/5/ 【推荐使用】

CDH是hadoop的一个版本，我们老师推荐的，原因没记住是啥

上传并解压安装

我这里是下的hadoop-2.6.0-cdh5.12.1，一样是上传放在了/root目录下

tar -zxvf hadoop-2.6.0-cdh5.12.1.tar.gz -C /home/hadoop //把hadoop-2.6.0-cdh5.12.1解压到/home/hadoop目录下

cd /home/hadoop/hadoop-2.6.0-cdh5.12.1 //切换到该目录下

hdfs在运行时需要name，data，logs，tmp文件夹用来存放原数据，实际数据，日志，临时文件

mkdir hdfs hdfs/name hdfs/data logs tmp         //在hadoop目录中创建

配置Hadoop环境变量

vi /home/hadoop/.bash_profile 
# 修改添加下列内容

export HADOOP_HOME=/home/hadoop/hadoop-2.6.0-cdh5.12.1    //hadoop主目录
export HADOOP_LOG_DIR=$HADOOP_HOME/logs         //hadoop日志目录
export YARN_LOG_DIR=$HADOOP_LOG_DIR             //YARN日志目录
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH    //添加hadoop命令路径

中文去掉

修改hadoop配置文件

我在文末会放一个链接，你可以直接下载，修改其中的主机名上传到/home/hadoop/hadoop-2.6.0-cdh5.12.1/etc/hadoop目录下，覆盖原文件即可

cd /home/hadoop/hadoop-2.6.0-cdh5.12.1/etc/hadoop

中文统统都去掉

• 设置java所在环境变量

在hadoop-env.sh、mapred-env.sh、yarn-env.sh中分别设置JAVA_HOME

export JAVA_HOME=/usr/java/jdk1.8.0_131 //之前设置的

• 配置slaves文件 设置slave节点名

vi slaves
#添加slave节点名

master

因为是伪分布式，一台虚拟机充当master也充当slave

• 修改log4j.properties文件

追加一行内容：log4j.logger.org.apache.hadoop.util.NativeCodeLoader=ERROR，避免启动时报警

• 配置core-site.xml

<configuration>
    <property>
    <name>fs.defaultFS</name>
    <value>hdfs://master:9000</value> //指定对外访问接口
    </property>
    <property>
    <name>hadoop.tmp.dir</name>
    <value>/home/hadoop/hadoop-2.6.0-cdh5.12.1/tmp</value> //指定临时文件放哪
</property>
</configuration>

• 配置hdfs-site.xml

<configuration>
<property>
    <name>dfs.namenode.name.dir</name>
<value>/home/hadoop/hadoop-2.6.0-cdh5.12.1/hdfs/name</value> //元数据放哪
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/home/hadoop/hadoop-2.6.0-cdh5.12.1/hdfs/data</value> //实际数据放哪
</property>
<property>
<name>dfs.replication</name>
<value>1</value>          // 这个1是指定数据备份几份 【默认3份，伪分布式1是因为只有一个slave】
</property>
  <property>
    <name>dfs.permissions</name>
    <value>false</value>    // 跳过身份验证
  </property>
</configuration>

以上是hdfs的配置，下面是yarn的配置

• 配置mapred-site.xml文件

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

该文件默认不存在，需要用模板文件来创建

<configuration>
  <property>
    <name>mapreduce.framework.name</name> //配置MapReduce运行时用的框架为yarn
    <value>yarn</value>
  </property>
</configuration>

• 配置yarn-site.xml文件

<configuration>
    <property>
      <name>yarn.resourcemanager.hostname</name> //配置ResourceManager的地址
      <value>master:8031</value>
    </property>
    <property>
      <name>yarn.nodemanager.aux-services</name> //配置NodeManager执行任务的方式
      <value>mapreduce_shuffle</value>
    </property> 
</configuration>

• 设置hadoop目录的owner

chown -R hadoop:hadoop /home/hadoop/hadoop-2.6.0-cdh5.12.1 //修改hadoop目录的owner

以上就是Hadoop基本配置

配置hadoop用户免密登录

从上文可以看出，我的centos的普通用户是hadoop(/home/hadoop)，设置hadoop用户免密登录可以便于集群间后台数据传输时省去密码的输入过程

这里使用ssh免密登录，rsa加密算法

• 切换到hadoop用户
• 命令行执行 ssh -keygen -t rsa
  • 遇到提示时，回车即可；三次回车
  • 默认会在/home/hadoop/.ssh/下生成私钥（id_rsa）、公钥（id_rsa.pub）

进入.ssh目录，把公钥汇总到授权文件（authorized_keys），并授权

cd ~/.ssh
cat id_rsa.pub >> authorized_keys       //在master执行，合并授权文件
chmod 600 authorized_keys         //设置授权文件的访问权限为读写

如果是完全分布式搭建，这里略有不同。要在每台主机上都生成公钥、私钥，并把公钥汇总到master节点的授权文件中，然后master再把授权文件分发给每个节点

• 测试ssh免密登录

如果配置成功，输入ssh master[主机名]即可登录，登录会显示Last login:XXX...。第一次登录会有提示，输入yes就OK

如果以上配置都成功了，那恭喜你，配置成功了

启动Hadoop

格式化hdfs文件系统

第一次启动时干的

hdfs namenode -format

启动hdfs

start-dfs.sh

结果如下图

你可以使用jps命令查看当前运行的进程

你也可以本地通过浏览器查看，打开浏览器输入 http://192.168.17.10:50070 【这个IP是前面配的固定IP地址】

启动yarn

start-yarn.sh

master启动ResourceManager进程，slave启动NodeManager进程

你也可以本地通过浏览器查看，打开浏览器输入 http://192.168.17.10:8088

启动JobHistory Server（MR）

mr-jobhistory-daemon.sh start historyserver

记录分布式环境下提交的作业记录，namenode启动JobHistoryServer进程

你也可以本地通过浏览器查看，打开浏览器输入 http://192.168.17.10:19888

---

最近开的大数据课，包含Hadoop和Spark俩门，会不定时记录学习心得，优先会记录在github博客上，有空就迁移过来
点击查看我的博客: Josonlee’s Blog

这是我文中提到的我配置好的配置文件，点击下载即可，要修改处可参考我文中的注释
下一篇会谈如何编写MapReduce程序和如何本地配置eclipse连接虚拟机hdfs服务器

---