Hadoop学习记录（一、Hadoop集群的搭建）

参考：http://www.zuidemo.com/filePreview/pdfFilePreview/11202并进行补充

1.新建七个centos7系统的虚拟机，分别命名为cluster1,cluster2等。关闭防火墙。

2.七台主机都修改host文件

vi /etc/hosts

3.集群间做ssh免密设置 

vi /etc/ssh/sshd_config

添加

RSAAuthentication yes
PubkeyAuthentication yes
AuthorizedKeysFile .ssh/authorized_keys

保存后执行命令

ssh-keygen -t rsa

一路回车，然后在~/.ssh/目录下会生成一个保存有公钥的文件：id_rsa.pub

将公钥拷贝到其他机子上

ssh-copy-id [email protected]

同理，将cluster1，cluster2公钥分别拷到另外两个主机上。

验证：

ssh cluster2

发现cluster1，cluster2可以在三个主机间免密登录，cluster3登录其他主机需要密码 。

4. 配置Hadoop

1.将hadoop压缩包解压

2.修改系统配置文件

vim /etc/profile

添加 

export HADOOP_HOME=/usr/local/hadoop-2.7.3
export PATH=$HADOOP_HOME/bin:$PATH

3.修改hadoop配置文件

在/usr/local/hadoop-2.7.3/etc/hadoop目录下修改配置文件

vim hadoop-env.sh

添加

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.191.b12-0.el7_5.x86_64/

修改hdfs-site.xml

<!-- 指定hdfs的nameservices为mycluster,与core-site.xml保持一致 -->
  <property>
    <name>dfs.nameservices</name>
    <value>mycluster</value>
  </property>
  <!-- mycluster下面有两个namenode,分别为nameNode1,nameNode2 -->
  <property>
    <name>dfs.ha.namenodes.mycluster</name>
    <value>nameNode1,nameNode2</value>
  </property>
  <!-- nn1 rpc通信地址 -->
  <property>
    <name>dfs.namenode.rpc-address.mycluster.nameNode1</name>
    <value>cluster1:9000</value>
  </property>
  <!-- nn1 http通信地址 -->
  <property>
    <name>dfs.namenode.http-address.mycluster.nameNode1</name>
    <value>cluster1:50070</value>
  </property>
  <!-- nn2 rpc通信地址 -->
  <property>
    <name>dfs.namenode.rpc-address.mycluster.nameNode2</name>
    <value>cluster2:9000</value>
  </property>
  <!-- nn2 http通信地址 -->
  <property>
    <name>dfs.namenode.http-address.mycluster.nameNode2i</name>
    <value>cluster2:50070</value>
  </property>
  <!-- 指定NameNode元数据在JournalNode上的存放位置 -->
  <property>
    <name>dfs.namenode.shared.edits.dir</name>
    <value>qjournal://cluster4:8485;cluster5:8485;cluster6:8485;cluster7:8485/mycluster</value>
  </property>
  <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
  <property>
    <name>dfs.journalnode.edits.dir</name>
    <value>/usr/local/hadoop/journal</value>
  </property>
  <!-- 开启nameNode失败自动切换 -->
  <property>
    <name>dfs.ha.automatic-failover.enabled</name>
    <value>true</value>
  </property>
  <!-- 配置失败自动切换实现方式 -->
  <property>
    <name>dfs.client.failover.proxy.provider.mycluster</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>
  <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行 -->
  <property>
    <name>dfs.ha.fencing.methods</name>
    <value>
            sshfence
            shell(/bin/true)
    </value>
  </property>
  <!-- 配置sshfence隔离机制超时时间 -->
  <property>
    <name>dfs.ha.fencing.ssh.connect-timeout</name>
    <value>30000</value>
  </property>

修改core-site.xml

<configuration>
  <!-- 指定hdfs的nameservices为mycluster -->
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://mycluster</value>
  </property>
  <!-- 指定hadoop临时目录 -->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/usr/local/hadoop/tmp</value>
  </property>
  <!-- 指定zookeeper地址 -->
  <property>
    <name>ha.zookeeper.quorum</name>
    <value>cluster1:2181,cluster2:2181,cluster3:2181</value>
  </property>
</configuration>

 修改mapred-site.xml.template

<configuration>
  <!-- 指定mr框架为yarn方式 -->
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

修改yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
  <!-- 开启RM高可靠 -->
  <property>
    <name>yarn.resourcemanager.ha.enabled</name>
    <value>true</value>
  </property>

  <property>
    <name>yarn.resourcemanager.recovery.enabled</name>
    <value>true</value>
  </property>

  <property>
    <name>yarn.resourcemanager.store.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
  </property>
  <!-- 指定RM的cluster id -->
  <property>
    <name>yarn.resourcemanager.cluster-id</name>
    <value>yarn_cluster</value>
  </property>
  <!-- 指定RM的名字 -->
  <property>
    <name>yarn.resourcemanager.ha.rm-ids</name>
    <value>rm1,rm2</value>
  </property>
  <!-- 分别指定RM地址 -->
  <property>
    <name>yarn.resourcemanager.hostname.rm1</name>
    <value>cluster1</value>
  </property>
  <property>
    <name>yarn.resourcemanager.hostname.rm2</name>
    <value>cluster2</value>
  </property>
  <!-- 指定zk集群地址 -->
  <property>
    <name>yarn.resourcemanager.zk-address</name>
    <value>cluster11:2181,cluster12:2181,cluster13:2181</value>
  </property>
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
</configuration>

将cluster1上的hadoop安装目录复制到其他主机上

scp -r hadoop-2.7.3/ cluster3:/usr/local/

5.配置zookeeper

上传zookeeper文件并解压

在conf目录下复制 zoo_sample.cfg

cp zoo_sample.cfg zoo.cfg

修改zoo.cfg 

 在三个主机的/usr/local/data/zookeeper/目录下新建myid文件，并分别填入1,2,3，对应三个server

将zookeeper安装目录复制到其他两个主机上

scp -pr zookeeper-3.4.10 cluster3:/usr/local/

在bin目录下启动三个主机的zookeeper服务

./zkServer.sh start

查看服务状态

./zkServer.sh status