手工命令行 搭建 hadoop 和 spark 环境

环境准备：3台CentOS7，64位，Hadoop2.7需要64位Linux

192.168.20.161  192.168.20.162  192.168.20.163 三台机器分别叫host01.xyy host02.xyy host03.xyy

/etc/hosts

追加

192.168.20.161  host01.xyy

192.168.20.162  host02.xyy

192.168.20.163  host03.xyy

三台机器都是 用户名root 密码root   用户名hadoop 密码1

三台机器上都配置免密登录

sudo vim /etc/ssh/sshd_config

RSAAuthentication yes

PubkeyAuthentication yes

AuthorizedKeysFile .ssh/authorized_keys

集群中的每台主机上使用hadoop用户执行下面命令，一路回车，可生成本机的rsa类型的密钥。

ssh-keygen -t rsa

在主机host01上hadoop用户下执行如下操作

cat id_rsa.pub>> authorized_keys

ssh hadoop@host02 cat ~/.ssh/id_rsa.pub>> authorized_keys
ssh hadoop@host03 cat
~/.ssh/id_rsa.pub>> authorized_keys

把Master服务器的authorized_keys、hosts复制到Slave服务器上对应位置

常见免密码登录失败分析

配置问题

1. 检查配置文件/etc/ssh/sshd_config是否开启了AuthorizedKeysFile选项
2. 检查AuthorizedKeysFile选项指定的文件是否存在并内容正常

目录权限问题

1. ~权限设置为700
2. ~/.ssh权限设置为700
3. ~/.ssh/authorized_keys的权限设置为600

sudo chmod 700 ~

sudo chmod 700 ~/.ssh

sudo chmod 600 ~/.ssh/authorized_keys

设置完了记得重启ssh服务

完成免密和基础环境准备以后开始安装

3、安装JDK，Hadoop2.7需要JDK7，由于我的CentOS是最小化安装，所以没有OpenJDK，直接解压下载的JDK并配置变量即可
(1)下载“jdk-7u79-linux-x64.gz”，放到/home/java目录下
(2)解压，输入命令，tar
-zxvf jdk-7u79-linux-x64.gz
(3)编辑/etc/profile
export JAVA_HOME=/home/java/jdk1.7.0_79
export
CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin 
(4)使配置生效，输入命令，source
/etc/profile
(5)输入命令，java
-version，完成

4、安装Hadoop2.7，只在Master服务器解压，再复制到Slave服务器
(1)下载“hadoop-2.7.0.tar.gz”，放到/home/hadoop目录下
(2)解压，输入命令，tar
-xzvf hadoop-2.7.0.tar.gz
(3)在/home/hadoop目录下创建数据存放的文件夹，tmp、hdfs、hdfs/data、hdfs/name

5、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的core-site.xml
 <configuration>
    <property>
        <name>fs.defaultFS</name>
       
<value>hdfs://192.168.20.161:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/home/hadoop/tmp</value>
    </property>
    <property>
        <name>io.file.buffer.size</name>
        <value>131702</value>
    </property>
 </configuration>

6、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的hdfs-site.xml
 <configuration>
    <property>
        <name>dfs.namenode.name.dir</name>
       
<value>file:/home/hadoop/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
       
<value>file:/home/hadoop/dfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>192.168.20.161:9001</value>
    </property>
    <property>
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
    </property>
 </configuration>

7、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的mapred-site.xml
 <configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
       
<name>mapreduce.jobhistory.address</name>
        <value>192.168.20.161:10020</value>
    </property>
    <property>
       
<name>mapreduce.jobhistory.webapp.address</name>
        <value>192.168.20.161:19888</value>
    </property>
 </configuration>

8、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的yarn-site.xml
 <configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
       
<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
       
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
       
<name>yarn.resourcemanager.address</name>
        <value>192.168.20.161:8032</value>
    </property>
    <property>
       
<name>yarn.resourcemanager.scheduler.address</name>
        <value>192.168.20.161:8030</value>
    </property>
    <property>
       
<name>yarn.resourcemanager.resource-tracker.address</name>
        <value>192.168.20.161:8031</value>
    </property>
    <property>
       
<name>yarn.resourcemanager.admin.address</name>
        <value>192.168.20.161:8033</value>
    </property>
    <property>
       
<name>yarn.resourcemanager.webapp.address</name>
        <value>192.168.20.161:8088</value>
    </property>
    <property>
       
<name>yarn.nodemanager.resource.memory-mb</name>
        <value>768</value>
    </property>
 </configuration>

9、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下hadoop-env.sh、yarn-env.sh的JAVA_HOME，不设置的话，启动不了，
export JAVA_HOME=/home/java/jdk1.7.0_79

10、配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的slaves，删除默认的localhost，增加2个从节点，
192.168.20.162

192.168.20.163

11、将配置好的Hadoop复制到各个节点对应位置上，通过scp传送，
scp -r /home/hadoop 192.168.20.162:/home/
scp -r /home/hadoop 192.168.20.163:/home/

12、在Master服务器启动hadoop，从节点会自动启动，进入/home/hadoop/hadoop-2.7.0目录
(1)初始化，输入命令，bin/hdfs
namenode -format
(2)全部启动sbin/start-all.sh，也可以分开sbin/start-dfs.sh、sbin/start-yarn.sh
(3)停止的话，输入命令，sbin/stop-all.sh
(4)输入命令，jps，可以看到相关信息

13、Web访问，要先开放端口或者直接关闭防火墙
(1)输入命令，systemctl
stop firewalld.service
(2)浏览器打开http://
192.168.20.161:8088/
(3)浏览器打开http://
192.168.20.161:50070/

14、安装完成。这只是大数据应用的开始，之后的工作就是，结合自己的情况，编写程序调用Hadoop的接口，发挥hdfs、mapreduce的作用。

完成以后安装spark环境

安装Zookeeper

---

复制zookeeper的gz文件到 host01 机器

1. 解压

tar zxf zookeeper-3.4.11.tar.gz

2. 配置

cd conf

cp zoo_sample.cfg zoo.cfg

vim zoo.cfg

3. 设置serverid

进入data文件夹

cd /home/hadoop/zookeeper-3.4.11/data

机host01器

echo "1">myid

4. Copy至其他机器

scp -r /home/hadoop/zookeeper-3.4.11    hadoop@host01.xyy: /home/hadoop/zookeeper-3.4.11

5. 修改另外台机器的serverid

重复第3步，分别将id设置为配置文件中对应的id

cd /home/hadoop/zookeeper-3.4.11/data

host02

echo "2">myid

host03

echo "3">myid

安装Spark

---

Host01机器

1. 拷贝安装文件并解压

scala-2.11.7.tgz

spark-1.6.0-bin-hadoop2.6.tgz

hadoop-2.6.0.tar.gz

分别解压

2. 设置环境变量

vim ~/.bash_profile

export
JAVA_HOME=/home/peter/App/jdk1.8.0_66

export
PATH=$JAVA_HOME/bin:$PATH

export
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

export
SCALA_HOME=/home/peter/App/Spark/scala-2.11.7

export
SPARK_HOME=/home/peter/App/Spark/spark-1.6.0-bin-hadoop2.6

export
HADOOP_HOME=/home/peter/App/Spark/hadoop-2.6.0

export HADOOP_CONF_DIR=/home/peter/App/Spark/hadoop-2.6.0/etc/hadoop

export
PATH=$PATH:$SCALA_HOME/bin:$SPARK_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source ~/.bash_profile

3. 设置Spark

cd /home/peter/App/Spark/spark-1.6.0-bin-hadoop2.6/conf

cp spark-env.sh.template spark-env.sh

export
SCALA_HOME=/home/peter/App/Spark/scala-2.11.7

export
SPARK_WORKER_MEMORY=1G

export
JAVA_HOME=/home/peter/App/jdk1.8.0_66

export
SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER
-Dspark.deploy.zookeeper.url=sm:2181,sd1:2181,sd2:2181
-Dspark.deploy.zookeeper.dir=/spark"

配置slaves

cp slaves.template slaves

vim slaves

4. 拷贝安装文件以及配置文件至其他机器

Java安装文件及配置文件

Hadoop

Spark

Scala

5. 启动Spark集群

每台机器启动ZK

/home/peter/App/Spark/zookeeper-3.4.7/bin/zkServer.sh
start

在SM机器启动Spark集群

cd
/home/peter/App/Spark/spark-1.6.0-bin-hadoop2.6

./sbin/start-all.sh

选中一台机器作为Standby Master，启动Master进程

./sbin/start-master.sh

启动后，可访问Spark Alive
Master的管理页面以及Standby Master的管理页面

http://192.168.20.161:4040