Hadoop（二）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

主机名字	内存	硬盘	启用结点
node-1	4	40	hdfs:NameNode, DataNode;yarn:NodeManager, ResoureceManager,
node-2	4	40	hdfs:SecondaryNameNode,DataNode; yarn: NodeManager

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-

5. 配置IP、主机名映射

   vim /etc/hosts
   ​
   #直接添加
   192.168.98.129 node-
   192.168.98.130 node-

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:
   :::e0:d2::1d:0d:e4::2a:::1e:b7: root@node-
   The key's randomart image is:
   +--[ RSA ]----+
   |.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

   

8. 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  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..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  hadoop-2.7..tar.gz
   ​
   #解压到当前路径
   [root@node- hop]# tar zxvf hadoop-2.7..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..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./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-:</value>
        </property>
        <property>
          <name>dfs.replication</name>
          <value></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-</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-
node-

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..0_65
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
HADOOP_HOME=/usr/hop/hadoop-2.7.
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./ root@node-:/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-:/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)

• 以下解决转载自：https://blog.csdn.net/l1028386804/article/details/51538611

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.: /lib64/libc.so.: version `GLIBC_2.' not found (required by ./libhadoop.so.1.0.0)
        linux-vdso.so. =>  (0x00007fff369ff000)
        libdl.so. => /lib64/libdl.so. (0x00007f3caa7ea000)
        libc.so. => /lib64/libc.so. (0x00007f3caa455000)
        /lib64/ld-linux-x86-.so. (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)  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./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.
libc.so: /lib64/libc.so. /usr/lib64/libc.so
[root@binghe ~]# rm -rf /lib64/libc.so.
###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.

———————————————— 版权声明：本文为CSDN博主「冰 河」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/l1028386804/article/details/51538611

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./logs/
#打开hadoop-root-namenode-node-.log日志
vim hadoop-root-namenode-node-.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，只是要再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./logs/

• 发现提示：

Call From node-/192.168.98.130 to node-: 
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-
#发现确实连不上
Trying ::...
telnet: connect to address ::: Connection refused
Trying 127.0.0.1...
Connected to node-.

#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

1. 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>

序号	参数名	默认值	参数解释
1	fs.defaultFS	file:///	文件系统主机和端口
2	io.file.buffer.size	4096	流文件的缓冲区大小
3	hadoop.tmp.dir	/tmp/hadoop-${user.name}	临时文件夹

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>

序号	参数名	默认值	参数解释
1	dfs.namenode.secondary.http-address	0.0.0.0:50090	secondary namenode 所在主机的ip和端口,定义HDFS对应的HTTP服务器地址和端口
2	dfs.namenode.name.dir	file://${hadoop.tmp.dir}/dfs/name	定义DFS的名称节点在本地文件系统的位置
3	dfs.datanode.data.dir	file://${hadoop.tmp.dir}/dfs/data	定义DFS数据节点存储数据块时存储在本地文件系统的位置
4	dfs.replication	3	缺省的块复制数量
5	dfs.webhdfs.enabled	true	是否通过http协议读取hdfs文件，如果选是，则集群安全性较差

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>

序号	参数名	默认值	参数解释
1	mapreduce.framework.name	local	取值local、classic或yarn其中之一，如果不是yarn，则不会使用YARN集群来实现资源的分配
2	mapreduce.jobhistory.address	0.0.0.0:10020	定义历史服务器的地址和端口，通过历史服务器查看已经运行完的Mapreduce作业记录
3	mapreduce.jobhistory.webapp.address	0.0.0.0:19888	定义历史服务器web应用访问的地址和端口

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>

序号	参数名	默认值	参数解释
1	yarn.resourcemanager.address	0.0.0.0:8032	YARN的主机(ResourceManager)的地址, ResourceManager 提供给客户端访问的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等
2	yarn.resourcemanager.scheduler.address	0.0.0.0:8030	ResourceManager提供给ApplicationMaster的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等
3	yarn.resourcemanager.resource-tracker.address	0.0.0.0:8031	ResourceManager 提供给NodeManager的地址。NodeManager通过该地址向RM汇报心跳，领取任务等
4	yarn.resourcemanager.admin.address	0.0.0.0:8033	ResourceManager 提供给管理员的访问地址。管理员通过该地址向RM发送管理命令等。
5	yarn.resourcemanager.webapp.address	0.0.0.0:8088	ResourceManager对web 服务提供地址。用户可通过该地址在浏览器中查看集群各类信息
6	yarn.nodemanager.aux-services		通过该配置项，用户可以自定义一些服务，例如Map-Reduce的shuffle功能就是采用这种方式实现的，这样就可以在NodeManager上扩展自己的服务。