Hadoop2.7.3+Hbase-1.2.6+spark2.1.2完全分布式安装部署

https://www.cnblogs.com/lzxlfly/p/7221890.html

总的下载地址:      http://mirror.bit.edu.cn/apache/

hadoop下载地址：http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.7.5/hadoop-2.7.5.tar.gz

hbase下载地址：  http://mirror.bit.edu.cn/apache/hbase/1.2.6/hbase-1.2.6-bin.tar.gz

spark下载地址：   http://mirror.bit.edu.cn/apache/spark/spark-2.1.2/spark-2.1.2-bin-hadoop2.7.tgz

官方文档:  http://hadoop.apache.org/docs/r2.7.3/

Hadoop安装部署基本步骤：

1、安装jdk，配置环境变量。

jdk可以去网上自行下载，环境变量如下：

编辑  vim  /etc/profile 文件，添加如下内容：

export JAVA_HOME=/opt/java_environment/jdk1.7.0_80（填写自己的jdk安装路径）
       export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
       export PATH=$PATH:$JAVA_HOME/bin

输入命令，source /etc/profile  使配置生效

分别输入命令，java 、 javac 、 java -version，查看jdk环境变量是否配置成功

2、linux环境下，至少需要3台机子，一台作为master，2台（以上）作为slave。

　　  这里我以3台机器为例，linux用的是CentOS  6.5  x64为机器。

master 192.168.172.71
         slave1 192.168.172.72
         slave2 192.168.172.73

3、配置所有机器的hostname和hosts（注意hostname不能带下划_线）。

（1）更改hostname，可以编辑 vim /etc/sysconfig/network

　　　　　更改master的HOSTNAME，这里改为HOSTNAME=master

　　　　　其它slave为HOSTNAME=slave1、HOSTNAME=slave2 ，重启后生效。

　　　　　或者直接输：  hostname   名字，更改成功，这种方式无需重启即可生效，

　　　　　但是重启系统后更改的名字会失效，仍是原来的名字

　　　（2）更改host，可以编辑 vim /etc/hosts，增加如下内容：

　　　　　　 192.168.172.71    master 
       　　 　　192.168.172.72    slave1 
         　　　  192.168.172.73     slave2

　　　   　hosts可以和hostname不一致 ，这里为了好记就写一致了。

4、配置SSH所有机器之间免密码登录

　　（1）CentOS默认没有启动ssh无密登录,编辑 vim  /etc/ssh/sshd_config，

　　　　  去掉以下两行注释，开启Authentication免登陆。

　　　　  #RSAAuthentication yes
      　　   #PubkeyAuthentication yes

　　   如果是root用户下进行操作，还要去掉 #PermitRootLogin yes注释，允许root用户登录。

　　（2）输入命令，ssh-keygen -t rsa，生成key，一直按回车，

　　　　  就会在/root/.ssh生成：authorized_keys   id_rsa.pub   id_rsa 三个文件，

　　　　 这里要说的是，为了各个机器之间的免登陆，在每一台机器上都要进行此操作。

　　（3） 接下来，在master服务器，合并公钥到authorized_keys文件，

　　　　　进入/root/.ssh目录，输入以下命令

　　　       cat id_rsa.pub>> authorized_keys    把master公钥合并到authorized_keys 中

　　　　   ssh root@192.168.172.72 cat ~/.ssh/id_rsa.pub>> authorized_keys

　　　　   ssh root@192.168.172.73 cat ~/.ssh/id_rsa.pub>> authorized_keys

　　　　   把slave1、slave2公钥合并到authorized_keys 中

完成之后输入命令，把authorized_keys远程copy到slave1和slave2之中

　　　  　scp authorized_keys 192.168.172.72:/root/.ssh/

　　　     scp authorized_keys 192.168.172.73:/root/.ssh/

　　　 　 最好在每台机器上进行chmod 600  authorized_keys操作，

　　　　   使当前用户具有 authorized_keys的读写权限。

　　　　  拷贝完成后，在每台机器上进行 service sshd restart  操作， 重新启动ssh服务。

　　　　  之后在每台机器输入 ssh 192.168.172.xx，测试能否无需输入密码连接另外两台机器。

免密简单方法:（只需要在主上执行，即 只要主能通信所有机器）

su -c "ssh-keygen -t rsa -N ''" root

ssh-copy-id -i /root/.ssh/id_rsa.pub master

ssh-copy-id -i /root/.ssh/id_rsa.pub slave1

ssh-copy-id -i /root/.ssh/id_rsa.pub slave2

5、配置Hadoop环境变量，HADOOP_HOME、hadoop-env.sh、yarn-env.sh。

　　（1）配置HADOOP_HOME，编辑  vim  /etc/profile 文件，添加如下内容：

　　　　　export HADOOP_HOME=/opt/hbase/hadoop-2.7.3 （Hadoop的安装路径）

　　　　　export PATH=$PATH:$HADOOP_HOME/sbin

　　　　　export PATH=$PATH:$HADOOP_HOME/bin　

　　　　 （以下两行最好加上，若没有启动Hadoop、hbase时都会有没加载lib成功的警告）　　　　

　　　　　export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
　　　　　export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

　　（2）配置hadoop-env.sh、yarn-env.sh，在Hadoop安装目录下

　　　　 编辑  vim etc/hadoop/hadoop-env.sh

　　　　　　加入export JAVA_HOME=/opt/java_environment/jdk1.7.0_80（jdk安装路径）

　　　　 编辑  vim etc/hadoop/yarn-env.sh

　　　　　　加入export JAVA_HOME=/opt/java_environment/jdk1.7.0_80（jdk安装路径）

　　　　 保存退出

6、配置基本相关xml，core-site.xml、hdfs-site.xml、mapred-site.xml、mapred-site.xml

　　创建相关目录

　　　　cd /opt/hadoop-2.7.5

　　　　mkdir tmp dfs dfs/data dfs/name

　　（1）配置core-site.xml，在Hadoop安装目录下 编辑  vim etc/hadoop/core-site.xml

　　　　

<configuration>
    <property>
        <name>fs.defaultFS</name> <!--NameNode 的URI-->
        <value>hdfs://master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name> <!--hadoop临时文件的存放目录-->
        <value>/opt/hbase/hadoop-2.7./tmp</value>
    </property>
　　<property> <!--权限控制开关、需要权限控制开启-->
 　　　　<name>hadoop.security.authorization</name>  
  　　　　<value>flase</value>  
　　</property>
    <property>
        <name>io.file.buffer.size</name>
        <value></value>
    </property>
</configuration>

　　（2）配置hdfs-site.xml，在Hadoop安装目录下 编辑  vim etc/hadoop/hdfs-site.xml

　　　　

<configuration>
    <property> <!--namenode持久存储名字空间及事务日志的本地文件系统路径-->
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/dfs/name</value>
    </property>
    <property> <!--DataNode存放块数据的本地文件系统路径-->
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/dfs/data</value>
    </property>
    <property> <!--数据需要备份的数量，不能大于集群的机器数量（即datanode的数量），默认为3，我们有2个datanode,所以副本数设置为1-->
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>master:</value>
    </property>
    <property> <!--设置为true，可以在浏览器中IP+port查看-->
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
    </property>
</configuration>

（3）配置mapred-site.xml，在Hadoop安装目录下 编辑  vim etc/hadoop/mapred-site.xml

<configuration>
    <property>  <!--mapreduce运用了yarn框架，设置name为yarn-->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property> <!--历史服务器,查看Mapreduce作业记录-->
        <name>mapreduce.jobhistory.address</name>
        <value>master:</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>master:</value>
    </property>
</configuration>

（4）配置yarn-site.xml，在Hadoop安装目录下 编辑  vim etc/hadoop/yarn-site.xml

　　

<configuration>
    <property> <!--NodeManager上运行的附属服务，用于运行mapreduce-->
        <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> <!--ResourceManager 对客户端暴露的地址-->
        <name>yarn.resourcemanager.address</name>
        <value>master:</value>
    </property>
    <property> <!--ResourceManager 对ApplicationMaster暴露的地址-->
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>master:</value>
    </property>
    <property> <!--ResourceManager 对NodeManager暴露的地址-->
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>master:</value>
    </property>
    <property>  <!--ResourceManager 对管理员暴露的地址-->
        <name>yarn.resourcemanager.admin.address</name>
        <value>master:</value>
    </property>
    <property>  <!--ResourceManager 对外web暴露的地址，可在浏览器查看-->
        <name>yarn.resourcemanager.webapp.address</name>
        <value>master:</value>
    </property>
    <property>  <!-- 至少1024-->
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>1024</value>
    </property>
</configuration>

7、配置slaves文件

　　在Hadoop安装目录下，编辑vim etc/hadoop/slaves，

　　去除默认的localhost，

加入

slave1

slave2

保存退出。

8、通过远程复制命令scp，将配置好的Hadoop复制到各个节点对应位置

　　同步hadoop、jdk和env.sh到slave1和slave2

rsync -avPz /opt/hadoop-2.7.5 slave1:/opt/

rsync -avPz /opt/hadoop-2.7.5 slave2:/opt/

rsync -avPz /opt/jdk1.7.0_80 slave1:/opt/

　　　  rsync -avPz /opt/jdk1.7.0_80 slave2:/opt/

rsync -avPz /etc/profile.d/env.sh slave1:/etc/profile.d/

rsync -avPz /etc/profile.d/env.sh slave2:/etc/profile.d/

slave1和slave2 执行 . /etc/profile

env.sh内容（env.sh里包含了JAVA_HOME HADOOP_HOME）　　

export JAVA_HOME=/opt/jdk1..0_80
export JAVA_BIN=/opt/jdk1..0_80/bin
export JRE_HOME=/opt/jdk1..0_80/jre
export CLASSPATH=/opt/jdk1..0_80/jre/lib:/opt/jdk1..0_80/lib:/opt/jdk1..0_80/jre/lib/charsets.jar

export HADOOP_HOME=/opt/hadoop-2.7.
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
export PATH=$PATH:/opt/jdk1..0_80/bin:/opt/jdk1..0_80/jre/bin:$HADOOP_HOME/sbin

9、Hadoop的启动与停止

　　（1）在Master服务器启动hadoop，从节点会自动启动，进入Hadoop目录下，

　　　　　　输入命令，bin/hdfs namenode -format进行hdfs格式化

　　　　　　输入命令，sbin/start-all.sh，进行启动

　　　　　　也可以分开启动，sbin/start-dfs.sh、sbin/start-yarn.sh

　　　　　　在master 上输入命令：jps， 看到ResourceManager、

　　　　　　NameNode、SecondaryNameNode进程

　　　　　　   在slave 上输入命令：jps， 看到DataNode、NodeManager进程

　　　　　　出现这5个进程就表示Hadoop启动成功。

sbin/start-dfs.sh启动 NameNode SecondaryNameNode DataNode

sbin/start-yarn.sh 启动 ResourceManager NodeManager

　　（2）接下来配置本地hosts，编辑 C:\Windows\System32\drivers\etc的hosts文件，加入

　　　　　　192.168.172.71   master

　　　　　　192.168.172.72   slave1

　　　　　　192.168.172.73   slave2

　　　　 在浏览器中输入http://master:50070查看master状态，

　　　　 输入http://master:8088查看集群状态

　　（3）停止hadoop，进入Hadoop目录下，输入命令：sbin/stop-all.sh，

　　　　  即可停止master和slave的Hadoop进程

10、测试hadoop

以下操作在master上实现
cd /usr/local/hadoop
建立测试目录   bin/hdfs dfs -mkdir /
如果提示 copyFromLocal: Cannot create directory //. Name node is in safe mode.
这是因为开启了安全模式，解决办法
bin/hdfs dfsadmin -safemode leave
将当前目录下的LICENSE.txt复制到hadopp中
bin/hdfs dfs -copyFromLocal ./LICENSE.txt  /
查看//下有哪些文件  bin/hdfs dfs -ls /
用wordcount分析LICENSE.txt  bin/hadoop  jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7..jar wordcount //LICENSE.txt /output/
bin/hdfs dfs -ls /output/  查看分析后的文件
bin/hdfs dfs -cat /output//part-r-  查看分析结果

Hbase安装部署基本步骤：

　　1、在Hadoop配置的基础上，配置环境变量HBASE_HOME、hbase-env.sh

　　　　编辑 vim /etc/profile  加入

　　　　　 export  HBASE_HOME=/opt/hbase-1.2.6

　　　　     export  PATH=$HBASE_HOME/bin:$PATH

　　　　编辑vim /opt/hbase-1.2.6/conf/hbase-env.sh  加入

　　　　　 export JAVA_HOME=/opt/java_environment/jdk1.7.0_80（jdk安装路径）

　　　　去掉注释 # export  HBASE_MANAGES_ZK=true，使用hbase自带zookeeper。

　　 2、配置hbase-site.xml文件　

<configuration>

    <property>
        <name>hbase.rootdir</name> <!-- hbase存放数据目录 -->
        <value>hdfs://master:9000/opt/hbase-1.2.6/hbase_db</value>

        <!-- 端口要和Hadoop的fs.defaultFS端口一致-->
    </property>
    <property>
        <name>hbase.cluster.distributed</name> <!-- 是否分布式部署 -->
        <value>true</value>
    </property>
    <property>
        <name>hbase.zookeeper.quorum</name> <!-- list of  zookooper -->
        <value>master,slave1,slave2</value>
    </property> 　　　 

    <property><!--zookooper配置、日志等的存储位置 -->
        <name>hbase.zookeeper.property.dataDir</name>
        <value>/opt/hbase-1.2./zookeeper</value>
    </property>

</configuration>

　　3、配置regionservers

　　　　编辑 vim /opt/hbase-1.2.6/conf/regionservers   去掉默认的localhost，
　　　  加入slave1、slave2，保存退出　

　　　  然后把在master上配置好的hbase，通过远程复制命令

　　　　rsync -avPz /etc/profile.d/env.sh slave1:/etc/profile.d/

　　　　rsync -avPz /etc/profile.d/env.sh slave2:/etc/profile.d/

　　　　env.sh内容

export JAVA_HOME=/opt/jdk1..0_80
export JAVA_BIN=/opt/jdk1..0_80/bin
export JRE_HOME=/opt/jdk1..0_80/jre
export CLASSPATH=/opt/jdk1..0_80/jre/lib:/opt/jdk1..0_80/lib:/opt/jdk1..0_80/jre/lib/charsets.jar

export HADOOP_HOME=/opt/hadoop-2.7.
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

export  HBASE_HOME=/opt/hbase-1.2.

export PATH=$PATH:/opt/jdk1..0_80/bin:/opt/jdk1..0_80/jre/bin:$HADOOP_HOME/sbin:$HBASE_HOME/bin

　　　   rsync -avPz  /opt/hbase-1.2.6  slave1:/opt/

　　　　rsync -avPz  /opt/hbase-1.2.6  slave1:/opt/

　　　　3台都执行 . /etc/profile

　　　  复制到slave1、slave2对应的位置

　　4、启动与停止Hbase

　　　 　（1）在Hadoop已经启动成功的基础上，输入start-hbase.sh，过几秒钟便启动完成，

　　　　　　输入jps命令查看进程是否启动成功，若 master上出现HMaster、HQuormPeer，

　　　　　　slave上出现HRegionServer、HQuorumPeer，就是启动成功了。

　　　   （2）输入hbase shell 命令 进入hbase命令模式

　　　  　　   输入status命令可以看到如下内容，1个master，2 servers，3机器全部成功启动。

　　　  　　   1 active master, 0 backup masters, 2 servers, 0 dead, 2.0000 average load

　　　　（3）接下来配置本地hosts，（前边配置过的无需再配置了）

　　　　　　 编辑 C:\Windows\System32\drivers\etc的hosts文件，加入

　　　　　　　　192.168.172.71   master

　　　　　　　　192.168.172.72   slave1

　　　　　　　　192.168.172.73   slave2

　　　　　　在浏览器中输入http://master:16010就可以在界面上看到hbase的配置了

　　　　（4）当要停止hbase时输入stop-hbase.sh，过几秒后hbase就会被停止了。

Spark2.1.2完全分布式环境搭建

　　以下操作都在Master节点进行。

　　1）下载二进制包spark-2.1.2-bin-hadoop2.7.tgz

　　2）解压并移动到相应目录，命令如下：

　　tar -zxvf spark-2.1.2-bin-hadoop2.7.tgz

　　mv spark-2.1.2-bin-hadoop2.7 /opt

　　3）修改相应的配置文件。

　　修改/etc/profie，增加如下内容：

export SPARK_HOME=/opt/spark-2.1.2-bin-hadoop2.7/
export PATH=$PATH:$SPARK_HOME/bin

　　

　　复制spark-env.sh.template成spark-env.sh

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

　　修改$SPARK_HOME/conf/spark-env.sh，添加如下内容：

export JAVA_HOME=/opt/jdk1.7.0_80
export SCALA_HOME=/usr/share/scala
export HADOOP_HOME=/opt/hadoop-2.7.5
export HADOOP_CONF_DIR=/opt/hadoop-2.7.5/etc/hadoop
export SPARK_MASTER_IP=master
export SPARK_MASTER_HOST=master
export SPARK_LOCAL_IP=master
export SPARK_WORKER_MEMORY=1g
export SPARK_WORKER_CORES=2
export SPARK_HOME=/opt/spark-2.1.2-bin-hadoop2.7
export SPARK_DIST_CLASSPATH=$(/opt/hadoop-2.7.5/bin/hadoop classpath)

　　复制slaves.template成slaves

　　cp slaves.template slaves

　　修改$SPARK_HOME/conf/slaves，添加如下内容：

master
slave1
slave2

　　4）将配置好的spark文件复制到Slave1和Slave2节点。

　　rsync -avPz /opt/spark-2.1.2-bin-hadoop2.7 root@slave1:/opt

rsync -avPz  /opt/spark-2.1.2-bin-hadoop2.7 root@slave2:/opt

　　5）修改Slave1和Slave2配置。

　　在Slave1和Slave2上分别修改/etc/profile.d/env.sh，增加Spark的配置，过程同Master一样。

　　# rsync -avPz /etc/profile.d/env.sh slave1:/etc/profile.d/

　　# rsync -avPz /etc/profile.d/env.sh slave2:/etc/profile.d/  3台都执行 . /etc/profile

env.sh内容

export JAVA_HOME=/opt/jdk1..0_80
export JAVA_BIN=/opt/jdk1..0_80/bin
export JRE_HOME=/opt/jdk1..0_80/jre
export CLASSPATH=/opt/jdk1..0_80/jre/lib:/opt/jdk1..0_80/lib:/opt/jdk1..0_80/jre/lib/charsets.jar

export HADOOP_HOME=/opt/hadoop-2.7.
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

export  HBASE_HOME=/opt/hbase-1.2.

export SPARK_HOME=/opt/spark-2.1.-bin-hadoop2./

export PATH=$PATH:/opt/jdk1..0_80/bin:/opt/jdk1..0_80/jre/bin:$HADOOP_HOME/sbin:$HBASE_HOME/bin:$SPARK_HOME/bin

　　在Slave1和Slave2修改$SPARK_HOME/conf/spark-env.sh，将export SPARK_LOCAL_IP=master改成slave1和slave2对应节点的IP。

　　6）在Master节点启动集群。

　　/opt/spark-2.1.2-bin-hadoop2.7/sbin/start-all.sh

　　7）查看集群是否启动成功：

　　jps

　　Master在Hadoop的基础上新增了：

　　Master

　　

　　Slave在Hadoop的基础上新增了：

　　Worker

　　访问： master:8080