虚拟机本地搭建Hadoop集群教程
Hadoop概述
狭义下Hadoop是Apache的一套开源软件，用java实现，广义上是围绕Hadoop打造的大数据生态圈
http://hadoop.apache.org
Hadoop核心组件：
- HDFS（分布式文件存储系统）：解决海量数据存储
- YARN（集群资源管理和任务调度框架）：解决资源任务调度
- MapReduce(分布式计算框架)：解决海量数据计算
三个组件在逻辑分离，物理可能不分离，有HDFS集群、YARN集群，但没有MapReduce集群
HDFS集群主角色是NameNode，主角色辅助角色是SecondaryNameNode，从角色是DataNode
YARN集群主角色是ResourceManager，从角色是NodeManager
HDFS和YARN组合在一起形成了Hadoop集群
安装Hadoop集群
-
集群规划
主机 角色 node1 NN DN RM NM node2 SNN DN NM node3 DN NM
安装并配置虚拟机
安装VirtualBox，下载centos镜像包，安装虚拟机，配置密码等，启动三台虚拟机
查看主机ip地址 https://www.cnblogs.com/Kalashnikov/p/16175608.html
虚拟机设置为双网卡：网络地址转换NAT、host only使得虚拟机可联外部网并内部访问
设置虚拟机可ssh连接 https://blog.csdn.net/qq_35760825/article/details/127187154 然后就可以通过xshell连接三台主机
主机名配置
# 将host1的该文件内容改为node1.itcast.cn，其他两台类推
vi /etc/hostname
# 修改主机映射文件
vi /etc/hosts
# 在文件末端添加以下内容
192.168.56.101 node2.itcast.cn node2
192.168.56.102 node1.itcast.cn node1
192.168.56.103 node3.itcast.cn node3
主机间免密登录
# 只需要配置node1至node1、node2、node3即可
#node1生成公钥私钥 (一路回车)
ssh-keygen
#node1配置免密登录到node1 node2 node3
ssh-copy-id node1
ssh-copy-id node2
ssh-copy-id node3
安装hadoop
-
安装jdk
https://blog.csdn.net/weixin_45853881/article/details/123402891将官网下载的压缩包上传到/export/software目录
解压
tar -xvf /export/software/jdk-8u241-linux-x64.tar.gz -C /export/server/ #配置环境变量 vi /etc/profile export JAVA_HOME=/export/server/jdk1.8.0_241 export PATH=$PATH:$JAVA_HOME/bin export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar #重新加载环境变量文件 source /etc/profile -
安装hadoop http://t.zoukankan.com/theyang-p-12336391.html
hadoop官网下载.tar.gz源码包，传到/export/software并解压
tar -xvf /export/software/hadoop-3.3.4.tar.gz -C /export/server/ -
配置环境变量
-
修改配置文件(配置文件路径 hadoop-3.3.4/etc/hadoop)
-
hadoop-env.sh
#文件最后添加 export JAVA_HOME=/export/server/jdk1.8.0_241 export HDFS_NAMENODE_USER=root export HDFS_DATANODE_USER=root export HDFS_SECONDARYNAMENODE_USER=root export YARN_RESOURCEMANAGER_USER=root export YARN_NODEMANAGER_USER=root -
core-site.xml
<!-- 设置默认使用的文件系统 Hadoop支持file、HDFS、GFS、ali|Amazon云等文件系统 --> <property> <name>fs.defaultFS</name> <value>hdfs://node1:8020</value> </property> <!-- 设置Hadoop本地保存数据路径 --> <property> <name>hadoop.tmp.dir</name> <value>/export/data/hadoop-3.3.0</value> </property> <!-- 设置HDFS web UI用户身份 --> <property> <name>hadoop.http.staticuser.user</name> <value>root</value> </property> <!-- 整合hive 用户代理设置 --> <property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property> <!-- 文件系统垃圾桶保存时间 --> <property> <name>fs.trash.interval</name> <value>1440</value> </property> -
hdfs-site.xml
<!-- 设置SNN进程运行机器位置信息 --> <property> <name>dfs.namenode.secondary.http-address</name> <value>node2:9868</value> </property> -
mapred-site.xml
<!-- 设置MR程序默认运行模式： yarn集群模式 local本地模式 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <!-- MR程序历史服务地址 --> <property> <name>mapreduce.jobhistory.address</name> <value>node1:10020</value> </property> <!-- MR程序历史服务器web端地址 --> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>node1:19888</value> </property> <property> <name>yarn.app.mapreduce.am.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property> <property> <name>mapreduce.map.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property> <property> <name>mapreduce.reduce.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property> -
yarn-site.xml
<!-- 设置YARN集群主角色运行机器位置 --> <property> <name>yarn.resourcemanager.hostname</name> <value>node1</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <!-- 是否将对容器实施物理内存限制 --> <property> <name>yarn.nodemanager.pmem-check-enabled</name> <value>false</value> </property> <!-- 是否将对容器实施虚拟内存限制。 --> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> </property> <!-- 开启日志聚集 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <!-- 设置yarn历史服务器地址 --> <property> <name>yarn.log.server.url</name> <value>http://node1:19888/jobhistory/logs</value> </property> <!-- 历史日志保存的时间 7天 --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> -
workers
node1.itcast.cn node2.itcast.cn node3.itcast.cn
-
-
分发同步hadoop安装包
cd /export/server scp -r hadoop-3.3.4 root@node2:$PWD scp -r hadoop-3.3.4 root@node3:$PWD -
将修改后的环境变量同步其他机器
scp /etc/profile root@node2:/etc/ scp /etc/profile root@node3:/etc/ # 再分别在三台机器上启用新的配置 source /etc/profile -
验证是否成功安装
#能够成功查看版本说明安装成功 hadoop versionNameNode format格式化操作
首次启动HDFS时，必须对其进行格式化操作
hdfs namenode -format # 出现2023-01-18 00:39:48,704 INFO common.Storage: Storage directory /export/data/hadoop-3.3.0/dfs/name has been successfully formatted. 这样的字样说明格式化成功启动集群并查看进程
# 启动hdfs集群 start-dfs.sh # 启动yarn集群 start-yarn.sh # jps分别查看一下三台的java进程- node1
- node2
- node3
- node1