hadoop2.7全然分布式集群搭建以及任务測试

要想深入的学习hadoop数据分析技术，首要的任务是必需要将hadoop集群环境搭建起来，本文主要讲述怎样搭建一套hadoop全然分布式集群环境。

环境配置：2台64位的redhat6.5 + 1台64位centos6.9 + Hadoop + java7

一、先配置server的主机名

Namenode节点相应的主机名为master

Datanode节点相应的主机名分别为node1、node2

1、 在每一台server上运行vim /etc/hosts， 先删除hosts里面的内容。然后追加下面内容：

192.168.15.135  master
172.30.25.165   node1
172.30.25.166   node2

2、 在每一台server上运行vim /etc/sysconfig/network。改动红色部分的内容。相应上面所说的hostname，对于master节点那么hostname就为master

NETWORKING=yes
HOSTNAME= master
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no

类似的。在node1server节点上应该为：

NETWORKING=yes
HOSTNAME= node1
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no

类似的，在node2server节点上应该为：

NETWORKING=yes
HOSTNAME= node2
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no

这两步的作用非常关键。假设配置不成功，进行分布式计算的时候有可能找不到主机名

二、安装SSH，并让master免验证登陆自身server、节点server

1、 运行以下命令，让master节点可以免验证登陆自身server

ssh-keygen -t dsa -P'' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub>> ~/.ssh/authorized_keys
exportHADOOP\_PREFIX=/usr/local/hadoop

HADOOP_PREFIX表示自己安装的hadoop路径

2、 让主结点(master)能通过SSH免password登录两个子结点（slave）

为了实现这个功能。两个slave结点的公钥文件里必需要包括主结点的公钥信息，这样当master就能够顺利安全地訪问这两个slave结点了。操作步骤例如以下：

在node1上运行

scp root@master:~/.ssh/id_dsa.pub  ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys

在node2上运行

scp root@master:~/.ssh/id_dsa.pub  ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys

如上过程显示了node1结点通过scp命令远程登录master结点，并复制master的公钥文件到当前的文件夹下，这一过程须要password验证。接着。将master结点的公

钥文件追加至authorized_keys文件里，通过这步操作，假设不出问题，master结点就能够通过ssh远程免password连接node1结点了。在master结点中操作如:



当然值得注意的是：首次登陆是须要确认的。node1结点首次连接时须要，“YES”确认连接，这意味着master结点连接node1结点时须要人工询问，无法自己主动连接。输入yes后成功接入，紧接着注销退出至master结点。要实现ssh免password连接至其他结点，还差一步，仅仅须要再运行一遍ssh
node1。假设没有要求你输入”yes”。就算成功了。

三、下载并解压hadoop安装包。配置hadoop

1、 关于安装包的下载就不多说了，只是能够提一下眼下我使用的版本号为hadoop-2.7.1

2、 配置namenode,改动site文件

以下開始改动hadoop的配置文件了。即各种site文件。文件存放在etc/Hadoop/下，主要配置core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml这三个文件。

这里我仅仅把我的实例贴出来。经供參考。很多其它具体配置请參照官方文档

core-site.xml：

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
</configuration>

hdfs-site.xml：

<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:9001</value>
</property>
</configuration>

mapred-site.xml：

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master:19888</value>
</property>
</configuration>

yarn-site.xml：

<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:8088</value>
</property>
</configuration>

3、 配置namenode,改动env环境变量文件

配置之前要说的话：你必须确保你已经安装了java6或者java7，而且java的环境变量已经配置好。因为本文的重点不在此。故不具体说明，我系统java的环境变量为/usr/java/jdk1.7.0_71

所以讲hadoop-env.sh、mapred-env.sh、yarn-env.sh这几个文件里的JAVA_HOME改为/usr/java/jdk1.7.0_71，例如以下图所看到的：



文件里的其它一些配置项。请參考官方文档

4、 slaves文件配置,添加例如以下两行内容：

node1
node2

四、向节点servernode1、node2复制我们刚刚在masterserver上配置好的hadoop

scp–r hadoop  root@node1:/usr/local/hadoop
scp–r hadoop  root@node2:/usr/local/hadoop

五、格式化namenode，在master节点上运行例如以下命令：

bin/hdfs namenode-format

仅仅要出现“successfully formatted”就表示成功了。

六、启动hadoop

这一步也在主结点master上进行操作：



七、用jps检验各后台进程是否成功启动

master



node1



node2



八、向hadoop集群系统提交第一个mapreduce任务

到这里为止我们已经完毕了一个真正意义上的hadoop全然分布式环境搭建，以下我们要像这个集群系统提交第一个mapreduce任务

1、 bin/hdfs dfs -mkdir /tmp 在虚拟分布式文件系统上创建一个測试文件夹tmp

2、 bin/hdfs dfs -copyFromLocal ./ LICENSE.txt /tmp 将当前文件夹下的LICENSE文件拷贝到虚拟分布式文件系统中

3、bin/hdfs dfs-ls /tmp查看文件系统中是否存在我们所复制的文件

以下这张图显示了一系列的操作过程



3、 执行例如以下命令向hadoop提交单词统计任务

bin/hadoop jar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount/tmp/LICENSE.txt /tmp-output

最后会显示一个运算结果：



到这里为止，你已经完毕了第一个任务的分布式计算

注意：在你又一次格式化分布式文件系统之前，须要将文件系统中的数据先清除。否则，datanode将创建不成功。这一点非常重要

关于一些常见的port

master:8088能显示你的集群状态

master: 50070能进行一些节点的管理

除此之外，还有非常多实用的port。当然这也是和你的配置文件相关的。最后，贴上两张图片：