Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

一。配置虚拟机软件

下载地址:https://www.virtualbox.org/wiki/downloads

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

1.虚拟机软件设定

1)进入全集设定

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)常规设定

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2.Linux安装配置

1)名称类型

名称最后具有说明意义。版本根据个人情况。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)内存

在下物理机系统Win7x64,处理器i53210,内存8G。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3)磁盘选择

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

4)磁盘文件

virtualbox格式vdi,VMWare格式vmdk,微软格式vhd(virtualbox不支持),Parallels格式hdd(virtualbox不支持)。
vdi转vmdk:VBoxManage.exe clonehd 原镜像.vmdk 目标镜像.vdi --format VDI 
vdi转vhd:  VBoxManage.exe clonehd 原镜像.vdi 目标镜像.vmdk --format VMDK 
vmdk转vhd:VBoxManage.exe clonehd 原镜像.vdi 目标镜像.vhd --format VHD

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

5)磁盘空间

根据个人物理机配置,固定大小运行更快。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

6)磁盘位置

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

7)数据传输

共享粘贴板和鼠标拖放的实现还需要系统安装结束后安装增强功能。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

8)软驱

去除勾选。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

9)Linux镜像

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

10)网络

去除勾选,安装过程中禁用网络。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

二。安装模板Linux

1.一般安装过程

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2.初始化用户

注意:不要使用“自动登录”。在下使用的是Ubuntu10.10,曾经这一步选择自动登录,给后续工作造成了很大麻烦。此时的用户名最好是一个通用的名称,因为后续会涉及SSH登录。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

三。配置Linux

1.在桌面显示终端

便于使用命令行。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2.在桌面显示“我的电脑”

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

注意类型为“位置”。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3.安装增强功能

实现和物理机的粘贴板共享、鼠标拖放。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

现在有很多视图模式可以使用:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

4.初始化root用户

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

当前用户涉及集群配置的几个重要信息:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

5.关闭防火墙

为了避免不必要的麻烦,在学习中建议关闭防火墙,这一步如果有修改,需重启系统:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

四。准备资源

威格灵博客:www.cuiweiyou.com

0.下载

OpenSSH:http://archive.ubuntu.com/ubuntu/pool/main/o/openssh/  
                 http://mirrors.oschina.net/ubuntu/pool/main/o/openssh/  
                 这里不要下载太新的版本,以为你的Linux可能缺少其依赖。

JDK:http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

Hadoop:http://www.apache.org/dyn/closer.cgi/hadoop/common/

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

1.安装SSH

1)openssh-client

SHELL$ sudo dpkg -i openssh-client_5.3p1-3ubuntu3_i386.deb

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)openssh-server

SHELL$ sudo dpkg -i openssh-server_5.3p1-3ubuntu3_i386.deb

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3)ssh-all

SHELL$ sudo dpkg -i sudo dpkg -i ssh_5.3p1-3ubuntu3_all.deb

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

4)ssh-keygen

在我们的学习环境中没有必要使用密码,所以创建密钥时留空,直接回车。

当然从这一步到6)可以先放弃,因为后续我们还需要单独在每台主机上操作。

SHELL$ ssh-keygen

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

5)authorized_keys

创建自动密码验证文件。如果使用cat命令,一个>为覆盖写入,另个为追加写入。还可以使用cp命令。

SHELL$ sudo cat id_rsa.pub > authorized_keys 
SHELL$ sudo cat id_rsa.pub >> authorized_keys 
SHELL$ sudo cp id_rsa.pub authorized_keys

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

6)ssh localhost

登录测试,初次登录会让用户确认:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2.安装JDK

因为在下的jdk是gz格式,所以首先需要解压。解压后移动到合适的目录,注意不要用当前用户的工作目录,这是为了简化后续工作。

解压:SHELL$ sudo tar -zxvf jdk-7u51-linux-i586.gz 
移动:SHELL$ sudo mv jdk1.7.0_51 /home

1)环境变量

SHELL$ sudo gedit /etc/profile

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)重载环境变量,测试

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3.安装Hadoop

同样,为了简化后续工作解压后移动到合适的目录。

解压:SHELL$ sudo tar -zxvf hadoop-2.3.0.tar.gz 
移动:SHELL$ sudo mv hadoop-2.3.0 /home

配置环境变量:在环境变量加入hadoop的sbin目录并重载。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

五。分布式集群搭建

1.增加虚拟系统

1)复制出一定数量的虚拟系统文件

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)修改UUID

%virtualbox% CMD> VBoxManage internalcommands sethduuid 虚拟系统文件.vmdk

3)导入系统

依照上文创建虚拟系统,到配置硬盘文件这一步:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

先打开工作目录,发现虚拟系统文件夹已经创建,将复制出的系统文件放入:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

然后使用已有的虚拟硬盘文件:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

这样,每个虚拟系统的全部信息都保存在同一个文件夹了。

也可以使用VirtualBox的系统复制功能:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2.集群预设

7个系统要按照下表一一配置:

主机名

角色

登录用户

hostname

hosts

IP

网关

hapmaster

主控 master

hadoop

(全部7个主机的用户都是同样的)

hapmaster

127.0.0.1 localhost

192.168.1.240 hapmaster

192.168.1.241 hapslave1

192.168.1.242 hapslave2

192.168.1.243 hapslave3

192.168.1.244 hapslave4

192.168.1.245 hapslave5

192.168.1.246 hapslave6

192.168.1.240

192.168.1.1

hapslave1

附属 slave

hadoop

hapslave1

127.0.0.1 localhost

...

192.168.1.241

192.168.1.1

hapslave2

附属 slave

hadoop

hapslave2

127.0.0.1 localhost

...

192.168.1.242

192.168.1.1

hapslave3

附属 slave

hadoop

hapslave3

127.0.0.1 localhost

...

192.168.1.243

192.168.1.1

hapslave4

附属 slave

hadoop

hapslave4

127.0.0.1 localhost

...

192.168.1.244

192.168.1.1

hapslave5

附属 slave

hadoop

hapslave5

127.0.0.1 localhost

...

192.168.1.245

192.168.1.1

hapslave6

附属 slave

hadoop

hapslave6

127.0.0.1 localhost

...

192.168.1.246

192.168.1.1

威格灵博客:www.cuiweiyou.com

下面就开始对7个系统分别进行配置,本文档记录以从属机hapslave1为例:

首先我们启动虚拟系统,直接使用root用户登录:

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

1)修改用户名

创建模板系统时我们已经初始化了root用户,所以,以后在学习环境中完全可以一直使用root用户。另外,如果你在安装ubuntu时初始化用户为“hadoop”,这一步和2)就可以跳过了。

(1)在root下修改登录用户名

SHELL$ chfn -f 新登录名 原登录名

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

(2)使用root修改用户

SHELL$ usermod -l 新登录名 -d /home/新登录名 -m 原登录名

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)配置hostname

如果这一步使用的用户是非root,在命令前要加sudo 。建议继续在root下修改。主控机hapmaster也不需要此步骤。

SHELL$ sudo gedit /etc/hostname

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3)配置hosts

无论主控机还是从属机,现在开始都需要单独配置。注意每次重启系统后一定要确认一下。

SHELL$ sudo gedit /etc/hosts

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

127.0.0.1 localhost
192.168.1.240 hapmaster
192.168.1.241 hapslave1
192.168.1.242 hapslave2
192.168.1.243 hapslave3
192.168.1.244 hapslave4
192.168.1.245 hapslave5
192.168.1.246 hapslave6

注意:配置hostname和hosts后需重启系统。可以在4)、5)步骤都结束后最终重启系统。或者执行:

SHELL$ sudo /etc/init.d/networking restart

4)配置网卡静态IP

首先查看网卡名称

SHELL$ ifconfig

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

然后配置这个网卡:

SHELL$ sudo gedit /etc/network/interfaces

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

auto eth0
iface eth0 inet static
address 192.168.1.24*
gateway 192.168.1.1
netmask 255.255.255.0

这一步,如果只看到一个“lo”,一定要检查虚拟系统的网络配置是否开启。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

配置interfaces后重启网卡:

SHELL$ sudo /etc/init.d/networking restart

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

5)赋予用户对hadoop安装目录可写的权限

SHELL$ sudo chown -hR 用户 hadoop根目录

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3.集群的SSH配置

首先,把全部虚拟主机的网络都配置为桥接,以组成一个局域网。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

然后逐个启动系统。都启动后最好使用ping命令测试是否能够互相通讯。

在创建模板系统时,已经在hapmaster主机创建了authorized_keys密钥文件,并且拷贝出的6个从属系统上也都有这个文件。
现在把7台主机上面的authorized_keys、id_rsa、id_rsa.pub三个文件都删掉。这三个文件在/home/用户名/.ssh/目录里。

下面使用hapmaster主机开始操作:

1)生成新的id_rsa和id_rsa.pub文件

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

2)将hapmaster的authorized_keys文件发给hapslave1主机

注意:远程用户要对远程主机上指定的目录有足够权限。

SHELL$ scp 文件 远程用户@远程主机:目录

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

3)为hapslave1新建id_rsa.pub并追加到authorized_keys文件

SHELL$ cat 源文件 目标文件

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

如果在执行追加时提示“bash: authorized_keys: 权限不够”,可以使用chown命令给当前用户添加操作.ssh目录的权限。

4)依次将全部主机的空密码加入到同一个authorized_keys文件

每个主机都获取了保存有7个主机公钥的authorized_keys文件后,开始测试SSH登录。

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

4.Hadoop集群配置

这一步的配置在7台系统上是相同的。在hadoop2.3.0中,以下配置文件都在%hadoop%/etc/hadoop目录里。现在以hapslave1系统为例进行配置。

1)core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<!-- 当前集群NameNode的IP地址和端口号。2.0前使用fs.default.name,但后续兼容-->
<name>fs.defaultFS</name>
<value>hdfs://192.168.1.240:9000</value>
</property>
   <property>
<!-- 设置临时文件目录。威格灵博客:www.cuiweiyou.com -->
   <name>hadoop.tmp.dir</name>
<!-- 当前用户须要对此目录有读写权限。可使用命令sudo chown -hR hadoop /home/hadoop-2.3.0/ -->
   <value>/home/hadoop-2.3.0/hadoop-temp</value>
   </property>
</configuration>

2)hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <!-- SecondaryNamenode网络地址 -->
    <name>dfs.namenode.secondary.http-address</name>
    <value>192.168.1.240:9001</value>
  </property>
  <property>
    <!-- NameNode工作目录,须预先存在 -->
    <name>dfs.namenode.name.dir</name>
    <value>file:/home/hadoop-2.3.0/dfs-name</value>
  </property>
  <property>
    <!-- DataNode工作目录 -->
    <name>dfs.datanode.data.dir</name>
    <value>file:/home/hadoop-2.3.0/dfs-data</value>
  </property>
  <property>
    <!-- 文件(副本)的存储数量 -->
    <name>dfs.replication</name>
    <!-- 小于或等于附属机数量。默认3 -->
    <value>4</value>
  </property>
  <property>
    <!-- 可以从网页端监控hdfs -->
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
  </property>
</configuration>

3)mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <!-- map-reduce运行框架 -->
    <name>mapreduce.framework.name</name>
    <!-- yarn:分布式模式 -->
    <value>yarn</value>
   </property>
</configuration>

4)yarn-site.xml

<?xml version="1.0"?>
<configuration>
  <property>
    <name>Yarn.nodemanager.aux-services</name>
    <value>mapreduce.shuffle</value>
  </property>
</configuration>

5)yarn-env.sh

export JAVA_HOME=/home/jdk1.7.0_51

6)hadoop-env.sh

export JAVA_HOME=/home/jdk1.7.0_51

7)slaves

这里保存的是全部从属机的主机名。

hapslave1
hapslave2
hapslave3
hapslave4
hapslave5
hapslave6

8)拷贝

SHELL$ sudo scp -rpv /home/hadoop-2.3.0/etc/hadoop/* 其它主机:/home/hadoop-2.3.0/etc/hadoop/

六。启动集群

1.格式化HDFS系统

注意:需无任何warning或error。

SHELL../bin$ hdfs namenode -format 或 hadoop namenode -format

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

hadoop@hapmaster:/home/hadoop-2.3.0/bin$ hdfs namenode -format 

14/03/14 13:27:47 INFO namenode.NameNode: STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = hapmaster/127.0.0.1
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 2.3.0
STARTUP_MSG: classpath = /home/hadoop-2.3.0/etc/hadoop:/home/hadoop-2.3.0/share/hadoop/common/lib/jsr305-1.3.9.jar:/home/hadoop-2.3.0/share/hadoop/common/lib/junit-4.8.2.jar:
STARTUP_MSG: build = http://svn.apache.org/repos/asf/hadoop/common -r 1567123; compiled by 'jenkins' on 2014-02-11T13:40Z
STARTUP_MSG: java = 1.7.0_51
************************************************************/
14/03/14 13:27:47 INFO namenode.NameNode: registered UNIX signal handlers for [TERM, HUP, INT]
Formatting using clusterid: CID-82cb09b4-74eb-4053-9b46-8de025de7f74
14/03/14 13:27:50 INFO namenode.FSNamesystem: fsLock is fair:true
14/03/14 13:27:51 INFO namenode.HostFileManager: read includes:
HostSet(
)
14/03/14 13:27:51 INFO namenode.HostFileManager: read excludes:
HostSet(
)
14/03/14 13:27:51 INFO blockmanagement.DatanodeManager: dfs.block.invalidate.limit=1000
14/03/14 13:27:51 INFO blockmanagement.DatanodeManager: dfs.namenode.datanode.registration.ip-hostname-check=true
14/03/14 13:27:51 INFO util.GSet: Computing capacity for map BlocksMap
14/03/14 13:27:51 INFO util.GSet: VM type = 32-bit
14/03/14 13:27:51 INFO util.GSet: 2.0% max memory 966.7 MB = 19.3 MB
14/03/14 13:27:51 INFO util.GSet: capacity = 2^22 = 4194304 entries
14/03/14 13:27:51 INFO blockmanagement.BlockManager: dfs.block.access.token.enable=false
14/03/14 13:27:51 INFO blockmanagement.BlockManager: defaultReplication = 4
14/03/14 13:27:51 INFO blockmanagement.BlockManager: maxReplication = 512
14/03/14 13:27:51 INFO blockmanagement.BlockManager: minReplication = 1
14/03/14 13:27:51 INFO blockmanagement.BlockManager: maxReplicationStreams = 2
14/03/14 13:27:51 INFO blockmanagement.BlockManager: shouldCheckForEnoughRacks = false
14/03/14 13:27:51 INFO blockmanagement.BlockManager: replicationRecheckInterval = 3000
14/03/14 13:27:51 INFO blockmanagement.BlockManager: encryptDataTransfer = false
14/03/14 13:27:51 INFO blockmanagement.BlockManager: maxNumBlocksToLog = 1000
14/03/14 13:27:51 INFO namenode.FSNamesystem: fsOwner = hadoop (auth:SIMPLE)
14/03/14 13:27:51 INFO namenode.FSNamesystem: supergroup = supergroup
14/03/14 13:27:51 INFO namenode.FSNamesystem: isPermissionEnabled = true
14/03/14 13:27:51 INFO namenode.FSNamesystem: HA Enabled: false
14/03/14 13:27:51 INFO namenode.FSNamesystem: Append Enabled: true
14/03/14 13:27:52 INFO util.GSet: Computing capacity for map INodeMap
14/03/14 13:27:52 INFO util.GSet: VM type = 32-bit
14/03/14 13:27:52 INFO util.GSet: 1.0% max memory 966.7 MB = 9.7 MB
14/03/14 13:27:52 INFO util.GSet: capacity = 2^21 = 2097152 entries
14/03/14 13:27:52 INFO namenode.NameNode: Caching file names occuring more than 10 times
14/03/14 13:27:52 INFO util.GSet: Computing capacity for map cachedBlocks
14/03/14 13:27:52 INFO util.GSet: VM type = 32-bit
14/03/14 13:27:52 INFO util.GSet: 0.25% max memory 966.7 MB = 2.4 MB
14/03/14 13:27:52 INFO util.GSet: capacity = 2^19 = 524288 entries
14/03/14 13:27:52 INFO namenode.FSNamesystem: dfs.namenode.safemode.threshold-pct = 0.9990000128746033
14/03/14 13:27:52 INFO namenode.FSNamesystem: dfs.namenode.safemode.min.datanodes = 0
14/03/14 13:27:52 INFO namenode.FSNamesystem: dfs.namenode.safemode.extension = 30000
14/03/14 13:27:52 INFO namenode.FSNamesystem: Retry cache on namenode is enabled
14/03/14 13:27:52 INFO namenode.FSNamesystem: Retry cache will use 0.03 of total heap and retry cache entry expiry time is 600000 millis
14/03/14 13:27:52 INFO util.GSet: Computing capacity for map Namenode Retry Cache
14/03/14 13:27:52 INFO util.GSet: VM type = 32-bit
14/03/14 13:27:52 INFO util.GSet: 0.029999999329447746% max memory 966.7 MB = 297.0 KB
14/03/14 13:27:52 INFO util.GSet: capacity = 2^16 = 65536 entries
14/03/14 13:27:52 INFO common.Storage: Storage directory /home/hadoop-2.3.0/dfs-name has been successfully formatted.
14/03/14 13:27:52 INFO namenode.FSImage: Saving image file /home/hadoop-2.3.0/dfs-name/current/fsimage.ckpt_0000000000000000000 using no compression
14/03/14 13:27:52 INFO namenode.FSImage: Image file /home/hadoop-2.3.0/dfs-name/current/fsimage.ckpt_0000000000000000000 of size 218 bytes saved in 0 seconds.
14/03/14 13:27:52 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
14/03/14 13:27:52 INFO util.ExitUtil: Exiting with status 0
14/03/14 13:27:52 INFO namenode.NameNode: SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at hapmaster/127.0.0.1
************************************************************/
hadoop@hapmaster:/home/hadoop-2.3.0/bin$

2.启动集群

SHELL.../sbin$ start-all.sh

3.监控集群资源

1)命令行

SHELL$ hdfs dfsadmin -report

2)网页

http://localhost:50070

Hadoop上路-01_Hadoop2.3.0的分布式集群搭建

- end

威格灵博客:www.cuiweiyou.com

上一篇:Zookepper(2015.08.16笔记)


下一篇:《深入理解mybatis原理1》 MyBatis的架构设计以及实例分析