使用yum安装CDH Hadoop集群 2013.04.06
Update:
- 2014.07.21 添加 lzo 的安装
- 2014.05.20 修改cdh4为cdh5进行安装。
- 2014.10.22 添加安装 cdh5.2 注意事项。
- 1、cdh5.2 发布了，其中 YARN 的一些配置参数做了修改，需要特别注意。
- 2、Hive 的元数据如果使用 PostgreSql9.X，需要设置 standard_conforming_strings 为 off
环境
- CentOS 6.4 x86_64
- CDH 5.2.0
- jdk1.6.0_31
集群规划为3个节点，每个节点的ip、主机名和部署的组件分配如下：
192.168.56.121 cdh1 NameNode、Hive、ResourceManager、HBase
192.168.56.122 cdh2 DataNode、SSNameNode、NodeManager、HBase
192.168.56.123 cdh3 DataNode、HBase、NodeManager
1. 准备工作
安装 Hadoop 集群前先做好下面的准备工作，在修改配置文件的时候，建议在一个节点上修改，然后同步到其他节点，例如：对于 hdfs 和 yarn ，在 NameNode 节点上修改然后再同步，对于 HBase，选择一个节点再同步。因为要同步配置文件和在多个节点启动服务，建议配置 ssh 无密码登陆。
1.1 配置hosts
CDH 要求使用 IPv4，IPv6 不支持。
禁用IPv6方法：
$ vim /etc/sysctl.conf #disable ipv6 net.ipv6.conf.all.disable_ipv6=1
net.ipv6.conf.default.disable_ipv6=1
net.ipv6.conf.lo.disable_ipv6=1
使其生效：
$ sysctl -p
最后确认是否已禁用：
$ cat /proc/sys/net/ipv6/conf/all/disable_ipv6
1
1、设置hostname，以cdh1为例
$ hostname cdh1
2、确保/etc/hosts中包含ip和FQDN，如果你在使用DNS，保存这些信息到/etc/hosts不是必要的，却是最佳实践。
3、确保/etc/sysconfig/network中包含hostname=cdh1
4、检查网络，运行下面命令检查是否配置了hostname以及其对应的ip是否正确。
运行uname -a查看hostname是否匹配hostname命令运行的结果：
$ uname -a
Linux cdh1 2.6.32-358.23.2.el6.x86_64 #1 SMP Wed Oct 16 18:37:12 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux $ hostname
cdh1
运行/sbin/ifconfig查看ip:
$ ifconfig
eth1 Link encap:Ethernet HWaddr 08:00:27:75:E0:95
inet addr:192.168.56.121 Bcast:192.168.56.255 Mask:255.255.255.0
......
先安装bind-utils，才能运行host命令：
$ yum install bind-utils -y
运行下面命令查看hostname和ip是否匹配:
$ host -v -t A `hostname` Trying "cdh1" ... ;; ANSWER SECTION:
cdh1. 60 IN A 192.168.56.121
5、hadoop的所有配置文件中配置节点名称时，请使用hostname和不是ip
1.2 关闭防火墙
$ setenforce 0 $ vim /etc/sysconfig/selinux #修改SELINUX=disabled
清空iptables
$ iptables -F
1.3 时钟同步
搭建时钟同步服务器
这里选择 cdh1 节点为时钟同步服务器，其他节点为客户端同步时间到该节点。、
安装ntp:
$ yum install ntp
修改 cdh1 上的配置文件 /etc/ntp.conf :
restrict default ignore //默认不允许修改或者查询ntp,并且不接收特殊封包
restrict 127.0.0.1 //给于本机所有权限
restrict 192.168.56.0 mask 255.255.255.0 notrap nomodify //给于局域网机的机器有同步时间的权限
server 192.168.56.121 # local clock
driftfile /var/lib/ntp/drift
fudge 127.127.1.0 stratum 10
启动 ntp：
$ service ntpd start
设置开机启动:
$ chkconfig ntpd on
ntpq用来监视ntpd操作，使用标准的NTP模式6控制消息模式，并与NTP服务器通信。
ntpq -p 查询网络中的NTP服务器，同时显示客户端和每个服务器的关系。
$ ntpq -p
remote refid st t when poll reach delay offset jitter
==============================================================================
*LOCAL(1) .LOCL. 5 l 6 64 1 0.000 0.000 0.000
- "* "：响应的NTP服务器和最精确的服务器。
- "+"：响应这个查询请求的NTP服务器。
- "blank（空格）"：没有响应的NTP服务器。
- "remote" ：响应这个请求的NTP服务器的名称。
- "refid "：NTP服务器使用的更高一级服务器的名称。
- "st"：正在响应请求的NTP服务器的级别。
- "when"：上一次成功请求之后到现在的秒数。
- "poll"：当前的请求的时钟间隔的秒数。
- "offset"：主机通过NTP时钟同步与所同步时间源的时间偏移量，单位为毫秒（ms）。
客户端的配置
在cdh2和cdh3节点上执行下面操作：
$ ntpdate cdh1
Ntpd启动的时候通常需要一段时间大概5分钟进行时间同步，所以在ntpd刚刚启动的时候还不能正常提供时钟服务，报错"no server suitable for synchronization found"。启动时候需要等待5分钟。
如果想定时进行时间校准，可以使用crond服务来定时执行。
00 1 * * * root /usr/sbin/ntpdate 192.168.56.121 >> /root/ntpdate.log 2>&1
这样，每天 1:00 Linux 系统就会自动的进行网络时间校准。
1.4 安装jdk
以下是手动安装jdk，你也可以通过yum方式安装，见下文。
检查jdk版本
$ java -version
如果其版本低于v1.6 update 31，则将其卸载
$ rpm -qa | grep java $ yum remove {java-1.*}
验证默认的jdk是否被卸载
$ which java
安装jdk，使用yum安装或者手动下载安装jdk-6u31-linux-x64.bin，下载地址：这里
$ yum install jdk -y
创建符号连接
$ ln -s XXXXX/jdk1.6.0_31 /usr/java/latest $ ln -s /usr/java/latest/bin/java /usr/bin/java
设置环境变量:
$ echo "export JAVA_HOME=/usr/java/latest" >>/root/.bashrc $ echo "export PATH=\$JAVA_HOME/bin:\$PATH" >> /root/.bashrc $ source /root/.bashrc
验证版本
$ java -version
java version "1.6.0_31" Java(TM) SE Runtime Environment (build 1.6.0_31-b04) Java HotSpot(TM) 64-Bit Server VM (build 20.6-b01, mixed mode)
检查环境变量中是否有设置JAVA_HOME
$ env | grep JAVA_HOME
如果env中没有JAVA_HOME变量，则修改/etc/sudoers文件
$ vi /etc/sudoers
Defaults env_keep+=JAVA_HOME
1.5 设置本地yum源
你可以从这里下载 cdh4 的仓库压缩包，或者从这里 下载 cdh5 的仓库压缩包。
因为我是使用的centos操作系统，故这里使用的cdh5的centos6仓库，将其下载之后解压配置cdh的yum源：
[hadoop]
name=hadoop
baseurl=ftp://cdh1/cdh/5/
enabled=1
gpgcheck=0
这里使用的是 ftp 搭建 yum 源，需要安装 ftp 服务，并将解压后的目录拷贝到 ftp 存放文件的目录下。
操作系统的yum源，建议你通过下载 centos 的 dvd 然后配置一个本地的 yum 源。
其实，在配置了CDH 的 yum 源之后，可以通过 yum 来安装 jdk，然后，设置 JAVA HOME：
$ yum install jdk -y
2. 安装和配置HDFS
说明：
- 根据文章开头的节点规划，cdh1 为NameNode节点和SecondaryNameNode
- 根据文章开头的节点规划，cdh2 和 cdh3 为DataNode节点
在 NameNode 节点安装 hadoop-hdfs-namenode
$ yum install hadoop hadoop-hdfs hadoop-client hadoop-doc hadoop-debuginfo hadoop-hdfs-namenode
在 NameNode 节点中选择一个节点作为 secondarynamenode ，并安装 hadoop-hdfs-secondarynamenode
$ yum install hadoop-hdfs-secondarynamenode -y
在DataNode节点安装 hadoop-hdfs-datanode
$ yum install hadoop hadoop-hdfs hadoop-client hadoop-doc hadoop-debuginfo hadoop-hdfs-datanode -y
配置 NameNode HA 请参考Introduction to HDFS High Availability
2.1 修改hadoop配置文件
更多的配置信息说明，请参考 Apache Cluster Setup
- 在/etc/hadoop/conf/core-site.xml中设置fs.defaultFS属性值，该属性指定NameNode是哪一个节点以及使用的文件系统是file还是hdfs，格式：hdfs://:/，默认的文件系统是file:///
- 在/etc/hadoop/conf/hdfs-site.xml中设置dfs.permissions.superusergroup属性，该属性指定hdfs的超级用户，默认为hdfs，你可以修改为hadoop
配置如下：
/etc/hadoop/conf/core-site.xml:
fs.defaultFS hdfs://cdh1:8020
/etc/hadoop/conf/hdfs-site.xml:
dfs.permissions.superusergroup hadoop
2.2 指定本地文件目录
在hadoop中默认的文件路径以及权限要求如下：
目录 所有者 权限 默认路径
hadoop.tmp.dir hdfs:hdfs drwx------ /var/hadoop
dfs.namenode.name.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/name
dfs.datanode.data.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/data
dfs.namenode.checkpoint.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/namesecondary
说明你可以在hdfs-site.xml中只配置 ｀hadoop.tmp.dir`,也可以分别配置上面的路径。
这里使用分别配置的方式，hdfs-site.xml中配置如下：
dfs.namenode.name.dir file:///data/dfs/nn dfs.datanode.data.dir file:///data/dfs/dn
在NameNode上手动创建 dfs.name.dir 或 dfs.namenode.name.dir 的本地目录：
$ mkdir -p /data/dfs/nn
在DataNode上手动创建 dfs.data.dir 或 dfs.datanode.data.dir 的本地目录：
$ mkdir -p /data/dfs/dn
修改上面目录所有者：
$ chown -R hdfs:hdfs /data/dfs/nn /data/dfs/dn
hadoop的进程会自动设置 dfs.data.dir 或 dfs.datanode.data.dir，但是 dfs.name.dir 或 dfs.namenode.name.dir 的权限默认为755，需要手动设置为700。
故，修改上面目录权限：
$ chmod 700 /data/dfs/nn
或者：
$ chmod go-rx /data/dfs/nn
说明：
DataNode的本地目录可以设置多个，你可以设置 dfs.datanode.failed.volumes.tolerated 参数的值，表示能够容忍不超过该个数的目录失败。
2.3 配置 SecondaryNameNode
在 /etc/hadoop/conf/hdfs-site.xml 中可以配置以下参数：
dfs.namenode.checkpoint.check.period
dfs.namenode.checkpoint.txns
dfs.namenode.checkpoint.dir
dfs.namenode.checkpoint.edits.dir
dfs.namenode.num.checkpoints.retained
如果想配置SecondaryNameNode节点，请从NameNode中单独选择一台机器，然后做以下设置：
- 将运行SecondaryNameNode的机器名称加入到masters
- 在 /etc/hadoop/conf/hdfs-site.xml 中加入如下配置：
dfs.secondary.http.address cdh1:50090
设置多个secondarynamenode，请参考multi-host-secondarynamenode-configuration.
2.4 开启回收站功能
回收站功能默认是关闭的，建议打开。
在 /etc/hadoop/conf/core-site.xml 中添加如下两个参数：
- fs.trash.interval,该参数值为时间间隔，单位为分钟，默认为0，表示回收站功能关闭。该值表示回收站中文件保存多长时间，如果服务端配置了该参数，则忽略客户端的配置；如果服务端关闭了该参数，则检查客户端是否有配置该参数；
- fs.trash.checkpoint.interval，该参数值为时间间隔，单位为分钟，默认为0。该值表示检查回收站时间间隔，该值要小于fs.trash.interval，该值在服务端配置。如果该值设置为0，则使用 fs.trash.interval 的值。
2.5 (可选)配置DataNode存储的负载均衡
在 /etc/hadoop/conf/hdfs-site.xml 中配置以下三个参数（详细说明，请参考 Optionally configure DataNode storage balancing）：
- dfs.datanode.fsdataset. volume.choosing.policy
- dfs.datanode.available-space-volume-choosing-policy.balanced-space-threshold
- dfs.datanode.available-space-volume-choosing-policy.balanced-space-preference-fraction
2.6 开启WebHDFS
这里只在一个NameNode节点（ CDH1 ）上安装：
$ yum install hadoop-httpfs -y
然后配置代理用户，修改 /etc/hadoop/conf/core-site.xml，添加如下代码：
hadoop.proxyuser.httpfs.hosts * hadoop.proxyuser.httpfs.groups *
然后重启 Hadoop 使配置生效。
接下来，启动 HttpFS 服务：
$ service hadoop-httpfs start
By default, HttpFS server runs on port 14000 and its URL is http://:14000/webhdfs/v1.
简单测试，使用 curl 运行下面命令，并查看执行结果：
$ curl "http://localhost:14000/webhdfs/v1?op=gethomedirectory&user.name=hdfs"
{"Path":"\/user\/hdfs"}
更多的 API，请参考 WebHDFS REST API
2.7 配置LZO
下载repo文件到 /etc/yum.repos.d/:
- 如果你安装的是 CDH4，请下载Red Hat/CentOS 6
- 如果你安装的是 CDH5，请下载Red Hat/CentOS 6
然后，安装lzo:
$ yum install hadoop-lzo* impala-lzo -y
最后，在 /etc/hadoop/conf/core-site.xml 中添加如下配置：
io.compression.codecs org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.BZip2Codec,com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec,org.apache.hadoop.io.compress.SnappyCodec io.compression.codec.lzo.class com.hadoop.compression.lzo.LzoCodec
更多关于LZO信息，请参考：Using LZO Compression
2.8 (可选)配置Snappy
cdh 的 rpm 源中默认已经包含了 snappy ，直接安装即可。
在每个节点安装Snappy：
$ yum install snappy snappy-devel -y
然后，在 core-site.xml 中修改io.compression.codecs的值，添加 org.apache.hadoop.io.compress.SnappyCodec ：
io.compression.codecs org.apache.hadoop.io.compress.DefaultCodec,
org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.BZip2Codec,
com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec,
org.apache.hadoop.io.compress.SnappyCodec
使 snappy 对 hadoop 可用：
$ ln -sf /usr/lib64/libsnappy.so /usr/lib/hadoop/lib/native/
2.9 启动HDFS
将配置文件同步到每一个节点：
$ scp -r /etc/hadoop/conf root@cdh2:/etc/hadoop/ $ scp -r /etc/hadoop/conf root@cdh3:/etc/hadoop/
格式化NameNode：
$ sudo -u hdfs hadoop namenode -format
在每个节点运行下面命令启动hdfs：
$ for x in `ls /etc/init.d/|grep hadoop-hdfs` ; do service $x start ; done
在 hdfs 运行之后，创建 /tmp 临时目录，并设置权限为 1777：
$ sudo -u hdfs hadoop fs -mkdir /tmp $ sudo -u hdfs hadoop fs -chmod -R 1777 /tmp
2.10 访问web
通过 http://cdh1:50070/ 可以访问 NameNode 页面。
3. 安装和配置YARN
节点规划
- 根据文章开头的节点规划，cdh1 为resourcemanager节点
- 根据文章开头的节点规划，cdh2 和 cdh3 为nodemanager节点
- 为了简单，historyserver也装在 cdh1 节点上
安装服务
在 resourcemanager 节点安装:
$ yum install hadoop-yarn hadoop-yarn-resourcemanager -y
在 nodemanager 节点安装:
$ yum install hadoop-yarn hadoop-yarn-nodemanager hadoop-mapreduce -y
安装 historyserver：
$ yum install hadoop-mapreduce-historyserver hadoop-yarn-proxyserver -y
修改配置参数
要想使用YARN，需要在 /etc/hadoop/conf/mapred-site.xml 中做如下配置:
mapreduce.framework.name yarn
配置resourcemanager的节点名称以及一些服务的端口号，修改/etc/hadoop/conf/yarn-site.xml：
yarn.resourcemanager.resource-tracker.address cdh1:8031 yarn.resourcemanager.address cdh1:8032 yarn.resourcemanager.scheduler.address cdh1:8030 yarn.resourcemanager.admin.address cdh1:8033 yarn.resourcemanager.webapp.address cdh1:8088
配置YARN进程：
- yarn.nodemanager.aux-services，在CDH4中该值设为 mapreduce.shuffle，在CDH5中该值设为 mapreduce_shuffle
- yarn.nodemanager.aux-services.mapreduce.shuffle.class，该值设为 org.apache.hadoop.mapred.ShuffleHandler
- yarn.resourcemanager.hostname，该值设为 cdh1
- yarn.log.aggregation.enable，该值设为 true
- yarn.application.classpath，该值设为:
$HADOOP_CONF_DIR, $HADOOP_COMMON_HOME/*, $HADOOP_COMMON_HOME/lib/*, $HADOOP_HDFS_HOME/*, $HADOOP_HDFS_HOME/lib/*, $HADOOP_MAPRED_HOME/*, $HADOOP_MAPRED_HOME/lib/*, $HADOOP_YARN_HOME/*, $HADOOP_YARN_HOME/lib/*
即，在 /etc/hadoop/conf/yarn-site.xml 中添加如下配置：
yarn.nodemanager.aux-services mapreduce_shuffle yarn.nodemanager.aux-services.mapreduce_shuffle.class org.apache.hadoop.mapred.ShuffleHandler yarn.log-aggregation-enable true yarn.application.classpath $HADOOP_CONF_DIR,
$HADOOP_COMMON_HOME/*,
$HADOOP_COMMON_HOME/lib/*,
$HADOOP_HDFS_HOME/*,
$HADOOP_HDFS_HOME/lib/*,
$HADOOP_MAPRED_HOME/*,
$HADOOP_MAPRED_HOME/lib/*,
$HADOOP_YARN_HOME/*,
$HADOOP_YARN_HOME/lib/* yarn.log.aggregation.enable true
注意：
a. yarn.nodemanager.aux-services 的值在 cdh4 中应该为 mapreduce.shuffle，并配置参数yarn.nodemanager.aux-services.mapreduce.shuffle.class值为 org.apache.hadoop.mapred.ShuffleHandler ，在cdh5中为mapreduce_shuffle，这时候请配置yarn.nodemanager.aux-services.mapreduce_shuffle.class参数
b. 这里配置了 yarn.application.classpath ，需要设置一些喜欢环境变量：
export HADOOP_HOME=/usr/lib/hadoop export HIVE_HOME=/usr/lib/hive export HBASE_HOME=/usr/lib/hbase export HADOOP_HDFS_HOME=/usr/lib/hadoop-hdfs export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce export HADOOP_COMMON_HOME=${HADOOP_HOME} export HADOOP_HDFS_HOME=/usr/lib/hadoop-hdfs export HADOOP_LIBEXEC_DIR=${HADOOP_HOME}/libexec export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop export HDFS_CONF_DIR=${HADOOP_HOME}/etc/hadoop export HADOOP_YARN_HOME=/usr/lib/hadoop-yarn export YARN_CONF_DIR=${HADOOP_HOME}/etc/hadoop
配置文件路径
在hadoop中默认的文件路径以及权限要求如下：
目录 所有者 权限 默认路径
yarn.nodemanager.local-dirs yarn:yarn drwxr-xr-x ${hadoop.tmp.dir}/nm-local-dir
yarn.nodemanager.log-dirs yarn:yarn drwxr-xr-x ${yarn.log.dir}/userlogs
yarn.nodemanager.remote-app-log-dir hdfs://cdh1:8020/var/log/hadoop-yarn/apps
在 /etc/hadoop/conf/yarn-site.xml文件中添加如下配置:
yarn.nodemanager.local-dirs file:///data/yarn/local yarn.nodemanager.log-dirs file:///data/yarn/logs yarn.nodemanager.remote-app-log-dir /yarn/apps
创建本地目录
创建 yarn.nodemanager.local-dirs 和 yarn.nodemanager.log-dirs 参数对应的目录：
$ mkdir -p /data/yarn/{local,logs} $ chown -R yarn:yarn /data/yarn
创建Log目录
在 hdfs 上创建 yarn.nodemanager.remote-app-log-dir 对应的目录：
$ sudo -u hdfs hadoop fs -mkdir -p /yarn/apps
$ sudo -u hdfs hadoop fs -chown yarn:mapred /yarn/apps
$ sudo -u hdfs hadoop fs -chmod 1777 /yarn/apps
配置History Server：
在 /etc/hadoop/conf/mapred-site.xml 中添加如下：
mapreduce.jobhistory.address cdh1:10020 mapreduce.jobhistory.webapp.address cdh1:19888
此外，确保 mapred 用户能够使用代理，在 /etc/hadoop/conf/core-site.xml 中添加如下参数：
hadoop.proxyuser.mapred.groups * hadoop.proxyuser.mapred.hosts *
配置 Staging 目录：
在 /etc/hadoop/conf/mapred-site.xml 中配置参数 yarn.app.mapreduce.am.staging-dir（该值默认为：/tmp/hadoop-yarn/staging，请参见 mapred-default.xml）：
yarn.app.mapreduce.am.staging-dir /user
并在 hdfs 上创建相应的目录：
$ sudo -u hdfs hadoop fs -mkdir -p /user $ sudo -u hdfs hadoop fs -chmod 777 /user
创建 history 子目录
可选的，你可以在 /etc/hadoop/conf/mapred-site.xml 设置以下两个参数：
- mapreduce.jobhistory.intermediate-done-dir，该目录权限应该为1777，默认值为 ${yarn.app.mapreduce.am.staging-dir}/history/done_intermediate
- mapreduce.jobhistory.done-dir，该目录权限应该为750，默认值为 ${yarn.app.mapreduce.am.staging-dir}/history/done
在 hdfs 上创建目录并设置权限：
$ sudo -u hdfs hadoop fs -mkdir -p /user/history $ sudo -u hdfs hadoop fs -chmod -R 1777 /user/history $ sudo -u hdfs hadoop fs -chown mapred:hadoop /user/history
验证 HDFS 结构：
$ sudo -u hdfs hadoop fs -ls -R /
你应该看到如下结构：
drwxrwxrwt - hdfs hadoop 0 2014-04-19 14:21 /tmp
drwxrwxrwx - hdfs hadoop 0 2014-04-19 14:26 /user
drwxrwxrwt - mapred hadoop 0 2014-04-19 14:31 /user/history
drwxr-x--- - mapred hadoop 0 2014-04-19 14:38 /user/history/done
drwxrwxrwt - mapred hadoop 0 2014-04-19 14:48 /user/history/done_intermediate
drwxr-xr-x - hdfs hadoop 0 2014-04-19 15:31 /yarn
drwxrwxrwt - yarn mapred 0 2014-04-19 15:31 /yarn/apps
看到上面的目录结构，你就将NameNode上的配置文件同步到其他节点了，并且启动 yarn 的服务。
同步配置文件
同步配置文件到整个集群:
$ scp -r /etc/hadoop/conf root@cdh2:/etc/hadoop/ $ scp -r /etc/hadoop/conf root@cdh3:/etc/hadoop/
启动服务
在 cdh1 节点启动 mapred-historyserver :
$ /etc/init.d/hadoop-mapreduce-historyserver start
在每个节点启动 YARN :
$ for x in `ls /etc/init.d/|grep hadoop-yarn` ; do service $x start ; done
为每个 MapReduce 用户创建主目录，比如说 hive 用户或者当前用户：
$ sudo -u hdfs hadoop fs -mkdir /user/$USER $ sudo -u hdfs hadoop fs -chown $USER /user/$USER
设置 HADOOP_MAPRED_HOME ,或者把其加入到 hadoop 的配置文件中
$ export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
访问 web
通过 http://cdh1:8088/ 可以访问 Yarn 的管理页面。
通过 http://cdh1:19888/ 可以访问 JobHistory 的管理页面。
查看在线的节点：http://cdh1:8088/cluster/nodes。
运行下面的测试程序，看是否报错：
# Find how many jars name ending with examples you have inside location /usr/lib/ $ find /usr/lib/ -name "*hadoop*examples*.jar" # To list all the class name inside jar $ find /usr/lib/ -name "hadoop-examples.jar" | xargs -0 -I '{}' sh -c 'jar tf {}' # To search for specific class name inside jar $ find /usr/lib/ -name "hadoop-examples.jar" | xargs -0 -I '{}' sh -c 'jar tf {}' | grep -i wordcount.class # 运行 randomwriter 例子 $ sudo -u hdfs hadoop jar /usr/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar randomwriter out
4. 安装 Zookeeper
简单说明：
Zookeeper 至少需要3个节点，并且节点数要求是基数，这里在所有节点上都安装 Zookeeper。
安装
在每个节点上安装zookeeper
$ yum install zookeeper* -y
修改配置文件
设置 zookeeper 配置 /etc/zookeeper/conf/zoo.cfg
maxClientCnxns=50
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/var/lib/zookeeper
clientPort=2181
server.1=cdh1:2888:3888
server.2=cdh3:2888:3888
server.3=cdh3:2888:3888
同步配置文件
将配置文件同步到其他节点：
$ scp -r /etc/zookeeper/conf root@cdh2:/etc/zookeeper/ $ scp -r /etc/zookeeper/conf root@cdh3:/etc/zookeeper/
初始化并启动服务
在每个节点上初始化并启动 zookeeper，注意 n 的值需要和 zoo.cfg 中的编号一致。
在 cdh1 节点运行
$ service zookeeper-server init --myid=1 $ service zookeeper-server start
在 cdh2 节点运行
$ service zookeeper-server init --myid=2 $ service zookeeper-server start
在 cdh3 节点运行
$ service zookeeper-server init --myid=3
$ service zookeeper-server start
测试
通过下面命令测试是否启动成功：
$ zookeeper-client -server cdh1:2181
5. 安装 HBase
HBase 依赖 ntp 服务，故需要提前安装好 ntp。
安装前设置
1）修改系统 ulimit 参数:
在 /etc/security/limits.conf 中添加下面两行并使其生效：
hdfs - nofile 32768
hbase - nofile 32768
2）修改 dfs.datanode.max.xcievers
在 hdfs-site.xml 中修改该参数值，将该值调整到较大的值：
dfs.datanode.max.xcievers 8192
安装
在每个节点上安装 master 和 regionserver
$ yum install hbase hbase-master hbase-regionserver -y
如果需要你可以安装 hbase-rest、hbase-solr-indexer、hbase-thrift
修改配置文件
修改 hbase-site.xml文件，关键几个参数及含义如下：
- hbase.distributed：是否为分布式模式
- hbase.rootdir：HBase在hdfs上的目录路径
- hbase.tmp.dir：本地临时目录
- hbase.zookeeper.quorum：zookeeper集群地址，逗号分隔
- hbase.hregion.max.filesize：hregion文件最大大小
- hbase.hregion.memstore.flush.size：memstore文件最大大小
另外，在CDH5中建议关掉Checksums（见Upgrading HBase）以提高性能，修改为如下：
hbase.regionserver.checksum.verify false hbase.hstore.checksum.algorithm NULL
最后的配置如下，供参考：
hbase.cluster.distributed true hbase.rootdir hdfs://cdh1:8020/hbase hbase.tmp.dir /data/hbase hbase.zookeeper.quorum cdh1,cdh2,cdh3 hbase.hregion.max.filesize 536870912 hbase.hregion.memstore.flush.size 67108864 hbase.regionserver.lease.period 600000 hbase.client.retries.number 3 hbase.regionserver.handler.count 100 hbase.hstore.compactionThreshold 10 hbase.hstore.blockingStoreFiles 30 hbase.regionserver.checksum.verify false hbase.hstore.checksum.algorithm NULL
在 hdfs 中创建 /hbase 目录
$ sudo -u hdfs hadoop fs -mkdir /hbase $ sudo -u hdfs hadoop fs -chown hbase:hbase /hbase
设置 crontab 定时删除日志：
$ crontab -e
* 10 * * * cd /var/log/hbase/; rm -rf `ls /var/log/hbase/|grep -P 'hbase\-hbase\-.+\.log\.[0-9]'\`>> /dev/null &
同步配置文件
将配置文件同步到其他节点：
$ scp -r /etc/hbase/conf root@cdh2:/etc/hbase/ $ scp -r /etc/hbase/conf root@cdh3:/etc/hbase/
创建本地目录
在 hbase-site.xml 配置文件中配置了 hbase.tmp.dir 值为 /data/hbase，现在需要在每个 hbase 节点创建该目录并设置权限：
$ mkdir /data/hbase $ chown -R hbase:hbase /data/hbase/
启动HBase
$ for x in `ls /etc/init.d/|grep hbase` ; do service $x start ; done
访问web
通过 http://cdh1:60030/ 可以访问 RegionServer 页面，然后通过该页面可以知道哪个节点为 Master，然后再通过 60010 端口访问 Master 管理界面。
6. 安装hive
在一个 NameNode 节点上安装 hive：
$ yum install hive hive-metastore hive-server2 hive-jdbc hive-hbase -y
在其他 DataNode 上安装：
$ yum install hive hive-server2 hive-jdbc hive-hbase -y
安装postgresql
这里使用 postgresq l数据库来存储元数据，如果你想使用 mysql 数据库，请参考下文。
手动安装、配置 postgresql 数据库，请参考 手动安装Cloudera Hive CDH
yum 方式安装：
$ yum install postgresql-server -y
初始化数据库：
$ service postgresql initdb
修改配置文件postgresql.conf，修改完后内容如下：
$ cat /var/lib/pgsql/data/postgresql.conf | grep -e listen -e standard_conforming_strings listen_addresses = '*' standard_conforming_strings = off
修改 /var/lib/pgsql/data/pg_hba.conf，添加以下一行内容：
host all all 0.0.0.0/0 trust
启动数据库
#配置开启启动 $ chkconfig postgresql on $ service postgresql start
安装jdbc驱动
$ yum install postgresql-jdbc -y $ ln -s /usr/share/java/postgresql-jdbc.jar /usr/lib/hive/lib/postgresql-jdbc.jar
创建数据库和用户
bash# su postgres
bash$ psql postgres=# CREATE USER hiveuser WITH PASSWORD 'redhat'; postgres=# CREATE DATABASE metastore owner=hiveuser; postgres=# GRANT ALL privileges ON DATABASE metastore TO hiveuser; postgres=# \q; bash$ psql -U hiveuser -d metastore postgres=# \i /usr/lib/hive/scripts/metastore/upgrade/postgres/hive-schema-0.13.0.postgres.sql SET
SET
..
注意：
创建的用户为hiveuser，密码为redhat，你可以按自己需要进行修改。
初始化数据库的 sql 文件请根据 cdh 版本进行修改，这里我的 cdh 版本是5.2.0，对应的文件是 ive-schema-0.13.0.postgres.sql
这时候的hive-site.xml文件内容如下：
javax.jdo.option.ConnectionURL jdbc:postgresql://localhost/metastore javax.jdo.option.ConnectionDriverName org.postgresql.Driver javax.jdo.option.ConnectionUserName hiveuser javax.jdo.option.ConnectionPassword redhat datanucleus.autoCreateSchema false mapreduce.framework.name yarn yarn.resourcemanager.resource-tracker.address cdh1:8031 hive.files.umask.value 0002 hive.exec.reducers.max 999 hive.auto.convert.join true hive.metastore.schema.verification true hive.metastore.warehouse.dir /user/hive/warehouse hive.warehouse.subdir.inherit.perms true hive.metastore.uris thrift://cdh1:9083 hive.metastore.server.min.threads 200 hive.metastore.server.max.threads 100000 hive.metastore.client.socket.timeout 3600 hive.support.concurrency true hive.zookeeper.quorum cdh1,cdh2,cdh3 hive.server2.thrift.min.worker.threads 5 hive.server2.thrift.max.worker.threads 100
默认情况下，hive-server和 hive-server2 的 thrift 端口都未10000，如果要修改 hive-server2 thrift 端口，请添加：
hive.server2.thrift.port 10001
如果要设置运行 hive 的用户为连接的用户而不是启动用户，则添加：
hive.server2.enable.impersonation true
并在 core-site.xml 中添加：
hadoop.proxyuser.hive.hosts * hadoop.proxyuser.hive.groups *
安装mysql
yum方式安装mysql：
$ yum install mysql mysql-devel mysql-server mysql-libs -y
启动数据库：
#配置开启启动 $ chkconfig mysqld on $ service mysqld start
安装jdbc驱动：
$ yum install mysql-connector-java $ ln -s /usr/share/java/mysql-connector-java.jar /usr/lib/hive/lib/mysql-connector-java.jar
我是在 cdh1 节点上创建 mysql 数据库和用户：
$ mysql -e " CREATE DATABASE metastore; USE metastore; SOURCE /usr/lib/hive/scripts/metastore/upgrade/mysql/hive-schema-0.13.0.mysql.sql; CREATE USER 'hiveuser'@'localhost' IDENTIFIED BY 'redhat'; GRANT ALL PRIVILEGES ON metastore.* TO 'hiveuser'@'localhost'; GRANT ALL PRIVILEGES ON metastore.* TO 'hiveuser'@'cdh1'; FLUSH PRIVILEGES; "
注意：创建的用户为 hiveuser，密码为 redhat ，你可以按自己需要进行修改。
修改 hive-site.xml 文件中以下内容：
javax.jdo.option.ConnectionURL jdbc:mysql://cdh1:3306/metastore?useUnicode=true&characterEncoding=UTF-8 javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver
配置hive
修改/etc/hadoop/conf/hadoop-env.sh，添加环境变量 HADOOP_MAPRED_HOME，如果不添加，则当你使用 yarn 运行 mapreduce 时候会出现 UNKOWN RPC TYPE 的异常
export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
在 hdfs 中创建 hive 数据仓库目录:
- hive 的数据仓库在 hdfs 中默认为 /user/hive/warehouse,建议修改其访问权限为 1777，以便其他所有用户都可以创建、访问表，但不能删除不属于他的表。
- 每一个查询 hive 的用户都必须有一个 hdfs 的 home 目录( /user 目录下，如 root 用户的为 /user/root)
- hive 所在节点的 /tmp 必须是 world-writable 权限的。
创建目录并设置权限：
$ sudo -u hdfs hadoop fs -mkdir /user/hive $ sudo -u hdfs hadoop fs -chown hive /user/hive $ sudo -u hdfs hadoop fs -mkdir /user/hive/warehouse $ sudo -u hdfs hadoop fs -chmod 1777 /user/hive/warehouse $ sudo -u hdfs hadoop fs -chown hive /user/hive/warehouse
启动hive-server和metastore:
$ service hive-metastore start $ service hive-server start $ service hive-server2 start
测试：
$ hive -e 'create table t(id int);' $ hive -e 'select * from t limit 2;' $ hive -e 'select id from t;'
访问beeline:
$ /usr/lib/hive/bin/beeline
beeline> !connect jdbc:hive2://localhost:10000 username password org.apache.hive.jdbc.HiveDriver
0: jdbc:hive2://localhost:10000> SHOW TABLES; show tables; +-----------+ | tab_name | +-----------+
+-----------+
No rows selected (0.238 seconds) 0: jdbc:hive2://localhost:10000>
其 sql语法参考SQLLine CLI，在这里，你不能使用HiveServer的sql语句
与hbase集成
先安装 hive-hbase:
$ yum install hive-hbase -y
如果你是使用的 cdh4，则需要在 hive shell 里执行以下命令添加 jar：
$ ADD JAR /usr/lib/hive/lib/zookeeper.jar; $ ADD JAR /usr/lib/hive/lib/hbase.jar; $ ADD JAR /usr/lib/hive/lib/hive-hbase-handler-<hive_version>.jar $ ADD JAR /usr/lib/hive/lib/guava-11.0.2.jar;
说明： guava 包的版本以实际版本为准。
如果你是使用的 cdh5，则需要在 hive shell 里执行以下命令添加 jar：
ADD JAR /usr/lib/hive/lib/zookeeper.jar;
ADD JAR /usr/lib/hive/lib/hive-hbase-handler.jar;
ADD JAR /usr/lib/hbase/lib/guava-12.0.1.jar;
ADD JAR /usr/lib/hbase/hbase-client.jar;
ADD JAR /usr/lib/hbase/hbase-common.jar;
ADD JAR /usr/lib/hbase/hbase-hadoop-compat.jar;
ADD JAR /usr/lib/hbase/hbase-hadoop2-compat.jar;
ADD JAR /usr/lib/hbase/hbase-protocol.jar;
ADD JAR /usr/lib/hbase/hbase-server.jar;
以上你也可以在 hive-site.xml 中通过 hive.aux.jars.path 参数来配置，或者你也可以在 hive-env.sh 中通过 export HIVE_AUX_JARS_PATH= 来设置。