搭建Hadoop集群步骤详解-duidaima 堆代码

搭建Hadoop集群步骤详解

发布于 2个月前
 366 热度

 0 评论

枪蹦狗友
2 粉丝 55 篇博客

一.安装Ubuntu
Linux元信息
1.两台机器，每台机器两台Ubuntu
2.Ubuntu版本：ubuntu-22.04.3-desktop-amd64.iso
3.处理器数量2，每个处理器的核心数量2，总处理器核心数量4

4.单个虚拟机内存8192MB（8G），最大磁盘大小30G

参考链接
清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/22.04/
虚拟机（VMware）安装Linux（Ubuntu）安装教程
https://blog.csdn.net/qq_39657434/article/details/112252844

具体步骤
1.把下载好的iso文件保存到一个位置

2.开始在VMware安装Ubuntu

3.选择网络类型（图片错了，应该是“桥接网络”，详见“配置虚拟机网络”）

4.指定磁盘容量

5.设置镜像文件

6.开始安装Ubuntu

配置虚拟机网络
配置桥接模式
1.查看宿主机WLAN硬件配置信息

2.打开VMware中的虚拟网络编辑器，根据宿主机WLAN硬件配置如下信息

设置虚拟机静态IP
防止每次开机随机IP，导致无法连接到其他虚拟机
1.切换root用户（第一次切换root用户需要配置root密码）

sudo passwd

2.打开01-network-manager-all.yaml文件（网卡配置文件）

vim /etc/netplan/01-network-manager-all.yaml

3.删除原内容，复制粘贴如下信息（根据实际情况更改）

# 堆代码 duidaima.com
# Let NetworkManager manage all devices on this system
network:
  ethernets:
    ens33:
      dhcp4: false
      addresses: [192.168.139.101/24]
      routes:
        - to: default
          via: 192.168.139.92
      nameservers:
        addresses: [8.8.8.8]
  version: 2

4.在宿主机的cmd中运行ipconfig命令查看网络信息，如下图所示：

5.根据第四步更改第三步的部分信息
via：宿主机的默认网关

addresses：前三位和宿主机默认网关保持一致，后一位自己随便设置（但要避免和已有ip重复）

二.安装Hadoop
Hadoop元信息
1.统一用户名：hjm，密码：000000
2.四台虚拟机分别为gyt1，gyt2，hjm1，hjm2
3.四台虚拟机用桥接模式，连接一台手机的热点，虚拟机ip如下：
hjm1：192.168.139.101
hjm2：192.168.139.102
gyt1：192.168.139.103
gyt2：192.168.139.104

4.集群部署规划

配置用户sudo权限

配置以后，每次使用sudo，无需输入密码

1.用sudo权限打开sudoers文件

sudo vim /etc/sudoers

2.增加修改sudoers文件，在%sudo下面新加一行（这里以hjm用户为例）

# Allow members of group sudo to execute any command
%sudo   ALL=(ALL:ALL) ALL

hjm ALL=(ALL) NOPASSWD: ALL

创建目录并更改权限
1.创建module和software文件夹

sudo mkdir /opt/module
sudo mkdir /opt/software

2.修改 module、software 文件夹的所有者和所属组均为hjm用户

sudo chown hjm:hjm /opt/module
sudo chown hjm:hjm /opt/software

Ubuntu查看、安装和开启ssh服务
1.查看ssh服务的开启状态，如果开启，则可以跳过这一部分

ps -e|grep ssh

2.安装ssh服务

sudo apt-get install openssh-server

3.启动ssh服务

sudo /etc/init.d/ssh start

注意：
当你用ssh软件（这里默认是Xhell 7）连接时，不要用root用户连，ssh默认不能用root直接连，除非修改配置文件

三.安装JDK
1.用xftp工具将jdk导入到opt目录下面的software文件夹下面
2.解压jdk到opt/module目录下

tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

3.配置jdk环境变量
（1）新建/etc/profile.d/my_env.sh 文件

sudo vim /etc/profile.d/my_env.sh

（2）添加以下内容

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

（3）保存后退出，source 一下/etc/profile 文件，让新的环境变量 PATH 生效

source /etc/profile

（4）测试jdk是否安装成功

java -version

四.安装Hadoop
1.用xftp工具将hadoop导入到opt目录下面的software文件夹下面
2.解压hadoop到opt/module目录下

tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

3.配置hadoop环境变量
（1）打开/etc/profile.d/my_env.sh 文件

sudo vim /etc/profile.d/my_env.sh

（2）在 my_env.sh 文件末尾添加如下内容

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

（3）保存后退出，source 一下/etc/profile 文件，让新的环境变量 PATH 生效

source /etc/profile

（4）测试hadoop是否安装成功

hadoop version

修改配置文件
cd到$HADOOP_HOME/etc/hadoop目录
core-site.xml

<configuration>
 <!-- 指定 NameNode 的地址 -->
 <property>
 <name>fs.defaultFS</name>
 <value>hdfs://hjm1:8020</value>
 </property>
 <!-- 指定 hadoop 数据的存储目录 -->
 <property>
 <name>hadoop.tmp.dir</name>
 <value>/opt/module/hadoop-3.1.3/data</value>
 </property>
 <!-- 配置 HDFS 网页登录使用的静态用户为 hjm -->
 <property>
 <name>hadoop.http.staticuser.user</name>
 <value>hjm</value>
 </property>
</configuration>

hdfs-site.xml

<configuration>
<!-- nn web 端访问地址-->
<property>
 <name>dfs.namenode.http-address</name>
 <value>hjm1:9870</value>
 </property>
<!-- 2nn web 端访问地址-->
 <property>
 <name>dfs.namenode.secondary.http-address</name>
 <value>gyt1:9868</value>
 </property>
</configuration>
yarn-site.xml
<configuration>
 <!-- 指定 MR 走 shuffle -->
 <property>
 <name>yarn.nodemanager.aux-services</name>
 <value>mapreduce_shuffle</value>
 </property>
 <!-- 指定 ResourceManager 的地址-->
 <property>
 <name>yarn.resourcemanager.hostname</name>
 <value>gyt2</value>
 </property>
 <!-- 环境变量的继承 -->
 <property>
 <name>yarn.nodemanager.env-whitelist</name>
 
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CO
NF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAP
RED_HOME</value>
 </property>
</configuration>

mapred-site.xml

<configuration>
<!-- 指定 MapReduce 程序运行在 Yarn 上 -->
 <property>
 <name>mapreduce.framework.name</name>
 <value>yarn</value>
 </property>
</configuration>
workers
hjm1
hjm2
gyt1
gyt2

五.克隆虚拟机
1.在hjm1和gyt1的两台宿主机上分别克隆出hjm2和gyt2

2.按照“配置虚拟机网络-设置虚拟机静态IP”的方式，配置hjm2的ip为192.168.139.102，gyt2的ip为192.168.139.104
3.改每台虚拟机的ubuntu映射文件，这里以gyt2为例

127.0.0.1       localhost
# 127.0.1.1       gyt2 记得删除这一行
192.168.139.101 hjm1
192.168.139.102 hjm2
192.168.139.103 gyt1
192.168.139.104 gyt2

4.修改四台虚拟机的主机名分别为hjm1，hjm2，gyty1，gyt2

sudo vim /etc/hostname

5.重启虚拟机

六.ssh免密登录
1.分别要配置16种免密登录，如下图所示

2.切换hjm用户，cd到~/.ssh，生成公钥和私钥

ssh-keygen -t rsa

3.将公钥复制到目的机上，这里以hjm1举例

ssh-copy-id hjm1

七.xsync集群分发脚本
1.在/home/hjm/bin目录下创建xsync文件
2.在该文件中编写如下代码

#!/bin/bash
#1. 判断参数个数
if [ $# -lt 1 ]
then
 echo Not Enough Arguement!
 exit;
fi
#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
 echo ==================== $host ====================
 #3. 遍历所有目录，挨个发送
 for file in $@
 do
 #4. 判断文件是否存在
 if [ -e $file ]
 then
 #5. 获取父目录
 pdir=$(cd -P $(dirname $file); pwd)
 #6. 获取当前文件的名称
 fname=$(basename $file)
 ssh $host "mkdir -p $pdir"
 rsync -av $pdir/$fname $host:$pdir
 else
 echo $file does not exists!
 fi
 done
done

3.修改脚本xsync具有执行权限

chmod +x xsync

4.测试脚本

xsync /home/atguigu/bin

5.将脚本复制到/bin中，以便全局调用

sudo cp xsync /bin/

6.在客户端电脑（默认windows）配置映射
（1）windows + R
（2）输入drivers，回车
（3）进入etc文件夹
（4）编辑hosts文件

192.168.139.101 hjm1
192.168.139.102 hjm2
192.168.139.103 gyt1
192.168.139.104 gyt2

八.测试hadoop
1.格式化NameNode
如果集群是第一次启动，需要在 hadoop102 节点格式化 NameNode（注意：格式化 NameNode，会产生新的集群 id，导致 NameNode 和 DataNode 的集群 id 不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化 NameNode 的话，一定要先停止 namenode 和 datanode 进程，并且要删除所有机器的 data 和 logs 目录，然后再进行格式化。）