Hadoop 系列（五）—— Hadoop 集群環境搭建

一、集群規劃

這里搭建一個 3 節點的 Hadoop 集群，其中三臺主機均部署 DataNode 和 NodeManager 服務，但只有 hadoop001 上部署 NameNode 和 ResourceManager 服務。

二、前置條件

Hadoop 的運行依賴 JDK，需要預先安裝。其安裝步驟單獨整理至：

• Linux 下 JDK 的安裝

三、配置免密登錄

3.1 生成密匙

在每臺主機上使用 ssh-keygen 命令生成公鑰私鑰對：

ssh-keygen

3.2 免密登錄

將 hadoop001 的公鑰寫到本機和遠程機器的 ~/ .ssh/authorized_key 文件中：

ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop001
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop002
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop003

3.3 驗證免密登錄

ssh hadoop002
ssh hadoop003

四、集群搭建

3.1 下載并解壓

下載 Hadoop。這里我下載的是 CDH 版本 Hadoop，下載地址為：http://archive.cloudera.com/cdh6/cdh/5/

# tar -zvxf hadoop-2.6.0-cdh6.15.2.tar.gz 

3.2 配置環境變量

編輯 profile 文件：

# vim /etc/profile

增加如下配置：

export HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh6.15.2
export  PATH=${HADOOP_HOME}/bin:$PATH

執行 source 命令，使得配置立即生效：

# source /etc/profile

3.3 修改配置

進入 ${HADOOP_HOME}/etc/hadoop 目錄下，修改配置文件。各個配置文件內容如下：

1. hadoop-env.sh

# 指定JDK的安裝位置
export JAVA_HOME=/usr/java/jdk1.8.0_201/

2. core-site.xml

<configuration>
    <property>
        <!--指定 namenode 的 hdfs 協議文件系統的通信地址-->
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop001:8020</value>
    </property>
    <property>
        <!--指定 hadoop 集群存儲臨時文件的目錄-->
        <name>hadoop.tmp.dir</name>
        <value>/home/hadoop/tmp</value>
    </property>
</configuration>

3. hdfs-site.xml

<property>
      <!--namenode 節點數據（即元數據）的存放位置，可以指定多個目錄實現容錯，多個目錄用逗號分隔-->
    <name>dfs.namenode.name.dir</name>
    <value>/home/hadoop/namenode/data</value>
</property>
<property>
      <!--datanode 節點數據（即數據塊）的存放位置-->
    <name>dfs.datanode.data.dir</name>
    <value>/home/hadoop/datanode/data</value>
</property>

4. yarn-site.xml

<configuration>
    <property>
        <!--配置 NodeManager 上運行的附屬服務。需要配置成 mapreduce_shuffle 后才可以在 Yarn 上運行 MapReduce 程序。-->
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <!--resourcemanager 的主機名-->
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop001</value>
    </property>
</configuration>

5. mapred-site.xml

<configuration>
    <property>
        <!--指定 mapreduce 作業運行在 yarn 上-->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

5. slaves

配置所有從屬節點的主機名或 IP 地址，每行一個。所有從屬節點上的 DataNode 服務和 NodeManager 服務都會被啟動。

hadoop001
hadoop002
hadoop003

3.4 分發程序

將 Hadoop 安裝包分發到其他兩臺服務器，分發后建議在這兩臺服務器上也配置一下 Hadoop 的環境變量。

# 將安裝包分發到hadoop002
scp -r /usr/app/hadoop-2.6.0-cdh6.15.2/  hadoop002:/usr/app/
# 將安裝包分發到hadoop003
scp -r /usr/app/hadoop-2.6.0-cdh6.15.2/  hadoop003:/usr/app/

3.5 初始化

在 Hadoop001 上執行 namenode 初始化命令：

hdfs namenode -format

3.6 啟動集群

進入到 Hadoop001 的 ${HADOOP_HOME}/sbin 目錄下，啟動 Hadoop。此時 hadoop002 和 hadoop003 上的相關服務也會被啟動：

# 啟動dfs服務
start-dfs.sh
# 啟動yarn服務
start-yarn.sh

3.7 查看集群

在每臺服務器上使用 jps 命令查看服務進程，或直接進入 Web-UI 界面進行查看，端口為 50070。可以看到此時有三個可用的 Datanode：

<BR/>

點擊 Live Nodes 進入，可以看到每個 DataNode 的詳細情況：

<BR/>

接著可以查看 Yarn 的情況，端口號為 8088 ：

五、提交服務到集群

提交作業到集群的方式和單機環境完全一致，這里以提交 Hadoop 內置的計算 Pi 的示例程序為例，在任何一個節點上執行都可以，命令如下：

hadoop jar /usr/app/hadoop-2.6.0-cdh6.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh6.15.2.jar  pi  3  3

更多大數據系列文章可以參見 GitHub 開源項目： 大數據入門指南