CentOS下Hadoop-2.2.0集群安装配置

共计 6562 个字符，预计需要花费 17 分钟才能阅读完成。

对于一个刚开始学习 Spark 的人来说，当然首先需要把环境搭建好，再跑几个例子，目前比较流行的部署是 Spark On Yarn，作为新手，我觉得有必要走一遍 Hadoop 的集群安装配置，而不仅仅停留在本地 (local) 模式下学习，因为集群模式下跨多台机器，环境相对来说更复杂，许多在本地 (local) 模式下遇不到的问题在集群模式下往往出现，下面将结合实际详细介绍在 CentOS-6.x 系统上 hadoop-2.2.0 的集群安装（其他 Linux 发行版无太大差别），最后运行 WordCount 程序以验证 Hadoop 集群安装是否成功。

机器准备

假设集群中有三台机器，机器可以为三台物理机或虚拟机，保证三台机器可以互相通信，其中一台机器作为 master（运行 NameNode 和 ResourceManager），另外两台机器作为 slave 或 worker（运行 DataNode 和 NodeManager）。下面我准备的机器相关配置如下，注意每台机器要保证用户名一致。

工具准备

为了避免在三台机器中重复安装配置工作，我们可以只在 master 机器上做安装配置，然后直接将配置好的软件打包发到每台 slave 机器上解压即可，首先我们应配置 master 机器到其他机器 ssh 免密码登陆，这是所有后续安装工作的前提。

1. 配置 host

在 master 机器中配置 host，在 /etc/hosts 文件中添加以下配置：

192.168.100.10     master
192.168.100.11     slave1
192.168.100.12     slave2

2. 配置 master 免密码登录

首先运行如下命令生成公钥：

[hadoop@master ~]$ ssh-keygen -t  rsa

将公钥拷贝到每台机器中，包括本机，以使得 ssh localhost 免密码登录：

[hadoop@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  hadoop@master
[hadoop@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  hadoop@slave1
[hadoop@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  hadoop@slave2

为了更好的管理集群，切换到 root 身份，重复上述 ssh 无密码设置过程，保证 root 身份也无能密码登录：

[root@master ~]$ su root
[root@master ~]$ ssh-keygen -t  rsa
[root@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  root@master
[root@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  root@slave1
[root@master ~]$ ssh-copy-id -i ~/.ssh/id_rsa.pub  root@slave2

完成上述操作后，切换回 hadoop 用户，现在 master 机器可以 ssh 免密码的登录集群中每台机器，下面我们开始现在 master 机器中开始安装配置 hadoop。

JDK 安装

从 Oracle 官网下载 jdk，放到 /home/hadoop 目录下（后续所有安装包默认安装在 /home/hadoop 目录下），我下载的版本为 jdk1.7.0_40，解压后设置 jdk 的环境变量，环境变量最好不要设置为全局的（在 /etc/profile 中），只设置当前用户的环境变量即可.

[hadoop@master ~]$ pwd
/home/hadoop
[hadoop@master ~]$ vim .bash_proflie
 # Java ENVIRONMENT
 export JAVA_HOME=$HOME/jdk1.7.0_40
 export PATH=$JAVA_HOME/bin:$PATH
 export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
[hadoop@master ~]$ source .bash_proflie

Hadoop 安装

从 Apache 官网下载 hadoop 发行版，放到 /home/hadoop 目录下，我下载的版本为 hadoop-2.2.0，解压软件包后，首先设置 hadoop 的环境变量。

[hadoop@master ~]$ vim .bash_proflie
 # HADOOP ENVIRONMENT
 export HADOOP_HOME=$HOME/hadoop-2.2.0
 export HADOOP_MAPRED_HOME=$HADOOP_HOME
 export HADOOP_COMMON_HOME=$HADOOP_HOME
 export HADOOP_HDFS_HOME=$HADOOP_HOME
 export YARN_HOME=$HADOOP_HOME
 export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
 export HDFS_CONF_DIR=$HADOOP_HOME/etc/hadoop
 export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
 export HADOOP_LOG_DIR=$HADOOP_HOME/logs
[hadoop@master ~]$ source .bash_proflie

下面我们开始配置 hadoop，进入 hadoop 的配置目录，首先我们先在 hadoop-env.sh 和yarn-env.sh中设置好 jdk 的路径，然后开始修改 hadoop 相关配置文件。

配置 hdfs

在配置文件 hdfs-site.xml 中添加以下内容。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

<configuration>
  <property>
    <!-- hdfs 地址 -->
    <name>fs.defaultFS</name>
    <value>hdfs://master:9000</value>
  </property>
  <property>
    <!-- hdfs 中每一个 block 所存的份数，我这里设置 1 份，默认是 3 份 -->
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <!-- 开启 hdfs web 访问 -->
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
  </property>
</configuration>

配置 yarn

为了能够运行 MapReduce 程序，需要让各个 NodeManager 在启动时加载 shuffle server，Reduce Task 通过该 server 从各个 NodeManager 上远程拷贝 Map Task 产生的中间结果。在配置文件 yarn-site.xml 中添加以下内容。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

<configuration>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>master</value>
  </property>
  <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>
</configuration>

配置 MapReduce 计算框架

为了利用 MapReduce 中的 WordCount 验证 hadoop 集群是否安装成功，需要为 hadoop 配置 MapReduce 计算框架。在配置文件 mapred-site.xml 中添加以下内容。

1
2
3
4
5
6
7

<configuration>
  <property>
    <!-- 指定 yarn 为 MapReduce 的资源调度平台 -->
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

配置 slaves

在配置文件 slaves 中添加以下内容。

slave1
slave2

到这里为止，我们已经完成 master 机器上 hadoop 的配置，更多关于 hadoop 的配置参数说明请查看官方文档)左侧的 Configuration 一栏，下面我们要将 master 机器上所有的安装配置操作同步到集群中所有节点上，为了避免挨个节点的重复劳动，我们前面也设置好了 ssh 无密码登录，现在我们简单写几个脚本，完成同步安装操作。

同步配置

首先同步 /etc/hosts 文件，这个需要切换到 root 用户下来完成，运行如下脚本：

1
2
3
4
5
6
7
8

#! /bin/bash
for SLAVE in `cat /home/hadoop/hadoop-2.2.0/etc/hadoop/slaves`; do
  if test `expr match $SLAVE "*slave*"` -eq 0; then
    rsync /etc/hosts $SLAVE:/etc/hosts
    #清空防火墙配置
    iptables -F
  fi
done

其中 rsync 为文件同步命令，每次配置作修改后可以通过 rsync 命令进行文件的同步操作。完成上述操作后，切换回 hadoop 用户下，运行如下脚本，完成 hadoop 的同步安装：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

#! /bin/bash

for SLAVE in `cat $HADOOP_CONF_DIR/slaves`; do
  if test `expr match $SLAVE "*slave*"` -eq 0; then
    #拷贝 jdk
    scp /home/hadoop/jdk-7u40-linux-i586.gz  hadoop@$SLAVE:/home/hadoop/
    #拷贝 hadoop
    scp /home/hadoop/hadoop-2.2.0.tar.gz     hadoop@$SLAVE:/home/hadoop/
    #拷贝环境变量配置
    scp /home/hadoop/.bash_profile           hadoop@$SLAVE:/home/hadoop/

    echo "set up ${SLAVE}..."
    ssh $SLAVE "cd /home/hadoop;
                tar zxvf jdk-7u40-linux-i586.gz;
                tar zxvf hadoop-2.2.0.tar.gz;
                source /home/hadoop/.bash_profile;
                exit"
    rsync -r /home/hadoop/hadoop-2.2.0/etc/hadoop $SLAVE:/home/hadoop/hadoop-2.2.0/etc/hadoop
  fi
done

每次修改 hadoop 配置后，运行如下脚本同步到集群所有节点：

1
2
3
4
5
6

#! /bin/bash
for SLAVE in `cat $HADOOP_CONF_DIR/slaves`; do
  if test `expr match $SLAVE "*slave*"` -eq 0; then
    rsync -r /home/hadoop/hadoop-2.2.0/etc/hadoop $SLAVE:/home/hadoop/hadoop-2.2.0/etc/hadoop
  fi
done

到这里，hadoop 的集群安装就完成了，我们启动 hadoop 环境，通过 WordCount 来测试一下集群，一次运行如下命令以启动 hdfs 和 yarn。

WordCount 测试

在 master 集群上启动 hdfs 和 yarn 后台进程：

[hadoop@master ~]$ $HADOOP_HOME/bin/hadoop namenode -format
[hadoop@master ~]$ $HADOOP_HOME/sbin/start-dfs.sh
[hadoop@master ~]$ $HADOOP_HOME/sbin/start-yarn.sh

启动后可以通过 http://master:50070 地址访问 hdfs，通过 http://master:8088 地址访问 yarn，如果不能访问，请检查 master 机器上的 iptables 配置，将相关配置清除。另外，在启动集群过程中可能会遇到 DataNode、NodeManager 启动不起来的现象，这也可能是 slave 机器上的防火墙配置导致集群间 RPC 通信失败的缘故，比较暴力的做法是把集群中所有机器的防火墙服务直接给停掉，相关 iptables 防火墙操作请自行 google，下面我们运行 hadoop 自带的 WordCount 实例来验证 hadoop 是否能正常工作。

首先准备输入文件，上传到 hdfs：

[hadoop@master ~]$ mkdir input
[hadoop@master ~]$ sh -c 'echo"hello hadoop"> input/f1.txt'
[hadoop@master ~]$ sh -c 'echo"hello java"> input/f2.txt'
[hadoop@master ~]$ sh -c 'echo"hello world"> input/f3.txt'
[hadoop@master ~]$ $HADOOP_HOME/bin/hdfs -mkdir /input
[hadoop@master ~]$ $HADOOP_HOME/bin/hdfs -put input/* /input/

运行 WordCount Mapreduce 实例：

[hadoop@master ~]$ $HADOOP_HOME/bin/hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-examples-2.2.0.jar wordcount /input /output

作业提交后，可以访问 web ui 页面，观察 MapReduce 作业的运行情况。

下面关于 Hadoop 的文章您也可能喜欢，不妨看看：

集群安装完毕，该如何测试和使用集群 -Hadoop 单机（伪分布）http://www.linuxidc.com/Linux/2016-06/132220.htm

Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程  http://www.linuxidc.com/Linux/2015-02/113487.htm

CentOS 安装和配置 Hadoop2.2.0  http://www.linuxidc.com/Linux/2014-01/94685.htm

Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm

Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm

Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm

Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm

单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm

更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13

本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-06/132559.htm