从零开始搭建Hadoop2.7.1的分布式集群

Hadoop 2.7.1 (2015-7-6更新)，Hadoop的环境配置不是特别的复杂，但是确实有很多细节需要注意，不然会造成许多配置错误的情况。尽量保证一次配置正确防止反复修改。

网上教程有很多关于Hadoop配置的，但是每一个教程都对应了一个版本信息，有一些教程也存在很大的问题，配置环境，系统环境都没说清楚。在此我将记录下来从零搭建Hadoop2.7.1的过程，以及搭建过程中所遇到的一些问题。

一 操作环境说明

1.1 ：操作系统： window8.1

1.2 ：虚拟机版本：VMware12

二 材料准备

2.1 ubuntu-14.10-desktop-amd64.iso (Ubuntu 光盘映像)

2.2 jdk-8u65-linux-x64.gz (Java 环境包)

2.3 hadoop-2.7.1.tar.gz (Hadoop 环境包)

三 搭建开始

3.1 Vmware 创建虚拟机

根据Hadoop的调度规则，我们将使用VMware 12 加载 ubuntu….iso来创建三个Ubuntu 虚拟机。创建用典型安装即可，以下是虚拟机的一些信息

虚拟机1：Master Ubuntu 14.10 64bit 
虚拟机2：Slave1 Ubuntu 14.10 64bit 
虚拟机3：Slave2 Ubuntu 14.10 64bit

以下操作将需要在所有配置机器上进行

3.2 解压文件

将jdk-8u65-linux-x64.gz 和hadoop-2.7.1.tar.gz 拷贝到3台虚拟机的一个文件夹中。我这里拷贝到了Home/Download文件夹中, 然后右键选择 Extract Here. (当然也可以zxvf) 

3.3 配置JAVA

把jdk-8u65-linux-x64 重命名为jdk-8u65-linux-x64.tar.gz 并右键Extract Here，生成文件jdk 1.8.0_65

打开终端输入命令:

• 1
• 2

sudo mkdir /usr/lib/jvm

• 1

sudo cp -r Downloads/jdk1.8.0_65 /usr/lib/jvm/

• 1

添加环境变量

sudo gedit /etc/profile

• 1

在末尾加上四行：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_65
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

• 1
• 2
• 3
• 4
• 5

输如命令使环境生效

source /etc/profile

• 1

输如命令查看环境是否配置成功

java –version

• 1

出现如上信息说明配置成功

3.4 SSH 安装以及配置

更新apt (由于是新系统可能会花一些时间)

sudo apt-get update

• 1

安装ssh

sudo apt-get install openssh-server

• 1

已有ssh或者安装成功了的输入命令

ps -e | grep ssh

• 1

如果用的是和我相同的ubuntu版本安装会遇到问题。安装过程中遇到404 Not Find（如果没有则跳过直接验证SSH）

下载sources.list 存入Home目录下输入命令覆盖原文件

sudo cp sources.list /etc/apt/sources.list

• 1

更行apt-get

sudo apt-get update

• 1

再次安装ssh

sudo apt-get install openssh-server

• 1

如遇到版本问题则参考以下命令安装

sudo apt-get install openssh-client=1:6.6p1-2ubuntu1

• 1

验证SSH是否成功安装输入

ssh localhost

• 1

出现以下提示说明安装成功

生成密钥Pair

ssh-keygen –t rsa

• 1

输入后一直回车选择默认即可

mater主机中输入命令复制一份公钥到home中

cp .ssh/id_rsa.pub ~/id_rsa_master.pub

• 1

把master的home目录下的id_rsa_master.pub拷到slave1,slave2的home下

slave1和 slave2的home目录下分别输入命令

cat id_rsa_master.pub >> .ssh/authorized_keys

• 1

至此实现了mater对slave1, slave2的无密码登陆

以下配置将仅仅在master主机上进行 
3.5 配置 Hadoop 
(为了配置方便，将解压缩好的hadoop-2.7.1文件夹拷贝到home根目录下面) 
在hadoop-2.7.1文件夹下创建文件，输入

mkdir hadoop-2.7.1/tmp
mkdir hadoop-2.7.1/hdfs
mkdir hadoop-2.7.1/hdfs/name
mkdir hadoop-2.7.1/hdfs/data

• 1
• 2
• 3
• 4

输入命令查看ip地址

ifconfig -a

• 1

eg. 我所使用的IP地址

虚拟机1：Master   192.168.152.128
虚拟机2：Slave1   192.168.152.129
虚拟机3：Slave2   192.168.152.130

• 1
• 2
• 3
• 4

修改hosts

sudo gedit /etc/hosts

• 1

具体IP地址由上面给出，可根据自己的配置情况自行调整

 
为了方便修改hostname

sudo gedit /etc/hostname

• 1

master 的改为 master 
slave1 的改为 slave1 
slave2 的改为 slave2

修改环境变量

cd ~/hadoop-2.7.1/

• 1

（1）hadoop-env.sh

gedit etc/hadoop/hadoop-env.sh

• 1

找到JAVA_HOME=… 一行修改为JAVA HOME的路径

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_65

• 1

（2）core-site.xml

gedit etc/hadoop/core-site.xml

• 1

在configuration标签中添加

    <property>
        <name>fs.defaultFSname>
        <value>hdfs://master:9000value>
    property>

    <property>
        <name>hadoop.tmp.dirname>
        <value>file:/home/zhaoli/hadoop-2.7.1/tmpvalue>
    property>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

（3）mapred-site.xml

创建并编辑

cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
gedit etc/hadoop/mapred-site.xml

• 1
• 2
• 3

在configuration标签中添加

    <property>
        <name>fs.defaultFSname>
        <value>hdfs://master:9000value>
    property>

    <property>
        <name>hadoop.tmp.dirname>
        <value>file:/home/zhaoli/hadoop-2.7.1/tmpvalue>
    property>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

（4）hdfs-site.xml

gedit etc/hadoop/hdfs-site.xml

• 1

在configuration标签中添加

    <property>
        <name>dfs.namenode.name.dirname>
        <value>file:/home/zhaoli/hadoop-2.7.1/hdfs/namevalue>
    property>
    <property>
        <name>dfs.datanode.data.dirname>
        <value>file:/home/zhaoli/hadoop-2.7.1/hdfs/datavalue>
    property>
    <property>
        <name>dfs.replicationname>
        <value>2value>
    property>
    <property>
        <name>dfs.namenode.secondary.http-addressname>
        <value>master:9001value>
    property>

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

（5）yarn-site.xml

gedit etc/hadoop/yarn-site.xml

• 1

在configuration标签中添加

    <property>
        <name>yarn.nodemanager.aux-servicesname>
        <value>mapreduce_shufflevalue>
    property>
    <property>
        <name>yarn.nodemanager.auxservices.mapreduce.shuffle.classname>
        <value>org.apache.hadoop.mapred.ShuffleHandlervalue>
    property>
    <property>
        <name>yarn.resourcemanager.addressname>
        <value>master:8032value>
    property>
    <property>
        <name>yarn.resourcemanager.scheduler.addressname>
        <value>master:8030value>
    property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.addressname>
        <value>master:8031value>
    property>
    <property>
        <name>yarn.resourcemanager.admin.addressname>
        <value>master:8033value>
    property>
    <property>
        <name>yarn.resourcemanager.webapp.addressname>
        <value>master:8088value>
    property>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

（6）slaves文件

gedit etc/hadoop/slaves

• 1

删除原有内容，根据配置修改，此处为

slave1
slave2

• 1
• 2
• 3

分发配置好的hadoop文件夹到slave1, slave2

前提是设置好ssh

scp -r hadoop-2.7.1 zhaoli@slave1:~/ 
scp -r hadoop-2.7.1 zhaoli@slave2:~/ 

• 1
• 2
• 3

格式化hdfs 
进入hadoop home目录

bin/hdfs namenode -format

• 1

启动集群

sbin/start-all.sh

• 1

启动后分别在master, slave下输入jps查看进程

如上则说明启动成功

运行wordcount测试集群

进入hadoop home目录 
在hdfs（分布式文件系统）中创建一个名为input的文件夹

bin/hadoop fs –mkdir /input

• 1

查看文件是否被创建

bin/hadoop fs –ls /

• 1

hadoop home 下创建一个inputfile 文件夹，并在inputfile里创建两个文件

in1.txt

Hello world hello hadoop

in2.txt

Hello Hadoop hello whatever

上传两个文件进input

bin/hadoop fs -put inputfiles/*.txt /input

• 1

查看输入文件是否传入

bin/hadoop fs -ls /input

• 1

用hadoop jar命令运行Hadoop自带的wordcount

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /input /output

• 1

程序开始运行，成功后查看输出文件夹

bin/hadoop fs -ls /output

• 1

查看结果

bin/hadoop fs -cat /output/part-r-00000

• 1

至此hadoop分布式集群配置完成！

以上是对Hadoop的配置信息，希望能够尽可能的写得详细，但是终究不能概括所有的bug。之前也看了很多集群搭建的书和博客，还是遇到了很多困难，本次从零开始配置也是为了排除一些干扰，希望能够帮助到和我一样摸索前进的人吧。