VMware虚拟机、centos6下安装部署hadoop2.2

VMware虚拟机、centos6下安装部署hadoop2.2

最近要搭hadoop环境，不想装双系统，所以就想在虚拟机上实验一番

环境准备
1、光盘镜像:CentOS-6.0-i386-bin-DVD.iso

2、VMware10
3、hadoop版本：hahadoop-2.2.0 
4、jdk1.8.0

我们要建立一个具有如下配置的集群：

host name	ip address	os
1	master	192.168.230.128	CentOS6.0
2	slave1	192.168.230.129	CentOS6.0

其中master为name node和job tracker节点，slaveN为data node和task tracker节点。

安装和配置步骤具体如下：

1. 配置虚拟网络

如果你对VMWare和网络配置比较熟悉，可以忽略这一步，但是后面配置IP地址时具体的参数可能和我说的不一样。如果你想通过一步一步操作就能成功的话，就需要这些设置

通过VMWare -> Edit -> Virtual Network Editor打开如下对话框：

在上面的列表中选中VMnet8 NAT那一行，然后按图设置所有内容，之后点击NAT Setting按钮，打开如下对话框，确保各个参数如图中所示设置。

创建虚拟机比较简单，注意VMnet配置使用NAT就可以了，创建两个centOS6虚拟机，当然为了方便，最好装一下VMware Tools，这种资料网上很多，就不赘述了。

2. 配置网络

关掉SELINUX：vi /etc/selinux/config ，设置SELINUX=disabled，保存退出。

关闭防火墙：/sbin/service iptables stop;chkconfig --level 35 iptables off 

修改IP地址为静态地址：vi /etc/sysconfig/network-scripts/ifcfg-eth0，将其内容改为如下图所示，注意HWADDR那一行，你所创建的虚拟机的值很可能与之不同，保持原值，不要修改它！

修改主机名称： vi /etc/sysconfig/network，将其内容改为如下图所示：

修改hosts映射：vi /etc/hosts，将其内容改为如下图所示。我们在这里加入了master和slave1的映射项。（这里我把localhost都给删了，最好还是保留吧，直接在后面append这些映射项就可以了）

执行：service network restart 以重启网络。

3. 安装JDK

下载最新版本的jdk，然后在namenode和datanode节点上安装

rpm -ivh jdk-8-linux-i586.rpm

root用户登陆，命令行中执行命令”vi /etc/profile”，配置环境变量

保存并退出，执行以下命令使配置生效

source  /etc/profile

在终端输入java –version 查看java配置情况

4. 配置所有节点之间SSH无密码验证

(1)所有节点执行以下命令，生成rsa密钥对:

ssh-keygen -t rsa

这将在/root/.ssh/目录下生成一个私钥id_rsa和一个公钥id_rsa.pub。

(2)将所有datanode节点的公钥id_rsa.pub传送到namenode上:

cp  id_rsa.pub datanode01.id_rsa.pub//复制一份id_rsa.pub

scp datanode01.id_rsa.pub namenode节点ip地址:/root/.ssh/

//将公钥文件传送到namenode 

(3)namenode节点上综合所有公钥(包括自身)并传送到所有节点上

cp id_rsa.pub authorized_keys //authorized_keys名字不能错！

cat datanode01.id_rsa.pub >> authorized_keys

    然后使用SSH协议将所有公钥信息authorized_keys复制到所有DataNode的.ssh目录下

scp authorized_keys data节点ip地址: /root/.ssh/

    这样配置过后，所有节点之间可以相互SSH无密码登陆，可以通过命令

“ssh  节点ip地址”来验证。

配置完毕，在namenode上执行“ssh 本机，所有数据节点”命令，因为ssh执行一次之后将不会再询问。

在namenode和datanode节点上的/usr/etc/目录下新建hadoop文件夹，将hadoop-2.2.0解压到namenode节点的hadoop文件夹下（对于datanode节点上的hadoop，将用scp指令直接从namenode节点拷贝过去，这样更方便一些），修改namenode节点的/etc/profile文件，在后面添加环境变量，如下图所示：

保存并退出，执行以下命令使配置生效

source  /etc/profile

5. 安装hadoop2.2

   1）解压缩hadoop-2.2.0.tar.gz
       tar -zxf hadoop-2.2.0.tar.gz
       默认解压缩到当前目录下面，这里解压缩/usr/etc/hadoop/目录下面
   2) 修改hadoop配置文件
       打开hadoop-2.2.0/etc/hadoop，修改里面的配置文件

      a) hadoop-env.sh，找到里面的JAVA_HOME,修改为实际地址（java_home不能写${JAVA_HOME},经过测试）
      b) yarn-env.sh ，同样找到里面的JAVA_HOME,修改为实际路径（java_home不能写${JAVA_HOME},经过测试）
      c) slave  这个文件配置所有datanode节点，以便namenode搜索，本例配置如下
         slave1
      d) core-site.xml
       

    <configuration>

        <property>

            <name>fs.defaultFS</name>

            <value>hdfs://master:9000</value>

        </property>

        <property>

            <name>io.file.buffer.size</name>

            <value>131072</value>

        </property>

        <property>

            <name>hadoop.tmp.dir</name>

            <value>/usr/etc/hadoop/hadoop-2.2.0/mytmp</value>

            <description>A base for other temporarydirectories.</description>

        </property>

        <property>

            <name>hadoop.proxyuser.root.hosts</name>

            <value>master</value>

        </property>

        <property>

            <name>hadoop.proxyuser.root.groups</name>

            <value>*</value>

        </property>

    </configuration>

  注意fs.defaultFS为2.2.0新的变量，代替旧的：fs.default.name  

 e) hdfs-site.xml
     

    <configuration>

        <property>

            <name>dfs.namenode.name.dir</name>

            <value>/usr/etc/hadoop/name</value>

        <final>true</final>

        </property>

        <property>

            <name>dfs.datanode.data.dir</name>

            <value>/usr/etc/hadoop/data</value>

        <final>true</final>

        </property>

        <property>

            <name>dfs.replication</name>

        <value>1</value>

        </property>

        <property>

            <name>dfs.permissions</name>

            <value>false</value>

        </property>

    </configuration>

新的：dfs.namenode.name.dir，旧：dfs.name.dir，新：dfs.datanode.name.dir，旧：dfs.data.dir
dfs.replication确定 data block的副本数目，hadoop基于rackawareness(机架感知)默认复制3份分block,（同一个rack下两个，另一个rack下一 份，按照最短距离确定具体所需block, 一般很少采用跨机架数据块，除非某个机架down了）

  f) mapred-site.xml.template（或者mapred-site.xml，这两个名字都可以，已通过测试）
  

    <configuration>

        <property>

            <name>mapreduce.framework.name</name>

            <value>yarn</value>

        </property>

        <property>

            <name>mapreduce.jobhistory.address</name>

            <value>master:10020</value>

        </property>

        <property>

            <name>mapreduce.jobhistory.webapp.address</name>

            <value>master:19888</value>

        </property>

        <property>

                <name>mapreduce.jobhistory.intermediate-done-dir</name>

                <value>/mr-history/tmp</value>

        </property>

        <property>

            <name>mapreduce.jobhistory.done-dir</name>

            <value>/mr-history/done</value>

        </property>

    </configuration>

配置其使用 Yarn 框架执行 map-reduce 处理程序

这个地方需要把mapred-site.xml.template复制重新命名

新的计算框架取消了实体上的jobtracker, 故不需要再指定mapreduce.jobtracker.addres，而是要指定一种框架，这里选择yarn. 备注2：hadoop2.2.还支持第三方的计算框架，但没怎么关注过。
配置好以后将$HADOOP_HOME下的所有文件，包括hadoop目录分别copy到其它3个节点上。

 g) yarn-site.xml
   

    <configuration>

        <property>

        <name>yarn.resourcemanager.address</name>

        <value>master:18040</value>

    </property>

    <property>

        <name>yarn.resourcemanager.scheduler.address</name>

        <value>master:18030</value>

    </property>

    <property>

        <name>yarn.resourcemanager.resource-tracker.address</name>

        <value>master:18025</value>

    </property>

    <property>

            <name>yarn.resourcemanager.admin.address</name>

            <value>master:18041</value>

     </property>

     <property>

            <name>yarn.resourcemanager.webapp.address</name>

            <value>master:8088</value>

    </property>

    <property>

        <name>yarn.nodemanager.local-dirs</name>

        <value>/usr/etc/hadoop/mynode/my</value>

    </property>

    <property>

            <name>yarn.nodemanager.log-dirs</name>

            <value>/usr/etc/hadoop/mynode/logs</value>

    </property>

    <property>

            <name>yarn.nodemanager.log.retain-seconds</name>

            <value>10800</value>

      </property>

        <property>

            <name>yarn.nodemanager.remote-app-log-dir</name>

            <value>/logs</value>

        </property>

        <property>

            <name>yarn.nodemanager.remote-app-log-dir-suffix</name>

            <value>logs</value>

        </property>

        <property>

            <name>yarn.log-aggregation.retain-seconds</name>

            <value>-1</value>

        </property>

        <property>

            <name>yarn.log-aggregation.retain-check-interval-seconds</name>

            <value>-1</value>

        </property>

        <property>

            <name>yarn.nodemanager.aux-services</name>

            <value>mapreduce_shuffle</value>

        </property>

    </configuration>

  3) 将上述文件配置好后，将hadoop-2.2.0文件复制到其余datanode机器上的相同路径下。

scp -r /usr/etc/hadoop/hadoop-2.2.0 slave1:/usr/etc/hadoop

切换到root用户，修改/etc/profile文件 设置hadoop环境变量，

    增加之后保存，设置生效：source /etc/profile

    最后两行特殊说明下，有的文章中遗漏掉这部分配置，最后在启动hadoop2.2时报了下面的错误
  

Hadoop 2.2.0 - warning: You have loaded library /home/hadoop/2.2.0/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard.

 

	Unable to load native-hadoop library for your platform... using builtin-java classes where applicable



	Starting namenodes on [Java HotSpot(TM) 64-Bit Server VM warning: You have loaded library /home/hadoop/2.2.0/lib/native/libhadoop.so.1.0.0 which might have disabled stack guard. The VM will try to fix the stack guard now.



	It's highly recommended that you fix the library with 'execstack -c <libfile>', or link it with '-z noexecstack'.



	localhost]



	sed: -e expression #1, char 6: unknown option to `s'



	HotSpot(TM): ssh: Could not resolve hostname HotSpot(TM): Name or service not known



	64-Bit: ssh: Could not resolve hostname 64-Bit: Name or service not known



	Java: ssh: Could not resolve hostname Java: Name or service not known



	Server: ssh: Could not resolve hostname Server: Name or service not known



	VM: ssh: Could not resolve hostname VM: Name or service not known

 配置完成之后需要重启电脑，所有datanode节点也需要对环境变量增加上面配置，配置完成之后重启电脑

6. hadoop的启动与关闭

   1）hadoop namenode的初始化,只需要第一次的时候初始化，之后就不需要了
       cd /usr/etc/hadoop/hadoop-2.2.0/bin
        hdfs namenode -format
   2）启动
       启动：在namenode机器上，进入/usr/etc/hadoop/hadoop-2.2.0/sbin
       执行脚本start-all.sh
   3) 关闭
       在namenode节点上，进入/usr/etc/hadoop/hadoop-2.2.0/sbin
      stop-all.sh

7. web接口地址

启动hadoop后，在主节点的浏览器中输入地址查看

http://master:50070

http://master:8088

http://master:19888(访问有问题，不知道为什么)

至此，hadoop平台的搭建全部结束。

PS：配置文件里面的文件夹如果不存在不需要自己创建，会自动生成，已经过测试。

DataNode启动不了，可能是防火墙没关，也可能是需要编辑/etc/hosts,改成这样：

127.0.0.1 localhost

192.168.230.128 master

192.168.230.129 slave1

再重新启动就可以了。（用jps可能看不到slave1，但是http://master:50070可以看到slave1已经启动成功了）

参考文章：http://blog.itpub.net/7483882/viewspace-1069062/

http://blog.csdn.net/dyllove98/article/details/9228673

http://blog.csdn.net/w13770269691/article/details/16883663