基于Hadoop的数据分析综合管理平台之Hadoop、HBase完全分布式集群搭建

基于Hadoop的数据分析综合管理平台之Hadoop、HBase完全分布式集群搭建

            能够将热爱的技术应用于实际生活生产中，是做技术人员向往和乐之不疲的事。

           现将前期手里面的一个项目做一个大致的总结，与大家一起分享、交流、进步。项目现在正在线上运行，项目名——基于Hadoop的数据分析综合管理平台。

                         

      项目流程整体比较清晰，爬取数据（txt文本）-->数据清洗-->文本模型训练-->文本分类-->热点话题发现-->报表"实时"展示，使用到的技术也是当今互联网公司常用的技术：Hadoop、Mahout、HBase、Spring Data Hadoop、JavaEE。

      本文将Hadoop1、Zookeeper、HBase环境的搭建工作总结一下，关于项目中的其他情况，后续博文会再做分享。

    本文按照如下思路进行：

集群环境

RedHat5.5 OS

具体步骤

准备工作

查看RedHat版本
arch/uname -a

修改主机名（重启生效）
vi /etc/sysconfig/network
修改hosts映射文件
vi /etc/hosts
222.22.91.70  master
222.22.91.68  slave1
222.22.91.69  slave2

修改Windows下hosts文件
C:\Windows\System32\drivers\etc\hosts
222.22.91.70  master
222.22.91.68  slave1
222.22.91.69  slave2

远程拷贝
scp /etc/hosts 222.22.91.70:/etc/
scp  /etc/hosts 222.22.91.70:/etc

配置SSH

rpm-qa | grep ssh  查看系统中是否已安装ssh

netstat-nat  查看端口

ssh-keygen–t rsa

cd/root/.ssh

 

cp id_rsa.pub authorized_keys 

 

cp id_rsa.pub slave1_id_rsa.pub

cp id_rsa.pub slave2_id_rsa.pub

 先聚集

cat slave1_id_rsa.pub >> authorized_keys

cat lave2_id_rsa.pub >> authorized_keys

 再分发

scp authorized_keys slave1:/root/.ssh

scp authorized_keys slave2:/root/.ssh

每个节点都持有其他节点的公钥，免密钥登录。

配置JDK
查询是否已安装过java
rpm -qa | grep java   
rpm -qa | grep jdk


卸载旧版本jdk 
yum remove java
rpm -e --nodeps (gcc-java-4.1.2-48.el5)

安装新的jdk

cd/usr

mkdirjava

在/usr/java中执行

./jdk-6u24-linux-i586.bin

配置java环境变量（见文章最后的附录）

安装Hadoop1

解压缩

cd/home/yujianxin/

mkdir  hadoop

tar–zxvf hadoop-1.1.2.tar.gz

配置Hadoop环境变量（见文章最后的附录）

依次修改conf/下的

hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.6.0_24/

 

# set hbase environment

export HBASE_HOME=/home/yujianxin/hbase/hbase-0.94.7-security

export HADOOP_CLASSPATH=.:$CLASSPATH:$HADOOP_CLASSPATH:$HADOOP_HOME/bin:$HBASE_HOME/hbase-0.94.7-security.jar:$HBASE_HOME/hbase-0.94.7-security-tests.jar:$HBASE_HOME/conf:$HBASE_HOME/lib/zookeeper-3.4.5.jar:$HBASE_HOME/lib/protobuf-java-2.4.0a.jar（配置此句，避免以后运行HBase MapReduce出错）

core-site.xml

<configuration>

<property>

<name>fs.default.name</name>

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

</property>

<property>

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

<value>/home/yujianxin/hadoop/hadoop-1.1.2/HadoopTempDir

</value>

</property>

</configuration>

人为创建hadoop.tmp.dir

hdfs-site.xml

<configuration>

<property>

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

<value>/work/hadoop/name/name1,/work/hadoop/name/name2</value>

<description>动态挂载移动硬盘，挂载到/work路径下</description>

</property>

<property>

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

<value>/work/hadoop/data/data1,/work/hadoop/data/data2</value>

<description>动态挂载移动硬盘，挂载到/work路径下</description>

</property>

<property>

<name>dfs.replication</name>

<value>3</value>

</property>

<property>

<name>dfs.permissions</name>

<value>false</value>

</property>

</configuration>

注：

dfs.name.dir、dfs.data.dir目录不能人为创建，由Hadoop自动创建。

其中，

（1）dfs.name.dir是执行hadoop namenode -format时创建。

（2）dfs.data.dir是执行start-all.sh时创建。

mapred-site.xml

<configuration>

<property>

<name>mapred.job.tracker</name>

<value>master:9001</value>

</property>

<property>

<name>mapred.local.dir</name>

<value>/work/hadoop/mapred/mapred1,/work/hadoop/mapred/mapred2</value>

</property>

</configuration>

masters文件

master

slaves文件

slave1

slave2

格式化一个新的分布式文件系统

hadoop namenode -format

启动

start-all.sh

验证

方式一、查看启动的Java守护进程

方式二、通过web端

安装Zookeeper

cd/home/yujianxin/

mkdirzookeeper

tar–zxvf zookeeper-3.4.5.tar.gz

添加zookeeper环境变量（见附录）

修改conf/zoo_sample.cfg为zoo.cfg，配置

dataDir=/home/yujianxin/zookeeper/zookeeper-3.4.5/data

logDir=/home/yujianxin/zookeeper/zookeeper-3.4.5/log

 

server.0=master:2887:3887

server.1=slave1:2887:3887

server.2=slave2:2887:3887

在zookeeper-3.4.5文件夹创建data和log目录

在data文件夹下创建文件myid，里面填写zookeeper服务器的id号，如上面的server.0的0就是一个id号。

启动、测试

每台机器都执行

zkServer.sh start

zkServer.sh status

执行Zookeeper的Shell客户端命令zkCli.sh

安装HBase

解压缩

cd/home/yujianxin/

mkdirhbase

tar–zxvf hbase-0.94.7-security.tar.gz

添加hbase环境变量（见博文附录）

修改conf/下的配置文件

hbase-env.sh

exportJAVA_HOME=/usr/java/jdk1.6.0_24/

exportHBASE_MANAGES_ZK=false  #不使用HBase自带的Zookeeper

hbase-site.xml

<configuration>

<property>

<name>hbase.rootdir</name>  

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

<description>HDFS提供底层存储<description>   

</property>     

<property>        

<name>hbase.cluster.distributed</name>       

<value>true</value>   

</property>     

<property>        

<name>hbase.zookeeper.quorum</name>      

<value>master,slave1,slave2</value> 

<description>关联Zookeeper集群<description>   

</property>     

<property>        

<name>dfs.replication</name>            

<value>3</value>     

</property>

<property>

<name>hbase.coprocessor.user.region.classes</name>

<value>org.apache.hadoop.hbase.coprocessor.AggregateImplementation</value>

</property>

</configuration>

regionnserve

slave1

slave2

启动、验证

start-hbase.sh

验证一，查看HMaster、HRegionServer守护进程

验证二、web端

附录：

/etc/profile（保留一份，以后当模板用就行了，哈哈）

# /etc/profile

# set javaenvironment

exportJAVA_HOME=/usr/java/jdk1.6.0_24

exportJRE_HOME=$JAVA_HOME/jre

exportCLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

exportPATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH

 

# set hadoopenvironment

exportHADOOP_HOME=/home/yujianxin/hadoop/hadoop-1.1.2

exportPATH=$PATH:$HADOOP_HOME/bin

exportHADOOP_HOME_WARN_SUPPRESS=not_null

 

# set zookeeperenvironment

exportZOOKEEPER_HOME=/home/yujianxin/zookeeper/zookeeper-3.4.5

exportPATH=$PATH:$ZOOKEEPER_HOME/bin

 

# set hbaseenvironment

exportHBASE_HOME=/home/yujianxin/hbase/hbase-0.94.7-security

exportPATH=$PATH:$HBASE_HOME/bin

OK，基于Hadoop1、HBase的大数据处理分析开发环境搭建完毕，欢迎大家留言交流哟

Mahout学习中，Storm学习中...