V2AS问路
Hadoop（二）搭建Hadoop
阅读原文时间：2023年07月13日阅读：1

　　本文使用的版本是

  • red hat 6.8 -本来想用Centos7搭建的，但是工作需要还是换成这个了，不用红帽子用Centos 6系列的应该也可以

  • JDK 1.8

  • Hadoop 2.7.7

  • 　　计划部署2台虚拟机，分别命名为node-1和node-2，4G内存和40G的硬盘

主机名字

内存

硬盘

启用结点

node-1

4

40

hdfs:NameNode, DataNode;yarn:NodeManager, ResoureceManager,

node-2

4

40

hdfs:SecondaryNameNode,DataNode; yarn: NodeManager

node-1&2环境

  • 以下内容两台机器都要配置

  1. 部署虚拟机（使用VMware傻瓜式操作，不再赘述）

  2. 挂载本地yum源（或者使用网络都行）

  3. 同步机组时间

    #yum安装ntpdate
    yum install ntpdate
    #网络同步时间
    ntpdate cn.pool.ntp.org

  4. 配置主机名称

    vim /etc/sysconfig/network
    ​
    #修改为：
    NETWORKING=yes
    HOSTNAME=node-

  5. 配置IP、主机名映射

    vim /etc/hosts
    ​
    #直接添加
    192.168.98.129 node-
    192.168.98.130 node-

  6. 配置ssh免密登录

    ssh-keygen -t rsa #再按四次回车
    Generating public/private rsa key pair.
    Enter file in which to save the key (/root/.ssh/id_rsa):
    Enter passphrase (empty for no passphrase):
    Enter same passphrase again:
    Your identification has been saved in /root/.ssh/id_rsa.
    Your public key has been saved in /root/.ssh/id_rsa.pub.
    The key fingerprint is:
    :::e0:d2::1d:0d:e4::2a:::1e:b7: root@node-
    The key's randomart image is:
    +--[ RSA ]----+
    |.o. o+O*. |
    |+. = B.E. |
    |+ + B * |
    | o . + . |
    | S |
    | |
    | |
    | |
    | |
    +-----------------+
    ​
    #使用ssh-copy-id命令将公钥考培到要免密登录的目标机器上
    ssh-copy-id node-1
    ssh-copy-id node-2

  7. 关闭防火墙

    #查看防火墙状态
    service iptables status
    #关闭防火墙
    service iptables stop
    #查看防火墙开机启动状态
    chkconfig iptables --list
    #关闭防火墙开机启动
    chkconfig iptables off

    如下图状态则说明防火墙已经关闭、防火墙开机不会自动启动

  8. 安装JDK

    • 使用rpm格式文件安装

    • 复制到/usr/java文件夹（没有则先创建文件夹）

    • #授予权限
      chmod jdk-8u65-linux-x64.rpm
      #安装
      rpm -ivh jdk-8u65-linux-x64.rpm

    • 安装完成

9. 配置环境变量

#打开全局环境变量设置
vim /etc/profile
​
#在文档最下方添加配置
JAVA_HOME=/usr/java/jdk1..0_65
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
PATH=$PATH:$JAVA_HOME/bin
export PATH JAVA_HOME CLASSPATH
​
#生效配置
source /etc/profile
​
#测试配置
java -version

配置成功：

node-1配置Hadoop

  • 以下操作只要在node1上操作

  1. 安装Hadoop

    • 使用tar.gz格式安装

    • 复制到/usr/hop，没路径自行创建

    #授予权限
    chmod hadoop-2.7..tar.gz
    ​
    #解压到当前路径
    [root@node- hop]# tar zxvf hadoop-2.7..tar.gz
    ​

  2. 配置Hadoop

mv mapred-site.xml.template
vim mapred-site.xml

​

mapreduce.framework.name yarn
​

6. vim yarn-site.xml

​


​


yarn.resourcemanager.hostname node-
yarn.nodemanager.aux-services mapreduce_shuffle

​

7. vim slaves

  • * 告诉hadoop有多少台机器

node-
node-

8. 配置Hadoop环境变量，和java的一样，配置以后整体如下

JAVA_HOME=/usr/java/jdk1..0_65
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
HADOOP_HOME=/usr/hop/hadoop-2.7.
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export PATH JAVA_HOME CLASSPATH HADOOP_HOME
​

　　生效环境变量

source /etc/profile

测试环境变量配置是否成功

hadoop version

9. 把Hadoop发送到其他机器上

scp -r /usr/hop/hadoop-2.7./ root@node-:/usr/hop

注意，如果导出目录没设置在Hadoop安装包里，其他机器上也要手动创建导出目录(最好把导出目录直接设置在hadoop文件夹里面。。)

10. 把环境变量发送到其他机器上

scp -r /etc/profile root@node-:/etc/

生效其他机器的环境变量

source /etc/profile

1.hdfs格式化

  • 只有首次启动需要

  • 格式化本质是进行文件系统初始化操作，创建一些自己所需要的文件

  • 格式化之后，集群启动成功，后续不要再格式化

  • 格式化的操作在hdfs集群的主角色（namenode）上操作

#以下两条命令都可以，只要执行1条！
#在node-1中执行
hdfs namenode –format
hadoop namenode –format

2.启动hdfs集群

  • 定位到/usr/hop/hadoop-2.7.7/sbin

  • 目录中有一堆执行文件，其中start-dfs.sh就是hdfs集群的启动文件

  • start-all.sh和stop-all.sh是Deprecated的，不建议使用

  • 执行start-dfs.sh

  • 发现报错(如果没报错就跳过)

配置完hadoop启动的时候出现如下警告信息：

WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable

  1. 如何验证64bit还是32bit?

进入hadoop安装目录，用ldd命令查看依赖库

ldd libhadoop.so.1.0.0 会输出如下信息：

./libhadoop.so.1.0.: /lib64/libc.so.: version `GLIBC_2.' not found (required by ./libhadoop.so.1.0.0)
linux-vdso.so. => (0x00007fff369ff000)
libdl.so. => /lib64/libdl.so. (0x00007f3caa7ea000)
libc.so. => /lib64/libc.so. (0x00007f3caa455000)
/lib64/ld-linux-x86-.so. (0x00007f3caac1b000)

可以看到依赖的都是/lib64/的动态库，所以不是64位/32位问题。但是看到报错，GLIBC_2.14找不到，现在检查系统的glibc库, ldd --version即可检查。 输入命令：

ldd --version
#会输出如下信息：
ldd (GNU libc) 2.12
Copyright (C) Free Software Foundation, Inc.
This is free software; see the source for copying conditions. There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.
Written by Roland McGrath and Ulrich Drepper.

原来系统预装的glibc库是2.12版本，而hadoop期望是2.14版本，所以打印警告信息。

先回到Hadoop/sbin目录关闭hdfs

cd /usr/hop/hadoop-2.7./sbin/
stop-dfs.sh

到http://ftp.gnu.org/gnu/glibc/下载glibc-2.14.tar.xz

tar glibc-2.14.tar.gz
xz -d glibc-2.14.tar.xz
tar -xvf glibc-2.14.tar
cd glibc-2.14
mkdir build
cd build
../configure --prefix=/usr/local/glibc-2.14
make -j4
make install

看看现在libc.so.6在哪个位置，然后修改软链接

[root@binghe ~]# whereis libc.so.
libc.so: /lib64/libc.so. /usr/lib64/libc.so
[root@binghe ~]# rm -rf /lib64/libc.so.
###注意：删除/lib64/libc.so.6软链接之后，不要关闭当前会话，否则将登录不上系统，切记切记切记！
###直接执行以下代码
[root@binghe ~]# LD_PRELOAD=/usr/local/glibc-2.14/lib/libc-2.14.so ln -s /usr/local/glibc-2.14/lib/libc-2.14.so /lib64/libc.so.

———————————————— 版权声明：本文为CSDN博主「冰 河」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/l1028386804/article/details/51538611

再启动：不再报错了！

3.启动yarn集群

  • 同理定位到安装目录的sbin，启动yarn,sh

    cd /usr/hop/hadoop-2.7.7/sbin/
    start-yarn.sh

4.全局输入jps检查

  • 正常是这样的

  • 如果发现node-1没有执行namenode

  • 可以查看namenode启动日志，根据日志记录再去看怎么解决

#在安装目录下找到Logs文件夹
cd /usr/hop/hadoop-2.7./logs/
#打开hadoop-root-namenode-node-.log日志
vim hadoop-root-namenode-node-.log

5.如果想单节点启动，可以使用以下命令（一般不使用）：

  • 也要在sbin目录下执行

#在主节点上使用以下命令启动HDFS NameNode：
hadoop-daemon.sh start namenode
#在每个从节点上使用以下命令启动HDFS DataNode：
hadoop-daemon.sh start datanode
#在主节点上使用以下命令启动YARN ResourceManager：
yarn-daemon.sh start resourcemanager
#在每个从节点上使用以下命令启动YARN nodemanager：
yarn-daemon.sh start nodemanager
#以上脚本位于$HADOOP_PREFIX/sbin/目录下。如果想要停止某个节点上某个角色，只需要把命令中的start改为stop即可。

6.登录web.ui

1.在浏览器输入 node-1:50070

  • 该网址是hdfs集群的网络管理端口

  • 如果这一步不行，检查namenode是否正确启动！

2.在浏览器输入 node-1:8088

  • 打开yarn集群的管理端口

3.在浏览器输入node-2:50090。

4.如果node-2:50090登录不上

  • 在node-2查看node启动日志

#查看方式和上文node-1的一样，只是要再node-2机器上找，而且找的是node-2中执行的是SecondaryNameNode日志
#在安装目录下找到Logs文件夹
cd /usr/hop/hadoop-2.7./logs/

  • 发现提示：

Call From node-/192.168.98.130 to node-:
failed on connection exception: java.net.ConnectException:
Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused

  • 说明主机9000端口登录不进去

  • 回到主机检查

  • #查看端口
    netstat -tlpn

  • 发现9000端口是在127.0.0.1后面，说明此使其他机器访问不了，只能通过本机访问（如果是正确的，应该192.168.X.X）

  • 验证是否连不上

#使用telnet命令验证
telnet node-
#发现确实连不上
Trying ::…
telnet: connect to address ::: Connection refused
Trying 127.0.0.1…
Connected to node-.

#如果没有安装telnet,使用yum命令安装
yum install telnet-server
yum install telnet.*

  • 修改/etc/hosts文件，发现原来是笔者修改别的错误时，错误的在前两行后面加上node-1，只要去掉如图就可以了。

  • 关闭Hadoop集群，重启机器，打开Hadoop集群，登录成功了

基本信息

安装时，我们配置了

  • hadoop-env.sh

  • core-site.xml

  • hdfs-site.xml

  • mapred-site.xml

  • yarn-site.xml

  • slaves

  1. 其中 xxx-site.xml文件，在官网目录最下方，可以找到响应的xxx-default.xml文件，如果用户没有更改，那么这里面的选项会生效

http://hadoop.apache.org/docs/r2.7.7/

  1. site中配置了，就会覆盖了默认的配置选项

  2. Deprecated Properties中写了过时的配置。

1.core-site.xml

  • 集群全局参数，用于定义系统级别的参数，如HDFS URL、Hadoop的临时目录等

    fs.defaultFS hdfs://node-1:9000 hadoop.tmp.dir /export/data/hopdata

序号

参数名

默认值

参数解释

1

fs.defaultFS

file:///

文件系统主机和端口

2

io.file.buffer.size

4096

流文件的缓冲区大小

3

hadoop.tmp.dir

/tmp/hadoop-${user.name}

临时文件夹

2.hdfs-site.xml

  • HDFS参数，如名称节点和数据节点的存放位置、文件副本的个数、文件读取权限等

    dfs.namenode.secondary.http-address node-2:50090 dfs.replication 2

序号

参数名

默认值

参数解释

1

dfs.namenode.secondary.http-address

0.0.0.0:50090

secondary namenode 所在主机的ip和端口,定义HDFS对应的HTTP服务器地址和端口

2

dfs.namenode.name.dir

file://${hadoop.tmp.dir}/dfs/name

定义DFS的名称节点在本地文件系统的位置

3

dfs.datanode.data.dir

file://${hadoop.tmp.dir}/dfs/data

定义DFS数据节点存储数据块时存储在本地文件系统的位置

4

dfs.replication

3

缺省的块复制数量

5

dfs.webhdfs.enabled

true

是否通过http协议读取hdfs文件，如果选是，则集群安全性较差

3.mapred-site.xml

  • * Mapreduce参数，包括JobHistory Server和应用程序参数两部分，如reduce任务的默认个数、任务所能够使用内存的默认上下限等

    <configuration>  
  <property>  
    <name>mapreduce.framework.name</name>  
    <value>yarn</value>  
  </property>  
</configuration>

序号

参数名

默认值

参数解释

1

mapreduce.framework.name

local

取值local、classic或yarn其中之一，如果不是yarn，则不会使用YARN集群来实现资源的分配

2

mapreduce.jobhistory.address

0.0.0.0:10020

定义历史服务器的地址和端口，通过历史服务器查看已经运行完的Mapreduce作业记录

3

mapreduce.jobhistory.webapp.address

0.0.0.0:19888

定义历史服务器web应用访问的地址和端口

4.yarn-site.xml

  • * 集群资源管理系统参数，配置 ResourceManager，NodeManager 的通信端口，web监控端口等

    <configuration>

<!-- Site specific YARN configuration properties -->  
  <property>  
    <!--指定YARN的主机(ResourceManager)的地址-->  
    <name>yarn.resourcemanager.hostname</name>  
    <value>node-1</value>  
  </property>  
  <property>  
    <!--nodeManager上运行的附属服务，需要配置成maperduce\_shuffle，才可用MapReduce程序-->  
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce\_shuffle</value>  
  </property>  
</configuration>

序号

参数名

默认值

参数解释

1

yarn.resourcemanager.address

0.0.0.0:8032

YARN的主机(ResourceManager)的地址, ResourceManager 提供给客户端访问的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等

2

yarn.resourcemanager.scheduler.address

0.0.0.0:8030

ResourceManager提供给ApplicationMaster的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等

3

yarn.resourcemanager.resource-tracker.address

0.0.0.0:8031

ResourceManager 提供给NodeManager的地址。NodeManager通过该地址向RM汇报心跳，领取任务等

4

yarn.resourcemanager.admin.address

0.0.0.0:8033

ResourceManager 提供给管理员的访问地址。管理员通过该地址向RM发送管理命令等。

5

yarn.resourcemanager.webapp.address

0.0.0.0:8088

ResourceManager对web 服务提供地址。用户可通过该地址在浏览器中查看集群各类信息

6

yarn.nodemanager.aux-services

 

通过该配置项，用户可以自定义一些服务，例如Map-Reduce的shuffle功能就是采用这种方式实现的，这样就可以在NodeManager上扩展自己的服务。

手机扫一扫

移动阅读更方便

阿里云服务器
腾讯云服务器
七牛云服务器

你可能感兴趣的文章

spark集群的简单测试和基础命令的使用
ELK+ filebeat
trino on yarn

4

（20）go-micro微服务Elasticsearch使用

5

Java大全-吐血整理

6

spark源码分析, 任务提交及序列化

7

分布式缓存 — kafka

8

es基础知识

9

[大数据]sqoop安装与运用

10

hadoop使用常见问题总结！