给出一个完全分布式hadoop+spark集群搭建完整文档,从环境准备(包括机器名,ip映射步骤,ssh免密,Java等)开始,包括zookeeper,hadoop,hive,spark,eclipse/idea安装全过程,3-4节点,集群部署自己确定,比如集群涉及的多种角色namenode,secondary namenode, datanode,resourcemanager等的节点分配,并用表格形式给出。给出可访问的ip,用户名密码。(阿里云直接给公网ip,校园网需给公网和校园网ip)。
电脑设置虚拟缓存(设置为自动管理)
虚拟机设置内存和CPU
内存设置为8G(或以上)
CPU稍微设置高一点(三个虚拟化能开就开)
虚拟机系统配置阿里源
wget -O /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo
虚拟机更新包
yum update
移除以前docker相关包
sudo yum remove docker \
docker-client \
docker-client-latest \
docker-common \
docker-latest \
docker-latest-logrotate \
docker-logrotate \
docker-engine
添加yum源
sudo yum install -y yum-utils
sudo yum-config-manager \
--add-repo \
http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo
安装docker
sudo yum install -y docker-ce docker-ce-cli containerd.io
启动Docker
systemctl enable docker --now
配置docker下载镜像
sudo mkdir -p /etc/docker
sudo tee /etc/docker/daemon.json <<-'EOF'
{
"registry-mirrors": ["https://82m9ar63.mirror.aliyuncs.com"],
"exec-opts": ["native.cgroupdriver=systemd"],
"log-driver": "json-file",
"log-opts": {
"max-size": "100m"
},
"storage-driver": "overlay2"
}
EOF
sudo systemctl daemon-reload
sudo systemctl restart docker
拉取hadoop镜像
docker pull registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base
指定docker内部网络
docker network create --driver=bridge --subnet=172.19.0.0/16 hadoop
创建时最好指定容器端口号映射。10000端口为hiveserver端口,后面本地客户端要通过beeline连接hive使用,有其他组件要安装的话可以提前把端口都映射出来,毕竟后面容器运行后再添加端口还是有点麻烦的。
建立Master容器
docker run -it --network hadoop -h Master --name Master -p 9870:9870 -p 8088:8088 -p 10000:10000 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash
提示:CTRL + D 退出容器
docker exec -it [容器名] bash
建立Slave1容器
docker run -it --network hadoop -h Slave1 --name Slave1 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash
建立Slave2容器
docker run -it --network hadoop -h Slave2 --name Slave2 registry.cn-shenzhen.aliyuncs.com/jonil/hadoop:base bash
三台机器修改hosts
vim /etc/hosts
//修改为以下格式
172.19.0.2 Master
172.19.0.3 Slave1
172.19.0.4 Slave2
提示:每个容器的ip都需要通过命令ifconfig查看,或者在创建的时候通过‘ --ip ’指定ip地址
docker查看运行中的容器
docker ps
确保三个容器都在运行,不然后续的步骤无法进行,最好每个容器开一个终端
进入Master容器
docker exec -it Master /bin/bash
格式化hdfs
hadoop namenode -format
启动hadoop所有服务
tart-all.sh
提示:虽然容器里面已经把 hadoop 路径配置在系统变量里面,但由于docker和linux的特殊性,每次进入需要运行以下命令才能生效使用。
source /etc/profile
小黄象页面
文件网站
查看分布式文件分布状态
hdfs dfsadmin -report
运行结果
Live datanodes (3):
Name: 172.19.0.2:9866 (Master)
Hostname: Master
Decommission Status : Normal
Configured Capacity: 19001245696 (17.70 GB)
DFS Used: 4096 (4 KB)
Non DFS Used: 7302295552 (6.80 GB)
DFS Remaining: 11698946048 (10.90 GB)
DFS Used%: 0.00%
DFS Remaining%: 61.57%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Sun Nov 07 02:27:39 GMT 2021
Last Block Report: Sun Nov 07 02:26:03 GMT 2021
Num of Blocks: 0
//其余节点省略
运行实例测试hadoop集群运行状况
分布式实例
//创建目录
hdfs dfs -mkdir -p /user/hadoop
//创建目录
hdfs dfs -mkdir /input
//放置文件
hdfs dfs -put /usr/local/hadoop/etc/hadoop/*.xml /input
//运行mapreduce实例
hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar grep /input /output 'dfs[a-z.]+'
//查看结果
hdfs dfs -cat /output/*
运行结果
2021-11-07 02:45:31,924 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
1 dfsadmin
1 dfs.replication
1 dfs.namenode.name.dir
1 dfs.namenode.data.dir
下载Hive-3.1.2
https://dlcdn.apache.org/hive/hive-3.1.2/
将文件复制到虚拟机后上传到容器内
docker cp apache-hive-3.1.2-bin.tar.gz Master:/usr/local
进入Master容器,解压文件
tar -zvxf apache-hive-3.1.2-bin.tar.gz
修改配置文件
cd /usr/local/apache-hive-3.1.2-bin/conf
cp hive-default.xml.template hive-site.xml
vim hive-site.xml
追加文件内容,保存后退出
<property>
<name>system:java.io.tmpdir</name>
<value>/tmp/hive/java</value>
</property>
<property>
<name>system:user.name</name>
<value>${user.name}</value>
</property>
配置hive相关环境变量
vim /etc/profile
export HIVE_HOME="/usr/local/apache-hive-3.1.2-bin"
export PATH=$PATH:$HIVE_HOME/bin
最后刷新配置文件
source /etc/profile
(6)配置MySQL作为元数据库
拉取MySQL镜像
docker pull mysql:8.0.22
建立mysql容器(注意:这里的ip对应mysql_hive的ip)
docker run --name mysql_hive -p 4306:3306 --net hadoop --ip 172.19.0.5 -v /root/mysql:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=abc123456 -d mysql:8.0.22
进入该容器
docker exec -it mysql_hive bash
进入mysql,密码是abc123456,可以在创建的时候通过“ -e MYSQL_ROOT_PASSWORD= ”更改
mysql -uroot -p
创建hive数据库
create database hive;
修改远程连接权限
ALTER USER 'root'@'%' IDENTIFIED WITH mysql_native_password BY 'abc123456';
返回Master容器
docker exec -it Master bash
修改关联数据库的配置
vim /usr/local/apache-hive-3.1.2-bin/conf/hive-site.xml
提示:hive配置文件里面使用 & 作为分隔,高版本mysql需要SSL验证,在这里设置关闭
设置数据库驱动
设置数据库地址
设置数据库用户
设置数据库密码
下载MySQL驱动
https://downloads.mysql.com/archives/c-j/
把下载的驱动解压,然后复制myslq驱动到hive的lib文件夹下
docker cp mysql-connector-java-8.0.22.jar Master:usr/local/apache-hive-3.1.2-bin/lib
确认jar包在对应的目录下
对hive的lib文件夹下部分文件做修改,防止初始化数据库的时候报错
slf4j这个包hadoop及hive两边只能有一个,这里删掉hive这边
cd /usr/local/apache-hive-3.1.2-bin/lib
rm log4j-slf4j-impl-2.10.0.jar
guava这个包hadoop及hive两边只删掉版本低的那个,把版本高的复制过去,这里删掉hive,复制hadoop的过去
cd /usr/local/hadoop/share/hadoop/common/lib
cp guava-27.0-jre.jar /usr/local/apache-hive-3.1.2-bin/lib
rm /usr/local/apache-hive-3.1.2-bin/lib/guava-19.0.jar
初始化元数据库
cd /usr/local/apache-hive-3.1.2-bin/bin
./schematool -dbType mysql -initSchema
验证hive是否正确搭建
创建测试数据文件
cd /usr/local
vim test.txt
//输入以下内容
1,jack
2,ben
3,sam
进入hive交互界面
hive
创建表格
create table test(
> id int,name string
> )
> row format delimited
> fields terminated by ',';
载入数据
load data local inpath '/usr/local/test.txt' into table test;
选择数据
select * from test;
下载ZooKeeper
https://archive.apache.org/dist/zookeeper/zookeeper-3.7.0/
在容器外复制到容器内
docker cp apache-zookeeper-3.7.0-bin.tar.gz Master:/usr
解压zookeeper压缩包
tar -zxvf apache-zookeeper-3.7.0-bin.tar.gz
改名
mv apache-zookeeper-3.7.0-bin/ zookeeper
创建两个工作目录,并对两个工作目录进行权限开放
cd /usr/zookeeper
mkdir zkdata
mkdir zkdatalog
chmod 777 zkdata
chmod 777 zkdatalog
修改配置文件
cd /usr/zookeeper/conf
mv zoo_sample.cfg zoo.cfg
vim zoo.cfg
//修改或追加以下内容
dataDir=/usr/zookeeper/zkdata
dataLogDir=/usr/zookeeper/zkdatalog
server.1=Master:2888:3888
server.2=Slave1:2888:3888
server.3=Slave2:2888:3888
进入zkdata文件夹,创建文件myid
cd zkdata
vim myid
1
Slave1的myid为2
Slave2的myid为3
修改环境变量
#zookeeper
export ZOOKEEPER_HOME=/usr/zookeeper
export PATH=$PATH:$ZOOKEEPER_HOME/bin
刷新环境变量
source /etc/profile
其他两个容器也执行以上操作
启动zookeeper集群
zkServer.sh start
查看zookeeper集群状态
zkServer.sh status
关闭zookeeper集群
zkServer.sh stop
至此zookeeper安装完成
下载HBase
http://archive.apache.org/dist/hbase/2.2.6/
复制HBase镜像到Master容器
docker cp hbase-2.2.6-bin.tar.gz Master:/usr/local
配置HBase环境变量
docker exec -ti Master bash
vim /etc/profile
追加以下内容
#hbase
export HBASE_HOME=/usr/local/hbase
export PATH=$HBASE_HOME/bin:$PATH
刷新源文件
source /etc/profile
复制/usr/local/hadoop/etc/hadoop下的core-site.xml和hdfs-site.xml到/usr/local/hbase/conf文件夹下
cd /usr/local/hadoop/etc/hadoop
cp core-site.xml /usr/local/hbase/conf/
cp hdfs-site.xml /usr/local/hbase/conf/
cd /usr/local/hbase/conf
vim hbase-site.xml
配置hbase-site.xml
提示:hbase.zookeeper.property.dataDir这里配置自己的文件地址,不要直接复制这里的
<property>
<name>hbase.rootdir</name>
<value>hdfs://Master:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>Master,Slave1,Slave2</value>
</property>
<property>
<name>hbase.zookeeper.property.dataDir</name>
<value>/usr/zookeeper/zkdata</value>
</property>
<property>
<name>hbase.unsafe.stream.capability.enforce</name>
<value>false</value>
</property>
<property>
<name>hbase.master</name>
<value>hdfs://Master:6000</value>
</property>
设置hbase的JAVA_HOME和zookeeper
cd /usr/local/hbase/conf
vim hbase-env.sh
//修改或追加以下内容
//如果你用自己安装的zookeeper,这里设置为false(反之为true),但是启动之前要先启动zookeeper集群
export HBASE_MANAGES_ZK=false
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
移除冲突jar包,防止报错
cd /usr/local/hbase/lib/client-facing-thirdparty/
//可以直接rm删除,也可以mv改名,我这里选择改名
mv slf4j-log4j12-1.7.25.jar slf4j-log4j12-1.7.25.jar.bak
其他容器进行相同操作(省略)
调试一下hbase看看能不能运行
start-all.sh
start-hbase.sh
hbase shell
尝试创建个test表
hbase(main):001:0> create 'test','id'
Created table test
Took 3.9776 seconds
=> Hbase::Table - test
下载scala
https://www.scala-lang.org/download/2.12.12.html
复制到docker容器内
docker cp scala-2.12.12.tgz Master:/usr/local/
解压scala压缩包
tar -zxvf scala-2.12.12.tgz
配置环境变量
vim /etc/profile
//追加以下内容
#scala
export SCALA_HOME=/usr/local/scala-2.12.12
export PATH=$SCALA_HOME/bin:$PATH
刷新环境变量
source /etc/profile
查看Scala版本
scala -version
Scala code runner version 2.12.12 -- Copyright 2002-2020, LAMP/EPFL and Lightbend, Inc.
下载Spark
http://archive.apache.org/dist/spark/spark-3.0.1/
复制Spark压缩包到容器
docker cp spark-3.0.1-bin-hadoop3.2.tgz Master:/usr/local
进入容器,解压spark压缩包
tar -zxvf spark-3.0.1-bin-hadoop3.2.tgz
文件夹改名
mv spark-3.0.1-bin-hadoop3.2 spark-3.0.1
mv spark-3.0.1-bin-hadoop3.2 spark-3.0.1
cd /usr/local/spark-3.0.1/conf
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
//修改或追加以下内容
#spark
export SPARK_MASTER_HOST=Master
export SPARK_MEM=1G
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_MEMORY=1G
#java
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export SCALA_HOME=/usr/local/scala-2.12.12
#hadoop
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
修改slaves文件
cp slaves.template slaves
vim slaves
//修改如下
Slave1
Slave2
配置Spark环境变量
vim /etc/profile
//追加以下内容
#spark
export SPARK_HOME=/usr/local/spark-3.0.1
export PATH=$SPARK_HOME/bin:$PATH
刷新源文件
source /etc/profile
其他节点也如上配置spark
最后在Master节点启动Spark
start-all.sh
运行简单操作
val textFile = sc.textFile("file:///usr/local/spark-3.0.1/README.md")
//scala操作
//获取RDD文件textFile的第一行内容
textFile.first()
//获取RDD文件textFile所有项的计数
textFile.count()
//抽取含有“Spark”的行,返回一个新的RDD
val lineWithSpark = textFile.filter(line => line.contains("Spark"))
//统计新的RDD的行数
lineWithSpark.count()
//找出文本中每行的最多单词数
textFile.map(line => line.split(" ").size).reduce((a, b) => if (a > b) a else b)
//退出spark-shell
:quit
关闭所有程序
stop-all.sh
到此本次大数据集群搭建完毕
软件清单:
Windows 11
VMware Workstation 16
CentOS 7
Docker-20.10.10
Hadoop-3.2.1
Hive-3.1.2
MySQL-8.0.22
HBase-2.2.6
Scala-2.12.12
Spark-3.0.1
手机扫一扫
移动阅读更方便
你可能感兴趣的文章