CentOS上Hadoop环境的搭建与管理

CentOS上Hadoop环境的搭建与管理

please down load the p_w_upload

编辑日期：2015年9月1日

实验要求：
完成Hadoop平台安装部署、测试Hadoop平台功能和性能，记录实验过程，提交实验报告。
1)    掌握Hadoop安装过程
2)    理解Hadoop工作原理
3)    测试Hadoop系统的可扩展性
4)    测试Hadoop系统的稳定性
一、先决条件
确保在集群中的每个节点上都安装所有必需软件：JDK ，ssh，Hadoop （2.6.0）。
1)JDK，必须安装（版本1.7以上），建议选择Sun公司发行的Java版本。
2)ssh 必须安装并且保证 sshd一直运行，以便用Hadoop 脚本管理远端Hadoop守护进程。

二、Hadoop的安装与配置
HDFS在Master节点启动dfs和yarn服务时，需要自动启动Slave节点服务，HDFS需要通过ssh访问Slave节点机。HDFS需要搭建多台服务器组成分布式系统，节点机间需要无密码访问。本节任务是进行ssh的设置、用户的创建、hadoop参数的设置,完成HDFS分布式环境的搭建。
任务实施：
本节任务需要四台节点机组成集群，每个节点机上安装CentOS-6.5-x86_64系统。四台节点机使用的IP地址分别为：192.168.23.111、192.168.23.112、192.168.23.113、192.168.23.114，对应节点主机名为：node1、node2、node3、node4。节点机node1作为NameNode，其他作为DataNode。
在node1主机上，
编辑 vi /etc/hosts，添加如下内容：
192.168.23.111 node1
192.168.23.112 node2
192.168.23.113 node3
192.168.23.114 node4
编辑 vi /etc/sysconfig/network，修改
HOSTNAME=node1
关闭防火墙
chkconfig iptables off
service iptables stop
在其他节点主机上进行类似的操作，但需要将HOSTNAME的值分别修改为对应的主机名。

步骤1
创建hadoop用户，分别在四台节点机上创建用户hadoop，uid=660，密码分别为h2111, h3222, h4333, h5444。登录node1节点机，创建hadoop用户和设置密码。操作命令如下。
[root@node1 ~]# useradd -u 660 hadoop
[root@node1 ~]# passwd hadoop
其他节点机的操作相同。

步骤2
设置master节点机ssh无密码登录slave节点机。
（1）在node1节点机上，以用户hadoop用户登录或者使用su – hadoop切换到hadoop用户。操作命令如下。
[root@node1 ~]# su - hadoop
（2）使用ssh-keygen生成证书密钥，操作命令如下。
[hadoop@node1 ~]$ssh-keygen -t dsa
（3）使用ssh-copy-id分别拷贝证书公钥到node1，node2，node3，node4节点机上，操作命令如下。

[hadoop@node1 ~]$ cd ~
hadoop@node1 ~]$ ssh-copy-id -i .ssh/id_dsa.pub node1
[hadoop@node1 ~]$ ssh-copy-id -i .ssh/id_dsa.pub node2
[hadoop@node1 ~]$ ssh-copy-id -i .ssh/id_dsa.pub node3
[hadoop@node1 ~]$ ssh-copy-id -i .ssh/id_dsa.pub node4
（4）在node1节点机上使用ssh测试无密码登录node1节点机，操作命令如下。
[hadoop@node1 ~]$ ssh node1
Last Login: Mon Dec 22 08:42:38 2014 from node1
[hadoop@node1 ~]$ exit
Logout
Connection to node1 closed.
以上表示操作成功。
在node1节点机上继续使用ssh测试无密码登录node2、node3和node4节点机，操作命令如下。
[hadoop@node1 ~]$ ssh node2
[hadoop@node1 ~]$ ssh node3
[hadoop@node1 ~]$ ssh node4
测试登录每个节点机后，输入exit退出。

步骤3
上传或下载hadoop-2.6.0.tar.gz软件包到node1节点机的root目录下。如果hadoop软件包在node1节点机上编译，则把编译好的包拷贝到root目录下即可。首先找到所需软件包的地址http://mirror.bit.edu.cn/apache/hadoop/common/，如图所示。

然后使用wget命令或其他命令下载所需的软件包，操作示例如：
wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/hadoop-2.6.0.tar.gz

步骤4
解压文件，安装文件。操作命令如下。
[root@node1 ~]# cd
[root@node1 ~]# tar xvzf hadoop-2.6.0.tar.gz
[root@node1 ~]# cd hadoop-2.6.0
[root@node1 hadoop-2.6.0]# mv * /home/hadoop/
步骤5
修改hadoop配置文件。Hadoop配置文件主要有：hadoop-env.sh、yarn-env.sh、slaves、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml。配置文件在/home/hadoop/etc/hadoop/目录下，可进入该目录进行配置。操作命令如下。
[root@node1 hadoop-2.6.0]# cd /home/hadoop/etc/hadoop/
（1）修改hadoop-env.sh，
如果还没有安装java,先安装java
    yum -y install java-1.7.0-openjdk*
安装出现问题可以参考以下网址教程进行处理.
http://jingyan.baidu.com/article/4853e1e51d0c101909f72607.html
检查各主机的/etc/profile是否有JAVA_HOME变量，没有就在末尾添加：

JAVA_HOME=/usr/lib/jvm/java-1.7.0
export JAVA_HOME

PATH=$JAVA_HOME/bin:$PATH
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH
export CLASSPATH

export HADOOP_HOME=/home/hadoop/
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

保存退出后执行 source /etc/profile

将hadoop-env.sh文件中的export JAVA_HOME=${JAVA_HOME}修改为

export JAVA_HOME=/usr/lib/jvm/java-1.7.0

（2）修改slaves，该文件登记DataNode节点主机名，本处添加node2，node3，node4三台节点主机名。如下所示。
[root@node1 hadoop]# vi slaves
node2
node3
node4
（3）修改core-site.xml，将文件中的<configuration></configuration>修改为如下内容。
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:9000</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>hadoop.proxyuser.hadoop.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.hadoop.groups</name>
<value>*</value>
</property>
</configuration>
其中node1为集群的NameNode（Master）节点机，node1可以使用IP地址表示。
（4）修改hdfs-site.xml，将文件中的<configuration></configuration>修改为如下内容。
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node1:9001</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>
其中为了便于教学，第二个NameNode也使用node1节点机，NameNode产生的数据存放在/home/hadoop/dfs/name目录下，DataNode产生的数据存放在/home/hadoop/dfs/data目录下，设置3份备份。
（5）将文件mapred-site.xml.template改名为mapred-site.xml。操作如下。
[root@node1 hadoop]# mv mapred-site.xml.template mapred-site.xml
将文件中的<configuration></configuration>修改为如下内容。
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>node1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node1:19888</value>
</property>
</configuration>
（6）修改yarn-site.xml，将文件中的<configuration></configuration>修改为如下内容。
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.23.111</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>node1:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>node1:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>node1:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>node1:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>node1:8088</value>
</property>
</configuration>
步骤6
修改“/home/hadoop/”文件用户主/组属性，操作如下。
[root@node1 hadoop]# chown -R hadoop:hadoop /home/hadoop
步骤7
将配置好的hadoop系统复制到其他节点机上，操作如下。
[root@node1 hadoop]# cd /home/hadoop
[root@node1 hadoop]# scp -r hadoop-2.6.0 hadoop@node2:/home/hadoop
[root@node1 hadoop]# scp -r hadoop-2.6.0 hadoop@node3:/home/hadoop
[root@node1 hadoop]# scp -r hadoop-2.6.0 hadoop@node4:/home/hadoop
步骤8
分别登录node2，node3，node4节点机，修改 “/home/hadoop/”文件用户主/组属性。
[root@node2~]# chown -R hadoop:hadoop /home/hadoop
[root@node3~]# chown -R hadoop:hadoop /home/hadoop
[root@node4~]# chown -R hadoop:hadoop /home/hadoop
至此，整个hadoop分布式系统搭建完成。
三、Hadoop的管理

1.格式化一个新的分布式文件系统
先格式化一个新的分布式文件系统
$ cd /home/hadoop
$ bin/hadoop namenode -format
成功情况下系统输出：
/opt/hadoop/hadoopfs/name has been successfully formatted.

查看输出保证分布式文件系统格式化成功
执行完后可以到master机器上看到/home/hadoop/name目录。
2.启动分布式文件服务
 sbin/start-all.sh
或

sbin/start-dfs.sh
sbin/start-yarn.sh
使用浏览器浏览Master节点机 http://192.168.23.111:50070，查看NameNode节点状态和浏览Datanodes数据节点。

使用浏览器浏览Master节点机 http://192.168.23.111:8088查看所有应用。

3.关闭分布式文件服务
sbin/stop-all.sh
4.文件管理
在hdfs创建swvtc目录，操作命令如下。
[hadoop@node1 ~]$ hdfs dfs -mkdir /swvtc         #类似 mkdir /swvtc
在hdfs查看当前目录，操作命令如下。
[hadoop@node1 ~]$ hdfs dfs -ls /                 #类似 ls /
Found 1 items
drwxr-xr-x   - hadoop supergroup          0 2014-12-23 10:07 /swvtc
在本地系统编辑文件jie.txt，操作命令如下。
[hadoop@node1 ~]$ vi jie.txt
添加内容：
Hi，Hadoop！
上传文件jie.txt到hdfs的/swvtc目录中，操作命令如下。
[hadoop@node1 ~]$ hdfs dfs -put jie.txt /swvtc
从hdfs中下载文件。操作命令：
[hadoop@node1 ~]$ hdfs dfs -get /swvtc/jie.txt
查看hdfs中/swvtc/jie.txt的内容，操作命令：
[hadoop@node1 ~]$ hdfs dfs -text /swvtc/jie.txt
Hi，Hadoop！
hadoop dfs -get in getin 从HDFS获取文件并且重新命名为getin，同put一样可操作文件也可操作目录
hadoop dfs -rmr out 删除指定文件从HDFS上
hadoop dfs -cat in/* 查看HDFS上in目录的内容
hadoop dfsadmin -report 查看HDFS的基本统计信息，结果如下
hadoop dfsadmin -safemode leave 退出安全模式
hadoop dfsadmin -safemode enter 进入安全模式

5.添加节点
可扩展性是HDFS的一个重要特性，首先在新加的节点上安装hadoop，然后修改$HADOOP_HOME/conf /master文件，加入 NameNode主机名，然后在NameNode节点上修改$HADOOP_HOME/conf/slaves文件，加入新加节点主机名，再建立到新加节点无密码的SSH连接。
运行启动命令：
./start-all.sh
然后可以通过http://(Masternode的主机名):50070查看新添加的DataNode
6.负载均衡
运行命令：
./start-balancer.sh
可以使DataNode节点上选择策略重新平衡DataNode上的数据块的分布。