hadoopzookeeperhbasespark集群环境搭建

Posted 2022-06-20 Trigl

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了hadoopzookeeperhbasespark集群环境搭建相关的知识，希望对你有一定的参考价值。

本文详细讲解如何搭建hadoop、zookeeper、hbase和spark的集群环境，这里我是在本地虚拟机上搭建的集群，但是和实际环境的配置差不多。我会从零开始搭建并且尽量写得详细，所以还会讲到很多配置linux环境的东西，希望大家不要烦，务必按照步骤一步步做下去。
本文主要讲了以下内容：

Linux系统的一些基础配置
安装jdk
配置SSH免登陆
hadoop的安装和配置
zookeeper集群的安装配置
hbase的安装和配置
spark的安装和配置

1 使用Vmware安装Linux系统

这个很easy，软件和操作步骤请自行搜索，我安装的ubuntu系统，三个主机的名称分别是master、slave1、slave2，用户名统一都是trigl，后面设置ssh免登录需要用户名是相同的否则就会出错。后面的很多配置这三台主机都是相同的，直接复制配置文件即可，这里教大家一下不同主机之间传输文件（文件夹）的命令：

scp -r 本主机文件路径 其他主机用户名@其他主机IP:文件父目录

如将master的jdk的tar包传给slave1，命令如下：

scp -r /data/install/java/jdk-7u45-linux-x64.tar.gz trigl@192.168.79.133:/data/install/java

2 安装xshell和xftp

xshell用于连接linux系统并输入命令，xftp用于向linux系统传输文件，安装比较简单，请自行搜索。
我安装了ubuntu系统后首次用xshell连接是连不上的，如图：

这是由于新装的系统没有ssh服务，使用下面命令下载安装：

sudo apt-get install openssh-server

安装完成以后用xshell就可以连接上了

3 解决ubuntu自带VI编辑器不好用的问题

使用ubuntu自带的vi来编辑文件的时候，方向键会变成ABCD，解决方法如下：
编辑 /etc/vim/vimrc.tiny ，将“set compatible”改为“set nocompatible”，在这句话的下面加上“set backspace=2”，如下：

4 分别修改三台主机的hosts文件和主机名

1、修改hosts文件
编辑hosts文件：

sudo vi /etc/hosts

添加下面内容：

192.168.79.131 master
192.168.79.132 slave1
192.168.79.133 slave2

这样就配置好了域名，在后面配置需要ip时我们可以直接用域名来方便地替换ip。

2、修改主机名
分别修改三台主机 /etc/hostname 的内容为master、slave1、slave2

注意主机名和hosts文件中设置的名称应当保持一致，否则会产生意外的错误

5 关闭防火墙

1、关闭命令

service iptables stop
chkconfig iptables off

2、查看防火墙状态

service iptables status

6 设置NTP时间同步

为了保证集群内的时间是一致的，我们可以将其中的一台主机作为时间服务器，其他主机设置定时任务每天与时间服务器同步一次时间

6.1 配置某台主机为ntp时间服务器

1、安装ntp

yum -y install ntp

2、修改配置文件/etc/ntp.conf

#允许10.*.*.*的主机进行时间同步
restrict 10.0.0.0 mask 255.0.0.0 nomodify notrap

3、手动同步

ntpdate 0.asia.pool.ntp.org

4、启动服务

service ntpd start

5、开机启动

chkconfig ntpd on

6.2 配置其他主机为ntp客户端

1、安装ntp

yum -y install ntp

2、修改配置文件/etc/ntp.conf

#注释默认配置，添加刚刚创建的ntpserver
#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst
server 192.168.2.151

3、安装使用定时器crontab

传送至：Linux下使用定时器crontab

4、编辑定时器任务

sudo crontab -e

添加如下内容：

0 0 * * * /usr/sbin/ntpdate 192.168.2.151 >> /home/hadoop/logs/ntpd.log

7 修改最大线程数

Linux默认有一个最大线程数，线程数不能超过这个值，可以使用以下命令查看：

ulimit -u

默认是1024，hadoop集群跑任务的时候会需要同时创建很多线程，有时候会超过1024，所以最好将该参数改的大一点

1、修改文件/etc/security/limits.d/90-nproc.conf

#注释掉该行
#*          soft    nproc     1024
root       soft    nproc     unlimited

2、修改文件/etc/security/limits.conf，添加内容：

*   soft    nproc   102400
*       hard    nproc   102400
*       soft    nofile   102400
*       hard    nofile   102400

8 新建安装目录并更改所属用户和组

1、新建应用的安装目录

sudo mkdir -p /data/install

2、更改该安装目录所属用户和组
例如将目录归属为trigl用户和trigl用户组：

sudo chown -R trigl:trigl /data

对slave1和slave2做相同操作，更改用户和组以后对该目录就有了所有权限，后续输入命令不再需要加sudo了

9 安装jdk

hadoop等的搭建都依赖于jdk，所以需要先安装jdk

1、到官网下载jdk：http://www.oracle.com/technetwork/cn/java/javase/downloads/jdk7-downloads-1880260.html，我下载的是 jdk-7u75-linux-x64.tar.gz

2、下载好的tar包放在 /data/install/java 目录并解压：

tar -xvf jdk-7u75-linux-x64.tar.gz

3、配置环境变量
首先进入编辑Linux配置环境变量的文件：

sudo vi /etc/profile

在里面添加如下内容：

export JAVA_HOME=/data/install/java/jdk1.7.0_45
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

4、使环境变量立刻生效：

source /etc/profile

10 配置SSH免登陆

关于为什么需要配置SSH免登陆请看这篇文章：SSH免密码登录详解，我这里仅给出具体的配置方式

1、生成SSH的公钥，命令如下，三台主机都要执行一次：

ssh-keygen -t rsa

让输入内容直接回车即可，执行以后会在 /home/trigl/.ssh/（家目录/.ssh）下生成id_rsa和id_rsa.pub文件

2、将主机slave1和slave2在上一步骤生成的id_rsa.pub文件传到主机master的 /home/trigl/.ssh/ 下面，为了防止覆盖，重命名为id_rsa.pub.slave1和id_rsa.pub.slave2

scp id_rsa.pub trigl@master:~/.ssh/id_rsa.pub.slave1
scp id_rsa.pub trigl@master:~/.ssh/id_rsa.pub.slave2

3、在主机master的 /home/trigl/.ssh/ 目录下分别将id_rsa.pub、id_rsa.pub.slave1和id_rsa.pub.slave2追加到authorized_keys文件中

cat id_rsa.pub >> authorized_keys
cat id_rsa.pub.slave1 >> authorized_keys
cat id_rsa.pub.slave2 >> authorized_keys

这样就生成了一个可以同时验证master、slave1和slave2的公钥文件

4、将上一步生成的authorized_keys文件分别传到slave1和slave2的/home/trigl/.ssh/下面

scp authorized_keys trigl@slave1:~/.ssh
scp authorized_keys trigl@slave2:~/.ssh

5、验证
验证master连接slave1：

ssh slave1

如果没有让输入密码且成功切换到slave1的终端，说明配置成功，验证连接slave2类似

2016.11.25更新：注意如果是在Centos系统下还需要更改文件权限

chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys

11 hadoop的安装和配置

1、下载hadoop
首先到Apache官网（http://www.apache.org/dyn/closer.cgi/hadoop/common/）复制下载地址，然后进入 /data/install/apache 目录下面执行以下命令直接进行下载：

wget http://mirror.bit.edu.cn/apache/hadoop/common/stable/hadoop-2.7.3.tar.gz

下载完成后进行解压：

tar -xvf hadoop-2.7.3.tar.gz

2、配置hadoop
进入hadoop的配置目录：

cd /data/install/apache/hadoop-2.7.3/etc/hadoop/

需要修改的配置文件为：core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、slaves、hadoop-env.sh、yarn-env.sh

core-site.xml

<configuration>
    <property>
        <name>fs.default.name</name>
        <value>hdfs://master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/data/install/apache/hadoop-2.7.3/tmp</value>
    </property>
    <property>
        <name>io.file.buffer.size</name>
        <value>131702</value>
    </property>
</configuration>

hdfs-site.xml

<configuration>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/data/install/apache/hadoop-2.7.3/hdfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/data/install/apache/hadoop-2.7.3/hdfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>master:9001</value>
    </property>
    <property>
        <name>dfs.webhdfs.enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>dfs.namenode.datanode.registration.ip-hostname-check</name>
        <value>false</value>
    </property>
</configuration>

yarn-site.xml

<configuration>
    <!-- Site specific YARN configuration properties -->
    <property>
        <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</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>master:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>master:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>master:8031</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value>master:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>master:8088</value>
    </property>
</configuration>

mapred-site.xml

通过cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml创建etc/hadoop/mapred-site.xml，内容改为如下：

<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>
</configuration>

slaves

slave1
slave2

hadoop-env.sh和yarn-env.sh

export JAVA_HOME=/data/install/java/jdk1.7.0_45

配置文件修改完以后，将master下hadoop文件夹复制到slave1和slave2中

scp -r /data/install/apache/hadoop-2.7.3 trigl@slave1:/data/install/apache/
scp -r /data/install/apache/hadoop-2.7.3 trigl@slave2:/data/install/apache/

3、运行hadoop

启动hadoop的命令都在master上执行

（1）初始化hadoop（清空hdfs数据）：

rm -rf /data/install/apache/hadoop-2.7.3/hdfs/*
rm -rf /data/install/apache/hadoop-2.7.3/tmp/*
/data/install/apache/hadoop-2.7.3/bin/hdfs namenode -format

（2）启停hdfs：

/data/install/apache/hadoop-2.7.3/sbin/start-dfs.sh
/data/install/apache/hadoop-2.7.3/sbin/stop-dfs.sh

验证是否启动成功，在master输入 jps，应当存在namenode和secondary namenode

在slave1和slave2输入jps，应当存在datanode

进一步验证，访问：http://192.168.79.131:50070/dfshealth.html（192.168.79.131是master的ip），如图：

（3）启停yarn

/data/install/apache/hadoop-2.7.3/sbin/start-yarn.sh
/data/install/apache/hadoop-2.7.3/sbin/stop-yarn.sh

在master输入 jps，应当存在resourcemanager

在slave1和slave2输入jps，应当存在nodemanager

访问：http://192.168.79.131:8088/cluster

（4）启停JobHistory（查看MapReduce任务）

/data/install/apache/hadoop-2.7.3/sbin/mr-jobhistory-daemon.sh start historyserver
/data/install/apache/hadoop-2.7.3/sbin/mr-jobhistory-daemon.sh stop historyserver

在master输入 jps，应当存在JobHistory

12 zookeeper集群的安装配置

1、下载
到http://apache.fayea.com/zookeeper/stable/下载安装包并解压：

wget http://apache.fayea.com/zookeeper/stable/zookeeper-3.4.9.tar.gz

2、配置

（1）建立数据目录

mkdir /data/install/apache/zookeeper-3.4.9/data

（2）进入conf目录创建并修改zoo.cfg文件

cp zoo_sample.cfg zoo.cfg

修改以后的内容为：

# The number of milliseconds of each tick
tickTime=2000
# The number of ticks that the initial 
# synchronization phase can take
initLimit=10
# The number of ticks that can pass between 
# sending a request and getting an acknowledgement
syncLimit=5
# the directory where the snapshot is stored.
# do not use /tmp for storage, /tmp here is just 
# example sakes.
dataDir=/data/install/apache/zookeeper-3.4.9/data
# the port at which the clients will connect
clientPort=2181
# the maximum number of client connections.
# increase this if you need to handle more clients
#maxClientCnxns=60
#
# Be sure to read the maintenance section of the 
# administrator guide before turning on autopurge.
#
# http://zookeeper.apache.org/doc/current/zookeeperAdmin.html#sc_maintenance
#
# The number of snapshots to retain in dataDir
#autopurge.snapRetainCount=3
# Purge task interval in hours
# Set to "0" to disable auto purge feature
#autopurge.purgeInterval=1
server.0=master:2888:3888
server.1=slave1:2888:3888
server.2=slave2:2888:3888

这里还需要在数据目录/data/install/apache/zookeeper-3.4.9/data下面新建名为myid的文件，各个主机对应的内容是不同的，master的内容是0，slave1的内容是1，slave2的内容是2，分别对应server.x中的x

（3）设置环境变量：/etc/profile添加如下内容

export ZOOKEEPER_HOME=/data/install/apache/zookeeper-3.4.9
export PATH=$PATH:$ZOOKEEPER_HOME/bin:$ZOOKEEPER_HOME/conf

别忘了source一下让环境变量生效

source /etc/profile

3、启停zookeeper

在各个节点执行以下命令：

/data/install/apache/zookeeper-3.4.9/bin/zkServer.sh start
/data/install/apache/zookeeper-3.4.9/bin/zkServer.sh stop

输入jps检测一下：

查看各个主机的状态：

sh bin/zkServer.sh status

这里如果报错：

bin/zkServer.sh: 81: /data/install/apache/zookeeper-3.4.9/bin/zkEnv.sh: Syntax error: "(" unexpected (expecting "fi")

看这篇文章的解决方法：http://blog.csdn.net/lcdcxy/article/details/50393363

13 hbase的安装和配置

1、下载
首先到http://apache.fayea.com/hbase/stable/下载稳定版安装包并解压：

wget http://apache.fayea.com/hbase/stable/hbase-1.2.2-bin.tar.gz

2、配置

主要修改conf目录下的三个文件：hbase-env.sh、hbase-site.xml、regionservers

hbase-env.sh

export JAVA_HOME=/data/install/java/jdk1.7.0_45
export HBASE_MANAGES_ZK=true 
export HBASE_LOG_DIR=/data/install/apache/hbase-1.2.2/logs

hbase-site.xml

<configuration>
    <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.master.maxclockskew</name>
        <value>180000</value>
        <description>Time difference of regionserver from master</description>
    </property>
</configuration>

regionservers

slave1
slave2

2016.11.25更新：还需要同步集群时间，否则有的从节点无法启动，在每个节点上运行ntp即可

ntpdate asia.pool.ntp.org

3、启停hbase

/data/install/apache/hbase-1.2.2/bin/start-hbase.sh
/data/install/apache/hbase-1.2.2/bin/stop-hbase.sh

master输入jps：

slave1和slave2输入jps：

访问：http://192.168.79.131:16010

4、hbase的一些基本命令

名称	命令表达式
创建表	create ‘表名称’, ‘列名称1’,’列名称2’,’列名称N’
添加记录	put ‘表名称’, ‘行名称’, ‘列名称:’, ‘值’
查看记录	get ‘表名称’, ‘行名称’
查看表中的记录总数	count ‘表名称’
删除记录	delete ‘表名’ ,’行名称’ , ‘列名称’
删除一张表	disable ‘表名称’ drop ‘表名称’
查看所有记录	scan “表名称”

首先进入hbase shell

./bin/hbase shell

（1）创建表

creat 'test','address'

（2）添加记录

put'test','row1','address:province','zhejiang'
put 'test','row2','address:city','hangzhou'

（3）查看记录

get 'test','row1'

（4）查看表中的记录总数

count 'test'

（5）删除记录

delete 'test','row1','address'

（6）删除一张表

disable 'test'
drop 'test'

（7）查看所有记录

scan 'test'

14 spark的安装和配置

1、下载
首先在http://spark.apache.org/downloads.html下载指定hadoop版本的安装包，然后解压缩

2、配置

创建并修改conf目录下的配置文件 spark-env.sh，slaves

spark-env.sh

cp spark-env.sh.template spark-env.sh

修改内容为：

export JAVA_HOME=/data/install/java/jdk1.7.0_45
export HADOOP_HOME=/data/install/apache/hadoop-2.7.3
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HBASE_HOME=/data/install/apache/hbase-1.2.2
#如果ssh端口非22
export SPARK_SSH_OPTS="-p 22022"

slaves

cp slaves.template slaves

修改内容为：

slave1
slave2

3、启停spark

/data/install/apache/spark-2.0.0-bin-hadoop2.7/sbin/start-all.sh
/data/install/apache/spark-2.0.0-bin-hadoop2.7/sbin/stop-all.sh

在master上输入jps：

在slave1和slave2上输入jps：

访问：http://192.168.79.131:8080/

以上，就完成了整个集群环境的搭建，详细配置文件和启停命令可以到这里下载：http://download.csdn.net/download/trigl/9629044

Men were born to be suffering, the pain of struggle, or the pain of regret?

开发者涨薪指南

48位大咖的思考法则、工作方式、逻辑体系

以上是关于hadoopzookeeperhbasespark集群环境搭建的主要内容，如果未能解决你的问题，请参考以下文章