Hadoop集群+Spark集群搭建基于VMware虚拟机教程+安装运行Docker

Posted 2022-10-16 Rain....

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Hadoop集群+Spark集群搭建基于VMware虚拟机教程+安装运行Docker相关的知识，希望对你有一定的参考价值。

Hadoop集群+Spark集群搭建+安装运行Docker

一、准备工作

1.软件工具（可从百度网盘获取）

若虚拟机应未安装则根据以下连接进行安装，若已安装则往下看：

VMware Fusion: https://www.vmware.com/cn/products/fusion/fusion-evaluation.html

JDK 1.8 (jdk-8u221-linux-x64.rpm)
Hadoop 2.7.7 (hadoop-2.7.7.tar.gz)
Spark 3.1.1 (spark-3.1.1-bin-hadoop2.7.tgz）

复制这段内容后打开百度网盘App，操作更方便哦。

链接:https://pan.baidu.com/s/1C5knD8CVvL_0RM3D8tQ69Q 提取码:4o9z

2.网络规划

本次规划搭建3台机器集群模式，IP与计算机名分别如下：

node01：192.168.159.80 （主机）

node02：192.168.159.81

node03：192.168.159.82

IP地址可以在虚拟机中点击菜单栏的编辑，再点击虚拟网络编辑器，选择NAT模式，并找到子网IP，IP地址第四位数自行拟定。

二、在虚拟机上安装CentOS 7

虚拟机安装使用的镜像CentOS-7-x86_64-DVD-2009.iso
下载地址：http://mirrors.aliyun.com/centos/7.9.2009/isos/x86_64/

1.打开虚拟机（VMware Fusion），点击文件，选择新建虚拟机，如下图所示：

2.选择典型安装。

3.选择稍后安装操作系统。

4.选择Linux系统，选择与我们自己下载的CentSO一致的版本。

5.将虚拟机的名字改成node01（可以根据自己的喜好进行修改），并改变文件存储位置。

6.将最大磁盘大小改为50GB（50已经足够了），并按下图进行选择：

7.观察上述信息，与之前设置的是否一致，并点击自定义硬件。

8.点击新CD/DVD(IDE)，找到之前下载镜像的路径。点击关闭，完成虚拟机的建立。

9.点击关闭页面后，再点击完成，跳出以下页面，随后点击运行按钮，打开虚拟机。

10.选择第一项，进行CentOs 7的安装，按回车健等待加载。

11.加载完成后，进入安装页面，选择语言（中文），点击继续。

12.点击日期与时间，观察地点是否再上海，如果在则不需要修改。

13.点击安装位置，以确认全盘安装。

14.确认完毕，点击左上角的完成。

15.点击网络和主机名，配置网络和主机名。

16.将网络打开，并拍照记住，以便后面使用，随后点击配置，进行网络配置。

17.点击IPv4设置，选择手动的方式，为了后面能够进行远程连接以及Hadoop集群间的通信。然后点击Add对地址进行添加，将我们之前规划的主机地址填下，子网掩码为刚才我们拍照记录的数据，网关将其设为刚才看到的默认路由的IP地址。同时将DNS服务器栏的地址填写成我们的网关地址，最后点击保存。

18.将主机名修改成node01（主机），点击应用。并观察图内信息是否有误，如果没有则点击完成。

19.点击开始安装。

20.在安装的同时，点击ROOT密码，进行密码的设置（此处将密码设置为123456）。

21.点击创建用户，对用户名进行设置。

22.将用户名设置成你想要的名字即可（此处设置成rain），密码也与刚才的相似（123456），设置完后点击完成。

23.设置完并安装完成后，点击重启。

24.在node01 login后输入刚才设置的用户名rain，然后回车，输入密码123456（此处密码不显示）。当显示再次输入框，则表示安装成功。

25.输入 ping www.baidu.com 命令，测试虚拟机是否与互联网相连。若出现以下截图情况则表示连接外网成功。（按 ctrl+c 结束ping命令）

26.CentOS安装成功。

三、hdfs的环境准备

配置hdfs环境需要使用MobaXterm（一款增强型远程连接工具）。若没有这款软件，可以进行网盘提取。

链接：https://pan.baidu.com/s/1o0K7pX8lMmkWx6mmktSjPg
提取码：h4yr

1.建立一个session，为了与虚拟机进行一个连接，对其进行配置。输入主机的IP地址，以及用户名，随后点击OK。

2.创建成功后，输入密码进行登录即可。随后安装基础工具（yum），运行命令

sudo yum install net-tools

当看到 succeeded 提示时证明yum工具安装成功

3.输入 sudo yum install vim 安装 vim 编辑器，这个和 vi 命令一样，是 vi 命令的增强版，有语法高亮功能，对后面修改Hadoop配置会有所帮助。

4.创建soft文件夹，后面将所有的文件存放在该文件夹下。在rain用户根目录下新建soft文件夹，依次输入以下命令：

mkdir soft

cd soft/

5.点击 soft 文件夹，将下载的网盘文件 jdk-8u221-linux-x64.rpm、hadoop-2.7.7.tar.gz 拖入soft文件夹下。

6.解压刚才上传的2个压缩包。

输入命令：sudo rmp -ivh jdk-8u221-linux-x64.rpm

sudo tar -zxvf hadoop-2.7.7.tar.gz -C /opt/ (解压至 C盘中的opt目录下)

7.进入opt目录，查看当前使用权限，若当前权限不为用户（rain），则应该设置将所有的文件目录归为用户管理。若当前权限为用户（rain），则不做修改。依次输入以下命令进行修改：

cd /opt/ (进入opt目录)

ls -l （查看当前的权限）

查看后发现，当前权限不为用户，则需修改，依次输入命令：

sudo chown -R rain:rain /opt/hadoop-2.7.7

ls -l

8.关闭防火墙（由于Hadoop集群间后面通信过程中也是要求关掉防火墙的，局域网内通信没必要开防火墙）。

临时关闭防火墙 systemctl stop firewalld.service

永久关闭防火墙 systemctl disable firewalld.service

先输入临时关闭防火墙的命令，将当前系统的防火墙关闭，然后再输入永久关闭防火墙命令，这个是防止重启系统防火墙自动开启。

9.关闭Linux系统安全内核selinux（若不关Hadoop集群在进行文件传递时会出现错误）。

输入命令：sudo vim /etc/selinux/config ,进入编辑selinux的配置文件。

按下按键上的字母键i，进入编辑模块(左下角会提示当前为INSERT状态，表明可修改内容)。

找到 SELINUX=enforcing 这一行，修改SELINUX=disabled。随后按下按钮 esc 键，按下 : 键，输入 wq 保存退出（q为退出）。

10.输入 sudo reboot 回车重启系统，使以上命令生效

11.添加hfds的环境变量。

先进入到sbin目录下：cd /opt/hadoop-2.7.7/sbin/

输入 sudo vim /etc/profile 多按几次 Tab 查看profile文件

然后加上在 profile 文件里面添加 hdfs.sh 文件，并用vim对文件进行编辑。

输入命令：sudo vim /etc/profile.d/hdfs.sh

将以下内容添加到文件中：

export HADOOP_HOME=/opt/hadoop-2.7.7

export PATH=$PATH:$HADOOP/bin:$HADOOP_HOME/sbin

随后按下按钮 esc 键，按下 : 键，输入 wq 保存退出（q为退出）。

保存后，输入以下命令使修改的配置生效：

source etc/profile

12.创建目录 big_data ,以便以后将数据存入。

在sbin目录下输入创建命令：sudo mkdir /var/big_data

该目录现在不归用户（rain）管理，所以对用户权限进行修改。

输入命令：sudo chown -R rain:rain /var/big_data

至此，hdfs的环境准备工作完毕。

四、hdfs配置文件的修改

1.修改hadoop-env.sh

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim hadoop-env.sh ，修改 hadoop-env.sh 。

将原来export JAVA_HOME那一项修改为以下值（指明本机JAVA_HOME的路径），然后wq保存退出：

export JAVA_HOME=/usr/java/default

2.修改yarn-env.sh

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim yarn-env.sh ，修改 yarn-env.sh 。

同样修改 JAVA_HOME=/usr/java/default ，然后wq保存退出。

# some Java parameters
# export JAVA_HOME=/home/y/libexec/jdk1.6.0/
if [ "$JAVA_HOME" != "" ]; then
  #echo "run java in $JAVA_HOME"
  JAVA_HOME=/usr/java/default

3.修改core-site.xml

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim core-site.xml ，修改 core-site.xml 。

<configuration>
        <property>
                <name>fs.default.name</name>
                <value>hdfs://node01:9000</value>
        </property>
        <!--用来指定hadoop运行时产生的存放目录 -->
        <property>
                <name>hadoop.tmp.dir</name>
                <value>/var/big_data</value>
        </property>
</configuration>

4.修改hdfs-site.xml

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim hdfs-site.xml ，修改 hdfs-site.xml 。

<configuration>
        <property>
                <name>dfs.replication</name>
                <value>2</value>
        </property>
        <property>
                <name>dfs.namenode.secondary.http-address</name>
                <value>node03:50090</value>
        </property>
</configuration>

5.修改mapred-site.xml

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：cp mapred-site.xml.template mapred-site.xml 先复制一下文件，在对其进行修改。

输入命令：vim mapred-site.xml ，修改 mapred-site.xml 。

将以下内容复制粘贴到文件中，保存退出：

<configuration>
        <!-- 指定mr框架为yarn方式 -->
        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
</configuration>

6.修改yarn-site.xml

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim yarn-site.xml ，修改 yarn-site.xml 。

将以下内容复制粘贴到文件中：

<configuration>

    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>node01</value>
    </property>
    
</configuration>

7.修改slaves

先cd到 hadoop-2.7.7 文件夹下,输入命令：cd /opt/hadoop-2.7.7/etc/hadoop/

输入命令：vim slaves ，修改 slaves 。

将以下内容复制粘贴到文件中：

node01
node02
node03

8.准备主机名解析文件，为了后面克隆做好准备。

输入命令：sudo vim /etc/hosts ，进入编辑。

将刚看到的里面的前两行删除掉，下图圈出的部分。

将其内容改为我们之前规划的三台机子的IP以及名称。

至此，hdfs配置文件的修改工作完成。

五、克隆（复制虚拟机）

1.克隆时虚拟机不能为开机状态，所以先将虚拟机关机（强关即可），按下图操作关闭虚拟机。

2.将鼠标放置在虚拟机上右击，选择管理->克隆，随后点击下一步。

3.选择虚拟机中的当前状态进行克隆。

4.选择创建完整克隆，点击下一步。

5.输入你要克隆生成的虚拟机名字以及将其所存放的位置，点击完成，等待克隆完毕。

（第三个虚拟机克隆的步骤也是一样的，再次循环步骤1.2.3.4.5）

6.克隆完后，需要node02、node03的IP 和主机名进行修改。

a.在当前虚拟机 node02 页面，输入命令：sudo vim /etc/hostname ,对其主机名进行修改。

将里面 node01 修改为 node02 。

b.在当前虚拟机 node02 页面，输入命令：sudo vim /etc/sysconfig/network-scripts/ifcfg-ens33 ,对其IP地址进行修改。

将图下圈出的地方的IP设置为 192.168.159.81 ,保存后退出。

7.输入 sudo reboot 对虚拟机进行重启。

第三台虚拟机（node03）的配置与上述一致，配置内容与之前规划的一致即可。

至此，虚拟机的克隆完成。

六、制作免密码登陆

1.使用MobaXterm，建立一个 node02、node03 的session，为了与虚拟机进行一个连接，对其进行配置。输入主机的IP地址，以及用户名，随后点击OK（步骤三、1与上述一致）。

2.点击菜单栏上的按钮，使其三个虚拟机同时进行。

3.在 node01 中输入命令： ssh-keygen -t rsa ，然后一路按回车，直到命令运行结束。

4.在 node01 依次输入以下命令：

ssh-copy-id node01

ssh-copy-id node02

ssh-copy-id node03

5.此时退出该页面，通过ssh命令测试互相登陆，如果相互登陆都不需要密码的话，表示免密码登陆设置成功。

node01 主机（node02、node03跟该步骤一致）：

至此，免密完成。

七、一行命令启动 Hadoop 集群

1.格式化hadoop文件系统（该命令只能在node01上执行，且只能执行一次，不可多次执行。）

输入命令：hdfs namenode -format

当看到如上图中所示 successfully 提示信息则表示格式化成功。

2.输入命令：start-dfs.sh ，开始集群。

3.用宿主机浏览器访问 http://192.168.159.80:50070 查看启动是否成功。

找到网页中的summary，点开livenodes查看现在是否有3台节点同时在线，如果不是3台，则说明配置有问题，需要重新排错，按照教程前面内容仔细检查，如果显示是3台主机在线，则表明配置成功。

3.测试hadoop是否集群成功

输入命令：hdfs dfs -mkdir /t01

然后访问 http://192.168.159.80:50070 查看情况

至此，hadoop集群搭建完成。

八、Spark集群

1.登陆Apache spark官网下载spark

地址：http://spark.apache.org/downloads.html

选择如下图所示版本进行下载

2.将刚才下载的压缩包拖入soft文件下，进行解压。

按以下命令依次输入查看soft文件夹下是否已上传刚才的文件：

先cd到opt目录： cd /opt/

然后查看： ls

然后执行解压缩命令 sudo tar -zxvf spark-3.1.1-bin-hadoop2.7.tgz

3.修改环境变量，添加spark

先进入到sbin目录下：cd /opt/hadoop-2.7.7/sbin/

输入命令：sudo vim /etc/profile.d/hdfs.sh

然后在末尾添加以下内容：

export SPARK_HOME=/opt/spark-3.1.1-bin-hadoop2.7

export PATH=$JAVA_HOME/bin:SPARK_HOME/bin:$PATH

随后按下按钮 esc 键，按下 : 键，输入 wq 保存退出（q为退出）。

保存后，输入以下命令使修改的配置生效：

source etc/profile

4.编辑spark-env.sh

先进入conf文件夹 cd /opt/spark-3.1.1-bin-hadoop2.7/conf/

首先复制一份spark-env.sh，并将其改名 cp spark-env.sh.template spark-env.sh

编辑spark-env.sh vim spark-env.sh

将以下内容添加到文件中：

export JAVA_HOME=/usr/java/default
export SPARK_MASTER_IP=192.168.159.80
export SPARK_WORKER_MEMORY=1g
export HADOOP_CONF_DIR=/opt/hadoop-2.7.7/etc/hadoop

5.添加node01,node02，node03节点信息

输入命令： vim /opt/spark-3.1.1-bin-hadoop2.7/conf/slaves

6.将spark文件夹复制到node01，node02

依次运行下面命令：

cd /opt/

scp -r spark-3.1.1-bin-hadoop2.7 root@node02:/opt/

scp -r spark-3.1.1-bin-hadoop2.7 root@node03:/opt/

7.进入spark文件夹，启动spark

依次运行以下命令：

cd /opt/spark-3.1.1-bin-hadoop2.7/sbin/

/start-all.sh

8.在宿主机的浏览器中访问地址：http://192.168.159.80:8080 ，查看是否能成功访问，如果可以，则spark启动成功。

9.测试spark运行是否正常

依次运行以下命令：

cd ~

/opt/spark-3.1.1-bin-hadoop2.7/bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://nde01:7077 /opt/spark-3.1.1-bin-hadoop2.7/examples//jars/spark-examples_2.12-3.1.1.jar 100

然后打开spark的WebUI查看运行情况

http://192.168.159.80:8080

至此，Spark集群完毕。

九、MapReduce示例

1.进入到Hadoop-2.7.7文件夹，选取测试文件。

依次输入以下命令：

cd /root/Hadooptools/hadoop-2.7.7

ls -all

此处选择 NOTICE.txt 作为测试文件。

2.输入命令：start-all.sh 启动hadoop集群。

3.上传文件到hdfs

依次输入以下命令：

hadoop fs -mkdir /input

hadoop fs -put NOTICE.txt /input

hadoop fs -ls -R /

4.运行实例程序。

输入命令：hadoop jar /opt/hadoop-2.7.7/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /input /output

输入命令：hadoop fs -ls -R / 查看程序运行后产生的文件

输入命令：hadoop fs -cat /output/part-r-00000 查看程序运行结果