2017-03-26

hadoop学习笔记3：集群/分布式搭建及测试

环境：

虚拟机ubuntun16.0.4，
jdk1.8.0_111,
hadoop-2.7.3, 下载地址见： http://blog.csdn.net/yhhyhhyhhyhh/article/details/53945810

准备：

在3个虚拟机或者3台机器上安装java环境、安装ssh server、安装hadoop（也有其他方法）。可参见：Hadoop学习笔记1：伪分布式环境搭建

与hadoop伪分布式环境搭建不同的是：

master节点能无密码ssh登录其他slave节点
需要选择1个虚拟机作为master节点，在其上进行hadoop集群配置，然后将master节点上的整个hadoop目录复制到其他slave节点。

1.节点网络配置

三个虚拟机如下：

	ip	命名
虚拟机1(主节点)	192.168.0.106	master
虚拟机2	192.168.0.107	slave1
虚拟机3	192.168.0.109	slave2

1）修改用户名和ip映射

虚拟机设置桥接模式，如果节点的系统是在虚拟机中直接复制的，要确保各个节点的 Mac 地址不同。

2）在3个虚拟机上都操作

修改节点的主机名：sudo vim /etc/hostname

虚拟机1、虚拟机2、虚拟机3hostname中的名字分别改为：master,slave1,slave2

修改所用节点的IP映射：sudo vim /etc/hosts

将3个节点hosts都修改为如下（一般该文件中只有一个 127.0.0.1，其对应名为 localhost，如果有多余的应删除）：

1-1

注：修改过主机名后重启才能生效。

3）测试是否相互 ping 通

ping master -c 5 # 只ping 5次

ping slave1 -c 5

ping slave2 -c 5

测试如下：

1-2

2.ssh无密码登陆节点

将 master 节点的公匙scp到各个slave节点上，然后在各个节点上进行ssh配置，让以便master 节点可以无密码 ssh 登陆到各个 slave 节点上。

1）master ssh无密码登录本机

1
2
3

cd ~/.ssh               # 如果没有该目录，先执行一次ssh localhost
rm ./id_rsa*            # 删除之前生成的公匙（如果有）
ssh-keygen -t rsa       # 一直按回车就可以

1	cat ./id_rsa.pub >> ./authorized_keys #让master节点能无密码ssh登录本机

2）master ssh无密码登录slave节点

将master节点的ssh公匙复制到slave1和slave2中并授权（复制到/home/yhh/目录下，yhh@slave1:/home/yhh/ ，yhh为slave1节点ubuntun用户名）：

1 2	scp ~/.ssh/id_rsa.pub yhh@slave1:/home/yhh/ scp ~/.ssh/id_rsa.pub yhh@slave2:/home/yhh/

如下图：

2-1

在slave1 、slave2节点上进行ssh配置

1	cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

注意：在准备阶段的的ssh配置时，执行过ssh localhost在用户目录下存在 /.ssh文件夹，如果不存在可以先执行mkdir ~/.ssh（如果不存在该文件夹需先创建，若已存在则忽略）

在master节点上测试：

ssh master

ssh slave1

ssh slave2

2-2

3.Hadoop分布式配置

1）master节点上hadoop分布式环境配置

集群/分布式模式需要修改 /usr/local/hadoop/etc/hadoop 中的5个配置文件，更多设置项可点击查看hadoop集群官方说明仅设置了正常启动所必须的设置项： slaves、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 。

命令如下图：

3-1

slaves

修改为如下：

1 2	slave1 slave2

core-site.xml

修改为如下：

<configuration>
   <property>
             <name>hadoop.tmp.dir</name>
             <value>file:/usr/local/hadoop/tmp</value>
             <description>Abase for other temporary directories.</description>
        </property>
        <property>
             <name>fs.defaultFS</name>
             <value>hdfs://master:9000</value>
        </property>
</configuration>

hdfs-site.xml

修改为如下：

<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:50090</value>
</property>
<property>
             <name>dfs.replication</name>
             <value>3</value>
        </property>
        <property>
             <name>dfs.namenode.name.dir</name>
             <value>file:/usr/local/hadoop/tmp/dfs/name</value>
        </property>
        <property>
             <name>dfs.datanode.data.dir</name>
             <value>file:/usr/local/hadoop/tmp/dfs/data</value>
        </property>
</configuration>

mapred-site.xml

可能需要先重命名，默认文件名为 mapred-site.xml.template；然后修改为如下：

<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>

yarn-site.xml

修改为如下：

<configuration>
<!-- Site specific YARN configuration properties -->
        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>Master</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
</configuration>

2）slave节点上hadoop分布式环境配置

master节点配置好后，将 master 上的 /usr/local/hadoop 文件夹复制到各个slave节点上。

在master节点上执行：

yhh@master:/usr/local/hadoop$ cd ..
yhh@master:/usr/local$ sudo rm -r ./hadoop/tmp      # 删除hadoop临时文件
yhh@master:/usr/local$ sudo rm -r ./hadoop/logs/*   # 删除日志文件
yhh@master:/usr/local$ tar -zcf ~/hadoop.master.tar.gz ./hadoop   # 先压缩再复制
yhh@master:/usr/local$ cd ~
yhh@master:~$ scp ./hadoop.master.tar.gz slave1:/home/yhh
yhh@master:~$ scp ./hadoop.master.tar.gz slave2:/home/yhh

在 slave1 节点上执行：

1
2
3

yhh@slave1:~$sudo rm -r /usr/local/hadoop    # 删掉旧的（如果存在）
yhh@slave1:~$sudo tar -zxf ~/hadoop.master.tar.gz -C /usr/local
yhh@slave1:~$sudo chown -R yhh /usr/local/hadoop  #yhh为你的ubuntun用户名

在 slave2节点上执行：

1
2
3

yhh@slave2:~$sudo rm -r /usr/local/hadoop    # 删掉旧的（如果存在）
yhh@slave2:~$sudo tar -zxf ~/hadoop.master.tar.gz -C /usr/local
yhh@slave2:~$sudo chown -R yhh /usr/local/hadoop  #yhh为你的ubuntun用户名

3）hadoop分布式环境测试

首次运行hadoop需要格式化（在master节点）：

yhh@master:/usr/local/hadoop$ ./bin/hdfs namenode -format

在master节点上启动hadoop。

1
2
3

yhh@master:/usr/local/hadoop$ ./sbin/start-dfs.sh 
yhh@master:/usr/local/hadoop$ ./sbin/start-yarn.sh
yhh@master:/usr/local/hadoop$ ./sbin/mr-jobhistory-daemon.sh start historyserver

查看各个节点所启动的进程：yhh@master:/usr/local/hadoop$ jps

3-2

3-4

3-3

通过命令查看 DataNode 是否正常启动：yhh@master:/usr/local/hadoop$ ./bin/hdfs dfsadmin -report

3-5

通过 Web 页面看到查看 DataNode 和 NameNode 的状态：http://master:50070/

3-6

停止hadoop命令：

1
2
3

yhh@master:/usr/local/hadoop$ ./sbin/stop-yarn.sh
yhh@master:/usr/local/hadoop$ ./sbin/stop-dfs.sh
yhh@master:/usr/local/hadoop$ ./sbin/mr-jobhistory-daemon.sh stop historyserver

4.hadoop分布式实例测试

分布式运行和伪分布式运行步骤类似。

1.数据准备

1）在hdfs下创建存储数据的文件夹（这里创建一个/input）

yhh@master:/usr/local/hadoop$./bin/hdfs dfs -mkdir /input

2）在master节点上，/usr/local下创建一个文件夹（这里随便创个文件夹叫input），在/input下建两个txt文件，输入一些测试用的单词，然后将/usr/local/input下的两个txt文件上传到hdfs下的input文件夹下，作为wordcount例子的输入。

cd /usr/local
mkdir ./input
cd ./input
sudo vim f1.txt
#f1中输入：
hello f1
hello hadoop
hello hdfs
hello mapreduce
hello yarn
sudo vim f2.txt
#f2中输入：
hello f2
hello hadoop
hello hdfs
hello mapreduce
hello yarn

3）上传文件到hdfs下的input文件夹

yhh@master:/usr/local/hadoop$./bin/hdfs dfs -put /usr/local/input/f*.txt /input

2.运行wordcount例子

1 2	yhh@master:/usr/local/hadoop$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input/f*.txt /output

查看输出命令：yhh@master:/usr/local/hadoop$./bin/hdfs dfs -cat /output/*

结果：

4-1

同样可以通过 Web 界面查看任务进度 http://master:8088/cluster，在 Web 界面点击 “Tracking UI” 下的 History ，可以看到任务的运行信息

4-2

4-4