Hadoop 基礎之搭建環境

ikroal發表於2019-05-05

前言

本文主要介紹了 Hadoop 的三種執行模式以及配置的方式。

執行模式

Hadoop 的執行模式分為三種：

Standalone（本地模式/單機模式/local模式）

該模式下沒有任何守護程式，使用者程式和 Hadoop 程式執行在同一個 Java 程式，使用的檔案系統是本地檔案系統而不是分散式檔案系統，此模式下一般用於本地除錯。
Pseudo-Distributed（偽叢集模式）

在單機上模擬叢集模式，各守護程式執行在單獨的 Java 程式當中，使用的檔案系統是 HDFS
Fully-Distributed（叢集模式）

守護程式執行在叢集上，使用的檔案系統也是 HDFS

配置過程

本次配置基於 Hadoop2.9.2，其中 Standalone 在 CentOS 7.2 系統下進行配置， Pseudo-Distributed 模式在 MacOS 10.14.4 上進行配置，Fully-Distributed 模式在騰訊雲主機上進行配置，叢集由兩臺雲主機組成，分別執行 Ubuntu 14.04.1 和 CentOS 7.2 系統。

環境準備

Java 7/8

Hadoop 2.7.x to 2.x 支援 Java 7/8，其它 Hadoop 版本支援的 Java 版本請點選 ? 進行查詢

下載：

sudo yum install java-1.8.0-openjdk-devel //centos 安裝 Java8，ubuntu 下需要用 apt-get 進行安裝
複製程式碼

配置環境變數：

cd ~
vi .bash_profile
export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk.i386
source .bash_profile
複製程式碼

ssh 和 rsync: 用 ssh 和 rsync 命令測試後發現 Centos 本身就有，所以無須進行安裝。
Hadoop
```
sudo wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
tar -zxvf hadoop-2.9.2.tar.gz
複製程式碼
```
這裡的下載地址最好根據雲主機所在的區域進行選擇，如果是國內的雲主機最好使用國內的映象地址，這樣下載會快很多。

Standalone 模式

下載解壓之後的 Hadoop 預設就是 Standalone 模式，可直接執行 wordcount 進行測試

mkdir input //hadoop 的同級目錄建立
cp hadoop-2.9.2/LICENSE.txt input/

hadoop-2.9.2/bin/hadoop jar  hadoop-2.9.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount input output //執行 wordcount
cat output/part-r-00000 //檢視結果
複製程式碼

同時再開一個終端在作業執行的時候輸入 jps 檢視程式

可以看到 Standalone 模式下 Hadoop 只會啟動 RunJar 程式來執行整個作業

Pseudo-Distributed 模式

修改 etc/hadoop/core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>  <!--配置訪問 nameNode 的 URI-->
        <value>hdfs://localhost:9000</value>
    </property>
  
    <property>
        <name>hadoop.tmp.dir</name> <!--指定臨時目錄，MapReduce 和 HDFS 的許多路徑配置依賴此路徑-->
        <value>/home/hadoop/tmp</value>
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name> <!--配置檔案的副本數量-->
        <value>1</value>
    </property>
  
    <property>
        <name>dfs.permissions</name>
        <value>false</value>    <!--關閉防火牆-->
    </property>
</configuration>
複製程式碼

配置免密登入

ssh localhost 測試能否免密登入（如果能夠則跳過以下操作）
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys
複製程式碼

修改 etc/hadoop/hadoop-env.sh（如果提示找不到 JAVA_HOME）

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk.i386 //上面配置的 JAVA_HOME 好像沒起作用
複製程式碼

格式化 HDFS

bin/hdfs namenode -format
複製程式碼

啟動 HDFS
```
sbin/start-dfs.sh
複製程式碼
```
啟動後輸入 jps 看到以下程式即成功，這個時候可以通過 http://localhost:50070/ 訪問 NameNode

執行 wordcount

bin/hdfs dfs -mkdir /user
bin/hdfs dfs -mkdir /user/<username>
bin/hdfs dfs -mkdir /user/<username>/input
bin/hdfs dfs -put LICENSE.txt /user/<username>/input //建立資料夾並上傳檔案
bin/hadoop jar  share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount input output //執行 wordcount
bin/hdfs dfs -cat output/part-r-00000 //顯示結果
複製程式碼

在另一終端輸入 jps 可以看到執行時的以下程式

依舊是用 RunJar 提交，只是讀取和寫入採用了 HDFS。

通過 YARN 執行 Job（可選配置，不過為了更接近真實叢集還是建議配置）

修改 etc/hadoop/mapred-site.xml

cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
vi etc/hadoop/mapred-site.xml
複製程式碼

增加以下內容

<configuration>
    <property>
        <name>mapreduce.framework.name</name> <!--表明執行在 YARN 上-->
        <value>yarn</value>
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/yarn-site.xml

<configuration>
   <property>
        <name>yarn.resourcemanager.hostname</name><!--設定resourcemanager的hostname-->
        <value>localhost</value>
   </property>
  
   <property>
        <name>yarn.nodemanager.aux-services</name> <!--指定 nodemanager 獲取資料的方式--> 
        <value>mapreduce_shuffle</value>
   </property>
</configuration>
複製程式碼

啟動 YARN
```
sbin/start-yarn.sh
複製程式碼
```
啟動成功後可以通過 http://localhost:8088/ 訪問 ResourceManager 節點，並且輸入 jps 會顯示以下程式

其中 ResourceManager 和 NodeManager 是屬於 YARN 的程式。
重複 7 的操作，輸入 jps 查詢程式

可以看到新增加了 YarnChild 程式和 MRAppMaster 程式，之所以有兩個 YarnChild 程式是因為輸入資料夾中存在兩個文字檔案，這說明了 MapReduce 是通過建立多個程式並行計算的。

Fully-Distributed 模式

叢集包括兩個節點，節點名分別為 master 和 slave，master 和 slave 的節點配置過程基本一致，以下是配置過程（兩個節點差異配置會進行註明，建議先配置好 master 節點的 Hadoop，然後用 scp 命令複製到 slave 節點進行修改。）：

修改 /etc/hosts

152.136.76.12 master //騰訊雲公網ip
94.191.43.137 slave
複製程式碼

免密登入（⚠️兩個節點的登入名必須一致，這裡都為 root）

master 節點配置本機免密登入以及移動公鑰到子節點
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys
scp ~/.ssh/id_rsa.pub root@slave:~/

slave 節點配置 master 節點免密登入
cat ~/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 600  ~/.ssh/authorized_keys
複製程式碼

修改 etc/hadoop/core-site.xml

<configuration>
    <property>
        <name>fs.defaultFS</name>  <!--配置訪問 nameNode 的 URI-->
        <value>hdfs://localhost:9000</value>
    </property>
  
    <property>
        <name>hadoop.tmp.dir</name> <!--指定臨時目錄，MapReduce 和 HDFS 的許多路徑配置依賴此路徑-->
        <value>/home/hadoop/tmp</value>
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/hdfs-site.xml

<configuration>
    <property>
        <name>dfs.replication</name> <!--配置檔案的副本數量-->
        <value>1</value>
    </property>
  
    <property>
        <name>dfs.permissions</name>
        <value>false</value>    <!--關閉防火牆-->
    </property>
  
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>slave:50090</value> 	<!-- 指定secondarynamenode位置 -->
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name> <!--表明執行在 YARN 上-->
        <value>yarn</value>
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/yarn-site.xml

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name><!--設定resourcemanager的hostname-->
        <value>master</value>
    </property>
  
    <property>
        <name>yarn.nodemanager.aux-services</name> <!--指定 nodemanager 獲取資料的方式--> 
        <value>mapreduce_shuffle</value>
    </property>
</configuration>
複製程式碼

修改 etc/hadoop/hadoop-env.sh

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk.i386 //master 和 slave 填入各自路徑
export HADOOP_LOG_DIR=/root/hadoop/hadoop-2.9.2/logs //可以自己選定
複製程式碼

修改 etc/hadoop/mapred-env.sh

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk.i386
複製程式碼

修改 etc/hadoop/yarn-env.sh

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk.i386 
export YARN_LOG_DIR=/root/hadoop/hadoop-2.9.2/logs
複製程式碼

修改 etc/hadoop/slaves
```
master
slave
複製程式碼
```
啟動 HDFS 和 YARN
```
bin/hdfs namenode -format //首次執行時格式化
sbin/start-dfs.sh
sbin/start-yarn.sh
複製程式碼
```
在 master 和 slave 節點分別輸入 jps 後有

此時可以通過 http://152.136.76.12:8080 (ip 為 master 的公網 ip) 以及 http://152.136.76.12:50070 分別訪問 HDFS 的 web 介面和 YARN 的 web 介面，可以看到 HDFS 下有一個 slave 節點，YARN 下有兩個節點

執行 wordcount（與偽分散式中一致）

bin/hdfs dfs -mkdir /user
bin/hdfs dfs -mkdir /user/<username>
bin/hdfs dfs -mkdir /user/<username>/input
bin/hdfs dfs -put LICENSE.txt /user/<username>/input 
bin/hadoop jar  share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount input output
bin/hdfs dfs -cat output/part-r-00000
複製程式碼

繼續用 jps 檢視兩臺主機的程式

可以看到叢集模式中的程式與偽叢集模式中的程式沒有區別，唯一的區別在於程式在不同的主機上執行。

錯誤

這裡主要記錄配置過程中遇到的一部分錯誤

Container exited with a non-zero exit code 1. Error file: prelaunch.err.

該錯誤是在騰訊雲主機上配置的偽叢集模式執行 wordcount 時出現的，嘗試了網上的一些辦法都沒有解決。最後採用自己電腦配置再執行一遍成功，可能是因為雲主機的配置問題。
在 YARN 上執行 Java.net.ConnectException: Connection refused

可能是防火牆的原因，根據 ? 中的提示解決
無法外網訪問VM中的 Hadoop YARN 的8088埠

無法通過雲主機 ip:8088 訪問 YARN 的 Web 頁面時，不妨通過 netstat -nlp | grep java 檢視當前提供 web 服務的埠，如果 ip 是 127.0.0.1 證明存在問題，需要修改 hosts，具體過程見 ?。
slave: bash: line 0: cd: /root/hadoop/hadoop-2.9.2: No such file or directory

配置叢集模式時出現，主要原因是手動配置 slave 時 Hadoop 存放路徑與 master 不一致，只需要將 slave 的 Hadoop 放在與 master 的同一路徑下即可解決。

Thanks

畫江湖之 docker 篇【lnmp 環境基礎搭建】
2019-04-05
DockerLNMP
畫江湖之 docker 篇 [lnmp 環境基礎搭建]
2019-04-05
DockerLNMP
Hadoop入門（一）之Hadoop偽分散式環境搭建
2018-09-04
Hadoop分散式
Hadoop叢集之 ZooKeeper和Hbase環境搭建
2018-05-28
Hadoop
Go基礎系列：2. 環境搭建
2021-09-10
Go
React基礎——快速搭建開發環境
2018-04-01
React開發環境
PHP基礎教程-03 搭建PHP環境
2017-07-27
PHP
Hadoop2.7.5環境搭建
2018-10-09
Hadoop
Hadoop+hive環境搭建
2018-09-05
HadoopHive
搭建Hadoop開發環境
2017-09-07
Hadoop開發環境
hadoop叢集環境搭建
2013-06-23
Hadoop
flutter 基礎系列（一）—— 環境搭建執行
2019-09-27
Flutter
Python基礎：搭建開發環境（1）
2018-12-22
Python開發環境
[零基礎學IoT Pwn] 環境搭建
2022-06-30
PHP基礎教程-02 搭建環境準備
2017-07-26
PHP
PHP基礎教程-04 開發環境搭建
2017-07-28
PHP開發環境
搭建本地執行Hadoop環境
2018-11-01
Hadoop
hadoop完全分散式環境搭建
2020-10-24
Hadoop分散式
hadoop的單機環境搭建
2016-11-18
Hadoop
HADOOP SPARK 叢集環境搭建
2016-08-24
HadoopSpark
Hadoop 系列（四）—— Hadoop 開發環境搭建
2019-08-07
Hadoop開發環境
Windows下hadoop環境搭建之NameNode啟動報錯
2023-05-16
WindowsHadoop
大資料學習之--hadoop2.7.3環境搭建
2017-01-25
大資料Hadoop
Spring 框架基礎(01)：核心元件總結，基礎環境搭建
2020-02-29
Spring框架元件
flutter開發系列（搭建基礎的flutter環境）
2021-03-24
Flutter
day03-搭建微服務基礎環境02
2023-04-04
微服務
Maven基礎：Maven環境搭建及基本使用（1）
2017-06-25
Maven
[hadoop]hadoop2.6完全分散式環境搭建
2015-01-28
Hadoop分散式
mac搭建hadoop開發環境（二）
2020-09-23
MacHadoop開發環境
hadoop 2.8.5偽分散式環境搭建
2015-01-08
Hadoop分散式
hadoop 2.8.5完全分散式環境搭建
2015-03-09
Hadoop分散式
豬行天下之Python基礎——1.1 Python開發環境搭建
2019-03-30
Python開發環境
[基礎篇]ESP8266-SDK教程(一)之開發環境搭建
2018-12-09
開發環境
雲端計算管理平臺之OpenStack簡介及基礎環境搭建
2020-10-27
最詳細的JavaWeb開發基礎之java環境搭建(Mac版)
2018-05-14
JavaWebMac
最詳細的JavaWeb開發基礎之java環境搭建(Windows版)
2018-05-12
JavaWebWindows
java基礎環境
2007-10-22
Java
Ubuntu14下Hadoop開發基礎環境安裝
2014-05-01
UbuntuHadoop