【Hadoop】大数据开发环境配置

原创

chaoql 2023-06-20 09:52:06 博主文章分类：Hadoop ©著作权

文章标签 hadoop 大数据分布式 HDFS JAVA 文章分类 JavaScript 前端开发

©著作权归作者所有：来自51CTO博客作者chaoql的原创作品，请联系作者获取转载授权，否则将追究法律责任

【Hadoop】大数据开发环境配置

文章目录

【Hadoop】大数据开发环境配置

1 设置静态ip
2 设置主机名
3 关闭防火墙
4 ssh免密码登录
5 JDK配置
6 hadoop安装并配置

6.1 集群节点之间时间同步
6.2 SSH免密码登录完善
6.3 hadoop配置

1 设置静态ip

进入ifcfg-ens33文件

vi /etc/sysconfig/network-scripts/ifcfg-ens33

先修改BOOTPROTO参数，将之前的dhcp改为static；

BOOTPROTO="static"

IPADDR中192.168.152是取自虚拟机中虚拟网络编辑器中子网地址的值，最后的100是自定义的，这个值可以取3~254之间的任意一个数值；

IPADDR=192.168.152.100

GATEWAY和DNS1设置为网关IP；

GATEWAY=192.168.152.2 
DNS1=192.168.152.2

2 设置主机名

先设置临时主机名

[root@bigdata01 ~]# hostname bigdata01

设置永久主机名并生效

[root@bigdata01 ~]# vi /etc/hostname 
bigdata01
[root@bigdata01 ~]# source /etc/hostname

验证主机名

[root@bigdata01 ~]# hostname 
bigdata01

3 关闭防火墙

因为在后面我们会使用到多台机器，如果不关闭防火墙，会遇到机器之间无法通信的场景。

临时关闭

[root@bigdata01 ~]# systemctl stop firewalld

永久关闭

[root@bigdata01 ~]# systemctl disable firewalld

验证防火墙状态

[root@bigdata01 ~]# systemctl list-unit-files | grep firewalld 
firewalld.service 							disabled

4 ssh免密码登录

hadoop集群就会使用到ssh，我们在启动集群的时候只需要在一台机器上启动就行，然后hadoop会通过ssh连到其它机器，把其它机器上面对应的程序也启动起来，为了不用每次输入密码，所以现在需要实现ssh免密码登录。

生成密钥

过程中连按四次回车不输入任何字符，执行以后会在~/.ssh目录下生产对应的公钥和秘钥文件。

[root@bigdata01 ~]# ssh-keygen -t rsa
[root@bigdata01 ~]# ll ~/.ssh/

把公钥拷贝到需要免密码登录的机器上面

[root@bigdata01 ~]# cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

验证免密登录

[root@bigdata01 ~]# ssh bigdata01
Last login: Tue Apr 7 15:05:55 2020 from 192.168.182.1

5 JDK配置

下载JDK安装包并传输到预安装目录（以/data/soft路径为例）

JDK下载地址：https://www.oracle.com/java/technologies/downloads/

[root@bigdata01 ~]# mkdir -p /data/soft
[root@bigdata01 soft]# ll
total 189496 -rw-r--r--. 1 root root 194042837 Apr 6 23:14 jdk-8u202-linux-x64.tar.gz

解压安装包

[root@bigdata01 soft]# tar -zxvf jdk-8u202-linux-x64.tar.gz

配置环境变量

在/etc/profile文件末尾添加如下代码。

[root@bigdata01 soft]# vi /etc/profile
.....
export JAVA_HOME=/data/soft/jdk1.8 
export PATH=.:$JAVA_HOME/bin:$PATH

[root@bigdata01 soft]# source /etc/profile

验证

[root@bigdata01 soft]# java -version 
java version "1.8.0_202"
Java(TM) SE Runtime Environment (build 1.8.0_202-b08)
Java HotSpot(TM) 64-Bit Server VM (build 25.202-b08, mixed mode)

6 hadoop安装并配置

这篇博客中配置的环境包含三个虚拟机节点：
192.168.152.100 bigdata01
192.168.152.101 bigdata02
192.168.152.102 bigdata03
其中bigdata01作为主节点（namenode），bigdata02和bigdata03作为从节点（datanode）。

6.1 集群节点之间时间同步

集群只要涉及到多个节点的就需要对这些节点做时间同步，如果节点之间时间不同步相差太多，会应该集群的稳定性，甚至导致集群出问题。使用ntpdate -u ntp.sjtu.edu.cn可以实现时间同步，但是执行的时候若提示不存在ntpdate命令则执行yum install -y ntpdate下载。我们将该命令添加到linux的crontab定时器中，使其每分钟同步一次时间：执行crontab -e命令后，写入* * * * * /usr/sbin/ntpdate -u ntp.sjtu.edu.cn即可。将上述操作在三个虚拟机中都执行一遍

[root@bigdata01 hadoop-3.3.5]# systemctl status crond
● crond.service - Command Scheduler
   Loaded: loaded (/usr/lib/systemd/system/crond.service; enabled; vendor preset: enabled)
   Active: active (running) since Thu 2023-06-15 09:47:16 CST; 12h ago
 Main PID: 6559 (crond)
   CGroup: /system.slice/crond.service
           └─6559 /usr/sbin/crond -n

Jun 15 09:47:16 bigdata01 systemd[1]: Started Command Scheduler.
Jun 15 09:47:16 bigdata01 crond[6559]: (CRON) INFO (RANDOM_DELAY will be scaled with factor 34% if used.)
Jun 15 09:47:17 bigdata01 crond[6559]: (CRON) INFO (running with inotify support)
[root@bigdata01 hadoop-3.3.5]# crontab -l
no crontab for root
[root@bigdata01 hadoop-3.3.5]# crontab -e
no crontab for root - using an empty one
crontab: installing new crontab
[root@bigdata01 hadoop-3.3.5]# crontab -l
* * * * * /usr/sbin/ntpdate -u ntp.sjtu.edu.cn

6.2 SSH免密码登录完善

之前配置的免密码登录，只实现了自己免密码登录自己，最终需要实现主节点可以免密码登录到所有节点，所以还需要完善免密码登录操作。将公钥信息从主节点拷贝到两个从节点即可。

在bigdata01中执行：

[root@bigdata01 ~]# scp ~/.ssh/authorized_keys bigdata02:~/
[root@bigdata01 ~]# scp ~/.ssh/authorized_keys bigdata03:~/

在bigdata02中执行：

[root@bigdata02 ~]# cat ~/authorized_keys >> ~/.ssh/authorized_keys

在bigdata03中执行：

[root@bigdata03 ~]# cat ~/authorized_keys >> ~/.ssh/authorized_keys

在bigdata01节点验证效果：

[root@bigdata01 ~]# ssh bigdata02 Last login: Tue Apr 7 21:33:58 2020 from bigdata01 
[root@bigdata02 ~]# exit
logout 
Connection to bigdata02 closed. 
[root@bigdata01 ~]# ssh bigdata03 Last login: Tue Apr 7 21:17:30 2020 from 192.168.182.1 
[root@bigdata03 ~]# exit 
logout 
Connection to bigdata03 closed.

6.3 hadoop配置

在bigdata01虚拟机中，把hadoop的安装包上传到预安装目录（以/data/soft路径为例）

[root@bigdata01 soft]# ll
total 527024
-rw-r--r--. 1 root root 345625475 Jul 19 2019 hadoop-3.2.0.tar.gz
drwxr-xr-x. 7 10 143 245 Dec 16 2018 jdk1.8
-rw-r--r--. 1 root root 194042837 Apr 6 23:14 jdk-8u202-linux-x64.tar.gz

在bigdata01虚拟机中，解压hadoop安装包

hadoop目录下面有两个重要的目录，一个是bin目录，一个是sbin目录
bin目录：存放hdfs，yarn等脚本，后期用于操作hadoop集群中的hdfs和yarn组件；
sbin目录：存放以start和stop开头的脚本，负责启动或者停止集群中的组件。

[root@bigdata01 soft]# tar -zxvf hadoop-3.2.0.tar.gz

在bigdata01、bigdata02、bigdata03虚拟机中，分别配置环境变量

其中JAVA_HOME等相关配置是前文配置的JAVA环境变量，因此记得在三个节点也都安装java。

[root@bigdata01 hadoop-3.2.0]# vi /etc/profile
....... 
export JAVA_HOME=/data/soft/jdk1.8 
export HADOOP_HOME=/data/soft/hadoop-3.2.0
export PATH=.:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH
[root@bigdata01 hadoop-3.2.0]# source /etc/profile

在bigdata01虚拟机中，修改Hadoop相关配置文件

进入配置文件所在目录（etc/hadoop/）

[root@bigdata01 hadoop-3.2.0]# cd etc/hadoop/ 
[root@bigdata01 hadoop]#

修改hadoop-env.sh文件

JAVA_HOME：指定java的安装位置
HADOOP_LOG_DIR：hadoop的日志的存放目录

...
export JAVA_HOME=/data/soft/jdk1.8
export HADOOP_LOG_DIR=/data/hadoop_repo/logs/hadoop

修改 core-site.xml 文件

注意 fs.defaultFS 属性中的主机名需要和你配置的主机名保持一致

<configuration> 
	<property> 
		<name>fs.defaultFS</name>
		<value>hdfs://bigdata01:9000</value> 
	</property> 
	<property> 
		<name>hadoop.tmp.dir</name>
		<value>/data/hadoop_repo</value> 
	</property> 
</configuration>

修改hdfs-site.xml文件

把hdfs中文件副本的数量设置为2，因为现在分布集群中有两个从节点

<configuration> 
	<property>
		<name>dfs.replication</name>
		<value>2</value> 
	</property> 
</configuration>

修改mapred-site.xml文件

设置mapreduce使用的资源调度框架

<configuration> 
	<property>
		<name>mapreduce.framework.name</name> 
		<value>yarn</value> 
	</property>
</configuration>

修改yarn-site.xml文件

设置yarn上支持运行的服务和环境变量白名单，针对分布式集群在这个配置文件中还需要设置resourcemanager的hostname，否则nodemanager找不到resourcemanager节点。

<configuration>
    <property>
	    <name>yarn.nodemanager.aux-services</name>
    	<value>mapreduce_shuffle</value>
  </property>
  <property>
  		<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
  </property>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>bigdata01</value>
  </property>
</configuration>

修改workers文件

设置集群中从节点的主机名信息

bigdata02
bigdata03

修改start-dfs.sh和stop-dfs.sh文件，将如下代码增添到该文件前面：

[root@bigdata01 hadoop-3.2.0]# cd sbin/ 
[root@bigdata01 sbin]# vi start-dfs.sh 
HDFS_DATANODE_USER=root 
HDFS_DATANODE_SECURE_USER=hdfs 
HDFS_NAMENODE_USER=root 
HDFS_SECONDARYNAMENODE_USER=root
[root@bigdata01 sbin]# vi stop-dfs.sh 
HDFS_DATANODE_USER=root 
HDFS_DATANODE_SECURE_USER=hdfs 
HDFS_NAMENODE_USER=root 
HDFS_SECONDARYNAMENODE_USER=root

修改start-yarn.sh和stop-yarn.sh文件，将如下代码增添到该文件前面：

[root@bigdata01 sbin]# vi start-yarn.sh
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root
[root@bigdata01 sbin]# vi stop-yarn.sh
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

把bigdata01节点上将修改好配置的安装包拷贝到其他两个从节点

[root@bigdata01 sbin]# cd /data/soft/
[root@bigdata01 soft]# scp -rq hadoop-3.2.0 bigdata02:/data/soft/ 
[root@bigdata01 soft]# scp -rq hadoop-3.2.0 bigdata03:/data/soft/

仅在bigdata01中，格式化HDFS

如果能看到successfully formatted这条信息就说明格式化成功了。如果提示错误，一般都是因为配置文件的问题，当然需要根据具体的报错信息去分析问题。
注意：格式化操作只能执行一次，如果格式化的时候失败了，可以修改配置文件后再执行格式化，如果格式化成功了就不能再重复执行了，否则集群就会出现问题。如果确实需要重复执行，那么需要把/data/hadoop_repo目录中的内容全部删除，再执行格式化。

[root@bigdata01 soft]# cd /data/soft/hadoop-3.2.0 
[root@bigdata01 hadoop-3.2.0]# bin/hdfs namenode -format

启动集群，在bigdata01节点上执行下面命令

[root@bigdata01 hadoop-3.3.5]# sbin/start-all.sh
Starting namenodes on [bigdata01]
Last login: Thu Jun 15 22:10:23 CST 2023 on pts/0
Starting datanodes
Last login: Thu Jun 15 23:31:46 CST 2023 on pts/0
bigdata02: WARNING: /data/hadoop_repo/logs/hadoop does not exist. Creating.
bigdata03: WARNING: /data/hadoop_repo/logs/hadoop does not exist. Creating.
Starting secondary namenodes [bigdata01]
Last login: Thu Jun 15 23:31:50 CST 2023 on pts/0
Starting resourcemanager
Last login: Thu Jun 15 23:31:54 CST 2023 on pts/0
Starting nodemanagers
Last login: Thu Jun 15 23:32:01 CST 2023 on pts/0
You have new mail in /var/spool/mail/root

验证集群

分别在3台机器上执行jps命令

[root@bigdata01 hadoop-3.3.5]# jps
26115 SecondaryNameNode
25812 NameNode
26372 ResourceManager
26716 Jps

[root@bigdata02 soft]# jps
17120 NodeManager
17251 Jps
17022 DataNode

[root@bigdata03 ~]# jps
9556 Jps
9401 NodeManager
9294 DataNode

停止集群

[root@bigdata01 hadoop-3.3.5]# sbin/stop-all.sh
Stopping namenodes on [bigdata01]
Last login: Thu Jun 15 23:32:04 CST 2023 on pts/0
Stopping datanodes
Last login: Thu Jun 15 23:38:39 CST 2023 on pts/0
Stopping secondary namenodes [bigdata01]
Last login: Thu Jun 15 23:38:41 CST 2023 on pts/0
Stopping nodemanagers
Last login: Thu Jun 15 23:38:43 CST 2023 on pts/0
Stopping resourcemanager
Last login: Thu Jun 15 23:38:47 CST 2023 on pts/0

至此，Hadoop大数据开发环境配置完毕！