hadoop学习笔记3：分布式搭建及测试

hadoop学习笔记3：集群/分布式搭建及测试

记录一下hadoop集群搭建，使用3个虚拟机做为节点来搭建集群环境，并进行测试。

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(做为主节点) 192.168.0.106 虚拟机2 192.168.0.107 虚拟机3 192.168.0.109

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）：

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：

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

cd ~/.ssh               # 如果没有该目录，先执行一次ssh localhostrm ./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

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）：

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

如下图：

• 在slave1 、slave2节点上进行ssh配置

  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

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：

• slaves

修改为如下：

slave1slave2

• 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/yhhyhh@master:~$ scp ./hadoop.master.tar.gz slave2:/home/yhh

在 slave1 节点上执行：

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/localyhh@slave1:~$sudo chown -R yhh /usr/local/hadoop  #yhh为你的ubuntun用户名

在 slave2节点上执行：

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/localyhh@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。

yhh@master:/usr/local/hadoop$ ./sbin/start-dfs.sh yhh@master:/usr/local/hadoop$ ./sbin/start-yarn.shyhh@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

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

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

停止hadoop命令：

yhh@master:/usr/local/hadoop$ ./sbin/stop-yarn.shyhh@master:/usr/local/hadoop$ ./sbin/stop-dfs.shyhh@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/localmkdir ./inputcd ./inputsudo vim f1.txt#f1中输入：hello f1hello hadoophello hdfshello mapreducehello yarnsudo vim f2.txt#f2中输入：hello f2hello hadoophello hdfshello mapreducehello 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

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：

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