Hadoop分布式集群搭建hadoop2.6+Ubuntu16.04

前段时间搭建Hadoop分布式集群，踩了很多坑，网上不少资料都写得不够详细，对于新手来讲搭建起来会遇到不少问题。如下是本身根据搭建Hadoop分布式集群的经验但愿给新手一些帮助。固然，建议先把HDFS和MapReduce理论原理看懂了再来搭建，会流畅不少。

 

准备阶段：

系统：Ubuntu Linux16.04  64位 （下载地址：https://www.ubuntu.com/download/desktop）

安装好Ubuntu以后，若是以前没有安装过jdk，须要先安装jdk。这里安装jdk的版本是：jdk1.8.0_144  (下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html) 这里就不展开安装说明，安装jdk很简单，这里自行百度吧。

建议Ubuntu下载64位，由于Hadoop2.5.0以后的版本里面的库都是64位的，32位的Linux系统里面每次运行Hadoop都会报警告。

如今准备好了一台安装了java的Ubuntu虚拟机，别忘了搭建Hadoop集群至少须要三台Ubuntu虚拟机。

最简单的办法就是 使用VMware自带的克隆的办法，克隆出三台如出一辙的虚拟机。

具体操做参见地址 （https://jingyan.baidu.com/article/6b97984d9798f11ca2b0bfcd.html）

准备好了三台Ubuntu Linux虚拟机，接下来就开始搭建集群。

 

先总的看一下全部的步骤：

1、配置hosts文件

2、创建hadoop运行账号

3、配置ssh免密码连入

4、下载并解压hadoop安装包

5、配置 /etc/hadoop目录下的几个文件及 /etc/profile

6、格式化namenode并启动集群 

 

接下来根据步骤开始搭建：

1、配置hosts文件

以上准备了三台虚拟机，可是虚拟机的主机名也是同样的，须要现对虚拟机主机名进行修改，来进行区分一个主节点和两个从节点。

修改主机名命令：

显示的master就是主机名，我这里已经修改好了，能够把三台虚拟机分别命名 主节点：master 从节点1：node1 从节点2：node2

 

修改好了，保存便可。

接下来，分别查看三台虚拟机的ip地址，命令以下：

inet addr就是这台虚拟机的ip地址。

接下来打开hosts文件 进行修改：

将三台虚拟机的ip地址和主机名加在里面，其它的不用动它。

三台虚拟机都要修改hosts文件。简单的说配置hosts后三台虚拟机就能够进行通讯了，能够互相ping一下试试，是能够ping通的。

 

2、创建hadoop运行账号

解释一下这一步骤，就是创建一个group组，而后在三台虚拟机上从新创建新的用户，将这三个用户都加入到这个group中。

如下操做三台虚拟机都要进行相同操做：

 首先添加一个叫hadoop用户组进来

添加名叫hduser的用户，并添加到hadoop组中。

 

接着输入如下指令而后输入两次密码

 

而后赋予hduser用户admin权限

接下来的操做 切换到刚刚新建的用户进行

 

3、配置ssh免密码连入

开始配置ssh以前，先确保三台机器都装了ssh。

输入如下命令查看安装的ssh。

若是缺乏了opensh-server，须要进行安装。

安装完毕以后开始配置ssh

接下来的这第三个步骤的操做请注意是在哪台主机上进行，不是在三台上同时进行。

（1）下面的操做在master机上操做

首先在master机上输入如下命令，生成master机的一对公钥和私钥：

 

如下命令进入认证目录能够看到，  id_rsa 和 id_rsa.pub这两个文件，就是咱们刚刚生成的公钥和私钥。

 

而后，下面的命令将公钥加入到已认证的key中：

再次进入生成目录，能够看到多出authorized_keys这个文件：

 

而后输入ssh localhost 登陆本机命令，第一次提示输入密码，输入exit退出，再次输入ssh localhost不用输入密码就能够登陆本机成功，则本机ssh免密码登陆已经成功。

 

到这里是否是已经对ssh免密码登陆有了认识，不要着急，开始配置node1和node2节点的ssh免密码登陆，目的是让master主机能够不用密码登陆到node1和node2主机。

（2）这一步分别在node1和node2主机上操做：

将master主机上的is_dsa.pub复制到node1主机上，命名为node1_dsa.pub。node2主机进行一样的操做。

 

将从master获得的密钥加入到认证，node2主机进行一样的操做。

而后开始验证是否是已经能够进行ssh免密码登陆。

（3）在master机上进行验证

一样第一次须要密码，以后exit退出，再ssh node1就不须要密码登陆成功，说明ssh免密码登陆配置成功！

 

若是失败了，多是前面的认证没有认证好，能够将.ssh目录下的密钥都删了从新生成和配置一遍。或者检查下hosts文件ip地址写的对不对。

 

4、下载并解压hadoop安装包

版本：Hadoop2.6.0  （下载地址：http://mirrors.hust.edu.cn/apache/hadoop/common/）

建议初学者选择2.6.0或者2.7.0版本就能够了，并且若是后面要配置Eclipse开发环境的话，这两个版本的插件很容易找到，不用本身去编译。

话很少说，将hadoop压缩包，解压到一个文件夹里面，我这里解压到了home文件夹，并修改文件夹名为hadoop2.6。所在的目录就是/home/hduser/hadoop2.6

 三台主机都要解压到相应位置

 

5、配置 /etc/hadoop目录下的几个文件及 /etc/profile

主要有这5个文件须要修改：

~/etc/hadoop/hadoop-env.sh

~/etc/hadoop/core-site.xml

~/etc/hadoop/hdfs-site.xml

~/etc/hadoop/mapred-site.xml

~/etc/hadoop/slaves

/etc/profile

三台机都要进行这些操做，能够先在一台主机上修改，修改完了复制到其它主机就能够了。

 首先是hadoop-env.sh ,添加java安装的地址，保存退出便可。

而后core-site.cml

解释下：第一个fs.default.name设置master机为namenode   第二个hadoop.tmp.dir配置Hadoop的一个临时目录，用来存放每次运行的做业jpb的信息。

 

接下来hdfs-site.xml的修改：

解释下：dfs.name.dir是namenode存储永久性的元数据的目录列表。这个目录会建立在master机上。dfs.data.dir是datanode存放数据块的目录列表，这个目录在node1和node2机都会建立。 dfs.replication 设置文件副本数，这里两个datanode，因此设置副本数为2。

接下来mapred-site.xml的修改：

 

解释下：这里设置的是运行jobtracker的服务器主机名和端口，也就是做业将在master主机的9001端口执行。

 接下来修改slaves文件

这里将两台从主机的主机名node1和node2加进去就能够了。

 最后修改profile文件 ，以下进入profile:

将这几个路径添加到末尾：

修改完让它生效：

 

 检查下是否能够看到hadoop版本信息

显示出了版本信息，若是没有显示出来，回过去检查 profile路径是否填写错误。

 

6、格式化namenode并启动集群 

接下来须要格式化namenode，注意只须要在 master主机上进行格式化。格式化命令以下：

 

看到successful表示格式化成功。

接下来启动集群：

启动完毕，检查下启动状况： master主机看到四个开启的进程，node1和node2看到三个开启的进程表示启动成功。

 

若是有疑问或疏漏的地方，欢迎你们指出和讨论哈哈！！！