分布式平台搭建

• acmore
• 2018.6.17

1. 搭建Hadoop

以下操作皆基于Ubuntu 16.04 32位环境 & Hadoop 2.7.3版本

1.1 单节点环境

• 首先安装相关的准备环境

  $ sudo apt update
  $ sudo apt install -y default-jdk
  $ sudo apt install -y vim
  $ sudo apt install -y openssh-server

• 配置JAVA_HOME
  • 一般来说Ubuntu平台上通过default-jdk安装的java位置在/usr/lib/jvm/default-jdk目录

  • 在/etc/profile中添加下边两行内容并保存退出

    export JAVA_HOME=/usr/lib/jvm/default-java
    export PATH=$PATH:$JAVA_HOME/bin

• 添加用户和用户组

  $ sudo addgroup hadoop
  $ sudo adduser --ingroup hadoop hduser
  $ sudo usermod -a -G sudo hduser

• 配置ssh

  • 切换到hduser，并执行以下操作

    $ ssh-keygen -t rsa -P ""
    $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

  • 之后尝试使用下边的命令连接本机，这个操作也会将本机加入到known hosts里

    $ ssh localhost

• 安装Hadoop

  • 下载hadoop-2.7.3.tar.gz，以下假定工作目录为/home/hduser

    $ tar -zxvf hadoop-2.7.3.tar.gz
    $ mv hadoop-2.7.3/ hadoop/
    $ sudo chown -R hduser:hadoop hadoop

• 编辑bash配置

  • 打开.bashrc，加入以下内容（也可以修改/etc/profile，但是使用.bashrc更加灵活）

    export JAVA_HOME=/usr/lib/jvm/default-java
    export HADOOP_HOME=/home/hduser/hadoop
    export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

• 配置Hadoop（不同版本的hadoop的配置方案会有不同，配置之前记得要确定版本）

  • 修改~/hadoop/etc/hadoop/hadoop-env.sh，在文件中添加下边的内容

    export JAVA_HOME=/usr/lib/jvm/default-java

  • 修改~/hadoop/etc/hadoop/yarn-env.sh，在文件中添加下边的内容

    export JAVA_HOME=/usr/lib/jvm/default-java

  • 修改~/hadoop/etc/hadoop/core-site.xml

    • 执行以下命令

      $ sudo mkdir -p /home/hduser/tmp
      $ sudo chown hduser:hadoop /home/hduser/tmp
      $ sudo chmod 750 /home/hduser/tmp

    • 在core-site.xml添加以下内容（各个属性的内容可以按照实际情况修改）

      <configuration>
      <property>
          <name>fs.defaultFS</name>
          <value>hdfs://master:9000</value>
      </property>
      <property>
          <name>io.file.buffer.size</name>
          <value>131072</value>
      </property>
         <property>
          <name>hadoop.tmp.dir</name>
          <value>file:/home/hduser/tmp</value>
          <description>Abase for other temporary directories.</description>
      </property>
      <property>
          <name>hadoop.proxyuser.hduser.hosts</name>
         <value>*</value>
      </property>
      <property>
          <name>hadoop.proxyuser.hduser.groups</name>
          <value>*</value>
      </property>
      </configuration>

  • 修改~/hadoop/etc/hadoop/hdfs-site.xml，添加以下内容（各个属性的内容可以按照实际情况修改）

    • 执行以下命令

      $ sudo mkdir -p /home/hduser/dfs/name
      $ sudo chown hduser:hadoop /home/hduser/dfs/name
      $ sudo chmod 750 /home/hduser/dfs/name
      $ sudo mkdir -p /home/hduser/dfs/data
      $ sudo chown hduser:hadoop /home/hduser/dfs/data
      $ sudo chmod 750 /home/hduser/dfs/data

    • 在hdfs-site.xml中添加以下内容

      <configuration>
      <property>
          <name>dfs.namenode.secondary.http-address</name>
          <value>master:9001</value>
      </property>
      <property>
          <name>dfs.namenode.name.dir</name>
          <value>file:/home/hduser/dfs/name</value>
      </property>
      <property>
          <name>dfs.datanode.data.dir</name>
          <value>file:/home/hduser/dfs/data</value>
      </property>
      <property>
          <name>dfs.replication</name>
          <value>3</value>
      </property>
      <property>
          <name>dfs.webhdfs.enabled</name>
          <value>true</value>
      </property>
      </configuration>

  • 修改~/hadoop/etc/hadoop/mapred-site.xml，添加以下内容（各个属性的内容可以按照实际情况修改）

    <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>

  • 修改~/hadoop/etc/hadoop/yarn-site.xml（各个属性的内容可以按照实际情况修改）

    <configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address</name>
        <value> master:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value> master:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value> master:8031</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value> master:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value> master:8088</value>
    </property>
    </configuration>

• 格式化Namenode

  • 进入~/hadoop/bin目录下，执行以下操作

    $ ./hdfs namenode –format

• 启动hadoop

  • 在~/hadoop/sbin执行以下命令

    $ ./start-dfs.sh
    $ ./start-yarn.sh

  • 之后通过jps命令可以看到以下结果，说明启动成功

    13058   Jps
    13026   NodeManager
    12916   ResourceManager
    12169   DataNode

1.2 集群环境

此处默认master和slave已经按照单机节点配置完成

• 设置网络

  • 我的例子是一台master一台slave，分别确定两者的ip，然后在两台机器的/etc/hosts中写入以下内容

    192.168.0.1    master
    192.168.0.2    slave

• 配置ssh免密登录

  • 在master上执行以下命令

    $ ssh-copy-id -i ~/.ssh/id_rsa.pub hduser@slave

  • 在slave上执行以下命令

    $ ssh-copy-id -i ~/.ssh/id_rsa.pub hduser@master

  • 之后两方互相登录测试一下是否可以免密登录
• 配置~/hadoop/etc/hadoop/slaves

  • 在master机器的slaves文件中添加以下内容

    master
    slave

• 格式化Namenode

  • 进入master的~/hadoop/bin目录下，执行以下操作

    $ ./hdfs namenode –format

• 启动hadoop

  • 在master的~/hadoop/sbin执行以下命令

    $ ./start-dfs.sh
    $ ./start-yarn.sh

  • 之后通过jps命令可以看到以下结果，说明启动成功

    • master中

      4048    Jps
      3899    ResourceManager
      4013    NodeManager
      3726    SecondaryNameNode
      3423    NameNode
      3535    DataNode

    • slave中

      2754    DataNode
      3012    Jps
      2903    NodeManager

2. 搭建Spark

2.1 Spark平台

• 下载Spark
  • 在下载和hadoop版本对应的spark，假定工作目录为/home/hduser

  • 进行如下操作解压压缩包（每个节点都要进行）

    $ tar -zxvf spark-2.3.1-bin-hadoop2.7.tgz

• 配置~/.bashrc文件

  • 在.bashrc文件中添加以下内容（每个节点都要添加）

    export SPARK_HOME=/home/hduser/spark
    export PATH=$PATH:$SPARK_HOME/bin

• 配置~/spark/conf/slaves文件

  • 在两个节点的salves文件中添加以下内容

    master
    slave

• 启动Spark

  • 在master的~/spark/sbin中执行以下命令

    ./start-all.sh

  • 在master中执行jps，发现以下结果说明spark运行成功

    5257    Worker
    5177    Master
    3726    SecondaryNameNode
    5326    Jps
    3432    NameNode
    3535    DataNode

  • 在slave中执行jsp，发现一下结果说明spark运行成功

    2754    DataNode
    3717    Worker
    3771    Jps

2.2. 配置Scala

• 下载Scala
  • 在相应版本的scala压缩包，假定工作目录为/home/hduser

  • 进行如下操作解压压缩包（只需要在master进行）

    $ tar -zxvf scala-2.12.6.tgz

• 配置~/.bashrc文件

  • 在.bashrc文件中添加以下内容（只需要在master在master上执行以下命令）

    export SCALA_HOME=/home/hduser/scala
    export PATH=$PATH:$SCALA_HOME/bin

2.3 配置Eclipse

• 安装Eclipse

  • 在master上执行以下命令

    $ sudo apt install eclipse-platform

• 安装Eclipse插件

---

参考资料