Hadoop学习笔记—22.Hadoop2.x环境搭建与配置
自从2015年花了2个多月时间把Hadoop1.x的学习教程学习了一遍，对Hadoop这个神奇的小象有了一个初步的了解，还对每次学习的内容进行了总结，也形成了我的一个博文系列《Hadoop学习笔记系列》。其实，早在2014年Hadoop2.x版本就已经开始流行了起来，并且已经成为了现在的主流。当然，还有一些非离线计算的框架如实时计算框架Storm，近实时计算框架Spark等等。相信了解Hadoop2.x的童鞋都应该知道2.x相较于1.x版本的更新应该不是一丁半点，最显著的体现在两点：（1）HDFS的NameNode可以以集群的方式布署，增强了NameNodes的水平扩展能力和高可用性，分别是:HDFS Federation与HA；
（2）MapReduce将JobTracker中的资源管理及任务生命周期管理（包括定时触发及监控），拆分成两个独立的组件，并更名为YARN（Yet Another Resource Negotiator）；
因此，我决定趁着现在又变成了单身狗（满满的都是伤感）的时机，把Hadoop2.x学习一下，也顺带分享一些学习笔记的文章与园友们分享。
至于Hadoop2.x到底相较于1.x有哪些改变，如果你不太知道，那么你可以先阅读一下这篇文章《Hadoop2的改进内容简介》大概了解一下，本篇内容将不会介绍这些，直接上环境搭建与配置的内容。
一、准备工作
（1）一台配置不错的电脑或笔记本（主要是内存、内存、内存，重要的事情说三遍）
（2）一个你使用过的虚拟机软件（可以是VMWare、Virtual Box或者其他的，我用的VMWare WorkStation）
（3）一个你使用过的SSH客户端软件（可以使XShell，XFtp、WinSCP等等，我用的XShell+XFtp）
（4）Hadoop2.4.1、JDK1.7的linux安装包（当然你也可以直接在线下载）
当然，体贴的我已为你准备了Hadoop2.4.1和JDK1.7的包，你可以通过这个链接下载：点我下载
二、伪分布式搭建
2.1 基础网络配置
安装完VMware Workstation之后，你的网络适配器会多出来两个，你要做的就是为多出来的第2个网卡设置静态IP地址，我这里是Ethernet 3 这里我们设置网关为192.168.22.1，为宿主机设置IP为192.168.22.2，也就是说我们的虚拟机必须要在192.168.22.x这个网段内。
然后我们再为虚拟机设置网络连接方式，选择VMNET8（NAT模式），如果你不知道NAT是什么意思，请百度一下。
2.2 为虚拟机安装Linux镜像
这里我们选择的是CentOS，你也可以选择其他的Linux发行版本。
2.3 设置静态IP地址
输入命令 setup -> 进入Device Configuration -> 输入service network restart重启网卡
另外，想要在宿主机访问虚拟机，需要开放端口，为了方便，我们直接将虚拟机的防火墙关闭：sudo service iptables stop
检查状态：sudo chkconfig iptables off
2.4 设置完全命令行模式启动
输入命令 sudo vi /etc/inittab -> 修改id:3 -> 输入reboot重启虚拟机
2.5 使用XShell代替VMware直接操作
这个时候你就可以使用XShell而不再需要在VMware里直接敲命令了，你会发现XShell用起来很爽！
2.6 将hadoop用户加入sudo用户组
由于linux下root用户的权限太大，经常使用root用户会很不安全，所以我们一般使用一个一般用户去操作，在用到需要高权限时使用sudo命令去执行。因此，我们这里需要将hadoop用户加入sudo用户组。
输入命令 su -> vi /etc/sudoers -> 找到这一行：root ALL=(ALL) ALL
然后在它下面一行加上一行：hadoopALL=(ALL) ALL
最后保存退出。
2.7 更改主机名与IP地址映射关系
（1） sudo vi /etc/sysconfig/network -> hadoop-master.manulife -> reboot
（2） sudo vi /etc/hosts -> 加一行: 192.168.22.100 hadoop-master.manulife
2.8 建立一个专门放安装包的文件夹（非必要）
（1） rm -rf P* D* Music/ Videos/ Templates/
（2） mkdir app -> 安装后的地方
（3） mkdir local -> 放置安装包的地方
2.9 安装JDK
（1）上传jdk到虚拟机，这里借助SFtp软件
（2）解压jdk：tar -zvxf jdk -C ../app/
（3）设置环境变量：
sudo vi /etc/profile
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_65
export PATH=$PATH:$JAVA_HOME/bin;
source /etc/profile
2.10 安装Hadoop
（1）上传jdk到虚拟机，这里借助SFtp软件
（2）解压jdk：tar -zvxf hadoop -C ../app/
（3）删除hadoop中share文件夹中的多余doc文件（非必要）：rm -rf doc
（4）设置hadoop中etc文件夹中的一些重要配置文件：cd etc -> hadoop-env.sh,core-site.xml,hdfs-site.xml,yarn-site.xml,mapred-site.xml
hadoop-env.sh
vim hadoop-env.sh
#第27行
export JAVA_HOME=/home/hadoop/app/jdk
core-site.xml
<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop-master.manulife:9000</value>
</property>
<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/app/hadoop/tmp</value>
</property>
hdfs-site.xml
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
yarn-site.xml
<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop-master.manulife</value>
</property>
<!-- reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
mapred-site.xml (需要首先换个名字：mv mapred-site.xml.template mapred-site.xml)
<!-- 指定mr运行在yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
（5）设置环境变量
sudo vi /etc/profile
export JAVA_HOME=/usr/java/jdk1.7.0_65
export HADOOP_HOME=/itcast/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
source /etc/profile
（6）格式化NameNode
hadoop namenode -format
（7）启动Hadoop两大核心功能：HDFS与YARN
首先编辑slaves配置文件（这里我们的主节点既是DataNode又是NameNode）：vi slaves -> add hadoop-master.manulife
启动HDFS：sbin/start-dfs.sh
启动YARN：sbin/start-yarn.sh
验证是否启动：jps
（8）在宿主机中访问Hadoop Manager
首先将虚拟机的IP地址和主机名加入Windows Hosts：windows/system32/etc -> 加一行 : 192.168.22.100 hadoop-master.manulife
打开浏览器输入：http://hadoop-master.manulife:50070
2.11 HDFS简单测试
上传一个文件至HDFS : hadoop fs -put xxxx.tar.gz hdfs://hadoop-master.manulife:9000/
从HDFS下载一个文件 : hadoop fs -get hdfs://hadoop-master.manulife:9000/xxxx.tar.gz
2.12 MapReduce简单测试
这里直接运行一个hadoop自带的求圆周率的example：
（1）cd /home/hadoop/app/hadoop/share/hadoop/mapreduce/
（2）hadoop jar hadoop-mapreduce-examples-2.4.1.jar pi 5 5
2.13 SSH免密码登录
一般linux分布式集群中都会设置ssh免密码登录，这里我们首先将主节点设置为ssh免密码登录：
（1）ssh-keygen -t rsa
（2）cd .ssh -> cp id_rsa.pub authorized_keys
（3）ssh localhost
三、Java开发环境搭建
3.1 准备工作
3.2 使用Java API操作HDFS
3.3 简单测试
四、完全分布式搭建
作者：周旭龙
出处：http://www.cnblogs.com/edisonchou/
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
页:
[1]