大資料學習第二天
2. 部署spark 和 hadoop
Hadoop2.9.2+Spark2.4.0完全分散式叢集搭建過程
主要參考了這一篇https://blog.csdn.net/guoyu931206/article/details/84795385?tdsourcetag=s_pcqq_aiomsg
1.選取三臺伺服器（CentOS系統64位）
114.55.246.88 主節點
114.55.246.77 從節點
114.55.246.93 從節點
之後的操作如果是用普通使用者操作的話也必須知道root使用者的密碼，因為有些操作是得用root使用者操作。如果是用root使用者操作的話就不存在以上問題。
我是用root使用者操作的。
2.修改hosts檔案
修改三臺伺服器的hosts檔案。
vi /etc/hosts
在原檔案的基礎最後面加上：
10.33.79.5 Master
10.33.79.6 Slave1
修改完成後，預設已經儲存。可以執行如下命令確認。
ping Master
3.ssh無密碼驗證配置
3.1 安裝和啟動ssh協議
我們需要兩個服務：ssh和rsync。
可以通過下面命令檢視是否已經安裝：
rpm -qa|grep openssh
rpm -qa|grep rsync
如果沒有安裝ssh和rsync，可以通過下面命令進行安裝：
yum install ssh （安裝ssh協議）
yum install rsync （rsync是一個遠端資料同步工具，可通過LAN/WAN快速同步多臺主機間的檔案）
service sshd restart （啟動服務）
3.2 配置Master無密碼登入所有Salve
配置Master節點，以下是在Master節點的配置操作。
1）在Master節點上生成密碼對，在Master節點上執行以下命令：
ssh-keygen -t rsa -P ''
生成的金鑰對：id_rsa和id_rsa.pub，預設儲存在"/root/.ssh"目錄下。
ssh-keygen -t rsa -P ''
-P表示密碼，-P '' 就表示空密碼，也可以不用-P引數，這樣就要三車回車，用-P就一次回車。
該命令將在/root/.ssh目錄下面產生一對金鑰id_rsa和id_rsa.pub。
一般採用的ssh的rsa金鑰:
id_rsa 私鑰
id_rsa.pub 公鑰
下述命令產生不同型別的金鑰
ssh-keygen -t dsa
ssh-keygen -t rsa
ssh-keygen -t rsa1
2）接著在Master節點上做如下配置，把id_rsa.pub追加到授權的key裡面去。
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
3）修改ssh配置檔案"/etc/ssh/sshd_config"的下列內容，將以下內容的註釋去掉：
RSAAuthentication yes # 啟用 RSA 認證
PubkeyAuthentication yes # 啟用公鑰私鑰配對認證方式
AuthorizedKeysFile .ssh/authorized_keys # 公鑰檔案路徑（和上面生成的檔案同）
在伺服器上更改許可權
chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys
4）重啟ssh服務，才能使剛才設定有效。
service sshd restart
5）驗證無密碼登入本機是否成功。
ssh localhost
6）接下來的就是把公鑰複製到所有的Slave機器上。使用下面的命令進行復制公鑰：
scp /root/.ssh/id_rsa.pub [email protected]:/root/
scp /root/.ssh/id_rsa.pub [email protected]:/root/
接著配置Slave節點，以下是在Slave1節點的配置操作。
1）在"/root/“下建立”.ssh"資料夾，如果已經存在就不需要建立了。
mkdir /root/.ssh
2）將Master的公鑰追加到Slave1的授權檔案"authorized_keys"中去。
cat /root/id_rsa.pub >> /root/.ssh/authorized_keys
3）修改"/etc/ssh/sshd_config"，具體步驟參考前面Master設定的第3步和第4步。
4）用Master使用ssh無密碼登入Slave1
ssh 114.55.246.77
5）把"/root/“目錄下的"id_rsa.pub"檔案刪除掉。
rm –r /root/id_rsa.pub
重複上面的5個步驟把Slave2伺服器進行相同的配置。
3.3 配置所有Slave無密碼登入Master
以下是在Slave1節點的配置操作。
1）建立"Slave1"自己的公鑰和私鑰，並把自己的公鑰追加到"authorized_keys"檔案中，執行下面命令：
ssh-keygen -t rsa -P ''
cat /root/.ssh/id_rsa.pub >> /root/.ssh/authorized_keys
2）將Slave1節點的公鑰"id_rsa.pub"複製到Master節點的”/root/"目錄下。
scp /root/.ssh/id_rsa.pub [email protected]:/root/
以下是在Master節點的配置操作。
1）將Slave1的公鑰追加到Master的授權檔案"authorized_keys"中去。
cat ~/id_rsa.pub >> ~/.ssh/authorized_keys
2）刪除Slave1複製過來的"id_rsa.pub"檔案。
rm –r /root/id_rsa.pub
配置完成後測試從Slave1到Master無密碼登入。
ssh 114.55.246.88
按照上面的步驟把Slave2和Master之間建立起無密碼登入。這樣，Master能無密碼驗證登入每個Slave，每個Slave也能無密碼驗證登入到Master。
若已經配好了免密登入，直接從下面開始：
---------------------
4.安裝基礎環境（JAVA和SCALA環境）
4.1 Java1.8環境搭建
（1）下載 jdk-8u191-linux-x64.tar.gz
官網下載需要的Java版本，例如我需要將伺服器內的jdk1.7版本升到1.8
下載完之後上傳至伺服器：（SCP或者RZ）
上傳至預設的路徑：/usr/java
（2）安裝
tar -zxvf jdk-* -C /usr/local/java
檢視java的安裝路徑：
執行which java
檢視java的指向的連結：（修改後的）
如果指定的連結不是你想升級的java版本，那麼重新定位。
rm -f /usr/bin/java && ln -s /usr/local/java/jdk1.8.0_191/bin/java /usr/bin/java
（3）配置環境變數
[[email protected] ~]# vim /etc/profile.d/custom.sh
[[email protected] ~]# cat /etc/profile.d/custom.sh
#!/bin/bash
#java path
export JAVA_HOME=/usr/local/java/jdk1.8.0_191
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib
（4）環境變數生效
source /etc/profile.d/custom.sh
（5）檢視JDK版本
[[email protected] ~]# java -version
java version "1.8.0_112"
Java(TM) SE Runtime Environment (build 1.8.0_112-b15)
Java HotSpot(TM) 64-Bit Server VM (build 25.112-b15, mixed mode)
--疑難問題
存在環境差異。上面的操作沒有起作用請新增如下操作
/usr/sbin/alternatives --install /usr/bin/java java /usr/java/jdk1.7.0_79/bin/java 17079
/usr/sbin/alternatives --install /usr/bin/javac javac /usr/java/jdk1.7.0_79/bin/javac 17079
上面兩行命令的中最後面的數字表示優先順序，建議根據版本號修改，如我的JDK版本為1.7.0_79，則為17079
檢視可用的版本資訊
/usr/sbin/alternatives --display java
更改版本資訊
/usr/sbin/alternatives --config java
/usr/sbin/alternatives --config javac
4.2 Scala2.12.8 環境搭建
tar -zxvf scala-2.12.8.tgz
mv scala-2.12.8 /usr/share
vim /etc/profile.d/custom.sh
export SCALA_HOME=/usr/share/scala-2.12.8
export PATH=$SCALA_HOME/bin:$PATH
source /etc/profile.d/custom.sh
5.Hadoop2.9.2完全分散式搭建
以下是在Master節點操作：
1）下載二進位制包hadoop-2.9.2.tar.gz
2）解壓並移動到相應目錄，我習慣將軟體放到/opt目錄下，命令如下：
tar -zxvf hadoop-2.9.2.tar.gz
mv hadoop-2.9.2 /opt
3）修改相應的配置檔案。
修改vim /etc/profile.d/custom.sh，增加如下內容：
export HADOOP_HOME=/opt/hadoop-2.9.2/
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_ROOT_LOGGER=INFO,console
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"
修改完成後執行：
source /etc/profile.d/custom.sh
修改$HADOOP_HOME/etc/hadoop/hadoop-env.sh，修改JAVA_HOME 如下：
export JAVA_HOME=/usr/local/java/jdk1.8.0_191
這裡也可以不修改
修改$HADOOP_HOME/etc/hadoop/slaves，將原來的localhost刪除，改成如下內容：
Slave1
Slave2修改$HADOOP_HOME/etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master:9000</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/hadoop-2.9.2/tmp</value>
</property>
</configuration>
修改$HADOOP_HOME/etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>Master:50090</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/opt/hadoop-2.9.2/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/opt/hadoop-2.9.2/hdfs/data</value>
</property>
</configuration>
複製template，生成xml，命令如下：
cp mapred-site.xml.template mapred-site.xml
修改$HADOOP_HOME/etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>Master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>Master:19888</value>
</property>
</configuration>
修改$HADOOP_HOME/etc/hadoop/yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</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>
4）複製Master節點的hadoop資料夾到Slave1和Slave2上。
scp -r /opt/hadoop-2.9.2 [email protected]:/opt
scp -r /opt/hadoop-2.9.2 [email protected]:/opt
5）在Slave1和Slave2上分別修改/etc/profile.d/custom.sh，過程同Master一樣。
6）在Master節點啟動叢集，啟動之前格式化一下namenode：
hadoop namenode -format
啟動：
/opt/hadoop-2.9.2/sbin/start-all.sh
至此hadoop的完全分散式環境搭建完畢。
7）檢視叢集是否啟動成功：
jps
Master顯示：
SecondaryNameNode
ResourceManager
NameNode
Slave顯示：
NodeManager
DataNode
---------------------
6.Spark2.4.0完全分散式環境搭建（standalone mode）
以下操作都在Master節點進行。
1）下載二進位制包spark-2.4.0-bin-hadoop2.7.tgz
2）解壓並移動到相應目錄，命令如下：
tar -zxvf spark-2.4.0-bin-hadoop2.7.tgz
mv spark-2.4.0-bin-hadoop2.7 /opt
3）修改相應的配置檔案。
修改/etc/profie，增加如下內容：
export SPARK_HOME=/opt/spark-2.4.0-bin-hadoop2.7/
export PATH=$PATH:$SPARK_HOME/bin
進入/opt/spark-2.4.0-bin-hadoop2.7/conf
複製 spark-env.sh.template 成 spark-env.sh
cp spark-env.sh.template spark-env.sh
修改$SPARK_HOME/conf/spark-env.sh，新增如下內容：
export JAVA_HOME=/usr/local/java/jdk1.8.0_191
export SCALA_HOME=/usr/share/scala-2.12.8/
export HADOOP_HOME=/opt/hadoop-2.9.2
export HADOOP_CONF_DIR=/opt/hadoop-2.9.2/etc/hadoop
export YARN_CONF_DIR=/opt/hadoop-2.9.2/etc/hadoop
export SPARK_MASTER_IP=10.33.79.6
export SPARK_MASTER_HOST=10.33.79.6
export SPARK_LOCAL_IP=10.33.79.6
export SPARK_WORKER_MEMORY=1g
export SPARK_WORKER_CORES=2
export SPARK_HOME=/opt/spark-2.4.0-bin-hadoop2.7
export SPARK_DIST_CLASSPATH=$(/opt/hadoop-2.9.2/bin/hadoop classpath)複製slaves.template成slaves
cp slaves.template slaves
修改$SPARK_HOME/conf/slaves，將原來的localhost刪除，如下內容：
Master
Slave1
Slave24）將配置好的spark檔案複製到Slave1和Slave2節點。
scp /opt/spark-2.4.0-bin-hadoop2.7 [email protected]:/opt
scp /opt/spark-2.4.0-bin-hadoop2.7 [email protected]:/opt
5）修改Slave1和Slave2配置。
在Slave1和Slave2上分別修改 /etc/profile.d/custom.sh，增加Spark的配置，過程同Master一樣。
在Slave1和Slave2修改$SPARK_HOME/conf/spark-env.sh，將export SPARK_LOCAL_IP=114.55.246.88改成Slave1和Slave2對應節點的IP。
6）在Master節點啟動叢集。
/opt/spark-2.4.0-bin-hadoop2.7/sbin/start-all.sh
7）檢視叢集是否啟動成功：
jps
Master在Hadoop的基礎上新增了：
Master
Slave在Hadoop的基礎上新增了：
Worker
-------------------