事無鉅細 Hadoop2.6.4 環境搭建步驟詳解
本文詳細記錄了OneCoder通過自己的Mac環境，在開發伺服器(CentOS 6.5)上搭建Hadoop的詳細過程。因為事無鉅細，所以可能會”跑題”。
ssh連線免密碼配置
由於配置過程中需要頻繁的進行ssh連線到開發伺服器執行命令以及通過scp命令向伺服器拷貝檔案等依賴ssh連線的操作。所以，配置本地環境跟伺服器之間的ssh免密碼連線可以有效的提升工作效率。
由於我本機已經生成過公鑰，所以我只需將已有的公鑰拷貝到伺服器即可。推薦使用ssh-copy-id命令，簡單又不會出錯。手動copy 再append的公鑰檔案尾，容易因為操作問題，造成無法正確識別公鑰。
注：如果你沒有生成過公鑰，可通過ssh-keygen
命令生成公鑰。走預設配置即可。
在我的mac上，居然還沒有安裝ssh-copy-id命令。通過brew 命令安裝即可。
brew install ssh-copy-id
然後copy公鑰到指定主機
ssh-copy-id [email protected]
其中， [email protected]改為你需要訪問的伺服器的 使用者名稱@IP。根據提示輸入一次密碼。成功後，所有基於ssh的命令你只需要通過使用者名稱@IP 即可直接訪問伺服器。
新使用者、使用者組建立
為了更好的許可權控制，養成良好的Linux使用習慣，我們首先建立一個管理和使用hadoop叢集的使用者(組)dps-hadoop
groupadd dps-hadoop
useradd -d /home/dps-hadoop -g dps-hadoop dps-hadoop
考慮到難免需要使用sudo提權的情況，給該使用者配置到sudo名單下, 修改/etc/sudoers檔案。
vim /etc/sudoers
新增一行記錄：
dps-hadoop ALL=(ALL) ALL
此後，我們均使用dps-hadoop使用者進行操作。
配置本地DNS伺服器
之前我介紹了如何用Docker搭建本地的DNS伺服器，這裡終於派上用處。如果你沒有本地DNS伺服器，那麼你修改/etc/hosts
/etc/resolv.conf
你可以看到該檔案開頭提示你，該檔案是自動生成的。重啟網路服務會覆蓋，永久配置修改
/etc/sysconfig/network-scripts/ifcfg-eth0
修改其中的
DNS1=172.20.2.24
其中ifcfg-eth0，改為你自己的網絡卡名即可。
安裝JDK
Hadoop是Java開發的，自然需要依賴jre執行。我採用了比較本的方法，現在oracle官網下載jdk-8u77到本地，再通過scp命令拷貝到伺服器的方式。進入jdk所在資料夾執行
scp jdk-8u77-linux-x64.rpm [email protected]:~/download
其實通過wget也可以下載，但是網上給出的命令
wget --no-cookie --no-check-certificate --header "Cookie: gpw_e24=http%3A%2F%2Fwww.oracle.com%2F" http://download.oracle.com/otn-pub/java/jdk/7u10-b18/jdk-7u10-linux-i586.rpm
我試了多次均未成功。我自己有個笨方法，就是先通過瀏覽器獲取下載獲取到真正的下載地址
然後再通過wget下載：
wget http://download.oracle.com/otn-pub/java/jdk/8u77-b03/jdk-8u77-linux-x64.rpm?AuthParam=1460511903_6b2f8345927b3fc4f961fbcaba6a01b3
下載後，你可能需要進行一次重新命名，將多餘的?AuthParam字尾去掉。
mv jdk-8u77-linux-x64.rpm?AuthParam=1460511903_6b2f8345927b3fc4f961fbcaba6a01b3 jdk-8u77-linux-x64.rpm
最後，安裝jdk
rpm -i jdk-8u77-linux-x64.rpm
配置JAVA_HOME
修改dps-hadoop使用者自己的環境變數配置檔案。
vim ~/.bashrc
注意：網上提到了配置環境變數的方式有很多，粗暴的就是直接配置在/etc/environment或/etc/profile等全域性配置檔案中，對所有使用者生效。不推薦這種做法。對於使用者級的變數也有兩個~/.bash_profile和~/.bashrc，區別請自行研究。如果你想通過執行start-dfs.sh等指令碼，遠端起停hadoop叢集，那麼請配置在~/.bashrc中，否則hadoop會找不到你配置的環境變數。
例如：Error: JAVA_HOME is not set and could not be found.
新增
export JAVA_HOME="/usr/java/jdk1.8.0_77"
不建議配置到/etc/environment 下，因為會對所有使用者生效。
安裝Hadoop 2.6.4
根據官網介紹，Hadoop專案實際包含以下模組：
- Hadoop Common: The common utilities that support the other Hadoop modules.
- Hadoop Distributed File System (HDFS™): A distributed file system that provides high-throughput access to application data.
- Hadoop YARN: A framework for job scheduling and cluster resource management.
- Hadoop MapReduce: A YARN-based system for parallel processing of large data sets.
首先，直接通過wget，從映象站下載。
wget http://mirrors.cnnic.cn/apache/hadoop/common/hadoop-2.6.4/hadoop-2.6.4.tar.gz
解壓到使用者目錄
tar -xvzf hadoop-2.6.4.tar.gz -C ~/
配置HADOOP_HOME，同樣修改~/.bashrc檔案。增加
export HADOOP_HOME="/home/dps-hadoop/hadoop-2.6.4"
在其他節點重複上述所有配置操作。
- 新增使用者
- 配置dps-hadoop使用者，從master到各slave節點間的ssh免密碼訪問。
- 修改DNS伺服器地址
- 安裝JDK
- 下載解壓Hadoop
- 配置Hadoop環境變數
配置叢集
從模組角度理解，配置hadoop叢集應包括HDFS、YARN和MapReduce這三部分配置。
HDFS配置
不考慮調優，僅從功能可執行上來理解，HDFS配置需要分別配置namenode、datanode的ip和埠號。資料備份份數。資料存放地址。因此配置如下：
namenode
core-site.xml
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/dps-hadoop/tmpdata</value>
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://master:54000/</value>
</property>
</configuration>
hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/home/dps-hadoop//namedata</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>
Datanode
core-site.xml
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/dps-hadoop/tmpdata</value>
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://master:54000/</value>
</property>
</configuration>
hdfs-site.xml
<configuration>
<property>
<name>dfs.datanode.data.dir</name>
<value>/home/dps-hadoop/datadir</value>
</property>
</configuration>
這裡只有core-site.xml裡的hadoop.tmp.dir的配置是我們之前沒有提到的。該配置是修改臨時檔案的儲存路徑，避免因為系統重啟造成的臨時檔案的丟失，從而導致叢集不可能用的情況出現。
2016-04-28注：
<property> <name>fs.default.name</name> <value>hdfs://master:54000/</value> </property>該配置必須配置在core-site.xml配置檔案中，之前的配置是錯誤的。否則，各個hdfs節點不在一個叢集中。
啟動HDFS叢集
跟使用硬碟一樣，HDFS使用前也需要格式化
bin/hdfs namenode -format
然後啟動
sbin/start-dfs.sh
通過控制檯，可檢視HDFS叢集狀態
http://172.20.2.14:50070/
一個插曲
啟動時候發現一個WARN日誌。
16/04/19 13:59:18 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
無法載入本地庫。從stackoverflow上答案來看，主要有三種可能。
- 沒有指定java.library.path環境變數。
- 本地庫跟系統不相容。（64位系統，提供的是32位的本地庫）
- GLIBC版本不相容
通過file命令檢視
file lib/native/*
已經是64位的本地庫。
修改log4j.properties 開啟本地載入的debug級別
log4j.logger.org.apache.hadoop.util.NativeCodeLoader=DEBUG
再次啟動發現問題
16/04/19 14:27:00 DEBUG util.NativeCodeLoader: Failed to load native-hadoop with error: java.lang.UnsatisfiedLinkError: /home/dps-hadoop/hadoop-2.6.4/lib/native/libhadoop.so.1.0.0: /lib64/libc.so.6: version `GLIBC_2.14’ not found (required by /home/dps-hadoop/hadoop-2.6.4/lib/native/libhadoop.so.1.0.0)
通過
ldd --version
發現我本地環境的版本是2.12的。這個不升級系統版本很難解決。把log 改成ERROR，暫時眼不見心不煩吧。
YARN配置
在YARN裡，主節點稱為ResourceManager，從節點稱為NodeManager。 根據理解，需要告知NodeManager, ResouceManager的通訊地址。 對於ResourceManager來說，所以的從節點已經配置在slaves中了。因此，配置如下：
NodeManager
yarn-site.xml
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>master</value>
</property>
</configuration>
啟動yarn，主節點執行
.sbin/start-yarn.sh
MapReduce JobHistoryServer
對於MapReduce，預設無需特殊配置。Hadoop提供了一個管理任務執行歷史的服務JobHistoryServer。按需啟動即可。
mr-jobhistory-daemon.sh stop historyserver
至此，一個基本的Hadoop叢集已經啟動完成。
叢集管理環境 WebUI地址
Hadoop預設提供了檢視叢集狀態的Web服務，在主節點上啟動。預設埠如下。
- HDFS叢集管理，預設埠50070。 http://master:50070/
- ResourceManager管理，預設埠8088 http://master:8088/
- JobHistory 預設埠19888 http://master:19888