1. 主页 > 技术信息 > 数据库知识 >

Linux下Hadoop2.6.0集群环境的搭建_u盘断掉数据如何

日期：2016-09-13 / 人气： / 来源：网络

本文旨在提供最基本的，可以用于在生产环境进行Hadoop、HDFS分布式环境的搭建，对自己是个总结和整理，也能方便新人学习使用。

基础环境

JDK的安装与配置

现在直接到Oracle官网（http://www.oracle.com/）寻找JDK7的安装包不太容易，因为现在官方推荐JDK8。找了半天才找到JDK下载列表页的地址（http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html）。因为选择Linux操作系统作为部署环境，所以选择64位的版本。我选择的是jdk-7u79-linux-x64.gz。

使用以下命令将jdk-7u79-linux-x64.gz下载到Linux下的/home/jiaan.gja/software目录

  1. wget http://download.oracle.com/otn-pub/java/jdk/7u79-b15/jdk-7u79-linux-x64.tar.gz  

然后使用以下命令将jdk-7u79-linux-x64.gz解压缩到/home/jiaan.gja/install目录

  1. tar zxvf jdk-7u79-linux-x64.gz -C ../install  

回到/home/jiaan.gja目录，配置java环境变量，命令如下：

  1. cd ~  
  2. vim .bash_profile  

在.bash_profile中加入以下内容：

Linux下Hadoop2.6.0集群环境的搭建

立刻让java环境变量生效，执行如下命令：

  1. source .bash_profile  

最后验证java是否安装配置正确：

Linux下Hadoop2.6.0集群环境的搭建
 

Host

由于我搭建Hadoop集群包含三台机器，所以需要修改调整各台机器的hosts文件配置，命令如下：

  1. vi /etc/hosts  

如果没有足够的权限，可以切换用户为root。

如果禁止使用root权限，则可以使用以下命令修改：

  1. sudo vi /etc/hosts  

三台机器的内容统一增加以下host配置：


Linux下Hadoop2.6.0集群环境的搭建

SSH

由于NameNode与DataNode之间通信，使用了SSH，所以需要配置免登录。

首先登录Master机器，生成SSH的公钥，命令如下：

  1. ssh-keygen -t rsa  

执行命令后会在当前用户目录下生成.ssh目录，然后进入此目录将id_rsa.pub追加到authorized_keys文件中，命令如下：

  1. cd .ssh  
  2. cat id_rsa.pub >> authorized_keys  

最后将authorized_keys文件复制到其它机器节点,命令如下：

  1. scp authorized_keys jiaan.gja@Slave1:/home/jiaan.gja/.ssh  
  2. scp authorized_keys jiaan.gja@Slave2:/home/jiaan.gja/.ssh  

文件目录

为了便于管理，给Master的hdfs的NameNode、DataNode及临时文件，在用户目录下创建目录：

/home/jiaan.gja/hdfs/name

/home/jiaan.gja/hdfs/data

/home/jiaan.gja/hdfs/tmp

然后将这些目录通过scp命令拷贝到Slave1和Slave2的相同目录下。

Hadoop的安装与配置

下载

首先到Apache官网（http://www.apache.org/dyn/closer.cgi/hadoop/common/）下载Hadoop，从中选择推荐的下载镜像（http://mirrors.hust.edu.cn/apache/hadoop/common/），我选择hadoop-2.6.0的版本，并使用以下命令下载到Master机器的

/home/jiaan.gja/software目录：

  1. cd ~/software/  
  2. wget http://apache.fayea.com/hadoop/common/hadoop-2.6.0/hadoop-2.6.0.tar.gz  

然后使用以下命令将hadoop-2.6.0.tar.gz解压缩到/home/jiaan.gja/install目录

  1. tar zxvf hadoop-2.6.0.tar.gz -C ../install/  

环境变量

回到/home/jiaan.gja目录，配置hadoop环境变量，命令如下：

  1. cd ~  
  2. vim .bash_profile  

在.bash_profile中加入以下内容：

Linux下Hadoop2.6.0集群环境的搭建

立刻让hadoop环境变量生效，执行如下命令：

  1. source .bash_profile  

Hadoop的配置

进入hadoop-2.6.0的配置目录：

  1. cd ~/install/hadoop-2.6.0/etc/hadoop/  

依次修改core-site.xml、hdfs-site.xml、mapred-site.xml及yarn-site.xml文件。

core-site.xml

  1. <configuration>  
  2. <property>  
  3.   <name>hadoop.tmp.dir</name>  
  4.   <value>file:/home/jiaan.gja/hdfs/tmp</value>  
  5.   <description>A base for other temporary directories.</description>  
  6. </property>  
  7. <property>  
  8.   <name>io.file.buffer.size</name>  
  9.   <value>131072</value>  
  10. </property>  
  11. <property>  
  12.   <name>fs.default.name</name>  
  13.   <value>hdfs://Master:9000</value>  
  14. </property>  
  15. <property>  
  16. <name>hadoop.proxyuser.root.hosts</name>  
  17. <value>*</value>  
  18. </property>  
  19. <property>  
  20. <name>hadoop.proxyuser.root.groups</name>  
  21. <value>*</value>  
  22. </property>  
  23. </configuration>  

hdfs-site.xml

  1. <configuration>  
  2. <property>  
  3.   <name>dfs.replication</name>  
  4.   <value>2</value>  
  5. </property>  
  6. <property>  
  7.   <name>dfs.namenode.name.dir</name>  
  8.   <value>file:/home/jiaan.gja/hdfs/name</value>  
  9.   <final>true</final>  
  10. </property>  
  11. <property>  
  12.   <name>dfs.datanode.data.dir</name>  
  13.   <value>file:/home/jiaan.gja/hdfs/data</value>  
  14.   <final>true</final>  
  15. </property>  
  16. <property>  
  17.   <name>dfs.namenode.secondary.http-address</name>  
  18.   <value>Master:9001</value>  
  19. </property>  
  20. <property>  
  21.   <name>dfs.webhdfs.enabled</name>  
  22.   <value>true</value>  
  23. </property>  
  24. <property>  
  25.   <name>dfs.permissions</name>  
  26.   <value>false</value>  
  27. </property>  
  28. </configuration>  

mapred-site.xml

  1. <configuration>  
  2. <property>  
  3.   <name>mapreduce.framework.name</name>  
  4.   <value>yarn</value>  
  5. </property>  
  6. </configuration>  

yarn-site.xml

<configuration>  

  1.   
  2. <!-- Site specific YARN configuration properties -->  
  3. <property>  
  4.   <name>yarn.resourcemanager.address</name>  
  5.   <value>Master:18040</value>  
  6. </property>  
  7. <property>  
  8.   <name>yarn.resourcemanager.scheduler.address</name>  
  9.   <value>Master:18030</value>  
  10. </property>  
  11. <property>  
  12.   <name>yarn.resourcemanager.webapp.address</name>  
  13.   <value>Master:18088</value>  
  14. </property>  
  15. <property>  
  16.   <name>yarn.resourcemanager.resource-tracker.address</name>  
  17.   <value>Master:18025</value>  
  18. </property>  
  19. <property>  
  20.   <name>yarn.resourcemanager.admin.address</name>  
  21.   <value>Master:18141</value>  
  22. </property>  
  23. <property>  
  24.   <name>yarn.nodemanager.aux-services</name>  
  25.   <value>mapreduce.shuffle</value>  
  26. </property>  
  27. <property>  
  28.   <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>  
  29.   <value>org.apache.hadoop.mapred.ShuffleHandler</value>  
  30. </property>  
  31. </configuration>  

由于我们已经配置了JAVA_HOME的环境变量，所以hadoop-env.sh与yarn-env.sh这两个文件不用修改，因为里面的配置是：

  1. export JAVA_HOME=${JAVA_HOME}  

最后，将整个hadoop-2.6.0文件夹及其子文件夹使用scp复制到两台Slave的相同目录中：

  1. scp -r hadoop-2.6.0 jiaan.gja@Slave1:/home/jiaan.gja/install/  
  1. scp -r hadoop-2.6.0 jiaan.gja@Slave2:/home/jiaan.gja/install/  
 

运行Hadoop

运行HDFS

格式化NameNode

执行命令：

  1. hadoop namenode -format  

执行过程如下图：

Linux下Hadoop2.6.0集群环境的搭建

最后的执行结果如下图：

Linux下Hadoop2.6.0集群环境的搭建

启动NameNode

执行命令如下：

  1. hadoop-daemon.sh start namenode  

执行结果如下图：

Linux下Hadoop2.6.0集群环境的搭建

最后在Master上执行ps -ef | grep hadoop，得到如下结果：

Linux下Hadoop2.6.0集群环境的搭建

在Master上执行jps命令，得到如下结果：

Linux下Hadoop2.6.0集群环境的搭建

说明NameNode启动成功。

启动DataNode

执行命令如下：

  1. hadoop-daemons.sh start datanode  

执行结果如下：

Linux下Hadoop2.6.0集群环境的搭建

在Slave1上执行命令，如下图：

Linux下Hadoop2.6.0集群环境的搭建

在Slave2上执行命令，如下图：

Linux下Hadoop2.6.0集群环境的搭建

说明Slave1和Slave2上的DataNode运行正常。

以上启动NameNode和DataNode的方式，可以用start-dfs.sh脚本替代：

Linux下Hadoop2.6.0集群环境的搭建

运行YARN

运行Yarn也有与运行HDFS类似的方式。启动ResourceManager使用以下命令：

  1. yarn-daemon.sh start resourcemanager  

批量启动多个NodeManager使用以下命令：

  1. yarn-daemons.sh start nodemanager  

以上方式我们就不赘述了，来看看使用start-yarn.sh的简洁的启动方式：

Linux下Hadoop2.6.0集群环境的搭建

在Master上执行jps：

Linux下Hadoop2.6.0集群环境的搭建

说明ResourceManager运行正常。

在两台Slave上执行jps，也会看到NodeManager运行正常，如下图：

Linux下Hadoop2.6.0集群环境的搭建

测试Hadoop

测试HDFS

最后测试下亲手搭建的Hadoop集群是否执行正常，测试的命令如下图所示：

Linux下Hadoop2.6.0集群环境的搭建

测试YARN

可以访问YARN的管理界面，验证YARN，如下图所示：

Linux下Hadoop2.6.0集群环境的搭建

测试mapreduce

本人比较懒，不想编写mapreduce代码。幸好Hadoop安装包里提供了现成的例子，在Hadoop的share/hadoop/mapreduce目录下。运行例子：

Linux下Hadoop2.6.0集群环境的搭建

Linux下Hadoop2.6.0集群环境的搭建

配置运行Hadoop中遇见的问题

JAVA_HOME未设置？

我在启动Hadoop时发现Slave2机器一直启动不了，然后登录Slave2，在~/install/hadoop-2.6.0/logs目录下查看日志，发现了以下错误：

  1. Error: JAVA_HOME is not set and could not be found.  

如果我执行echo $JAVA_HOME或者查看.bash_profile文件，都证明正确配置了JAVA_HOME的环境变量。无奈之下，只能将Slave2机器的hadoop-env.sh硬编码为如下的配置：

  1. # The java implementation to use.  
  2. export JAVA_HOME=/home/jiaan.gja/install/jdk1.7.0_79  

然后问题就解决了。虽然解决了，但是目前不知道所以然，有好心的同仁，告诉我下。。。

Incompatible clusterIDs

由于配置Hadoop集群不是一蹴而就的，所以往往伴随着配置——>运行——>。。。——>配置——>运行的过程，所以DataNode启动不了时，往往会在查看日志后，发现以下问题：

Linux下Hadoop2.6.0集群环境的搭建

此问题是由于每次启动Hadoop集群时，会有不同的集群ID，所以需要清理启动失败节点上data目录（比如我创建的/home/jiaan.gja/hdfs/data）中的数据。

NativeCodeLoader的警告

在测试Hadoop时，细心的人可能看到截图中的警告信息：

Linux下Hadoop2.6.0集群环境的搭建

我也是查阅网络资料，得知以下解决办法：

1、下载hadoop-native-64-2.6.0.tar：
在网站http://dl.bintray.com/sequenceiq/sequenceiq-bin/可以找到下载的相应版本，由于我是2.6.0的Hadoop，所以选择下载

2、停止Hadoop，执行命令如下：

Linux下Hadoop2.6.0集群环境的搭建
下载完以后，解压到hadoop的native目录下，覆盖原有文件即可。操作如下：

  1. tar xvf hadoop-native-64-2.6.0.tar -C /home/jiaan.gja/install/hadoop-2.6.0/lib/native/  

令人失望的是，这种方式并不好使，看到最后的解决方案是需要下载Hadoop源码，重新编译，但这种方式有些重，我不打算尝试了。有没有简便的解决方案，还希望知道的同学告诉一下。

yarn.nodemanager.aux-services错误

在执行start-yarn.sh脚本启动YARN时，在Slave1和Slave2机器上执行jps命令未发现NodeManager进程，于是登录Slave机器查看日志，发现以下错误信息：

Linux下Hadoop2.6.0集群环境的搭建

参考网上的解决方式，是因为yarn.nodemanager.aux-services对应的值mapreduce.shuffle已经被替换为mapreduce_shuffle。有些参考用书上也错误的写为另一个值mapreduce-shuffle。

数据太大？你该了解Hadoop分布式文件系统

数据产生后，意味着数据的采集工作已经完成，那么数据的输入与有效输出问题怎么破解？

Hadoop,文件系统

作者：管理员

上一篇：Hadoop2.6.0运行mapreduce之推断（speculative）执行（上 ← 下一篇：数据太大？你该领会Hadoop分布式文件系统_oracle数 →

推荐内容 Recommended

相关内容 Related

我们的服务 Our Services

江苏飞浩信息科技有限公司一直致力于专业的数据恢复，信息安全方面等方面工作！随着电脑，网络的普及，数据存储本身的安全就已然成为人们首要关心的问题。存储介质本身会出现故障的绝对性却决定了无论多么优良的存储介质也无法绝对安全的现实。

立即前往 Now Go →

我们的成功案例 Our Successful Cases

江苏飞浩信息科技有限公司自成立以来，一直从事计算机数据恢复、信息安全保障等工作，为了适应信息安全的发展需要，中心引进国际先进的设备和数据恢复技术，并自主开发了适合中国计算机用户的“FehoDisk”数据实时备份产品。中心研发的虚拟RAID软件已经通过相关部门的验收。

立即前往 Now Go →



现在致电4006-2991-90 OR 查看更多联系方式 →

Go To Top 回顶部