Hadoop2.7.3+Spark2.1.0完全分布式集群搭建過程

1.選取三臺服務器（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

     之后的操作如果是用普通用戶操作的話也必須知道root用戶的密碼，因為有些操作是得用root用戶操作。如果是用root用戶操作的話就不存在以上問題。

　　我是用root用戶操作的。

2.修改hosts文件

　　修改三臺服務器的hosts文件。

　　vi /etc/hosts

　　在原文件的基礎最后面加上：

114.55.246.88 Master114.55.246.77 Slave1114.55.246.93 Slave2

　　修改完成后保存執行如下命令。

　　source /etc/hosts

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。

　　可以通過下面命令查看是否已經安裝：

　　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是一個遠程數據同步工具，可通過LAN/WAN快速同步多臺主機間的文件）

　　service sshd restart （啟動服務）

　　3.2 配置Master無密碼登錄所有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 ''

　　生成的密鑰對：id_rsa和id_rsa.pub，默認存儲在"/root/.ssh"目錄下。

　　2）接著在Master節點上做如下配置，把id_rsa.pub追加到授權的key里面去。

　　cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

　　3）修改ssh配置文件"/etc/ssh/sshd_config"的下列內容，將以下內容的注釋去掉：

　　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 # 公鑰文件路徑（和上面生成的文件同）

　　4）重啟ssh服務，才能使剛才設置有效。

　　service sshd restart

　　5）驗證無密碼登錄本機是否成功。

　　ssh localhost

　　6）接下來的就是把公鑰復制到所有的Slave機器上。使用下面的命令進行復制公鑰：

　　scp /root/.ssh/id_rsa.pub root@Slave1:/root/

　　scp /root/.ssh/id_rsa.pub root@Slave2:/root/

　　接著配置Slave節點，以下是在Slave1節點的配置操作。

　　1）在"/root/"下創建".ssh"文件夾，如果已經存在就不需要創建了。

　　mkdir /root/.ssh

　　2）將Master的公鑰追加到Slave1的授權文件"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設置的第3步和第4步。

　　4）用Master使用ssh無密碼登錄Slave1

　　ssh 114.55.246.77

　　5）把"/root/"目錄下的"id_rsa.pub"文件刪除掉。

　　rm –r /root/id_rsa.pub

　　重復上面的5個步驟把Slave2服務器進行相同的配置。

　　3.3 配置所有Slave無密碼登錄Master

　　以下是在Slave1節點的配置操作。

　　1）創建"Slave1"自己的公鑰和私鑰，并把自己的公鑰追加到"authorized_keys"文件中，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"復制到Master節點的"/root/"目錄下。

　　scp /root/.ssh/id_rsa.pub root@Master:/root/

　　以下是在Master節點的配置操作。

　　1）將Slave1的公鑰追加到Master的授權文件"authorized_keys"中去。

　　cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

　　2）刪除Slave1復制過來的"id_rsa.pub"文件。

　　rm –r /root/id_rsa.pub

　　配置完成后測試從Slave1到Master無密碼登錄。

　　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錄。這樣，Master能無密碼驗證登錄每個Slave，每個Slave也能無密碼驗證登錄到Master。

4.安裝基礎環境（JAVA和SCALA環境）

　　4.1 Java1.8環境搭建

　　1）下載jdk-8u121-linux-x64.tar.gz解壓

　　tar -zxvf jdk-8u121-linux-x64.tar.gz

　　2）添加Java環境變量，在/etc/profile中添加：

export JAVA_HOME=/usr/local/jdk1.8.0_121PATH=$JAVA_HOME/bin:$PATH
CLASSPATH=.:$JAVA_HOME/lib/rt.jar
export JAVA_HOME PATH CLASSPATH

　　3）保存后刷新配置

　　source /etc/profile

　　4.2 Scala2.11.8環境搭建

　　1）下載scala安裝包scala-2.11.8.rpm安裝

　　rpm -ivh scala-2.11.8.rpm

　　2）添加Scala環境變量，在/etc/profile中添加：

export SCALA_HOME=/usr/share/scala
export PATH=$SCALA_HOME/bin:$PATH

　　3）保存后刷新配置

　　source /etc/profile

5.Hadoop2.7.3完全分布式搭建

　　以下是在Master節點操作：

　　1）下載二進制包hadoop-2.7.3.tar.gz

　　2）解壓并移動到相應目錄，我習慣將軟件放到/opt目錄下，命令如下：

　　tar -zxvf hadoop-2.7.3.tar.gz

　　mv hadoop-2.7.3 /opt

　　3）修改相應的配置文件。

　　修改/etc/profile，增加如下內容：

 export HADOOP_HOME=/opt/hadoop-2.7.3/
 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"

　　修改完成后執行：

　　source /etc/profile

　　修改$HADOOP_HOME/etc/hadoop/hadoop-env.sh，修改JAVA_HOME 如下：

  export JAVA_HOME=/usr/local/jdk1.8.0_121

　　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-2.7.3/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-2.7.3/hdfs/name</value>
    </property>
    <property>
      <name>dfs.datanode.data.dir</name>
      <value>file:/opt/hadoop-2.7.3/hdfs/data</value>
    </property></configuration>

　　復制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）復制Master節點的hadoop文件夾到Slave1和Slave2上。

　　scp -r /opt/hadoop-2.7.3 root@Slave1:/opt

　　scp -r /opt/hadoop-2.7.3 root@Slave2:/opt

　　5）在Slave1和Slave2上分別修改/etc/profile，過程同Master一樣。

　　6）在Master節點啟動集群，啟動之前格式化一下namenode：

　　hadoop namenode -format

　　啟動：

　　/opt/hadoop-2.7.3/sbin/start-all.sh

　　至此hadoop的完全分布式環境搭建完畢。

　　7）查看集群是否啟動成功：

　　jps

　　Master顯示：

　　SecondaryNameNode

　　ResourceManager

　　NameNode

　　Slave顯示：

　　NodeManager

　　DataNode

6.Spark2.1.0完全分布式環境搭建

　　以下操作都在Master節點進行。

　　1）下載二進制包spark-2.1.0-bin-hadoop2.7.tgz

　　2）解壓并移動到相應目錄，命令如下：

　　tar -zxvf spark-2.1.0-bin-hadoop2.7.tgz

　　mv hadoop-2.7.3 /opt

　　3）修改相應的配置文件。

　　修改/etc/profie，增加如下內容：

export SPARK_HOME=/opt/spark-2.1.0-bin-hadoop2.7/
export PATH=$PATH:$SPARK_HOME/bin

　　復制spark-env.sh.template成spark-env.sh

　　cp spark-env.sh.template spark-env.sh

　　修改$SPARK_HOME/conf/spark-env.sh，添加如下內容：

export JAVA_HOME=/usr/local/jdk1.8.0_121export SCALA_HOME=/usr/share/scala
export HADOOP_HOME=/opt/hadoop-2.7.3export HADOOP_CONF_DIR=/opt/hadoop-2.7.3/etc/hadoop
export SPARK_MASTER_IP=114.55.246.88export SPARK_MASTER_HOST=114.55.246.88export SPARK_LOCAL_IP=114.55.246.88export SPARK_WORKER_MEMORY=1g
export SPARK_WORKER_CORES=2export SPARK_HOME=/opt/spark-2.1.0-bin-hadoop2.7export SPARK_DIST_CLASSPATH=$(/opt/hadoop-2.7.3/bin/hadoop classpath)

　　復制slaves.template成slaves

　　cp slaves.template slaves

　　修改$SPARK_HOME/conf/slaves，添加如下內容：

Master
Slave1
Slave2

　　4）將配置好的spark文件復制到Slave1和Slave2節點。

　　scp /opt/spark-2.1.0-bin-hadoop2.7 root@Slave1:/opt

      scp /opt/spark-2.1.0-bin-hadoop2.7 root@Slave2:/opt

　　5）修改Slave1和Slave2配置。

　　在Slave1和Slave2上分別修改/etc/profile，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節點啟動集群。

　　/opt/spark-2.1.0-bin-hadoop2.7/sbin/start-all.sh

　　7）查看集群是否啟動成功：

　　jps

　　Master在Hadoop的基礎上新增了：

　　Master

　　Slave在Hadoop的基礎上新增了：

　　Worker