Hadoop2.7.2完全分布式环境搭建_服务器应用_Linux公社-Linux系统门户网站
你好，游客
Hadoop2.7.2完全分布式环境搭建
来源：Linux社区&
作者：wocaca
分享我的2.7.2完全分布式环境搭建过程。
服务器：用户：hadoop
192.168.199.155
master-hadoop
desktop 15
192.168.199.157
slave1-hadoop
ubuntu desktop 15
192.168.199.158
slave2-hadoop
ubuntu desktop 15
java：版本:1.8.0_73
路径:/usr/local/jdk
版本：2.7.2
路径：/usr/local/hadoop
--------------------------------------------------------------------------------
以下部署动作全部在master上执行，slave1和slave2通过虚拟机克隆的方式生成。
设置系统环境变量，编辑/etc/profile，末尾添加：
修改hosts,编辑/etc/hosts，末尾添加：
配置ssh免密登陆
[hadoop@master-hadoop ~]$ ssh-keygen -t rsa
[hadoop@slave1-hadoop ~]$ cd/home/hadoop/.ssh/
[hadoop@slave1-hadoop .ssh]$ cat id_rsa.pub && authorized_keys
[hadoop@slave1-hadoop .ssh]$ chmod 600 authorized_keys
[hadoop@slave1-hadoop .ssh]$ chmod 700 ../.ssh/&
修改hadoop配置文件（core-site.xml和hdfs-site.xml文件中根据hadoop路径修改节点内容）
hadoop-env.sh
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml
克隆虚拟机，生成slave节点（vmware克隆后网卡mac要重新生成，然后在ubuntu网络设置里重新设置mac地址）1.修改机器名，编辑/etc/hostname，文件内容改为slave1|slave2后重启系统。2.在master上ssh连接slave1和slave2，测试免密码登陆是否成功，执行ssh& slave1-hadoop3.在master上启动hadoop,执行start-all.sh
注意事项：1.hadoop用户必须有/usr/local/hadoop文件夹读写权限2.ssh登陆提示The authenticity of host can't be established，修改/etc/ssh/ssh_config文件的配置，最后面添加：
StrictHostKeyChecking no
UserKnownHostsFile /dev/null
下面关于Hadoop的文章您也可能喜欢，不妨看看：
Ubuntu14.04下Hadoop2.4.1单机/伪分布式安装配置教程&
安装和配置Hadoop2.2.0&
Ubuntu 13.04上搭建Hadoop环境
Ubuntu 12.10 +Hadoop 1.2.1版本集群配置
Ubuntu上搭建Hadoop环境（单机模式+伪分布模式）
Ubuntu下Hadoop环境的配置
单机版搭建Hadoop环境图文教程详解
更多Hadoop相关信息见 专题页面
本文永久更新链接地址：
相关资讯 & & &
& (03月22日)
& (12/18/:28)
& (03月22日)
& (03月22日)
& (07/27/:12)
　　　同意评论声明
　　　发表
尊重网上道德，遵守中华人民共和国的各项有关法律法规
承担一切因您的行为而直接或间接导致的民事或刑事法律责任
本站管理人员有权保留或删除其管辖留言中的任意内容
本站有权在网站内转载或引用您的评论
参与本评论即表明您已经阅读并接受上述条款相关文章推荐
Linux上安装Hadoop集群(CentOS7+hadoop-2.8.0) 版本：CentOS7
Hadoop2.8.0
Linux下Hadoop2.7.1集群环境的搭建（超详细版）
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...
linux：安装流程：
1、安装JDK，要求是jdk1.6及其以上的版本：
以jdk-8u40-linux-x64.gz为例，在你的java下载目录下
sudo tar -zxvf jdk-8...
1、安装JDK（此处以安装JDK1.6为例，具体安装JDK的版本不限）
　　（1）下载安装JDK：确保计算机联网之后命令行输入下面命令安装JDK
sudo apt-get install...
1、首先下载VMware 虚拟机，VMware Workstation 12.0.0 Pro 正式版下载地址如下：
/thread-.ht...
在linux中搭建hadoop开发环境
一、在windows上安装linux双系统
hadoop是运行在linux下的并行计算框架，在windows上搭建也是通过cygwin模拟linux...
折腾了两天，总算把环境搭起来了，由于很多资料都是基于Hadoop1.0的，而目前的2.0以上的Hadoop架构发生变化，因此一些老旧的资料就已经不再适用，而我又实在是不喜欢看官方文档，所以整理出这篇攻...
一、环境说明
1、机器：一台物理机 和一台虚拟机
2、linux版本：[spark@S1PA11 ~]$ cat /etc/issue
Red Hat Enterprise Linux Server ...
我的环境是：Ubuntu14.04+Hadoop2.6.0+JDK1.8.0_25
官网2.6.0的安装教程：http://hadoop.apache.org/docs/r2.6.0/hadoo...
他的最新文章
他的热门文章
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)1. 小白快速入门安装hadoop集群实战 – Linux系统运维架构
2017年十二月
11121314151617
18192021222324
25262728293031
Theme | Powered byHadoop集群搭建
本文描述了如何安装、配置和管理有实际意义的Hadoop集群，其规模可从几个节点的小集群到几千个节点的超大集群。
如果你希望在单机上安装Hadoop玩玩，从能找到相关细节。
确保在你集群中的每个节点上都安装了所有软件。
Hadoop软件包。
安装Hadoop集群通常要将安装软件解压到集群内的所有机器上。
通常，集群里的一台机器被指定为
NameNode，另一台不同的机器被指定为JobTracker。这些机器是masters。余下的机器即作为DataNode也作为TaskTracker。这些机器是slaves。
我们用HADOOP_HOME指代安装的根路径。通常，集群里的所有机器的HADOOP_HOME路径相同。
接下来的几节描述了如何配置Hadoop集群。
对Hadoop的配置通过conf/目录下的两个重要配置文件完成：
- 只读的默认配置。
hadoop-site.xml - 集群特有的配置。
要了解更多关于这些配置文件如何影响Hadoop框架的细节，请看。
此外，通过设置conf/hadoop-env.sh中的变量为集群特有的值，你可以对bin/目录下的Hadoop脚本进行控制。
要配置Hadoop集群，你需要设置Hadoop守护进程的运行环境和Hadoop守护进程的运行参数。
Hadoop守护进程指NameNode/DataNode
和JobTracker/TaskTracker。
配置Hadoop守护进程的运行环境
管理员可在conf/hadoop-env.sh脚本内对Hadoop守护进程的运行环境做特别指定。
至少，你得设定JAVA_HOME使之在每一远端节点上都被正确设置。
管理员可以通过配置选项HADOOP_*_OPTS来分别配置各个守护进程。
下表是可以配置的选项。
守护进程配置选项
NameNodeHADOOP_NAMENODE_OPTS
DataNodeHADOOP_DATANODE_OPTS
SecondaryNamenode
HADOOP_SECONDARYNAMENODE_OPTS
JobTrackerHADOOP_JOBTRACKER_OPTS
TaskTrackerHADOOP_TASKTRACKER_OPTS
例如，配置Namenode时,为了使其能够并行回收垃圾（parallelGC），
要把下面的代码加入到hadoop-env.sh :
export HADOOP_NAMENODE_OPTS="-XX:+UseParallelGC ${HADOOP_NAMENODE_OPTS}"
其它可定制的常用参数还包括：
HADOOP_LOG_DIR - 守护进程日志文件的存放目录。如果不存在会被自动创建。
HADOOP_HEAPSIZE - 最大可用的堆大小，单位为MB。比如，1000MB。
这个参数用于设置hadoop守护进程的堆大小。缺省大小是1000MB。
配置Hadoop守护进程的运行参数
这部分涉及Hadoop集群的重要参数，这些参数在conf/hadoop-site.xml中指定。
fs.default.name
NameNode的URI。
hdfs://主机名/
mapred.job.tracker
JobTracker的主机（或者IP）和端口。
主机:端口。
dfs.name.dir
NameNode持久存储名字空间及事务日志的本地文件系统路径。
当这个值是一个逗号分割的目录列表时，nametable数据将会被复制到所有目录中做冗余备份。
dfs.data.dir
DataNode存放块数据的本地文件系统路径，逗号分割的列表。
当这个值是逗号分割的目录列表时，数据将被存储在所有目录下，通常分布在不同设备上。
mapred.system.dir
Map/Reduce框架存储系统文件的HDFS路径。比如/hadoop/mapred/system/。
这个路径是默认文件系统（HDFS）下的路径， 须从服务器和客户端上均可访问。
mapred.local.dir
本地文件系统下逗号分割的路径列表，Map/Reduce临时数据存放的地方。
多路径有助于利用磁盘i/o。
mapred.tasktracker.{map|reduce}.tasks.maximum
某一TaskTracker上可运行的最大Map/Reduce任务数，这些任务将同时各自运行。
默认为2（2个map和2个reduce），可依据硬件情况更改。
dfs.hosts/dfs.hosts.exclude
许可/拒绝DataNode列表。
如有必要，用这个文件控制许可的datanode列表。
mapred.hosts/mapred.hosts.exclude
许可/拒绝TaskTracker列表。
如有必要，用这个文件控制许可的TaskTracker列表。
通常，上述参数被标记为
以确保它们不被用户应用更改。
现实世界的集群配置
这节罗列在大规模集群上运行sort基准测试(benchmark)时使用到的一些非缺省配置。
运行sort900的一些非缺省配置值，sort900即在900个节点的集群上对9TB的数据进行排序：
dfs.block.size
针对大文件系统，HDFS的块大小取128MB。
dfs.namenode.handler.count
启动更多的NameNode服务线程去处理来自大量DataNode的RPC请求。
mapred.reduce.parallel.copies
reduce启动更多的并行拷贝器以获取大量map的输出。
mapred.child.java.opts
为map/reduce子虚拟机使用更大的堆。
fs.inmemory.size.mb
为reduce阶段合并map输出所需的内存文件系统分配更多的内存。
io.sort.factor
文件排序时更多的流将同时被归并。
io.sort.mb
提高排序时的内存上限。
io.file.buffer.size
SequenceFile中用到的读/写缓存大小。
运行sort1400和sort2000时需要更新的配置，即在1400个节点上对14TB的数据进行排序和在2000个节点上对20TB的数据进行排序：
mapred.job.tracker.handler.count
启用更多的JobTracker服务线程去处理来自大量TaskTracker的RPC请求。
mapred.reduce.parallel.copies
tasktracker.http.threads
为TaskTracker的Http服务启用更多的工作线程。reduce通过Http服务获取map的中间输出。
mapred.child.java.opts
使用更大的堆用于maps/reduces的子虚拟机
通常，你选择集群中的一台机器作为NameNode，另外一台不同的机器作为JobTracker。余下的机器即作为DataNode又作为TaskTracker，这些被称之为slaves。
在conf/slaves文件中列出所有slave的主机名或者IP地址，一行一个。
Hadoop使用来记录日志，它由框架来实现。编辑conf/log4j.properties文件可以改变Hadoop守护进程的日志配置（日志格式等）。
作业的历史文件集中存放在hadoop.job.history.location，这个也可以是在分布式文件系统下的路径，其默认值为${HADOOP_LOG_DIR}/history。jobtracker的web UI上有历史日志的web UI链接。
历史文件在用户指定的目录hadoop.job.history.user.location也会记录一份，这个配置的缺省值为作业的输出目录。这些文件被存放在指定路径下的&_logs/history/&目录中。因此，默认情况下日志文件会在&mapred.output.dir/_logs/history/&下。如果将hadoop.job.history.user.location指定为值none，系统将不再记录此日志。
用户可使用以下命令在指定路径下查看历史日志汇总
$ bin/hadoop job -history output-dir
这条命令会显示作业的细节信息，失败和终止的任务细节。
关于作业的更多细节，比如成功的任务，以及对每个任务的所做的尝试次数等可以用下面的命令查看
$ bin/hadoop job -history all output-dir
一但全部必要的配置完成，将这些文件分发到所有机器的HADOOP_CONF_DIR路径下，通常是${HADOOP_HOME}/conf。
Hadoop的机架感知
HDFS和Map/Reduce的组件是能够感知机架的。
NameNode和JobTracker通过调用管理员配置模块中的API来获取集群里每个slave的机架id。该API将slave的DNS名称（或者IP地址）转换成机架id。使用哪个模块是通过配置项topology.node.switch.mapping.impl来指定的。模块的默认实现会调用topology.script.file.name配置项指定的一个的脚本/命令。 如果topology.script.file.name未被设置，对于所有传入的IP地址，模块会返回/default-rack作为机架id。在Map/Reduce部分还有一个额外的配置项mapred.cache.task.levels，该参数决定cache的级数（在网络拓扑中）。例如，如果默认值是2，会建立两级的cache－ 一级针对主机（主机 -& 任务的映射）另一级针对机架（机架 -& 任务的映射）。
启动Hadoop
启动Hadoop集群需要启动HDFS集群和Map/Reduce集群。
格式化一个新的分布式文件系统：
$ bin/hadoop namenode -format
在分配的NameNode上，运行下面的命令启动HDFS：
$ bin/start-dfs.sh
bin/start-dfs.sh脚本会参照NameNode上${HADOOP_CONF_DIR}/slaves文件的内容，在所有列出的slave上启动DataNode守护进程。
在分配的JobTracker上，运行下面的命令启动Map/Reduce：
$ bin/start-mapred.sh
bin/start-mapred.sh脚本会参照JobTracker上${HADOOP_CONF_DIR}/slaves文件的内容，在所有列出的slave上启动TaskTracker守护进程。
停止Hadoop
在分配的NameNode上，执行下面的命令停止HDFS：
$ bin/stop-dfs.sh
bin/stop-dfs.sh脚本会参照NameNode上${HADOOP_CONF_DIR}/slaves文件的内容，在所有列出的slave上停止DataNode守护进程。
在分配的JobTracker上，运行下面的命令停止Map/Reduce：
$ bin/stop-mapred.sh
bin/stop-mapred.sh脚本会参照JobTracker上${HADOOP_CONF_DIR}/slaves文件的内容，在所有列出的slave上停止TaskTracker守护进程。}