系统相关
首页 > 系统相关> > CentOS 7上搭建Spark3.0.1+ Hadoop3.2.1分布式集群

CentOS 7上搭建Spark3.0.1+ Hadoop3.2.1分布式集群

作者：互联网

CentOS 7上搭建Spark3.0.1+ Hadoop3.2.1分布式集群

 

VMWare 安装CentOS 7

  1. 推荐使用VMware Workstation Pro 16，下载安装即可。
  2. 下载最新的CentOS 7 Minimal-2009.iso，在虚拟机安装。推荐1G运存和20G存储。
  3. 在CentOS 7的安装过程中，需要设置root用户的密码，还可以根据需要创建单独的用户。
  4. 安装完成后，使用命令行进行更新，然后安装net-tools.x86_64，以方便查看ip地址。 
    # 如果在安装时没有连接网络
 vi /etc/sysconfig/network-scripts/ifcfg-ens33
 # 将ONBOOT=no修改为yes
 # 重启网络服务
 service network restart
 # 更新系统
 yum update
 # 安装net-tools
 yum install net-tools.x86_64
 # 查看ip地址
 ifconfig
    ip地址为：192.168.92.137

使用Xshell连接虚拟机

  1. 这里可以下载Xshell家庭/学校免费版，但是您需要申请才行。
  2. 文件->新建会话，信息配置可以参考如下，连接即可。
    名称主机端口用户名
    CentOS 7192.168.92.13722root
    表格中的信息，具体需要更换成您自己的。

集群设置

  1. 节点设置。
    hostname(主机名)ip地址namenode(主节点)datanode(从节点)
    master192.168.92.137TrueFalse
    slave1192.168.92.138FalseTrue
    slave2192.168.92.139FalseTrue
    slave3192.168.92.140FalseTrue
    为什么上面的ip地址是连续的呢? 这其实跟DHCP有关，下一步我们会使用克隆主机的方式来创建多个slave机器，大家可以去验证，但是可能出现与表中不一直的ip，我们根据需要修改即可。

安装JDK 1.8

  1. 在进行下一步的克隆前，我们先安装jdk-8u271-linux-x64.tar.gz，目前1.8版本的下载需要注册Oracle的账号才能够下载，有点麻烦呢。
  2. 使用SCP命令上传到master主机上，scp命令使用参考如下。 
    scp local_file remote_username@remote_ip:remote_folder
    参数依次是本地文件，远程用户名和远程ip，以及保存的文件夹。在PowerShell中使用如下。 
    	PS E:\XunLeiDownload> scp .\jdk-8u271-linux-x64.tar.gz root@192.168.92.137:/usr/local
	>>> # 这是输出
	The authenticity of host '192.168.92.137 (192.168.92.137)' can't be established.
	ECDSA key fingerprint is SHA256:DjkK5V/chVHAD1SsaosqdxfH4wClmH8S6M8kxw7X/RQ.
	Are you sure you want to continue connecting (yes/no)?
	Warning: Permanently added '192.168.92.137' (ECDSA) to the list of known hosts.
	root@192.168.92.137's password:
	jdk-8u271-linux-x64.tar.gz                                                            100%  137MB  91.5MB/s   00:01    # 上传成功
  3. 解压jdk1.8到/usr/local路径下， 
    tar -xvf jdk-8u271-linux-x64.tar.gz 
mv jdk1.8.0_271 jdk1.8    # 重命名文件夹
    安装vim，编辑/etc/profile， 
    yum install vim # 安装vim
vim /etc/profile
    添加两行内容如下， 
    export JAVA_HOME=/usr/local/jdk1.8
export PATH=$PATH:$JAVA_HOME/bin
    执行source /etc/profile使环境生效，$JAVA_HOME查看是否配置成功，或者， 
    java -version   
>>>   
java version "1.8.0_271"
Java(TM) SE Runtime Environment (build 1.8.0_271-b09)
Java HotSpot(TM) 64-Bit Server VM (build 25.271-b09, mixed mode)
    表示配置成功。

SSH 免密登陆

  1. 在配置ssh免密登陆之前，将master克隆3份slaves出来，然后验证其ip是否和上面所述一致，并使用Xshell连接，这样我们可以得到额外的三台机器，且都安装好Java的。
    注意：在使用克隆时，不太推荐使用链接克隆。
    使用ifconfig查看ip地址后，如下，下面将按照这个ip地址进行配置。
    hostname(主机名)ip地址namenode(主节点)datanode(从节点)
    master192.168.92.137TrueFalse
    slave1192.168.92.134FalseTrue
    slave2192.168.92.135FalseTrue
    slave3192.168.92.146FalseTrue
  2. 在master节点上更改hosts文件如下。
    vim /etc/hosts编辑，在后面添加以下行。 
    192.168.92.137 master
192.168.92.134 slave1
192.168.92.135 slave2
192.168.92.136 slave3
    其他的slave节点也应该如此。
  3. 使用以下命令，分别更改4台机器的主机名，以master节点为例。 
    hostnamectl set-hostname master
    其他节点是slave1-3，更改完成后在Xshell中重启会话就可以发现主机名已经改变啦。
  4. 要使master和3台slave免密登陆，需先在本地机器使用ssh-keygen一个公私钥对。 
    ssh-keygen -t rsa    # 生成公私钥对
>>>
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa): 
Created directory '/root/.ssh'.
Enter passphrase (empty for no passphrase):   # 不用输入 
Enter same passphrase again: 
Your identification has been saved in /root/.ssh/id_rsa.    # 存放位置
Your public key has been saved in /root/.ssh/id_rsa.pub.      # 公钥
The key fingerprint is:
SHA256:vGAdZV8QBkGYgbyAj4OkQ9GrYEEiilX5QLmL97CcFeg root@master
The key's randomart image is:
+---[RSA 2048]----+
|+o++o+ ..=*o+o.  |
|==..= o oo o .   |
|*..o.* ..   .    |
|=.o.+ +o .       |
|o..+ .o.S        |
| .. E... .       |
|   o *  .        |
|    + .          |
|                 |
+----[SHA256]-----+
    其他三台机器也是这样生成。
  5. 将slaves生成的所有id_rsa.pub公钥文件通过scp上传到master的/root/.ssh/目录下。 
    scp id_rsa.pub root@master:/root/.ssh/id_rsa.pub.1    # slave2 对应于.2
scp id_rsa.pub root@master:/root/.ssh/id_rsa.pub.2    # 依此类推
# master上也要这样处理，否则就不能从slaves登陆到master，如下
scp id_rsa.pub root@master:/root/.ssh/
    在master节点上，将所有的公钥文件写入authorized_keys文件中。 
    cat id_rsa.pub* >> authorized_keys
rm -rf id_rsa.pub.*     # 删除
    分发authorized_keys文件给slaves机器。 
    scp authorized_keys root@slave1:/root/.ssh/
scp authorized_keys root@slave2:/root/.ssh/
scp authorized_keys root@slave3:/root/.ssh/
    分发known_hosts文件给slaves机器。 
    scp known_hosts root@slave3:/root/.ssh/  # 其他同上
    这样就可以实现免密登陆啦，查看known_hosts文件如下。 
    	master,192.168.92.137 ecdsa-sha2-nistp256 AAAAE2VjZHNhLXNoYTItbmlzdHAyNTYAAAAIbmlzdHAyNTYAAABBBG4pcNSq4jQmGY3JRlYoU/IssJ8gfjTZhCcqBmLlviFismkti27xJHbd0s1rcaO/MX4ORK6eUdGr2ALE/r36otk=
	slave1,192.168.92.134 ecdsa-sha2-nistp256 AAAAE2VjZHNhLXNoYTItbmlzdHAyNTYAAAAIbmlzdHAyNTYAAABBBG4pcNSq4jQmGY3JRlYoU/IssJ8gfjTZhCcqBmLlviFismkti27xJHbd0s1rcaO/MX4ORK6eUdGr2ALE/r36otk=
	slave2,192.168.92.135 ecdsa-sha2-nistp256 AAAAE2VjZHNhLXNoYTItbmlzdHAyNTYAAAAIbmlzdHAyNTYAAABBBG4pcNSq4jQmGY3JRlYoU/IssJ8gfjTZhCcqBmLlviFismkti27xJHbd0s1rcaO/MX4ORK6eUdGr2ALE/r36otk=
	slave3,192.168.92.136 ecdsa-sha2-nistp256 AAAAE2VjZHNhLXNoYTItbmlzdHAyNTYAAAAIbmlzdHAyNTYAAABBBG4pcNSq4jQmGY3JRlYoU/IssJ8gfjTZhCcqBmLlviFismkti27xJHbd0s1rcaO/MX4ORK6eUdGr2ALE/r36otk=
    符合这样的格式才可以呢。

安装hadoop 3.2

  1. 下载hadoop-3.2.1.tar.gz，通过scp上传之master节点，然后解压。 
    PS E:\XunLeiDownload> scp .\jdk-8u271-linux-x64.tar.gz root@192.168.92.137:/usr/local
tar -xvf hadoop-3.2.1.tar.gz   # 解压在/usr/local/hadoop-3.2.1
  2. 添加环境变量，vim /etc/profile，在最后添加以下两行。 
    export HADOOP_HOME=/usr/local/hadoop-3.2.1
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME:/sbin
    执行以下命令source /etc/profile，使配置文件生效，并查看是否成功。 
    hadoop version
>>>
Hadoop 3.2.1
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r b3cbbb467e22ea829b3808f4b7b01d07e0bf3842
Compiled by rohithsharmaks on 2019-09-10T15:56Z
Compiled with protoc 2.5.0
From source with checksum 776eaf9eee9c0ffc370bcbc1888737
This command was run using /usr/local/hadoop-3.2.1/share/hadoop/common/hadoop-common-3.2.1.jar
  3. 在hadoop安装目录下建立以下目录： 
    mkdir tmp  # 即hadoop-3.2.1/tmp， 存储临时文件
mkdir -p hdfs/name  # namenode的数据目录
mkdir -p hdfs/data # datanode的数据目录
  4. 配置相关配置文件，在etc/hadoop目录下。
    文件介绍
    core-site.xml核心配置文件
    dfs-site.xmlhdfs存储相关配置
    apred-site.xmlMapReduce相关的配置
    arn-site.xmlyarn相关的一些配置
    workers用来指定从节点，文件中默认是localhost
    hadoop-env.sh配置hadoop相关变量
    在core-site.xml文件中指定默认文件系统和临时文件目录。 
    <configuration>
     <property>
         <name>fs.defaultFS</name>
         <value>hdfs://master:9000</value>
     </property>
     <property>
         <name>hadoop.tmp.dir</name>
         <value>/usr/local/hadoop-3.2.1/tmp</value>
     </property>
</configuration>
    在hdfs-site.xml中配置复制份数，datanode和namenode的目录。 
    <configuration>
   <property>
       <name>dfs.namenode.secondary.http-address</name>
       <value>master:50090</value>
   </property>
   <property>
       <name>dfs.replication</name>
       <value>3</value>
   </property>
   <property>
       <name>dfs.namenode.name.dir</name>
       <value>file:/usr/local/hadoop-3.2.1/hdfs/name</value>
       <final>true</final>
   </property>
   <property>
       <name>dfs.datanode.data.dir</name>
       <value>file:/usr/local/hadoop-3.2.1/hdfs/data</value>
       <final>true</final>
   </property>
   <property>
       <name>dfs.webhdfs.enabled</name>
       <value>true</value>
   </property>
   <property>
       <name>dfs.permissions.enabled</name>
       <value>false</value>
   </property>
</configuration>
    在mapred-site.xml中指定主节点和添加classpath。 
    <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.webapp.address</name>
       <value>master:19888</value>
   </property>
   <property>
       <name>mapreduce.application.classpath</name>
       <value>
           /usr/local/hadoop-3.2.1/etc/hadoop,
           /usr/local/hadoop-3.2.1/share/hadoop/common/*,
           /usr/local/hadoop-3.2.1/share/hadoop/common/lib/*,
           /usr/local/hadoop-3.2.1/share/hadoop/hdfs/*,
           /usr/local/hadoop-3.2.1/share/hadoop/hdfs/lib/*,
           /usr/local/hadoop-3.2.1/share/hadoop/mapreduce/*,
           /usr/local/hadoop-3.2.1/share/hadoop/mapreduce/lib/*,
           /usr/local/hadoop-3.2.1/share/hadoop/yarn/*,
           /usr/local/hadoop-3.2.1/share/hadoop/yarn/lib/*
       </value>
   </property>
</configuration>
    yarn-site.xml中都需要指向主节点。 
    <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.log-aggregation-enable</name>
       <value>true</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>
    workers中指定datanode节点。 
    localhost
slave1
slave2
slave3
    在hadoop-env.sh中指定用户。 
    export HADOOP_HOME=/usr/local/jdk1.8
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
  5. 将配置好的hadoop分发到其他机器，在其他slaves机器上也要执行步骤2添加环境变量哦。 
    scp -r hadoop-3.2.1 slave1:/usr/local/
scp -r hadoop-3.2.1 slave2:/usr/local/
scp -r hadoop-3.2.1 slave3:/usr/local/
  6. 格式化namenode，在master执行。 
    hdfs name -format
>> 
2020-11-25 23:58:07,593 INFO common.Storage: Storage directory /usr/local/hadoop-3.2.1/hdfs/name has been successfully formatted.
2020-11-25 23:58:07,640 INFO namenode.FSImageFormatProtobuf: Saving image file /usr/local/hadoop-3.2.1/hdfs/name/current/fsimage.ckpt_0000000000000000000 using no compression
2020-11-25 23:58:07,792 INFO namenode.FSImageFormatProtobuf: Image file /usr/local/hadoop-3.2.1/hdfs/name/current/fsimage.ckpt_0000000000000000000 of size 396 bytes saved in 0 seconds .
2020-11-25 23:58:07,807 INFO namenode.NNStorageRetentionManager: Going to retain 1 images with txid >= 0
2020-11-25 23:58:07,825 INFO namenode.FSImage: FSImageSaver clean checkpoint: txid=0 when meet shutdown.
2020-11-25 23:58:07,826 INFO namenode.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at master/192.168.92.137
************************************************************/
    在输出中看到Storage: Storage directory /usr/local/hadoop-3.2.1/hdfs/name has been successfully formatted.，说明格式话成功了，在下一次格式化前，需要删除hdfs和tmp目录下的所有文件，否则会运行不起来。
  7. 启动hadoop，在sbin下。 
    ./start-all.sh
>>>
 ./start-all.sh
Starting namenodes on [master]
上一次登录：四 11月 26 00:08:30 CST 2020pts/5 上
master: namenode is running as process 14328.  Stop it first.
Starting datanodes
上一次登录：四 11月 26 00:14:03 CST 2020pts/5 上
slave1: WARNING: /usr/local/hadoop-3.2.1/logs does not exist. Creating.
slave3: WARNING: /usr/local/hadoop-3.2.1/logs does not exist. Creating.
slave2: WARNING: /usr/local/hadoop-3.2.1/logs does not exist. Creating.
localhost: datanode is running as process 14468.  Stop it first.
Starting secondary namenodes [master]
上一次登录：四 11月 26 00:14:04 CST 2020pts/5 上
Starting resourcemanager
上一次登录：四 11月 26 00:14:09 CST 2020pts/5 上
resourcemanager is running as process 13272.  Stop it first.
Starting nodemanagers
上一次登录：四 11月 26 00:14:19 CST 2020pts/5 上
    使用jps查看。 
    jps
>>>
15586 Jps
14468 DataNode
14087 GetConf
13272 ResourceManager
14328 NameNode
15096 SecondaryNameNode
15449 NodeManager
    这上面显示的master节点的信息slaves节点则少了一些，可以自行查看哦。
  8. 验证，访问namenod主节点端口9870。 
    service firewalld stop  # 需要关闭防火墙哦
    webui地址在：http://192.168.92.137:9870/。
    namenode
  9. 在下面的摘要如下，可以看到确实有4个节点。
    在这里插入图片描述
  10. 查看yarn管理界面，在http://192.168.92.137:8088/cluster。
    yarn
  11. 测试，向hdfs文件系统中写入一个文件。 
    PS E:\XunLeiDownload> scp .\TwitterSecurity.csv root@192.168.92.137:/root
# 这里上传一个40多兆的csv文件
hdfs dfs -put TwitterSecurity.csv /
    put data可以看到确实在是三个节点上复制保存。

安装Spark 3.0.1

  1. 下载预编译hadoop3.2的版本，spark-3.0.1-bin-hadoop3.2.tgz。

  2. 使用scp上传到master节点上，然后解压，并加入相应的环境变量。

    PS E:\XunLeiDownload> scp .\spark-3.0.1-bin-hadoop3.2.tgz root@192.168.92.137:/usr/local     # 上传
tar -xvf spark-3.0.1-bin-hadoop3.2.tgz  # 解压
mv spark-3.0.1-bin-hadoop3.2 spark-3.0.1

    vim /etc/profile添加以下两行。

    export SPARK_HOME=/usr/local/spark-3.0.1
export PATH=$PATH:$SPARK_HOME:/bin:$SPARK_HOME:/sbin

    source /etc/profile使配置文件生效。

  3. 进入conf文件夹，复制配置文件模板。
    cp spark-env.sh.template spark-env.sh
    在spark-env.sh后面添加以下行。

     export JAVA_HOME=/usr/local/jdk1.8
export HADOOP_CONF_DIR=/usr/local/hadoop-3.2.1/etc/hadoop
export SPARK_MASTER_HOST=master
export SPARK_LOCAL_DIRS=/usr/local/spark-3.0.1

    cp slaves.template slaves编辑如下。

    localhost
slave1
slave2
slave3

  4. 将spark分发给slaves机器，同时不要忘记环境变量。

    scp -r spark-3.0.1 slave1:/usr/local/
scp -r spark-3.0.1 slave2:/usr/local/
scp -r spark-3.0.1 slave3:/usr/local/

  5. 运行，进入sbin目录。

     ./start-all.sh 
 >>>
org.apache.spark.deploy.master.Master running as process 16859.  Stop it first.
slave1: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark-3.0.1/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave1.out
slave3: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark-3.0.1/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave3.out
localhost: org.apache.spark.deploy.worker.Worker running as process 17975.  Stop it first.
slave2: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark-3.0.1/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave2.out

  6. 查看，地址在：http://192.168.92.137:8080/。
    spark

标签：CentOS,root,hadoop,3.2,Hadoop3.2,Spark3.0,usr,master,local
来源： https://blog.csdn.net/sinat_28371057/article/details/112147180