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