关于hadoop:Hadoop-及Spark-分布式HA运行环境搭建

作者：京东物流 秦彪

工欲善其事必先利其器，在深刻学习大数据相干技术之前，先手动从 0 到 1 搭建一个属于本人的本地 Hadoop 和 Spark 运行环境，对于持续钻研大数据生态圈各类技术具备重要意义。本文旨在站在研发的角度上通过手动实际搭建运行环境，文中不快人快语过多讲述基础知识，联合 Hadoop 和 Spark 最新版本，帮忙大家跟着步骤一步步实际环境搭建。

1. 总体运行环境概览

（1）软件包及应用工具版本介绍表：

（2）环境部署与散布介绍表：

（3）过程介绍：（1 示意过程存在，0 示意不存在）

2. 零碎根底环境筹备

步骤 1：虚拟机中 Linux 零碎装置（略）

VirtualBox 中装置 CentOS7 操作系统

步骤 2：CentOS7 根底配置

（1）配置主机的 hostname

命令：vim/etc/hostname

（2）配置 hosts，命令 vim /etc/hosts

（3）装置 JDK

命令：

rpm -qa | grep java 查看是否有通过 rpm 形式装置的 java

java -version 查看以后环境变量下的 java 版本

1）filezilla 上传安装包，tar -zxvf
jdk-8u212-linux-x64.tar.gz 解压

2）bin 目录的残缺门路：
/usr/local/jdk/jdk1.8.0_212/bin

3）vim /etc/profile 配置 jdk 环境变量

（4）复制主机：

1）利用 VirtualBox 复制性能复制两台主机

2）命令：vi
/etc/sysconfig/network-scripts/ifcfg-eth0，设置相应的网络信息

3）三台主机 IP 别离为：192.168.0.20/21/22

（5）配置三台主机 ssh 无明码登录（略）

（6）装置 zookeeper

1）filezilla 上传安装包，zookeeper-3.4.10.tar.gz 解压

2）bin 目录的残缺门路：
/usr/local/zookeeper/zookeeper-3.4.10/bin

3）vim /etc/profile 配置 jdk 环境变量

4）zookeeper 的配置文件批改，zookeeper-3.4.10/conf/

5）执行命令从 master 节点复制配置到其余两个节点

6）每台机器 zookeeper 目录下新建一个 data 目录，data 目录下新建一个 myid 文件，master 主机寄存标识值 1；slave1 主机标识值为 2；slave3 主机标识值为 3

7）每台机器上命令：zkServer.sh start，启动 ZK，过程名：QuorumPeerMain

3. Hadoop 装置与部署

3.1 装置 Hadoop

1）filezilla 上传安装包，hadoop-3.3.4.tar.gz 解压

2）bin 目录的残缺门路：/usr/local/hadoop/hadoop-3.3.4/bin

3）vim /etc/profile 配置 jdk 环境变量

4）批改配置文件共 6 个：hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 和 workers

文件 1：hadoop-env.sh；减少 jdk 环境变量

文件 2：core-site.xml；配置长期目录及 zookeeper 信息

文件 3：hdfs-site.xml；配置 hdfs 信息

文件 4：mapred-site.xml；配置 mapreduce 和 dfs 权限信息

文件 5：yarn-site.xml；配置 yarn 资源调度信息

文件 6: worker 文件寄存以后的 worker 节点名，复制到每一个虚拟机中

3.2 启动 Hadoop

1）应用命令：hadoop-daemon.sh start journalnode 启动 journalnode 过程（每个节点执行）

2）应用命令：hadoop-daemon.sh start namenode 启动 namenode 过程（master、slave1 节点上执行）

3）应用命令：hadoop-daemon.sh start datanode 在所有节点上启动 datanode 过程

4）应用命令：start-yarn.sh 在 master 上启动 yarn

5）应用命令：hdfs zkfc -formatZK 在 ZK 上生成 ha 节点

6）应用命令：hadoop-daemon.sh start zkfc 启动 DFSZKFailoverController 过程，在 master 节点执行

a. 拜访 HDFS 的治理页面

http://192.168.0.20:50070 此处 192.168.0.20 为 namenode 节点的 Active 节点

http://192.168.0.21:50070 此处 192.168.0.20 为 namenode 节点的 standby 节点

3.3 验证 HDFS 应用

应用命令：hdfs dfs -ls / 查看 HDFS 中文件

应用命令：hdfs dfs -mkdir /input 在 HDFS 上创立目录

应用命令：hdfs dfs -put ./test.txt /input 将本地文件上传到 HDFS 指定目录

应用命令：hdfs dfs -get /input/test.txt ./tmp 将 HDFS 文件复制到本地目录

应用命令：hdfs dfs -text /input/test.txt 查看 HDFS 上的文本文件

web 端浏览 HDFS 目录

3.4 验证 MapReduce 的 wordcount 案例

（1）先通过命令将带有文本内容的 test2.txt 文件上传到 HDFS

（2）对 HDFS 上 test2.txt 文件执行 wordcount 统计，后果放回 HDFS 新目录，命令：

hadoop jar /usr/local/hadoop/hadoop-3.3.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar wordcount /input/test2.txt /out

4. Spark 装置与部署

4.1 装置 Scala

（1）装置 scala

上传 scala 压缩包解压，应用命令：

scala -version 查看以后环境变量下的 scala 版本

（2）拷贝 scala 目录和环境变量到其余两台机器

应用命令：

scp -r /usr/local/scala root@slave1:/usr/local/

scp /etc/profile root@slave1:/etc/profile

4.2 装置 Spark

（1）上传 spark 压缩包解压，批改配置文件

命令：vim
/usr/local/spark/spark-3.3.1/conf/spark-env.sh

（2）新建 worker 目录，写入 master 机器名称

4.3 启动 Spark

（1）在 master 的 spark 装置目录下启动 spark

命令：

cd /usr/local/spark/spark-3.3.1/sbin

./start-all.sh

（2）在 slave1 同样目录启动 master 过程

命令：./start-master.sh

（3）拜访 spark 治理页面 ui

4.4 验证 Spark 的 wordcount 案例

（1）执行命令：

cd /usr/local/spark/spark-3.3.1/bin

./spark-shell –master spark://master:7077

（3）从 HDFS 读取数据执行自定义 wordcount 代码，后果写入 HDFS，命令：

sc.textFile(“hdfs://master:9000/input/test2.txt”).flatMap(_.split(” “)).map(word=>(word,1)).reduceByKey(_+_).map(pair=>(pair.\_2,pair.\_1)).sortByKey(false).map(pair=>(pair.\_2,pair.\_1)).saveAsTextFile(“hdfs://master:9000/spark_out”)

（4）输入后果：

5. 后记

大数据技术突飞猛进，得益于互联网技术加持下的商业和工业模式改革。人们日益增长的对生存生产便捷性、数字化、智能化的需要，催生了数据爆炸式的增长，推动了大数据技术新陈代谢。作为新时代的程序开发者，必须把握肯定的大数据基础知识能力适应时代的要求，本文只是一个引子，从本身实际的角度帮忙初学者意识大数据，并基于此搭建本人属于本人的开发环境，心愿大家可能在此基础上持续钻研有所建树。