大数据使用的各种云计算技术整理

1.Hadoop

http://hadoop.apache.org/

http://mirrors.cnnic.cn/apache/hadoop/common/

版本众多，有0.2.x,1.0.x,,1.2.x,2.0.x,2.2.x,2.3.x。在安装是需要考虑各个版本的和其他产品的兼容性，比如hbase，hive，pig。现在官网上的稳定版本是2.2.0.

   本次采用安装2.3.x

 

1、这里我们搭建一个由三台机器组成的集群：

10.3.216.79     ubuntu/123456      hadoop.main    nn/snn/rm        ubuntu    64bit

10.3.216.78     ubuntu/123456      hadoop.slave1 dn/nm              ubuntu    64bit

10.3.216.77     ubuntu/123456      hadoop.slave2 dn/nm              ubuntu    64bit

1.1 上面各列分别为IP、user/passwd、hostname、在cluster中充当的角色（namenode, secondary namenode, datanode , resourcemanager, nodemanager）

1.2   Hostname可以在/etc/hostname中修改（ubuntu是在这个路径下，redhat稍有不同）

1.3  这里我们为每台机器新建了一个账户ubuntu.这里需要给每个账户分配sudo的权限。

2、修改/etc/hosts 文件，增加三台机器的ip和hostname的映射关系

                10.3.216.79    hadoop.main

                10.3.216.78    hadoop.slave1

                10.3.216.77    hadoop.slave2

3、打通main到slave1、slave2的SSH无密码登陆

3.1 安装ssh

         一般系统是默认安装了ssh命令的。如果没有，或者版本比较老，则可以重新安装：

 sodu apt-get install ssh

3.2设置local无密码登陆

安装完成后会在~目录（当前用户主目录，即这里的/home/ubuntu）下产生一个隐藏文件夹.ssh（ls  -a 可以查看隐藏文件）。如果没有这个文件，自己新建即可（mkdir .ssh）。

具体步骤如下：

1、 进入.ssh文件夹

2、 ssh-keygen -t  rsa 之后一路回 车（产生秘钥）

3、 把id_rsa.pub 追加到授权的 key 里面去（cat id_rsa.pub >> authorized_keys）

4、 重启 SSH 服 务命令使其生效 :service sshd restart（这里RedHat下为sshdUbuntu下为ssh）

此时已经可以进行ssh localhost的无密码登陆

     【注意】：以上操作在每台机器上面都要进行。

3.3设置远程无密码登陆

这里只有main是master，如果有多个namenode，或者rm的话则需要打通所有master都其他剩余节点的免密码登陆。（将main的authorized_keys追加到slave1和salve2的authorized_keys）

进入main的.ssh目录

scp authorized_keys [e-mail]:~/.ssh/ authorized_keys_from_main

进入slave1的.ssh目录

cat authorized_keys_from_main>> authorized_keys

至此，可以在main上面ssh [e-mail]1进行无密码登陆了。slave2的操作相同

 

其他的，需要安装jdk，注意需要选择和unbuntu64bit合适的版本。

 

第三部分 Hadoop 2.2安装过程

        由于hadoop集群中每个机器上面的配置基本相同，所以我们先在namenode上面进行配置部署，然后再复制到其他节点。所以这里的安装过程相当于在每台机器上面都要执行。但需要注意的是集群中64位系统和32位系统的问题。

1、 解压文件

       将第一部分中下载的hadoop-2.3.0-src.tar.gz解压到/opt路径下（或者将在64位机器上编译的结果存放在此路径下）。然后为了节省空间，可删除此压缩文件，或将其存放于其他地方进行备份。

  切换root

      su - root

     chmod -R 777 /opt(每台机器都要操作)

   解压

     tar -xzvf hadoop-2.3.0-src.tar.gz

    mv hadoop-2.3.0-src hadoop

注意：每台机器的安装路径要相同！！

由于是64位系统，需要自行编译hadoop并提前安装以下软件

protobuf

cmake

findbugs

ant

maven

gc

gc-cc++

以上各种google

 

2、 hadoop配置过程

配置之前，需要在main本地文件系统创建以下文件夹：

~/${HADOOP_HOME}/name

~/${HADOOP_HOME}/data

~/${HADOOP_HOME}/temp

这里要涉及到的配置文件有7个：

~/hadoop/etc/hadoop/hadoop-env.sh

~/hadoop/etc/hadoop/yarn-env.sh

~/hadoop/etc/hadoop/slaves

~/hadoop/etc/hadoop/core-site.xml

~/hadoop/etc/hadoop/hdfs-site.xml

~/hadoop/etc/hadoop/mapred-site.xml

~/hadoop/etc/hadoop/yarn-site.xml

以上个别文件默认不存在的，可以复制相应的template文件获得。

配置文件1：hadoop-env.sh

修改JAVA_HOME值（export JAVA_HOME=/usr/java/jdk1.7.0_40）

配置文件2：yarn-env.sh

修改JAVA_HOME值（exportJAVA_HOME=/usr/java/jdk1.7.0_40）

配置文件3：slaves （这个文件里面保存所有slave节点）

写入以下内容：

hadoop.slave1

hadoop.slave2

 

配置文件4：core-site.xml

<configuration>

                <property>

                                <name>fs.defaultFS</name>

                                <value>hdfs://hadoop.main:9000</value>

                </property>

       <property>

                                <name>io.file.buffer.size</name>

                                <value>131072</value>

                </property>

       <property>

                                <name>hadoop.tmp.dir</name>

                                <value>file:/opt/hadoop/tmp</value>

                                <description>Abase for other temporary directories.</description>

                </property>

        <property>

               <name>hadoop.proxyuser.hduser.hosts</name>

               <value>*</value>

       </property>

                 <property>

               <name>hadoop.proxyuser.hduser.groups</name>

               <value>*</value>

       </property>

</configuration>

配置文件5：hdfs-site.xml

<configuration>

       <property>

                <name>dfs.namenode.secondary.http-address</name>

               <value>hadoop.main:9001</value>

        </property>

         <property>

                  <name>dfs.namenode.name.dir</name>

                 <value>file:/opt/hadoop/dfs/name</value>

            </property>

           <property>

                    <name>dfs.datanode.data.dir</name>

                    <value>file:/opt/hadoop/dfs/data</value>

            </property>

            <property>

                     <name>dfs.replication</name>

                     <value>2</value>

             </property>

             <property>

                     <name>dfs.webhdfs.enabled</name>

                     <value>true</value>

         </property>

</configuration>

配置文件6：mapred-site.xml

<configuration>

                <property>

                                <name>mapreduce.framework.name</name>

                                <value>yarn</value>

                </property>

                <property>

                                <name>mapreduce.jobhistory.address</name>

                                <value>hadoop.main:10020</value>

                </property>

                <property>

               <name>mapreduce.jobhistory.webapp.address</name>

               <value>hadoop.main:19888</value>

       </property>

</configuration>

配置文件7：yarn-site.xml

<configuration>

                 <property>

               <name>yarn.nodemanager.aux-services</name>

               <value>mapreduce_shuffle</value>

        </property>

                 <property>

               <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>

               <value>org.apache.hadoop.mapred.ShuffleHandler</value>

        </property>

        <property>

               <name>yarn.resourcemanager.address</name>

               <value>hadoop.main:8032</value>

       </property>

                <property>

               <name>yarn.resourcemanager.scheduler.address</name>

               <value>hadoop.main:8030</value>

               </property>

               <property>

                       <name>yarn.resourcemanager.resource-tracker.address</name>

                        <value>hadoop.main:8031</value>

               </property>

               <property>

                       <name>yarn.resourcemanager.admin.address</name>

                        <value> hadoop.main:8033</value>

               </property>

                <property>

               <name>yarn.resourcemanager.webapp.address</name>

               <value> hadoop.main:8088</value>

       </property>

</configuration>

3、复制到其他节点

这里可以写一个shell脚本进行操作（有大量节点时比较方便）

cp2slave.sh

#!/bin/bash 

scp -r /opt/hadoop [e-mail]1:/opt

scp -r /opt/hadoop [e-mail]2:/opt

4、启动验证

4.1 启动hadoop

 

配置环境变量

su - root

vi /etc/profile

 JAVA_HOME=/usr/lib/jdk/jdk1.7.0_45

JRE_HOME=/usr/lib/jdk/jdk1.7.0_45/jre

HADOOP_HOME=/opt/hadoop/
PATH=$HBASE_HOME/bin:$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
HBASE_HOME=/opt/hbase

MAVEN_HOME=/opt/maven
PATH=$MAVEN_HOME/bin:$HBASE_HOME/bin:$PATH
FINDBUGS_HOME=/opt/findbugs202
PATH=$FINDBUGS_HOME/bin:$PATH
ANT_HOME=/opt/ant
PATH=$ANT_HOME/bin:$PATH

 

:wq

. /etc/profile

格式化namenode   /hdfs namenode –format

启动hdfs: start-all.sh

此时在001上面运行的进程有：

15488 NameNode
15951 ResourceManager
15388 Jps
15773 SecondaryNameNode
9036 HMaster

slave1和slave2上面运行的进程有：

25747 Jps
8231 DataNode
22304 HRegionServer
8463 NodeManager

查看集群状态：./bin/hdfs dfsadmin –report

 

查看文件块组成：  ./bin/hdfsfsck / -files -blocks

查看HDFS:    http://10.3.216.79:50070

查看RM:   http://10.3.216.79:8088

4.2 运行示例程序：

先在hdfs上创建一个文件夹

hadoop fs -mkdir /data

hadoop fs -put -f file1.txt file2.txt /data

hadoop dfs -rm -R /output

hadoop jar /opt/hadoop/share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.3.0-sources.jar org.apache.hadoop.examples.WordCount /data /output

 

hadoop fs -cat /output/part-r-00000