共计 23591 个字符,预计需要花费 59 分钟才能阅读完成。
本文主要是记录使用 yum 安装 CDH Hadoop 集群的过程,包括 HDFS、Yarn、Hive 和 HBase。本文使用 CDH5.4 版本进行安装,故下文中的过程都是针对 CDH5.4 版本的
。
0. 环境说明
系统环境:
- 操作系统:CentOS 6.6
- Hadoop 版本:
CDH5.4
- JDK 版本:
1.7.0_71
- 运行用户:root
集群各节点角色规划为:
192.168.56.121 cdh1 NameNode、ResourceManager、HBase、Hive metastore、Impala Catalog、Impala statestore、Sentry
192.168.56.122 cdh2 DataNode、SecondaryNameNode、NodeManager、HBase、Hive Server2、Impala Server
192.168.56.123 cdh3 DataNode、HBase、NodeManager、Hive Server2、Impala Server
cdh1 作为 master 节点,其他节点作为 slave 节点。
1. 准备工作
安装 Hadoop 集群前先做好下面的准备工作,在修改配置文件的时候,建议在一个节点上修改,然后同步到其他节点,例如:对于 hdfs 和 yarn,在 NameNode 节点上修改然后再同步,对于 HBase,选择一个节点再同步。因为要同步配置文件和在多个节点启动服务,建议配置 ssh 无密码登陆。
1.1 配置 hosts
CDH 要求使用 IPv4,IPv6 不支持,禁用 IPv6 方法:
$ vim /etc/sysctl.conf
#disable ipv6
net.ipv6.conf.all.disable_ipv6=1
net.ipv6.conf.default.disable_ipv6=1
net.ipv6.conf.lo.disable_ipv6=1
使其生效:
$ sysctl -p
最后确认是否已禁用:
$ cat /proc/sys/net/ipv6/conf/all/disable_ipv6
1
1、设置 hostname,以 cdh1 为例:
$ hostname cdh1
2、确保 /etc/hosts
中包含 ip 和 FQDN,如果你在使用 DNS,保存这些信息到 /etc/hosts
不是必要的,却是最佳实践。
3、确保 /etc/sysconfig/network
中包含hostname=cdh1
4、检查网络,运行下面命令检查是否配置了 hostname 以及其对应的 ip 是否正确。
运行 uname -a
查看 hostname 是否匹配 hostname
命令运行的结果:
$ uname -a
Linux cdh1 2.6.32-358.23.2.el6.x86_64 #1 SMP Wed Oct 16 18:37:12 UTC 2013 x86_64 x86_64 x86_64 GNU/Linux
$ hostname
cdh1
运行 /sbin/ifconfig
查看 ip:
$ ifconfig
eth1 Link encap:Ethernet HWaddr 08:00:27:75:E0:95
inet addr:192.168.56.121 Bcast:192.168.56.255 Mask:255.255.255.0
......
先安装 bind-utils,才能运行 host 命令:
$ yum install bind-utils -y
运行下面命令查看 hostname 和 ip 是否匹配:
$ host -v -t A `hostname`
Trying "cdh1"
...
;; ANSWER SECTION:
cdh1. 60 IN A 192.168.56.121
5、hadoop 的所有配置文件中配置节点名称时,请使用 hostname 和不是 ip
1.2 关闭防火墙
$ setenforce 0
$ vim /etc/sysconfig/selinux # 修改 SELINUX=disabled
# 清空 iptables
$ iptables -F
1.3 时钟同步
搭建时钟同步服务器
这里选择 cdh1 节点为时钟同步服务器,其他节点为客户端同步时间到该节点。安装 ntp:
$ yum install ntp
修改 cdh1 上的配置文件 /etc/ntp.conf
:
restrict default ignore // 默认不允许修改或者查询 ntp, 并且不接收特殊封包
restrict 127.0.0.1 // 给于本机所有权限
restrict 192.168.56.0 mask 255.255.255.0 notrap nomodify // 给于局域网机的机器有同步时间的权限
server 192.168.56.121 # local clock
driftfile /var/lib/ntp/drift
fudge 127.127.1.0 stratum 10
启动 ntp:
# 设置开机启动
$ chkconfig ntpd on
$ service ntpd start
ntpq 用来监视 ntpd 操作,使用标准的 NTP 模式 6 控制消息模式,并与 NTP 服务器通信。
ntpq -p
查询网络中的 NTP 服务器,同时显示客户端和每个服务器的关系。
$ ntpq -p
remote refid st t when poll reach delay offset jitter
==============================================================================
*LOCAL(1) .LOCL. 5 l 6 64 1 0.000 0.000 0.000
- ”*“:响应的 NTP 服务器和最精确的服务器。
- ”+”:响应这个查询请求的 NTP 服务器。
- “blank(空格)”:没有响应的 NTP 服务器。
- “remote”:响应这个请求的 NTP 服务器的名称。
- “refid“:NTP 服务器使用的更高一级服务器的名称。
- “st”:正在响应请求的 NTP 服务器的级别。
- “when”:上一次成功请求之后到现在的秒数。
- “poll”:当前的请求的时钟间隔的秒数。
- “offset”:主机通过 NTP 时钟同步与所同步时间源的时间偏移量,单位为毫秒(ms)。
客户端的配置
在 cdh2 和 cdh3 节点上执行下面操作:
$ ntpdate cdh1
Ntpd 启动的时候通常需要一段时间大概 5 分钟进行时间同步,所以在 ntpd 刚刚启动的时候还不能正常提供时钟服务,报错”no server suitable for synchronization found”。启动时候需要等待 5 分钟。
如果想定时进行时间校准,可以使用 crond 服务来定时执行。
# 每天 1:00 Linux 系统就会自动的进行网络时间校准
00 1 * * * root /usr/sbin/ntpdate 192.168.56.121 >> /root/ntpdate.log 2>&1
1.4 安装 jdk
CDH5.4 要求使用 JDK1.7,JDK 的安装过程请参考网上文章。
1.5 设置本地 yum 源
CDH 官方的 yum 源地址在 http://archive.cloudera.com/cdh4/RedHat/6/x86_64/cdh/cloudera-cdh4.repo 或 http://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/cloudera-cdh5.repo,请根据你安装的 cdh 版本修改该文件中 baseurl 的路径。
你可以从这里下载 cdh4 的仓库压缩包,或者从这里 下载 cdh5 的仓库压缩包。
因为我是使用的 centos 操作系统,故我这里下载的是 cdh5 的 centos6 压缩包,将其下载之后解压到 ftp 服务的路径下,然后配置 cdh 的本地 yum 源:
[hadoop]
name=hadoop
baseurl=ftp://cdh1/cdh/5/
enabled=1
gpgcheck=0
操作系统的 yum 源,建议你通过下载 centos 的 dvd 然后配置一个本地的 yum 源。
2. 安装和配置 HDFS
根据文章开头的节点规划,cdh1 为 NameNode 节点,cdh2 为 SecondaryNameNode 节点,cdh2 和 cdh3 为 DataNode 节点
在 cdh1 节点安装 hadoop-hdfs-namenode:
$ yum install hadoop hadoop-hdfs hadoop-client hadoop-doc hadoop-debuginfo hadoop-hdfs-namenode
在 cdh2 节点安装 hadoop-hdfs-secondarynamenode
$ yum install hadoop-hdfs-secondarynamenode -y
在 cdh2、cdh3 节点安装 hadoop-hdfs-datanode
$ yum install hadoop hadoop-hdfs hadoop-client hadoop-doc hadoop-debuginfo hadoop-hdfs-datanode -y
NameNode HA 的配置过程请参考 CDH 中配置 HDFS HA,建议暂时不用配置。
2.1 修改 hadoop 配置文件
在 /etc/hadoop/conf/core-site.xml
中设置 fs.defaultFS
属性值,该属性指定 NameNode 是哪一个节点以及使用的文件系统是 file 还是 hdfs,格式:hdfs://<namenode host>:<namenode port>/
,默认的文件系统是file:///
:
<property>
<name>fs.defaultFS</name>
<value>hdfs://cdh1:8020</value>
</property>
在 /etc/hadoop/conf/hdfs-site.xml
中设置 dfs.permissions.superusergroup
属性,该属性指定 hdfs 的超级用户,默认为 hdfs,你可以修改为 hadoop:
<property>
<name>dfs.permissions.superusergroup</name>
<value>hadoop</value>
</property>
更多的配置信息说明,请参考 Apache Cluster Setup
2.2 指定本地文件目录
在 hadoop 中默认的文件路径以及权限要求如下:
目录 所有者 权限 默认路径
hadoop.tmp.dir hdfs:hdfs drwx------ /var/hadoop
dfs.namenode.name.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/name
dfs.datanode.data.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/data
dfs.namenode.checkpoint.dir hdfs:hdfs drwx------ file://${hadoop.tmp.dir}/dfs/namesecondary
说明你可以在 hdfs-site.xm l 中只配置hadoop.tmp.dir
,也可以分别配置上面的路径。这里使用分别配置的方式,hdfs-site.xml 中配置如下:
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///data/dfs/nn</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///data/dfs/dn</value>
</property>
在 NameNode 上手动创建 dfs.name.dir
或 dfs.namenode.name.dir
的本地目录:
$ mkdir -p /data/dfs/nn
在 DataNode 上手动创建 dfs.data.dir
或 dfs.datanode.data.dir
的本地目录:
$ mkdir -p /data/dfs/dn
修改上面目录所有者:
$ chown -R hdfs:hdfs /data/dfs/nn /data/dfs/dn
hadoop 的进程会自动设置 dfs.data.dir
或 dfs.datanode.data.dir
,但是 dfs.name.dir
或 dfs.namenode.name.dir
的权限默认为 755,需要手动设置为 700:
$ chmod 700 /data/dfs/nn
# 或者
$ chmod go-rx /data/dfs/nn
注意:DataNode 的本地目录可以设置多个,你可以设置 dfs.datanode.failed.volumes.tolerated
参数的值,表示能够容忍不超过该个数的目录失败。
2.3 配置 SecondaryNameNode
配置 SecondaryNameNode 需要在 /etc/hadoop/conf/hdfs-site.xml
中添加以下参数:
dfs.namenode.checkpoint.check.period
dfs.namenode.checkpoint.txns
dfs.namenode.checkpoint.dir
dfs.namenode.checkpoint.edits.dir
dfs.namenode.num.checkpoints.retained
在 /etc/hadoop/conf/hdfs-site.xml
中加入如下配置,将 cdh2 设置为 SecondaryNameNode:
<property>
<name>dfs.secondary.http.address</name>
<value>cdh2:50090</value>
</property>
设置多个 secondarynamenode,请参考 multi-host-secondarynamenode-configuration.
2.4 开启回收站功能
回收站功能默认是关闭的,建议打开。在 /etc/hadoop/conf/core-site.xml
中添加如下两个参数:
fs.trash.interval
, 该参数值为时间间隔,单位为分钟,默认为 0,表示回收站功能关闭。该值表示回收站中文件保存多长时间,如果服务端配置了该参数,则忽略客户端的配置;如果服务端关闭了该参数,则检查客户端是否有配置该参数;fs.trash.checkpoint.interval
,该参数值为时间间隔,单位为分钟,默认为 0。该值表示检查回收站时间间隔,该值要小于fs.trash.interval
,该值在服务端配置。如果该值设置为 0,则使用fs.trash.interval
的值。
2.5 (可选)配置 DataNode 存储的负载均衡
在 /etc/hadoop/conf/hdfs-site.xml
中配置以下三个参数:
dfs.datanode.fsdataset. volume.choosing.policy
dfs.datanode.available-space-volume-choosing-policy.balanced-space-threshold
dfs.datanode.available-space-volume-choosing-policy.balanced-space-preference-fraction
详细说明,请参考 Optionally configure DataNode storage balancing。
2.6 开启 WebHDFS
在 NameNode 节点上安装:
$ yum install hadoop-httpfs -y
然后修改 /etc/hadoop/conf/core-site.xml 配置代理用户:
<property>
<name>hadoop.proxyuser.httpfs.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.httpfs.groups</name>
<value>*</value>
</property>
2.7 配置 LZO
下载 repo 文件到 /etc/yum.repos.d/
:
- 如果你安装的是 CDH4,请下载 Red Hat/CentOS 6
- 如果你安装的是 CDH5,请下载 Red Hat/CentOS 6
然后,安装 lzo:
$ yum install hadoop-lzo* impala-lzo -y
最后,在 /etc/hadoop/conf/core-site.xml
中添加如下配置:
<property>
<name>io.compression.codecs</name>
<value>org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.BZip2Codec,com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec</value>
</property>
<property>
<name>io.compression.codec.lzo.class</name>
<value>com.hadoop.compression.lzo.LzoCodec</value>
</property>
更多关于 LZO 信息,请参考:Using LZO Compression
2.8 (可选)配置 Snappy
cdh 的 rpm 源中默认已经包含了 snappy,直接在每个节点安装 Snappy:
$ yum install snappy snappy-devel -y
然后,在 core-site.xml
中修改 io.compression.codecs
的值,添加 org.apache.hadoop.io.compress.SnappyCodec
。
使 snappy 对 hadoop 可用:
$ ln -sf /usr/lib64/libsnappy.so /usr/lib/hadoop/lib/native/
2.9 启动 HDFS
将 cdh1 上的配置文件同步到每一个节点:
$ scp -r /etc/hadoop/conf root@cdh2:/etc/hadoop/
$ scp -r /etc/hadoop/conf root@cdh3:/etc/hadoop/
在 cdh1 节点格式化 NameNode:
$ sudo -u hdfs hadoop namenode -format
在每个节点运行下面命令启动 hdfs:
$ for x in `ls /etc/init.d/|grep hadoop-hdfs` ; do service $x start ; done
在 hdfs 运行之后,创建 /tmp
临时目录,并设置权限为 1777
:
$ sudo -u hdfs hadoop fs -mkdir /tmp
$ sudo -u hdfs hadoop fs -chmod -R 1777 /tmp
如果安装了 HttpFS,则启动 HttpFS 服务:
$ service hadoop-httpfs start
2.10 测试
通过 http://cdh1:50070/ 可以访问 NameNode 页面。使用 curl 运行下面命令,可以测试 webhdfs 并查看执行结果:
$ curl "http://localhost:14000/webhdfs/v1?op=gethomedirectory&user.name=hdfs"
{"Path":"\/user\/hdfs"}
更多的 API,请参考 WebHDFS REST API
3. 安装和配置 YARN
根据文章开头的节点规划,cdh1 为 resourcemanager 节点,cdh2 和 cdh3 为 nodemanager 节点,为了简单,historyserver 也装在 cdh1 节点上。
3.1 安装服务
在 cdh1 节点安装:
$ yum install hadoop-yarn hadoop-yarn-resourcemanager -y
# 安装 historyserver
$ yum install hadoop-mapreduce-historyserver hadoop-yarn-proxyserver -y
在 cdh2、cdh3 节点安装:
$ yum install hadoop-yarn hadoop-yarn-nodemanager hadoop-mapreduce -y
3.2 修改配置参数
要想使用 YARN,需要在 /etc/hadoop/conf/mapred-site.xml
中做如下配置:
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
修改 /etc/hadoop/conf/yarn-site.xml,配置 resourcemanager 的节点名称以及一些服务的端口号:
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>cdh1:8031</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>cdh1:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>cdh1:8030</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>cdh1:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>cdh1:8088</value>
</property>
在 /etc/hadoop/conf/yarn-site.xml
中添加如下配置:
<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.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
<name>yarn.application.classpath</name>
<value>
$HADOOP_CONF_DIR,
$HADOOP_COMMON_HOME/*,
$HADOOP_COMMON_HOME/lib/*,
$HADOOP_HDFS_HOME/*,
$HADOOP_HDFS_HOME/lib/*,
$HADOOP_MAPRED_HOME/*,
$HADOOP_MAPRED_HOME/lib/*,
$HADOOP_YARN_HOME/*,
$HADOOP_YARN_HOME/lib/*
</value>
</property>
<property>
<name>yarn.log.aggregation.enable</name>
<value>true</value>
</property>
注意:
-
yarn.nodemanager.aux-services
的值在 cdh4 中应该为mapreduce.shuffle
,并配置参数yarn.nodemanager.aux-services.mapreduce.shuffle.class
值为org.apache.hadoop.mapred.ShuffleHandler
,在 cdh5 中为mapreduce_shuffle
,这时候请配置yarn.nodemanager.aux-services.mapreduce_shuffle.class
参数 -
这里配置了
yarn.application.classpath
,需要设置一些喜欢环境变量:
export HADOOP_HOME=/usr/lib/hadoop
export HIVE_HOME=/usr/lib/hive
export HBASE_HOME=/usr/lib/hbase
export HADOOP_HDFS_HOME=/usr/lib/hadoop-hdfs
export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
export HADOOP_COMMON_HOME=${HADOOP_HOME}
export HADOOP_HDFS_HOME=/usr/lib/hadoop-hdfs
export HADOOP_LIBEXEC_DIR=${HADOOP_HOME}/libexec
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HDFS_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HADOOP_YARN_HOME=/usr/lib/hadoop-yarn
export YARN_CONF_DIR=${HADOOP_HOME}/etc/hadoop
在 hadoop 中默认的文件路径以及权限要求如下:
目录 所有者 权限 默认路径
yarn.nodemanager.local-dirs yarn:yarn drwxr-xr-x ${hadoop.tmp.dir}/nm-local-dir
yarn.nodemanager.log-dirs yarn:yarn drwxr-xr-x ${yarn.log.dir}/userlogs
yarn.nodemanager.remote-app-log-dir hdfs://cdh1:8020/var/log/hadoop-yarn/apps
故在 /etc/hadoop/conf/yarn-site.xml
文件中添加如下配置:
<property>
<name>yarn.nodemanager.local-dirs</name>
<value>/data/yarn/local</value>
</property>
<property>
<name>yarn.nodemanager.log-dirs</name>
<value>/data/yarn/logs</value>
</property>
<property>
<name>yarn.nodemanager.remote-app-log-dir</name>
<value>/yarn/apps</value>
</property>
创建 yarn.nodemanager.local-dirs
和 yarn.nodemanager.log-dirs
参数对应的目录:
$ mkdir -p /data/yarn/{local,logs}
$ chown -R yarn:yarn /data/yarn
在 hdfs 上创建 yarn.nodemanager.remote-app-log-dir
对应的目录:
$ sudo -u hdfs hadoop fs -mkdir -p /yarn/apps
$ sudo -u hdfs hadoop fs -chown yarn:mapred /yarn/apps
$ sudo -u hdfs hadoop fs -chmod 1777 /yarn/apps
在 /etc/hadoop/conf/mapred-site.xml
中配置 MapReduce History Server:
<property>
<name>mapreduce.jobhistory.address</name>
<value>cdh1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>cdh1:19888</value>
</property>
此外,确保 mapred、yarn 用户能够使用代理,在 /etc/hadoop/conf/core-site.xml
中添加如下参数:
<property>
<name>hadoop.proxyuser.mapred.groups</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.mapred.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.yarn.groups</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.yarn.hosts</name>
<value>*</value>
</property>
配置 Staging 目录:
<property>
<name>yarn.app.mapreduce.am.staging-dir</name>
<value>/user</value>
</property>
并在 hdfs 上创建相应的目录:
$ sudo -u hdfs hadoop fs -mkdir -p /user
$ sudo -u hdfs hadoop fs -chmod 777 /user
可选的,你可以在 /etc/hadoop/conf/mapred-site.xml
设置以下两个参数:
mapreduce.jobhistory.intermediate-done-dir
,该目录权限应该为 1777,默认值为${yarn.app.mapreduce.am.staging-dir}/history/done_intermediate
mapreduce.jobhistory.done-dir
,该目录权限应该为 750,默认值为${yarn.app.mapreduce.am.staging-dir}/history/done
然后,在 hdfs 上创建目录并设置权限:
$ sudo -u hdfs hadoop fs -mkdir -p /user/history
$ sudo -u hdfs hadoop fs -chmod -R 1777 /user/history
$ sudo -u hdfs hadoop fs -chown mapred:hadoop /user/history
设置 HADOOP_MAPRED_HOME
,或者把其加入到 hadoop 的配置文件中
$ export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
3.4 验证 HDFS 结构:
$ sudo -u hdfs hadoop fs -ls -R /
你应该看到如下结构:
drwxrwxrwt - hdfs hadoop 0 2014-04-19 14:21 /tmp
drwxrwxrwx - hdfs hadoop 0 2014-04-19 14:26 /user
drwxrwxrwt - mapred hadoop 0 2014-04-19 14:31 /user/history
drwxr-x--- - mapred hadoop 0 2014-04-19 14:38 /user/history/done
drwxrwxrwt - mapred hadoop 0 2014-04-19 14:48 /user/history/done_intermediate
drwxr-xr-x - hdfs hadoop 0 2014-04-19 15:31 /yarn
drwxrwxrwt - yarn mapred 0 2014-04-19 15:31 /yarn/apps
3.5 同步配置文件
同步配置文件到整个集群:
$ scp -r /etc/hadoop/conf root@cdh2:/etc/hadoop/
$ scp -r /etc/hadoop/conf root@cdh3:/etc/hadoop/
3.6 启动服务
在每个节点启动 YARN :
$ for x in `ls /etc/init.d/|grep hadoop-yarn` ; do service $x start ; done
在 cdh1 节点启动 mapred-historyserver :
$ /etc/init.d/hadoop-mapreduce-historyserver start
为每个 MapReduce 用户创建主目录,比如说 hive 用户或者当前用户:
$ sudo -u hdfs hadoop fs -mkdir /user/$USER
$ sudo -u hdfs hadoop fs -chown $USER /user/$USER
3.7 测试
通过 http://cdh1:8088/ 可以访问 Yarn 的管理页面,通过 http://cdh1:19888/ 可以访问 JobHistory 的管理页面,查看在线的节点:http://cdh1:8088/cluster/nodes。
运行下面的测试程序,看是否报错:
# Find how many jars name ending with examples you have inside location /usr/lib/
$ find /usr/lib/ -name "*hadoop*examples*.jar"
# To list all the class name inside jar
$ find /usr/lib/ -name "hadoop-examples.jar" | xargs -0 -I '{}' sh -c 'jar tf {}'
# To search for specific class name inside jar
$ find /usr/lib/ -name "hadoop-examples.jar" | xargs -0 -I '{}' sh -c 'jar tf {}' | grep -i wordcount.class
# 运行 randomwriter 例子
$ sudo -u hdfs hadoop jar /usr/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar randomwriter out
4. 安装 Zookeeper
Zookeeper 至少需要 3 个节点,并且节点数要求是基数,这里在所有节点上都安装 Zookeeper。
4.1 安装
在每个节点上安装 zookeeper:
$ yum install zookeeper* -y
4.2 修改配置文件
设置 zookeeper 配置 /etc/zookeeper/conf/zoo.cfg
maxClientCnxns=50
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/var/lib/zookeeper
clientPort=2181
server.1=cdh1:2888:3888
server.2=cdh3:2888:3888
server.3=cdh3:2888:3888
##4.3 同步配置文件
将配置文件同步到其他节点:
$ scp -r /etc/zookeeper/conf root@cdh2:/etc/zookeeper/
$ scp -r /etc/zookeeper/conf root@cdh3:/etc/zookeeper/
4.4 初始化并启动服务
在每个节点上初始化并启动 zookeeper,注意 n 的值需要和 zoo.cfg 中的编号一致。
在 cdh1 节点运行:
$ service zookeeper-server init --myid=1
$ service zookeeper-server start
在 cdh2 节点运行:
$ service zookeeper-server init --myid=2
$ service zookeeper-server start
在 cdh3 节点运行:
$ service zookeeper-server init --myid=3
$ service zookeeper-server start
4.5 测试
通过下面命令测试是否启动成功:
$ zookeeper-client -server cdh1:2181
5. 安装 HBase
HBase 依赖 ntp 服务,故需要提前安装好 ntp。
5.1 安装前设置
1)修改系统 ulimit 参数,在 /etc/security/limits.conf
中添加下面两行并使其生效:
hdfs - nofile 32768
hbase - nofile 32768
2)修改 dfs.datanode.max.xcievers
,在 hdfs-site.xml
中修改该参数值,将该值调整到较大的值:
<property>
<name>dfs.datanode.max.xcievers</name>
<value>8192</value>
</property>
5.2 安装
在每个节点上安装 master 和 regionserver,如果需要你可以安装 hbase-rest、hbase-solr-indexer、hbase-thrift
$ yum install hbase hbase-master hbase-regionserver -y
5.3 修改配置文件
修改 hbase-site.xml
文件,关键几个参数及含义如下:
hbase.distributed
:是否为分布式模式hbase.rootdir
:HBase 在 hdfs 上的目录路径hbase.tmp.dir
:本地临时目录hbase.zookeeper.quorum
:zookeeper 集群地址,逗号分隔hbase.hregion.max.filesize
:hregion 文件最大大小hbase.hregion.memstore.flush.size
:memstore 文件最大大小
另外,在 CDH5 中建议 关掉 Checksums
(见 Upgrading HBase)以提高性能,最后的配置如下:
<configuration>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.rootdir</name>
<value>hdfs://cdh1:8020/hbase</value>
</property>
<property>
<name>hbase.tmp.dir</name>
<value>/data/hbase</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>cdh1,cdh2,cdh3</value>
</property>
<property>
<name>hbase.hregion.max.filesize</name>
<value>536870912</value>
</property>
<property>
<name>hbase.hregion.memstore.flush.size</name>
<value>67108864</value>
</property>
<property>
<name>hbase.regionserver.lease.period</name>
<value>600000</value>
</property>
<property>
<name>hbase.client.retries.number</name>
<value>3</value>
</property>
<property>
<name>hbase.regionserver.handler.count</name>
<value>100</value>
</property>
<property>
<name>hbase.hstore.compactionThreshold</name>
<value>10</value>
</property>
<property>
<name>hbase.hstore.blockingStoreFiles</name>
<value>30</value>
</property>
<property>
<name>hbase.regionserver.checksum.verify</name>
<value>false</value>
</property>
<property>
<name>hbase.hstore.checksum.algorithm</name>
<value>NULL</value>
</property>
</configuration>
在 hdfs 中创建 /hbase
目录
$ sudo -u hdfs hadoop fs -mkdir /hbase
$ sudo -u hdfs hadoop fs -chown hbase:hbase /hbase
设置 crontab 定时删除日志:
$ crontab -e
* 10 * * * cd /var/log/hbase/; rm -rf `ls /var/log/hbase/|grep -P 'hbase\-hbase\-.+\.log\.[0-9]'\`>> /dev/null &
5.4 同步配置文件
将配置文件同步到其他节点:
$ scp -r /etc/hbase/conf root@cdh2:/etc/hbase/
$ scp -r /etc/hbase/conf root@cdh3:/etc/hbase/
5.5 创建本地目录
在 hbase-site.xml 配置文件中配置了 hbase.tmp.dir
值为 /data/hbase
,现在需要在每个 hbase 节点创建该目录并设置权限:
$ mkdir /data/hbase
$ chown -R hbase:hbase /data/hbase/
5.6 启动 HBase
$ for x in `ls /etc/init.d/|grep hbase` ; do service $x start ; done
5.7 测试
通过 http://cdh1:60030/ 可以访问 RegionServer 页面,然后通过该页面可以知道哪个节点为 Master,然后再通过 60010 端口访问 Master 管理界面。
6. 安装 hive
在一个 NameNode 节点上安装 hive:
$ yum install hive hive-metastore hive-server2 hive-jdbc hive-hbase -y
在其他 DataNode 上安装:
$ yum install hive hive-server2 hive-jdbc hive-hbase -y
安装 postgresql
这里使用 postgresq l 数据库来存储元数据,如果你想使用 MySQL 数据库,请参考下文。手动安装、配置 postgresql 数据库,请参考 手动安装 Cloudera Hive CDH
yum 方式安装:
$ yum install postgresql-server postgresql-jdbc -y
$ ln -s /usr/share/Java/postgresql-jdbc.jar /usr/lib/hive/lib/postgresql-jdbc.jar
配置开启启动,并初始化数据库:
$ chkconfig postgresql on
$ service postgresql initdb
修改配置文件 postgresql.conf,修改完后内容如下:
$ cat /var/lib/pgsql/data/postgresql.conf | grep -e listen -e standard_conforming_strings
listen_addresses = '*'
standard_conforming_strings = off
修改 /var/lib/pgsql/data/pg_hba.conf,添加以下一行内容:
host all all 0.0.0.0/0 trust
创建数据库和用户,设置密码为 hive:
su -c "cd ; /usr/bin/pg_ctl start -w -m fast -D /var/lib/pgsql/data" postgres
su -c "cd ; /usr/bin/psql --command \"create user hive with password 'hive'; \"" postgres
su -c "cd ; /usr/bin/psql --command \"drop database hive;\"" postgres
su -c "cd ; /usr/bin/psql --command \"CREATE DATABASE sentry owner=hive;\"" postgres
su -c "cd ; /usr/bin/psql --command \"GRANT ALL privileges ON DATABASE hive TO hive;\"" postgres
su -c "cd ; /usr/bin/pg_ctl restart -w -m fast -D /var/lib/pgsql/data" postgres
这时候的 hive-site.xml 文件内容如下:
<configuration>
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:postgresql://localhost/hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>org.postgresql.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
</property>
<property>
<name>datanucleus.autoCreateSchema</name>
<value>false</value>
</property>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>cdh1:8031</value>
</property>
<property>
<name>hive.auto.convert.join</name>
<value>true</value>
</property>
<property>
<name>hive.metastore.schema.verification</name>
<value>true</value>
</property>
<property>
<name>hive.metastore.warehouse.dir</name>
<value>/user/hive/warehouse</value>
</property>
<property>
<name>hive.warehouse.subdir.inherit.perms</name>
<value>true</value>
</property>
<property>
<name>hive.metastore.uris</name>
<value>thrift://cdh1:9083</value>
</property>
<property>
<name>hive.metastore.client.socket.timeout</name>
<value>36000</value>
</property>
<property>
<name>hive.support.concurrency</name>
<value>true</value>
</property>
<property>
<name>hive.zookeeper.quorum</name>
<value>cdh1,cdh2,cdh3</value>
</property>
<property>
<name>hive.server2.thrift.min.worker.threads</name>
<value>5</value>
</property>
<property>
<name>hive.server2.thrift.max.worker.threads</name>
<value>100</value>
</property>
</configuration>
默认情况下,hive-server 和 hive-server2 的 thrift 端口都为 10000,如果要修改 hive-server2 thrift 端口,请修改 hive.server2.thrift.port
参数的值。
如果要设置运行 hive 的用户为连接的用户而不是启动用户,则添加:
<property>
<name>hive.server2.enable.impersonation</name>
<value>true</value>
</property>
并在 core-site.xml 中添加:
<property>
<name>hadoop.proxyuser.hive.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.hive.groups</name>
<value>*</value>
</property>
安装 mysql
yum 方式安装 mysql 以及 jdbc 驱动:
$ yum install mysql mysql-devel mysql-server mysql-libs -y
$ yum install mysql-connector-java
$ ln -s /usr/share/java/mysql-connector-java.jar /usr/lib/hive/lib/mysql-connector-java.jar
创建数据库和用户,并设置密码为 hive:
$ mysql -e "
CREATE DATABASE hive;
USE hive;
CREATE USER 'hive'@'localhost' IDENTIFIED BY 'hive';
GRANT ALL PRIVILEGES ON metastore.* TO 'hive'@'localhost';
GRANT ALL PRIVILEGES ON metastore.* TO 'hive'@'cdh1';
FLUSH PRIVILEGES;
"
如果是第一次安装,则初始化 hive 的元数据库:
$ /usr/lib/hive/bin/schematool --dbType mysql --initSchema
如果是更新,则执行:
$ /usr/lib/hive/bin/schematool --dbType mysql --upgradeSchema
配置开启启动并启动数据库:
$ chkconfig mysqld on
$ service mysqld start
修改 hive-site.xml 文件中以下内容:
<property>
<name>javax.jdo.option.ConnectionURL</name>
<value>jdbc:mysql://cdh1:3306/hive?useUnicode=true&characterEncoding=UTF-8</value>
</property>
<property>
<name>javax.jdo.option.ConnectionDriverName</name>
<value>com.mysql.jdbc.Driver</value>
</property>
<property>
<name>javax.jdo.option.ConnectionUserName</name>
<value>hive</value>
</property>
<property>
<name>javax.jdo.option.ConnectionPassword</name>
<value>hive</value>
</property>
配置 hive
修改/etc/hadoop/conf/hadoop-env.sh
,添加环境变量 HADOOP_MAPRED_HOME
,如果不添加,则当你使用 yarn 运行 mapreduce 时候会出现 UNKOWN RPC TYPE
的异常
export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
在 hdfs 中创建 hive 数据仓库目录:
- hive 的数据仓库在 hdfs 中默认为
/user/hive/warehouse
, 建议修改其访问权限为1777
,以便其他所有用户都可以创建、访问表,但不能删除不属于他的表。 - 每一个查询 hive 的用户都必须有一个 hdfs 的 home 目录(
/user
目录下,如 root 用户的为/user/root
) - hive 所在节点的
/tmp
必须是 world-writable 权限的。
创建目录并设置权限:
$ sudo -u hdfs hadoop fs -mkdir /user/hive
$ sudo -u hdfs hadoop fs -chown hive /user/hive
$ sudo -u hdfs hadoop fs -mkdir /user/hive/warehouse
$ sudo -u hdfs hadoop fs -chmod 1777 /user/hive/warehouse
$ sudo -u hdfs hadoop fs -chown hive /user/hive/warehouse
启动 hive-server 和 metastore:
$ service hive-metastore start
$ service hive-server start
$ service hive-server2 start
测试
$ hive -e 'create table t(id int);'
$ hive -e 'select * from t limit 2;'
$ hive -e 'select id from t;'
访问 beeline:
$ beeline
beeline> !connect jdbc:hive2://localhost:10000 hive hive org.apache.hive.jdbc.HiveDriver
与 hbase 集成
先安装 hive-hbase:
$ yum install hive-hbase -y
如果你是使用的 cdh4,则需要在 hive shell 里执行以下命令添加 jar:
$ ADD JAR /usr/lib/hive/lib/zookeeper.jar;
$ ADD JAR /usr/lib/hive/lib/hbase.jar;
$ ADD JAR /usr/lib/hive/lib/hive-hbase-handler-<hive_version>.jar
# guava 包的版本以实际版本为准。
$ ADD JAR /usr/lib/hive/lib/guava-11.0.2.jar;
如果你是使用的 cdh5,则需要在 hive shell 里执行以下命令添加 jar:
ADD JAR /usr/lib/hive/lib/zookeeper.jar;
ADD JAR /usr/lib/hive/lib/hive-hbase-handler.jar;
ADD JAR /usr/lib/hbase/lib/guava-12.0.1.jar;
ADD JAR /usr/lib/hbase/hbase-client.jar;
ADD JAR /usr/lib/hbase/hbase-common.jar;
ADD JAR /usr/lib/hbase/hbase-hadoop-compat.jar;
ADD JAR /usr/lib/hbase/hbase-hadoop2-compat.jar;
ADD JAR /usr/lib/hbase/hbase-protocol.jar;
ADD JAR /usr/lib/hbase/hbase-server.jar;
以上你也可以在 hive-site.xml 中通过 hive.aux.jars.path
参数来配置,或者你也可以在 hive-env.sh 中通过 export HIVE_AUX_JARS_PATH=
来设置。
Hadoop2.5.2 新特性 http://www.linuxidc.com/Linux/2014-11/109814.htm
CentOS 安装和配置 Hadoop2.2.0 http://www.linuxidc.com/Linux/2014-01/94685.htm
Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm
Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm
Ubuntu 上搭建 Hadoop 环境(单机模式 + 伪分布模式)http://www.linuxidc.com/Linux/2013-01/77681.htm
Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm
单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm
搭建 Hadoop 环境(在 Winodws 环境下用虚拟机虚拟两个 Ubuntu 系统进行搭建)http://www.linuxidc.com/Linux/2011-12/48894.htm
更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13
本文永久更新链接地址:http://www.linuxidc.com/Linux/2015-08/120939.htm