离线安装Cloudera Manager 5和CDH5(最新版5.1.3) 完全教程

共计 11830 个字符，预计需要花费 30 分钟才能阅读完成。

关于 CDH 和 Cloudera Manager

CDH (Cloudera’s Distribution, including Apache Hadoop)，是 Hadoop 众多分支中的一种，由 Cloudera 维护，基于稳定版本的 Apache Hadoop 构建，并集成了很多补丁，可直接用于生产环境。

Cloudera Manager 则是为了便于在集群中进行 Hadoop 等大数据处理相关的服务安装和监控管理的组件，对集群中主机、Hadoop、Hive、Spark 等服务的安装配置管理做了极大简化。

系统环境

• 实验环境：Mac 下 VMware 虚拟机
• 操作系统：CentOS 6.5 x64 (至少内存 2G 以上，这里内存不够的同学建议还是整几台真机配置比较好，将 CDH 的所有组件全部安装会占用很多内存，我已开始设置的虚拟机内存是 1G，安装过程中直接卡死了)
• Cloudera Manager：5.1.3
• CDH: 5.1.3

安装说明

官方参考文档：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Installation-Guide/cm5ig_install_path_C.html

官方共给出了 3 中安装方式：第一种方法必须要求所有机器都能连网，由于最近各种国外的网站被墙的厉害，我尝试了几次各种超时错误，巨耽误时间不说，一旦失败，重装非常痛苦。第二种方法下载很多包。第三种方法对系统侵入性最小, 最大优点可实现全离线安装，而且重装什么的都非常方便。后期的集群统一包升级也非常好。这也是我之所以选择离线安装的原因。

相关包的下载地址

Cloudera Manager 下载地址：
http://archive.cloudera.com/cm5/cm/5/cloudera-manager-el6-cm5.1.3_x86_64.tar.gz，
下载信息：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Version-and-Download-Information/Cloudera-Manager-Version-and-Download-Information.html#cmvd_topic_1

CDH 安装包地址：http://archive.cloudera.com/cdh5/parcels/latest/，由于我们的操作系统为 CentOS6.5，需要下载以下文件：

• CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel
• CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1
• manifest.json

注意：与 CDH4 的不同，原来安装 CDH4 的时候还需要下载 IMPALA、Cloudera Search(SOLR)，CDH5 中将他们包含在一起了，所以只需要下载一个 CDH5 的包就可以了。

准备工作：系统环境搭建

以下操作均用 root 用户操作。

1. 网络配置(所有节点)

vi /etc/sysconfig/network修改 hostname：

NETWORKING=yes
HOSTNAME=n1

通过 service network restart 重启网络服务生效。

vi /etc/hosts, 修改 ip 与主机名的对应关系

192.168.1.106   n1
192.168.1.107   n2
192.168.1.108   n3

注意：这里需要将每台机器的 ip 及主机名对应关系都写进去，本机的也要写进去，否则启动 Agent 的时候会提示 hostname 解析错误。

2. 打通 SSH，设置 ssh 无密码登陆（所有节点）

在主节点上执行 ssh-keygen -t rsa 一路回车，生成无密码的密钥对。

将公钥添加到认证文件中：cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，并设置 authorized_keys 的访问权限：chmod 600 ~/.ssh/authorized_keys。

scp 文件到所有 datenode 节点：

scp ~/.ssh/authorized_keys root@n2:~/.ssh/

测试：在主节点上 ssh n2，正常情况下，不需要密码就能直接登陆进去了。

3. 安装 Oracle 的 Java（所有节点）

CentOS，自带 OpenJdk，不过运行 CDH5 需要使用 Oracle 的 Jdk，需要 Java 7 的支持。

卸载自带的 OpenJdk，使用 rpm -qa | grep java 查询 java 相关的包，使用 rpm -e --nodeps 包名 卸载之。

去 Oracle 的官网下载 jdk 的 rpm 安装包，并使用 rpm -ivh 包名 安装之。

由于是 rpm 包并不需要我们来配置环境变量，我们只需要配置一个全局的 JAVA_HOME 变量即可，执行命令：

echo "JAVA_HOME=/usr/java/latest/" >> /etc/environment

4. 安装配置 MySql（主节点）

通过 yum install mysql-server 安装 mysql 服务器。chkconfig mysqld on设置开机启动，并 service mysqld start 启动 mysql 服务，并根据提示设置 root 的初试密码：mysqladmin -u root password 'xxxx'。

mysql -uroot -pxxxx进入 mysql 命令行，创建以下数据库：

#hive
create database hive DEFAULT CHARSET utf8 COLLATE utf8_general_ci;
#activity monitor
create database amon DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

设置 root 授权访问以上所有的数据库：

# 授权 root 用户在主节点拥有所有数据库的访问权限
grant all privileges on *.* to 'root'@'n1' identified by 'xxxx' with grant option;
flush privileges;

官方 MySql 配置文档：http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Installation-Guide/cm5ig_mysql.html#cmig_topic_5_5

5. 关闭防火墙和 SELinux

注意： 需要在所有的节点上执行，因为涉及到的端口太多了，临时关闭防火墙是为了安装起来更方便，安装完毕后可以根据需要设置防火墙策略，保证集群安全。

关闭防火墙：

service iptables stop（临时关闭）chkconfig iptables off（重启后生效）

关闭 SELINUX（实际安装过程中发现没有关闭也是可以的，不知道会不会有问题，还需进一步进行验证）:

setenforce 0（临时生效）修改 /etc/selinux/config 下的 SELINUX=disabled（重启后永久生效）

6. 所有节点配置 NTP 服务

集群中所有主机必须保持时间同步，如果时间相差较大会引起各种问题。具体思路如下：

master 节点作为 ntp 服务器与外界对时中心同步时间，随后对所有 datanode 节点提供时间同步服务。

所有 datanode 节点以 master 节点为基础同步时间。

所有节点安装相关组件：yum install ntp。完成后，配置开机启动：chkconfig ntpd on, 检查是否设置成功：chkconfig --list ntpd其中 2 - 5 为 on 状态就代表成功。

主节点配置

在配置之前，先使用 ntpdate 手动同步一下时间，免得本机与对时中心时间差距太大，使得 ntpd 不能正常同步。这里选用 65.55.56.206 作为对时中心,ntpdate -u 65.55.56.206。

ntp 服务只有一个配置文件，配置好了就 OK。这里只给出有用的配置，不需要的配置都用 #注掉，这里就不在给出：

driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrict default nomodify notrap 
server 65.55.56.206 prefer
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys

配置文件完成，保存退出，启动服务，执行如下命令：service ntpd start

检查是否成功，用 ntpstat 命令查看同步状态，出现以下状态代表启动成功：

synchronised to NTP server () at stratum 2
time correct to within 74 ms
polling server every 128 s

如果出现异常请等待几分钟，一般等待 5 -10 分钟才能同步。

配置 ntp 客户端（所有 datanode 节点）

driftfile /var/lib/ntp/drift
restrict 127.0.0.1
restrict -6 ::1
restrict default kod nomodify notrap nopeer noquery
restrict -6 default kod nomodify notrap nopeer noquery
# 这里是主节点的主机名或者 ip
server n1
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys

ok 保存退出，请求服务器前，请先使用 ntpdate 手动同步一下时间：ntpdate -u n1 (主节点 ntp 服务器)

这里可能出现同步失败的情况，请不要着急，一般是本地的 ntp 服务器还没有正常启动，一般需要等待 5 -10 分钟才可以正常同步。启动服务：service ntpd start

因为是连接内网，这次启动等待的时间会比 master 节点快一些，但是也需要耐心等待一会儿。

正式开工

安装 Cloudera Manager Server 和 Agent

主节点解压安装

cloudera manager 的目录默认位置在 /opt 下，解压：tar xzvf cloudera-manager*.tar.gz将解压后的 cm-5.1.3 和 cloudera 目录放到 /opt 目录下。

为 Cloudera Manager 5 建立数据库

首先需要去 MySql 的官网下载 JDBC 驱动，http://dev.mysql.com/downloads/connector/j/，解压后，找到 mysql-connector-java-5.1.33-bin.jar，放到 /opt/cm-5.1.3/share/cmf/lib/ 中。

在主节点初始化 CM5 的数据库：

/opt/cm-5.1.3/share/cmf/schema/scm_prepare_database.sh mysql cm -hlocalhost -uroot -pxxxx --scm-host localhost scm scm scm

Agent 配置

修改 /opt/cm-5.1.3/etc/cloudera-scm-agent/config.ini 中的 server_host 为主节点的主机名。

同步 Agent 到其他节点

scp -r /opt/cm-5.1.3 root@n2:/opt/

在所有节点创建 cloudera-scm 用户

useradd --system --home=/opt/cm-5.1.3/run/cloudera-scm-server/ --no-create-home --shell=/bin/false --comment "Cloudera SCM User" cloudera-scm

准备 Parcels，用以安装 CDH5

将 CHD5 相关的 Parcel 包放到主节点的 /opt/cloudera/parcel-repo/ 目录中（parcel-repo 需要手动创建）。

相关的文件如下：

• CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel
• CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1
• manifest.json

最后将 CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1，重命名为 CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha，这点必须注意，否则，系统会重新下载 CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel 文件。

相关启动脚本

通过 /opt/cm-5.1.3/etc/init.d/cloudera-scm-server start 启动服务端。

通过 /opt/cm-5.1.3/etc/init.d/cloudera-scm-agent start 启动 Agent 服务。

我们启动的其实是个 service 脚本，需要停止服务将以上的 start 参数改为 stop 就可以了，重启是 restart。

CDH5 的安装配置

Cloudera Manager Server 和 Agent 都启动以后，就可以进行 CDH5 的安装配置了。

这时可以通过浏览器访问主节点的 7180 端口测试一下了（由于 CM Server 的启动需要花点时间，这里可能要等待一会才能访问），默认的用户名和密码均为 admin：

可以看到，免费版本的 CM5 已经没有原来 50 个节点数量的限制了。

各个 Agent 节点正常启动后，可以在当前管理的主机列表中看到对应的节点。选择要安装的节点，点继续。

接下来，出现以下包名，说明本地 Parcel 包配置无误，直接点继续就可以了。

点击，继续，如果配置本地 Parcel 包无误，那么下图中的已下载，应该是瞬间就完成了，然后就是耐心等待分配过程就行了，大约 10 多分钟吧，取决于内网网速。

接下来是服务器检查，可能会遇到以下问题：

Cloudera 建议将 /proc/sys/vm/swappiness 设置为 0。当前设置为 60。使用 sysctl 命令在运行时更改该设置并编辑 /etc/sysctl.conf 以在重启后保存该设置。您可以继续进行安装，但可能会遇到问题，Cloudera Manager 报告您的主机由于交换运行状况不佳。以下主机受到影响：

通过 echo 0 > /proc/sys/vm/swappiness 即可解决。

接下来是选择安装服务：

服务配置，一般情况下保持默认就可以了（Cloudera Manager 会根据机器的配置自动进行配置，如果需要特殊调整，自行进行设置就可以了）：

接下来是数据库的设置，检查通过后就可以进行下一步的操作了：

下面是集群设置的审查页面，我这里都是保持默认配置的：

终于到安装各个服务的地方了，注意，这里安装 Hive 的时候可能会报错，因为我们使用了 MySql 作为 hive 的元数据存储，hive 默认没有带 mysql 的驱动，通过以下命令拷贝一个就行了：

cp /opt/cm-5.1.3/share/cmf/lib/mysql-connector-java-5.1.33-bin.jar /opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib/

服务的安装过程大约半小时内就可以完成：

安装完成后，就可以进入集群界面看一下集群的当前状况了。

这里可能会出现 无法发出查询：对 Service Monitor 的请求超时 的错误提示，如果各个组件安装没有问题，一般是因为服务器比较卡导致的，过一会刷新一下页面就好了：

测试

在集群的一台机器上执行以下模拟 Pi 的示例程序：

sudo -u hdfs hadoop jar /opt/cloudera/parcels/CDH/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar pi 10 100

执行过程需要花一定的时间，通过 YARN 的后台也可以看到 MapReduce 的执行状态：

MapReduce 执行过程中终端的输出如下：

Number of Maps  = 10
Samples per Map = 100
Wrote input for Map #0
Wrote input for Map #1
Wrote input for Map #2
Wrote input for Map #3
Wrote input for Map #4
Wrote input for Map #5
Wrote input for Map #6
Wrote input for Map #7
Wrote input for Map #8
Wrote input for Map #9
Starting Job
14/10/13 01:15:34 INFO client.RMProxy: Connecting to ResourceManager at n1/192.168.1.161:8032
14/10/13 01:15:36 INFO input.FileInputFormat: Total input paths to process : 10
14/10/13 01:15:37 INFO mapreduce.JobSubmitter: number of splits:10
14/10/13 01:15:39 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1413132307582_0001
14/10/13 01:15:40 INFO impl.YarnClientImpl: Submitted application application_1413132307582_0001
14/10/13 01:15:40 INFO mapreduce.Job: The url to track the job: http://n1:8088/proxy/application_1413132307582_0001/
14/10/13 01:15:40 INFO mapreduce.Job: Running job: job_1413132307582_0001
14/10/13 01:17:13 INFO mapreduce.Job: Job job_1413132307582_0001 running in uber mode : false
14/10/13 01:17:13 INFO mapreduce.Job:  map 0% reduce 0%
14/10/13 01:18:02 INFO mapreduce.Job:  map 10% reduce 0%
14/10/13 01:18:25 INFO mapreduce.Job:  map 20% reduce 0%
14/10/13 01:18:35 INFO mapreduce.Job:  map 30% reduce 0%
14/10/13 01:18:45 INFO mapreduce.Job:  map 40% reduce 0%
14/10/13 01:18:53 INFO mapreduce.Job:  map 50% reduce 0%
14/10/13 01:19:01 INFO mapreduce.Job:  map 60% reduce 0%
14/10/13 01:19:09 INFO mapreduce.Job:  map 70% reduce 0%
14/10/13 01:19:17 INFO mapreduce.Job:  map 80% reduce 0%
14/10/13 01:19:25 INFO mapreduce.Job:  map 90% reduce 0%
14/10/13 01:19:33 INFO mapreduce.Job:  map 100% reduce 0%
14/10/13 01:19:51 INFO mapreduce.Job:  map 100% reduce 100%
14/10/13 01:19:53 INFO mapreduce.Job: Job job_1413132307582_0001 completed successfully
14/10/13 01:19:56 INFO mapreduce.Job: Counters: 49
    File System Counters
        FILE: Number of bytes read=91
        FILE: Number of bytes written=1027765
        FILE: Number of read operations=0
        FILE: Number of large read operations=0
        FILE: Number of write operations=0
        HDFS: Number of bytes read=2560
        HDFS: Number of bytes written=215
        HDFS: Number of read operations=43
        HDFS: Number of large read operations=0
        HDFS: Number of write operations=3
    Job Counters
        Launched map tasks=10
        Launched reduce tasks=1
        Data-local map tasks=10
        Total time spent by all maps in occupied slots (ms)=118215
        Total time spent by all reduces in occupied slots (ms)=11894
        Total time spent by all map tasks (ms)=118215
        Total time spent by all reduce tasks (ms)=11894
        Total vcore-seconds taken by all map tasks=118215
        Total vcore-seconds taken by all reduce tasks=11894
        Total megabyte-seconds taken by all map tasks=121052160
        Total megabyte-seconds taken by all reduce tasks=12179456
    Map-Reduce Framework
        Map input records=10
        Map output records=20
        Map output bytes=180
        Map output materialized bytes=340
        Input split bytes=1380
        Combine input records=0
        Combine output records=0
        Reduce input groups=2
        Reduce shuffle bytes=340
        Reduce input records=20
        Reduce output records=0
        Spilled Records=40
        Shuffled Maps =10
        Failed Shuffles=0
        Merged Map outputs=10
        GC time elapsed (ms)=1269
        CPU time spent (ms)=9530
        Physical memory (bytes) snapshot=3792773120
        Virtual memory (bytes) snapshot=16157274112
        Total committed heap usage (bytes)=2856624128
    Shuffle Errors
        BAD_ID=0
        CONNECTION=0
        IO_ERROR=0
        WRONG_LENGTH=0
        WRONG_MAP=0
        WRONG_REDUCE=0
    File Input Format Counters
        Bytes Read=1180
    File Output Format Counters
        Bytes Written=97
Job Finished in 262.659 seconds
Estimated value of Pi is 3.14800000000000000000

检查 Hue

首次登陆 Hue 会让设置一个初试的用户名和密码，设置好，登陆到后台，会做一次检查，一切正常后会提示：

到这里表明我们的集群可以使用了。

遇到的问题

Agent 启动后，安装阶段“当前管理的主机”中显示的节点不全，每次刷新显示的都不一样。

Agent 的错误日志表现如下：

[18/Nov/2014 21:12:56 +0000] 22681 MainThread agent ERROR Heartbeating to master:7182 failed.
Traceback (most recent call last):
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/src/cmf/agent.py", line 820, in send_heartbeat
    response = self.requestor.request('heartbeat', dict(request=heartbeat))
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/ipc.py", line 139, in request
    return self.issue_request(call_request, message_name, request_datum)
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/ipc.py", line 255, in issue_request
    return self.read_call_response(message_name, buffer_decoder)
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/ipc.py", line 235, in read_call_response
    raise self.read_error(writers_schema, readers_schema, decoder)
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/ipc.py", line 244, in read_error
    return AvroRemoteException(datum_reader.read(decoder))
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/io.py", line 444, in read
    return self.read_data(self.writers_schema, self.readers_schema, decoder)
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/io.py", line 448, in read_data
    if not DatumReader.match_schemas(writers_schema, readers_schema):
  File "/home/opt/cm-5.2.0/lib64/cmf/agent/build/env/lib/python2.6/site-packages/avro-1.6.3-py2.6.egg/avro/io.py", line 379, in match_schemas
    w_type = writers_schema.type
AttributeError: 'NoneType' object has no attribute 'type'

这是由于在主节点上启动了 Agent 后，又将 Agent scp 到了其他节点上导致的，首次启动 Agent，它会生成一个 uuid，路径为：/opt/cm-5.1.3/lib/cloudera-scm-agent/uuid, 这样的话每台机器上的 Agent 的 uuid 都是一样的了，就会出现紊乱的情况。

解决方案：

删除 /opt/cm-5.1.3/lib/cloudera-scm-agent/ 目录下的所有文件。

清空主节点 CM 数据库。

最佳实践

在内网单独搭建 yum 的 repo，然后 CM 的管理界面安装 Agent，这样安装比较快，也不会出现什么问题。

如果手动添加添加 Agent 的话，需要注意启动之前删除相关的标示文件，否则 Server 端在数据库中记录 Agent 的信息，还得清理数据库中的信息，就麻烦了。

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/2016-06/132131.htm