BigData集群搭建

# 切换到root用户
# 添加用户组
groupadd hadoop
# 添加用户
useradd -g hadoop hadoop
# 设置密码
passwd hadoop
# 切换至hadoop用户
su - hadoop

# 三台集群分别执行，每台集群生成公钥私钥
ssh-keygen -t rsa
# 将node01的公钥拷贝到其他机器，三台都需要执行
ssh-copy-id -p 12324 node01
# 切换到.ssh目录下
cd /home/hadoop/.ssh/
# 将 authorized_keys 拷贝到其他两个节点
scp -P 12324 authorized_keys node02:$PWD
scp -P 12324 authorized_keys node03:$PWD
# 注：由于修改默认的22端口，ssh、scp相关命令需要加ssh的端口号

# 本文使用cdh版本
wget http://archive.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.14.2.tar.gz
# 解压
tar -xzvf hadoop-2.6.0-cdh5.14.2.tar.gz -C /opt/install
# 修改环境变量
cd ~
vim .bash_profile
# 添加JAVA_HOME、HADOOP_HOME
export JAVA_HOME=/opt/install/jdk1.8.0_141
# 注：三台集群都需要提前安装jdk，这里安装的jdk1.8
export HADOOP_HOME=/opt/install/hadoop-2.6.0-cdh5.14.2
# 修改PATH
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
# 环境变量生效及验证hadoop版本信息
source .bash_profile
hadoop version

# 授权.ssh文件权限，否则hadoop集群可能有问题
chmod -R 755 .ssh/
cd .ssh
# 防止被篡改
chmod 644 *
chmod 600 id_rsa id_rsa.pub
# 将公钥添加到本机认证文件中，没有添加集群需要密码才能启动
cat id_rsa.pub >> authorized_keys

cd /opt/install/hadoop-2.6.0-cdh5.14.2/etc/hadoop
# 配置hadoop-env.sh
export JAVA_HOME=/opt/install/jdk1.8.0_141

# 配置core-site.xml
<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://node01:8020</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/tempDatas</value>
  </property>
  <!--  缓冲区大小，实际工作中根据服务器性能动态调整 -->
  <property>
    <name>io.file.buffer.size</name>
    <value>4096</value>
  </property>
  <property>
     <name>fs.trash.interval</name>
     <value>10080</value>
     <description>检查点被删除后的分钟数。如果为零，垃圾桶功能将被禁用。
     该选项可以在服务器和客户端上配置。如果垃圾箱被禁用服务器端，则检查客户端配置。
     如果在服务器端启用垃圾箱，则会使用服务器上配置的值，并忽略客户端配置值。</description>
  </property>
  <property>
     <name>fs.trash.checkpoint.interval</name>
     <value>0</value>
     <description>垃圾检查点之间的分钟数。应该小于或等于fs.trash.interval。
     如果为零，则将该值设置为fs.trash.interval的值。每次检查指针运行时，
     它都会从当前创建一个新的检查点，并删除比fs.trash.interval更早创建的检查点。</description>
  </property>
</configuration>

# 配置hdfs-site.xml
<configuration>
   <property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>node01:50090</value>
  </property>
  <property>
    <name>dfs.namenode.http-address</name>
    <value>node01:50070</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:///opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/namenodeDatas</value>
  </property>
  <!--  定义dataNode数据存储的节点位置，实际工作中，一般先确定磁盘的挂载目录，然后多个目录用，进行分割  -->
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:///opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/datanodeDatas</value>
  </property>
  <property>
    <name>dfs.namenode.edits.dir</name>
    <value>file:///opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/nn/edits</value>
  </property>
  <property>
    <name>dfs.namenode.checkpoint.dir</name>
    <value>file:///opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/snn/name</value>
  </property>
  <property>
    <name>dfs.namenode.checkpoint.edits.dir</name>
    <value>file:///opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/nn/snn/edits</value>
  </property>
  <property>
    <name>dfs.replication</name>
    <value>3</value>
  </property>
  <property>
    <name>dfs.permissions</name>
    <value>false</value>
  </property>
  <property>
    <name>dfs.blocksize</name>
    <value>134217728</value>
  </property>
</configuration>

# 配置mapred-site.xml
<configuration>
   <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
  <property>
    <name>mapreduce.job.ubertask.enable</name>
    <value>true</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.address</name>
    <value>node01:10020</value>
  </property>
  <property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>node01:19888</value>
  </property>
</configuration>

# 配置yarn-site.xml
<configuration>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>node01</value>
  </property>
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
  </property>
  <property>
     <name>yarn.log.server.url</name>
     <value>http://node01:19888/jobhistory/logs</value>
  </property>
  <!--多长时间聚合删除一次日志 此处-->
  <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>2592000</value><!--30 day-->
  </property>
  <!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
  <property>
        <name>yarn.nodemanager.log.retain-seconds</name>
        <value>604800</value><!--7 day-->
  </property>
  <!--指定文件压缩类型用于压缩汇总日志-->
  <property>
        <name>yarn.nodemanager.log-aggregation.compression-type</name>
        <value>gz</value>
  </property>
  <!-- nodemanager本地文件存储目录-->
  <property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/yarn/local</value>
  </property>
  <!-- resourceManager  保存最大的任务完成个数 -->
  <property>
        <name>yarn.resourcemanager.max-completed-applications</name>
        <value>1000</value>
  </property>
</configuration>

# 编辑slaves
#将localhost这一行删除掉
node01
node02
node03
# 创建文件存放目录
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/tempDatas
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/namenodeDatas
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/namenodeDatas
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/datanodeDatas
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/nn/edits
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/snn/name
mkdir -p /opt/install/hadoop-2.6.0-cdh5.14.2/hadoopDatas/dfs/nn/snn/edits

# 需要修改pid路径，默认在/tmp下，linux系统会定期清理临时目录，会导致正常无法关闭集群
vim hadoop-daemon.sh
HADOOP_PID_DIR=/opt/install/hadoop-2.6.0-cdh5.14.2/pid
vim yarn-daemon.sh
YARN_PID_DIR=/opt/install/hadoop-2.6.0-cdh5.14.2/pid

cd /opt
# 先删除用户文档，否则复制会很慢
cd install/hadoop-2.6.0-cdh5.14.2/share/
rm -rf doc/
# 复制一台的配置到集群其他所有节点
scp -P 12324 -r install node02:$PWD
scp -P 12324 -r install node03:$PWD
# 每个节点都需要保证所有目录权限是hadoop用户
chown -R hadoop:hadoop /opt
chmod -R 755  /opt
chmod -R g+w /opt
chmod -R o+w /opt
# node01上执行格式化
hdfs namenode -format
# 启动集群
start-all.sh
# 关闭集群
stop-all.sh

wget http://archive.cloudera.com/cdh5/cdh/5/zookeeper-3.4.5-cdh5.14.2.tar.gz
tar -zxvf zookeeper-3.4.5-cdh5.14.2.tar.gz  -C /opt/install/

cd /opt/install/zookeeper-3.4.5-cdh5.14.2/conf
# 配置zoo.cfg
cp zoo_sample.cfg zoo.cfg
mkdir -p /opt/install/zookeeper-3.4.5-cdh5.14.2/zkdatas
vim zoo.cfg
dataDir=/opt/install/zookeeper-3.4.5-cdh5.14.2/zkdatas
autopurge.snapRetainCount=3
autopurge.purgeInterval=1
server.1=node01:2888:3888
server.2=node02:2888:3888
server.3=node03:2888:3888
# 分发到集群其他节点
scp -P 12324 -r /opt/install/zookeeper-3.4.5-cdh5.14.2/ node02:$PWD
scp -P 12324 -r /opt/install/zookeeper-3.4.5-cdh5.14.2/ node03:$PWD
# 三台节点分别添加myid配置
echo 1 > /opt/install/zookeeper-3.4.5-cdh5.14.2/zkdatas/myid
echo 2 > /opt/install/zookeeper-3.4.5-cdh5.14.2/zkdatas/myid
echo 3 > /opt/install/zookeeper-3.4.5-cdh5.14.2/zkdatas/myid

# 集群机器都要修改环境变量
cd ~
vim .bash_profile
export ZK_HOME=/opt/install/zookeeper-3.4.5-cdh5.14.2
export PATH=$PATH:$ZK_HOME/bin
source .bash_profile

# 集群所有节点都执行
zkServer.sh start
# 查看集群节点状态
zkServer.sh status
# 集群所有节点关闭
zkServer.sh stop