hadoop +hbase +zookeeper 完全分布搭建 (版本一)

hadoop2.0已经发布了稳定版本了，增加了很多特性，比如HDFS HA、YARN等。最新的hadoop-2.6.0又增加了YARN HA

注意：apache提供的hadoop-2.6.0的安装包是在32位操作系统编译的，因为hadoop依赖一些C++的本地库，
所以如果在64位的操作上安装hadoop-2.6.0就需要重新在64操作系统上重新编译

一.重新编译 

原因是hadoop-2.6.0.tar.gz安装包是在32位机器上编译的，64位的机器加载本地库.so文件时出错，不影响使用。

解决：
1、重新编译源码后将新的lib/native替换到集群中原来的lib/native
2、修改hadoop-env.sh ，增加
export HADOOP_OPTS="-Djava.library.path=$HADOOP_PREFIX/lib:$HADOOP_PREFIX/lib/native"

需要进行编译准备工作：

0.安装JDK,使用 java -version  查看jdk版本，确定JDK版本是64位。

a. 解压jdk

$ tar -xvzf jdk-7u60-linux-x64.tar.gz

b. 设置环境变量  vim   /etc/profile

export JAVA_HOME=/usr/local/jdk1.7 export HADOOP_HOME=/usr/local/hadoop-2.6.0 

export MAVEN_HOME=/opt/apache-maven 

export FINDBUG_HOME=/opt/findbugs-3.0.0 

export ANT_HOME=/opt/apache-ant-1.9.4 

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

:$MAVEN_HOME/bin:$FINDBUG_HOME/bin:$ANT_HOME/bin (备注：不能换行)

c.使配置文件生效

$ source /etc/profile

1.安装gcc|gc++  

yum install gcc   

yum install gcc-c++

  验证

2.安装Apache-Maven。

tar -zxvf apache-maven-3.2.1.tar.gz

配置环境变量  vim  /etc/profile  

export MAVEN_HOME=/opt/apache-maven

export PATH=.:PATH:$MAVEN_HOME/bin

验证： mvn --version

3.安装Apache-ant(重要).

tar -zxvf  apache-ant-1.9.4-bin.tar.gz

配置环境变量  vim   /etc/profile

 
export MAVEN_HOME=/opt/apache-maven 

export PATH=$PATH:$MAVEN_HOME/bin

3.安装protobuf(goole序列化工具)

tar -zxvf protobuf-2.5.0.tar.gz

./configuration 

make  #编译

make install

验证：protoc --version

4.安装CMake2.6  or newer

 
安装 yum install cmake

 
安装 yum install openssl-devel

 
安装 yum install ncurses-devel

验证：cmake --version

5.安装make

yum install make

验证： make --version

6.Hadoop - hadoop-common-project中的pom.xml添加依赖（hadoop-2.2.0需要修改，hadoop2.6.0版本不需要）

<dependency>

<groupId>org.mortbay.jetty</groupId>

<artifactId>jetty-util</artifactId>

<scope>test</scope>

</dependency>

7.在编译之前防止 java.lang.OutOfMemoryError: Java heap space   堆栈问题,在centos系统中执行命令：

$ export MAVEN_OPTS="-Xms256m -Xmx512m"

8.解压压缩包

tar -zxvf hadoop-2.6.0-src.tar.gz 

a.执行命令  cd  ${hostname_Local}/hadoop-2.6.0/  目录下

  
b.编译

mvn package -DskipTests -Pdist,native

c.编译好的项目放在
 hadoop-2.6.0-src/hadoop-dist/target目录下。

/root/Downloads/hadoop-2.6.0-src/hadoop-dist/target
即  hadoop-2.6.0就是编译好的包。

=====================================================================

编译日志：

[INFO] --- maven-jar-plugin:2.3.1:jar (default-jar)
@ hadoop-dist --- [WARNING] JAR will be empty - no content was marked for inclusion! 

[INFO] Building jar: /root/Downloads/hadoop-2.6.0-src/hadoop-dist/target/hadoop-dist-2.6.0.jar [INFO] 

[INFO] --- maven-source-plugin:2.1.2:jar-no-fork (hadoop-java-sources) @ hadoop-dist --- 

[INFO] No sources in project. Archive not created. [INFO] 

[INFO] --- maven-source-plugin:2.1.2:test-jar-no-fork (hadoop-java-sources) @ hadoop-dist --- 

[INFO] No sources in project. Archive not created. [INFO] 

[INFO] --- maven-site-plugin:3.3:attach-descriptor (attach-descriptor) @ hadoop-dist --- [INFO] 

[INFO] --- maven-antrun-plugin:1.7:run (tar) @ hadoop-dist ---

[INFO] Executing tasks main: [INFO] Executed tasks [INFO] 

[INFO] --- maven-javadoc-plugin:2.8.1:jar (module-javadocs) @ hadoop-dist --- 

[INFO] Building jar: /root/Downloads/hadoop-2.6.0-src/hadoop-dist/target/hadoop-dist-2.6.0-javadoc.jar 

[INFO] ------------------------------------------------------------------------ 

[INFO] Reactor Summary: [INFO] [INFO] Apache Hadoop Main ................................. SUCCESS [ 13.582 s] 

[INFO] Apache Hadoop Project POM .......................... SUCCESS [ 9.846 s] 

[INFO] Apache Hadoop Annotations .......................... SUCCESS [ 24.408 s]

[INFO] Apache Hadoop Assemblies ........................... SUCCESS [ 1.967 s] 

[INFO] Apache Hadoop Project Dist POM ..................... SUCCESS [ 6.443 s] 

[INFO] Apache Hadoop Maven Plugins ........................ SUCCESS [ 20.692 s] 

[INFO] Apache Hadoop MiniKDC .............................. SUCCESS [ 14.250 s] 

[INFO] Apache Hadoop Auth ................................. SUCCESS [ 23.716 s] 

[INFO] Apache Hadoop Auth Examples ........................ SUCCESS [ 13.714 s] 

[INFO] Apache Hadoop Common ............................... SUCCESS [08:46 min] 

[INFO] Apache Hadoop NFS .................................. SUCCESS [ 47.127 s] 

[INFO] Apache Hadoop KMS .................................. SUCCESS [ 48.790 s] 

[INFO] Apache Hadoop Common Project ....................... SUCCESS [ 0.316 s] 

[INFO] Apache Hadoop HDFS ................................. SUCCESS [14:58 min] 

[INFO] Apache Hadoop HttpFS ............................... SUCCESS [11:10 min] 

[INFO] Apache Hadoop HDFS BookKeeper Journal .............. SUCCESS [01:43 min] 

[INFO] Apache Hadoop HDFS-NFS ............................. SUCCESS [ 27.438 s] 

[INFO] Apache Hadoop HDFS Project ......................... SUCCESS [ 0.146 s] 

[INFO] hadoop-yarn ........................................ SUCCESS [ 0.165 s] 

[INFO] hadoop-yarn-api .................................... SUCCESS [07:03 min] 

[INFO] hadoop-yarn-common ................................. SUCCESS [03:31 min] 

[INFO] hadoop-yarn-server ................................. SUCCESS [ 0.827 s] 

[INFO] hadoop-yarn-server-common .......................... SUCCESS [01:11 min] 

[INFO] hadoop-yarn-server-nodemanager ..................... SUCCESS [02:25 min] 

[INFO] hadoop-yarn-server-web-proxy ....................... SUCCESS [ 17.129 s] 

[INFO] hadoop-yarn-server-applicationhistoryservice ....... SUCCESS [ 39.350 s] 

[INFO] hadoop-yarn-server-resourcemanager ................. SUCCESS [01:44 min] 

[INFO] hadoop-yarn-server-tests ........................... SUCCESS [ 32.941 s] 

[INFO] hadoop-yarn-client ................................. SUCCESS [ 44.664 s] 

[INFO] hadoop-yarn-applications ........................... SUCCESS [ 0.197 s] 

[INFO] hadoop-yarn-applications-distributedshell .......... SUCCESS [ 15.165 s] 

[INFO] hadoop-yarn-applications-unmanaged-am-launcher ..... SUCCESS [ 9.604 s] 

[INFO] hadoop-yarn-site ................................... SUCCESS [ 0.149 s] 

[INFO] hadoop-yarn-registry ............................... SUCCESS [ 31.971 s] 

[INFO] hadoop-yarn-project ................................ SUCCESS [ 22.195 s] 

[INFO] hadoop-mapreduce-client ............................ SUCCESS [ 0.673 s] 

[INFO] hadoop-mapreduce-client-core ....................... SUCCESS [02:08 min] 

[INFO] hadoop-mapreduce-client-common ..................... SUCCESS [01:38 min] 

[INFO] hadoop-mapreduce-client-shuffle .................... SUCCESS [ 24.796 s] 

[INFO] hadoop-mapreduce-client-app ........................ SUCCESS [01:02 min] 

[INFO] hadoop-mapreduce-client-hs ......................... SUCCESS [ 43.043 s] 

[INFO] hadoop-mapreduce-client-jobclient .................. SUCCESS [01:09 min] 

[INFO] hadoop-mapreduce-client-hs-plugins ................. SUCCESS [ 9.662 s] 

[INFO] Apache Hadoop MapReduce Examples ................... SUCCESS [ 40.439 s] 

[INFO] hadoop-mapreduce ................................... SUCCESS [ 13.894 s] 

[INFO] Apache Hadoop MapReduce Streaming .................. SUCCESS [ 32.797 s] 

[INFO] Apache Hadoop Distributed Copy ..................... SUCCESS [01:00 min] 

[INFO] Apache Hadoop Archives ............................. SUCCESS [ 11.333 s] 

[INFO] Apache Hadoop Rumen ................................ SUCCESS [ 35.122 s] 

[INFO] Apache Hadoop Gridmix .............................. SUCCESS [ 22.939 s] 

[INFO] Apache Hadoop Data Join ............................ SUCCESS [ 17.568 s] 

[INFO] Apache Hadoop Ant Tasks ............................ SUCCESS [ 12.339 s] 

[INFO] Apache Hadoop Extras ............................... SUCCESS [ 18.325 s] 

[INFO] Apache Hadoop Pipes ................................ SUCCESS [ 27.889 s] 

[INFO] Apache Hadoop OpenStack support .................... SUCCESS [ 30.148 s] 

[INFO] Apache Hadoop Amazon Web Services support .......... SUCCESS [01:28 min] 

[INFO] Apache Hadoop Client ............................... SUCCESS [ 25.086 s] 

[INFO] Apache Hadoop Mini-Cluster ......................... SUCCESS [ 0.657 s] 

[INFO] Apache Hadoop Scheduler Load Simulator ............. SUCCESS [ 25.302 s] 

[INFO] Apache Hadoop Tools Dist ........................... SUCCESS [ 23.268 s] 

[INFO] Apache Hadoop Tools ................................ SUCCESS [ 0.156 s] 

[INFO] Apache Hadoop Distribution ......................... SUCCESS [01:06 min] 

[INFO] ------------------------------------------------------------------------ 

[INFO] BUILD SUCCESS [INFO] ------------------------------------------------------------------------ 

[INFO] Total time: 01:17 h [INFO] Finished at: 2014-12-29T20:45:54-08:00 

[INFO] Final Memory: 94M/193M [INFO] ------------------------------------------------------------------------ 

[root@Master hadoop-2.6.0-src]#

二.hadoop + hbase +zookeeper 环境搭建

1.修改Linux主机名
2.修改IP
3.修改主机名和IP的映射关系
######注意######如果你们公司是租用的服务器或是使用的云主机（如华为用主机、阿里云主机等）
/etc/hosts里面要配置的是内网IP地址和主机名的映射关系
4.关闭防火墙
5.ssh免登陆
6.安装JDK，配置环境变量等

集群规划：
主机名        IP        安装的软件        运行的进程

  1. Master        192.168.1.201        jdk、hadoop        NameNode、DFSZKFailoverController(zkfc)
  2. Slave1        192.168.1.202        jdk、hadoop        NameNode、DFSZKFailoverController(zkfc)
  3. Slave2        192.168.1.203        jdk、hadoop        ResourceManager
  4. Slave3        192.168.1.204        jdk、hadoop        ResourceManager
  5. Slave4        192.168.1.205        jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain
  6. Slave5        192.168.1.206        jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain
  7. Slave6        192.168.1.207        jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain

复制代码

说明：

1.在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态，以便能够在它失败时快速进行切换。
hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM。这里我们使用简单的QJM。在该方案中，主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数JournalNode即认为写入成功。通常配置奇数个JournalNode
这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为standby状态

2.hadoop-2.2.0中依然存在一个问题，就是ResourceManager只有一个，存在单点故障，hadoop-2.4.1解决了这个问题，有两个ResourceManager，一个是Active，一个是Standby，状态由zookeeper进行协调

安装步骤：
1.安装配置zooekeeper集群（在Slave4上）
1.1解压

  1. [root@Master local]#tar -zxvf    zookeeper-3.4.6.tar.g-C /usr/local/
  2. [root@Master local]#mv zookeeper-3.4.6/ zookeeper

复制代码

1.2修改配置

  1. [root@Master local]#cd /usr/local/zookeeper/conf/
  2. [root@Master local]#cp zoo_sample.cfg zoo.cfg
  3. [root@Master local]#vim zoo.cfg

复制代码

修改：

  1. dataDir=/itcast/zookeeper/zkData

复制代码

在最后添加：

  1. server.1=Slave4:2888:3888
  2. server.2=Slave5:2888:3888
  3. server.3=Slave6:2888:3888

复制代码

保存退出
然后创建一个tmp文件夹

  1. [root@Master local]#mkdir /usr/local/zookeeper/zkData

复制代码

再创建一个空文件

  1. [root@Master local]#touch /usr/local/zookeeper/zkData/myid

复制代码

最后向该文件写入ID

  1. [root@Master local]#echo 1 > /usr/local/zookeeper/zkData/myid

复制代码

1.3将配置好的zookeeper拷贝到其他节点(首先分别在Slave5、Slave6根目录：/usr/local/)

  1. [root@Master local]#scp -r /usr/local/zookeeper/ Slave5:/usr/local/
  2. [root@Master local]#scp -r /usr/local/zookeeper/ Slave6:/usr/local/

复制代码

注意：修改Slave5、Slave6对应/usr/local/zookeeper/zkData/myid内容

  1. Slave5：
  2. [root@Master local]#echo 2 > /usr/local/zookeeper/zkData/myid
  3. Slave6：
  4. [root@Master local]#echo 3 > /usr/local/zookeeper/zkData/myid

复制代码

2.安装配置hadoop集群（在Master上操作）
2.1解压

  1. [root@Master local]#tar -zxvf hadoop-2.6.0.tar.gz -C /usr/local/

复制代码

2.2配置HDFS（hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下）
#将hadoop添加到环境变量中

  1. [root@Master local]#vim /etc/profile
  2. export JAVA_HOME=/usr/local/jdk1.7
  3. export HADOOP_HOME=/usr/local/hadoop-2.6.0
  4. export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

复制代码

#hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下

  1. [root@Master local]#cd /usr/local/hadoop-2.6.0/etc/hadoop

复制代码

2.2.1修改hadoo-env.sh

  1. export JAVA_HOME=/usr/local/jdk1.7

复制代码

2.2.2修改core-site.xml

  1. <configuration>
  2. <!-- 指定hdfs的nameservice为masters -->
  3. <property>
  4. <name>fs.defaultFS</name>
  5. <value>hdfs://masters</value>
  6. </property>
  7. <!-- 指定hadoop临时目录 -->
  8. <property>
  9. <name>hadoop.tmp.dir</name>
  10. <value>/usr/local/hadoop-2.6.0/tmp</value>
  11. </property>
  12. <!-- 指定zookeeper地址 -->
  13. <property>
  14. <name>ha.zookeeper.quorum</name>
  15. <value>Slave4:2181,Slave5:2181,Slave6:2181</value>
  16. </property>
  17. </configuration>

复制代码

2.2.3修改hdfs-site.xml

  1. <configuration>
  2.         <!--指定hdfs的nameservice为masters，需要和core-site.xml中的保持一致 -->
  3.         <property>
  4.                 <name>dfs.nameservices</name>
  5.                 <value>masters,ns1,ns2,ns3</value>
  6.         </property>
  7.         <!-- Master下面有两个NameNode，分别是Master，Slave1 -->
  8.         <property>
  9.                 <name>dfs.ha.namenodes.masters</name>
  10.                 <value>Master,Slave1</value>
  11.         </property>
  12.         <!-- Master的RPC通信地址 -->
  13.         <property>
  14.                 <name>dfs.namenode.rpc-address.masters.Master</name>
  15.                 <value>Master:9000</value>
  16.         </property>
  17.         <!-- Master的http通信地址 -->
  18.         <property>
  19.                 <name>dfs.namenode.http-address.masters.Master</name>
  20.                 <value>Master:50070</value>
  21.         </property>
  22.         <!-- Slave1的RPC通信地址 -->
  23.         <property>
  24.                 <name>dfs.namenode.rpc-address.masters.Slave1</name>
  25.                 <value>Slave1:9000</value>
  26.         </property>
  27.         <!-- Slave1的http通信地址 -->
  28.         <property>
  29.                 <name>dfs.namenode.http-address.masters.Slave1</name>
  30.                 <value>Slave1:50070</value>
  31.         </property>
  32.         <!-- 指定NameNode的元数据在JournalNode上的存放位置 -->
  33.         <property>
  34.                 <name>dfs.namenode.shared.edits.dir</name>
  35.                 <value>qjournal://Slave4:8485;Slave5:8485;Slave6:8485/masters</value>
  36.         </property>
  37.         <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
  38.         <property>
  39.                 <name>dfs.journalnode.edits.dir</name>
  40.                 <value>/usr/local/hadoop-2.6.0/journal</value>
  41.         </property>
  42.         <!-- 开启NameNode失败自动切换 -->
  43.         <property>
  44.                 <name>dfs.ha.automatic-failover.enabled</name>
  45.                 <value>true</value>
  46.         </property>
  47.         <!-- 配置失败自动切换实现方式 -->
  48.         <property>
  49.                 <name>dfs.client.failover.proxy.provider.masters</name>
  50.                 <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  51.         </property>
  52.         <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行-->
  53.         <property>
  54.                 <name>dfs.ha.fencing.methods</name>
  55.                 <value>
  56.                         sshfence
  57.                         shell(/bin/true)
  58.                 </value>
  59.         </property>
  60.         <!-- 使用sshfence隔离机制时需要ssh免登陆 -->
  61.         <property>
  62.                 <name>dfs.ha.fencing.ssh.private-key-files</name>
  63.                 <value>/root/.ssh/id_rsa</value>
  64.         </property>
  65.         <!-- 配置sshfence隔离机制超时时间 -->
  66.         <property>
  67.                 <name>dfs.ha.fencing.ssh.connect-timeout</name>
  68.                 <value>30000</value>
  69.         </property>
  70. </configuration>

复制代码

2.2.4修改mapred-site.xml

  1. <configuration>
  2. <!-- 指定mr框架为yarn方式 -->
  3. <property>
  4. <name>mapreduce.framework.name</name>
  5. <value>yarn</value>
  6. </property>
  7. </configuration>

复制代码

2.2.5修改yarn-site.xml

  1. <configuration>
  2.         <!-- 开启RM高可靠 -->
  3.         <property>
  4.                 <name>yarn.resourcemanager.ha.enabled</name>
  5.                 <value>true</value>
  6.         </property>
  7.         <!-- 指定RM的cluster id -->
  8.         <property>
  9.                 <name>yarn.resourcemanager.cluster-id</name>
  10.                 <value>RM_HA_ID</value>
  11.         </property>
  12.         <!-- 指定RM的名字 -->
  13.         <property>
  14.                 <name>yarn.resourcemanager.ha.rm-ids</name>
  15.                 <value>rm1,rm2</value>
  16.         </property>
  17.         <!-- 分别指定RM的地址 -->
  18.         <property>
  19.                 <name>yarn.resourcemanager.hostname.rm1</name>
  20.                 <value>Slave2</value>
  21.         </property>
  22.         <property>
  23.                 <name>yarn.resourcemanager.hostname.rm2</name>
  24.                 <value>Slave3</value>
  25.         </property>
  26.         <property>
  27.                 <name>yarn.resourcemanager.recovery.enabled</name>
  28.                 <value>true</value>
  29.         </property>
  30.          
  31.         <property>
  32.                 <name>yarn.resourcemanager.store.class</name>
  33.                 <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
  34.         </property>
  35.         <!-- 指定zk集群地址 -->
  36.         <property>
  37.                 <name>yarn.resourcemanager.zk-address</name>
  38.                 <value>Slave4:2181,Slave5:2181,Slave6:2181</value>
  39.         </property>
  40.         <property>
  41.                 <name>yarn.nodemanager.aux-services</name>
  42.                 <value>mapreduce_shuffle</value>
  43.         </property>
  44. </configuration>

复制代码

2.2.6修改slaves(slaves是指定子节点的位置，因为要在Master上启动HDFS、在Slave2启动yarn，所以Master上的slaves文件指定的是datanode的位置，slave2上的slaves文件指定的是nodemanager的位置)

  1. Slave4
  2. Slave5
  3. Slave6

复制代码

2.2.7配置免密码登陆
#首先要配置Master到Slave1、Slave2、Slave3、Slave4、Slave5、Slave6的免密码登陆
#在Master上生产一对钥匙

  1. [root@Master local]#ssh-keygen -t rsa

复制代码

#将公钥拷贝到其他节点，包括自己

  1. [root@Master local]#ssh-copy-id Master
  2. [root@Master local]#ssh-copy-id Slave1
  3. [root@Master local]#ssh-copy-id Slave2
  4. [root@Master local]#ssh-copy-id Slave3
  5. [root@Master local]#ssh-copy-id Slave4
  6. [root@Master local]#ssh-copy-id Slave5
  7. [root@Master local]#ssh-copy-id Slave6

复制代码

#配置Slave2到Slave3、Slave4、Slave5、Slave6的免密码登陆
#在Slave2上生产一对钥匙

  1. [root@Master local]#ssh-keygen -t rsa

复制代码

#将公钥拷贝到其他节点

  1. [root@Master local]#ssh-copy-id Slave3
  2. [root@Master local]#ssh-copy-id Slave4
  3. [root@Master local]#ssh-copy-id Slave5
  4. [root@Master local]#ssh-copy-id Slave6

复制代码

#注意：两个namenode之间要配置ssh免密码登陆，别忘了配置Slave1到Master的免登陆
在Slave1上生产一对钥匙

  1. [root@Master local]#ssh-keygen -t rsa
  2. [root@Master local]#ssh-copy-id -i Master

复制代码

#在Slave3上生产一对钥匙

  1. [root@Master local]#ssh-keygen -t rsa

复制代码

#将公钥拷贝到其他节点

  1. [root@Master local]#ssh-copy-id Slave4
  2. [root@Master local]#ssh-copy-id Slave5
  3. [root@Master local]#ssh-copy-id Slave6

复制代码

2.4将配置好的hadoop拷贝到其他节点

  1. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave1:/usr/local/
  2. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave2:/usr/local/
  3. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave3:/usr/local/
  4. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave4:/usr/local/
  5. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave5:/usr/local/
  6. [root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave6:/usr/local/

复制代码

###注意：严格按照下面的步骤
2.5启动zookeeper集群（分别在Slave4、Slave5、Slave6上启动zk）

  1. [root@Master local]#cd /usr/local/zookeeper/bin/
  2. [root@Master local]#./zkServer.sh start

复制代码

#查看状态：一个leader，两个follower

  1. [root@Master local]#./zkServer.sh status

复制代码

2.6启动journalnode（分别在Slave4、Slave5、Slave6上执行）

  1. [root@Master local]#cd /usr/local/hadoop-2.6.0/sbin
  2. [root@Master local]#sbin/hadoop-daemon.sh start journalnode

复制代码

#运行jps命令检验，Slave4、Slave5、Slave6上多了JournalNode进程

2.7格式化HDFS
#在Master上执行命令:

  1. [root@Master local]#hdfs namenode -format

复制代码

#格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/usr/local/hadoop-2.6.0/tmp，
然后将/usr/local/hadoop-2.6.0/tmp拷贝到Slave1的/usr/local/hadoop-2.6.0/下。

  1. [root@Master local]#scp -r tmp/ Slave1:/usr/local/hadoop-2.6.0/

复制代码

2.8格式化ZK(在Master上执行即可)

  1. [root@Master local]#hdfs zkfc -formatZK

复制代码

2.9启动HDFS(在Master上执行)

  1. [root@Master local]#sbin/start-dfs.sh

复制代码

2.10启动YARN(#####注意#####：是在Slave2上执行start-yarn.sh，把namenode和resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就要分别在不同的机器上启动)

  1. [root@Master local]#Slave2:${HADOOP_HOME}/sbin/start-yarn.sh
  2. [root@Master local]#Slave3:${HADOOP_HOME}/sbin/yarn-daemon.sh start resourcemanager

复制代码

到此，hadoop-2.6.0配置完毕，可以统计浏览器访问:

  1. http://192.168.80.100:50070
  2. NameNode 'Master:9000' (active)
  3. http://192.168.80.101:50070
  4. NameNode 'Slave1:9000' (standby)

复制代码

验证HDFS
HA
首先向hdfs上传一个文件

  1. [root@Master local]#hadoop fs -put /etc/profile /profile
  2. [root@Master local]#hadoop fs -ls /

复制代码

然后再kill掉active的NameNode

  1. [root@Master local]#kill -9 <pid of NN>

复制代码

通过浏览器访问：http://192.168.80.101:50070
NameNode 'Slave1:9000' (active)
这个时候Slave1上的NameNode变成了active
在执行命令：

  1. [root@Master local]#hadoop fs -ls /
  2. -rw-r--r--   3 root supergroup       1926 2014-02-06 15:36 /profile

复制代码

刚才上传的文件依然存在！！！
手动启动那个挂掉的NameNode

  1. [root@Master local]#sbin/hadoop-daemon.sh start namenode

复制代码

通过浏览器访问：http://192.168.80.101:50070

  1. NameNode 'Master:9000' (standby)

复制代码

验证YARN：
运行一下hadoop提供的demo中的WordCount程序：

  1. [root@Master local]#hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar wordcount /profile /out

复制代码

hadoop HA集群搭建完成

  hbase-0.98.9-hadoop2  搭建
4.1 解压缩，并重命名 

  1. [root@Master local]#mv  hbase-**   hbase

复制代码

修改环境变量：

  1. export HBASE_HOME=/usr/local/hbase
  2. export PATH= .:$PATH:$HBASE_HOME/bin:

复制代码

保存，退出。  执行 source /etc/profile  生效
4.1 修改HBase的配置文件#HBASE_HOME/conf/hbase-env.sh 修改内容如下：

  1. export JAVA_HOME=usr/local/jdk/
  2. export HBASE_MANAGES_ZK=true   //HBase是否管理它自己的ZooKeeper的实例。

复制代码

保存，退出。
4.2 修改HBase的配置文件#HBASE_HOME/conf/hbase-site.xml，修改内容如下：

  1. <property>
  2. <name>hbase.rootdir</name>
  3. <value>hdfs://Master:9000/hbase</value>
  4. </property>
  5. <property>
  6. <name>hbase.cluster.distributed</name>
  7. <value>true</value>
  8. </property>
  9. <property>
  10. <name>hbase.zookeeper.quorum</name>
  11. <value>Master</value>
  12. </property>
  13. <property>
  14. <name>dfs.replication</name>
  15. <value>3</value>
  16. </property>

复制代码

注意：$HBASE_HOME/conf/hbase-site.xml的hbase.rootdir的主机和端口号与$HADOOP_HOME/conf/core-site.xml的fs.default.name的主机和端口号一致
4.3 (可选)文件  regionservers 的内容修改为Master.

4.4 执行目录到../bin ，执行命令  start-hbase.sh
******启动hbase之前，确保hadoop是运行正常的。并且可以写入文件。
4.5 验证：(1)执行jps，发现新增加了3个Havana进程，分别是HMaster、HRegionServer、HQuorumPeer
(HQuorumPeerMain 是ZooKeeper的进程 ) 
备注:启动HBase时，请先执行  /usr/local/zookeeper/bin zkServer.sh stop 停止ZooKeeper的进程,以免hbase启动失败。

(2)通过浏览器查看：  http://masters:60010

5.HBase的集群安装(在原来的Master上的hbase伪分布基础上搭建)：
5.1 集群结构，主节点(hmaster)是Master，从节点(region server)是Slave1,Slave2,Slave3.
5.2 修改hadoop0上的hbase的几个文件
(1)修改hbase-env.sh 最后一行 export  HBASE_MANAGES_ZK=false.
(2)修改hbase-site.xml文件的hbase.zookeeper.quorum的值为Master,Slave1,Slave2,Slave3 。
(3)修改regionservers文件(存放的 region
server的hostname),内容修改成Slave1,Slave2,Slave3 。
5.3 复制Master中的hbase到Slave1,Slave2,Slave3的对应目录下,并复制、Master 的/etc/profile文件到hadoop1 、hadoop2 中。

  1. [root@Master local]#scp -r hbase Slave1:/usr/local/
  2. [root@Master local]#scp -r /etc/profile  Slave1:/etc/profile
  3. [root@Master local]#source /etc/profile

复制代码

5.4 在HA集群中，首先各个节点启动ZooKeeper集群，其次 Master中启动hadoop集群，最后在Master上启动hbase集群。

6.测试Hbase是否启动正常：
1) 在Master主机中执行jps，查看进程。会新增一个 HMaster 进程
2) 在regionserver 中执行  jps，新增 HRegionServer。

7.执行hbase脚本命令：

  1. [root@Slave2 local]#  hbase shell

复制代码

时间： 2024-04-27 09:38:44

hadoop +hbase +zookeeper 完全分布搭建 (版本一)的相关文章

hadoop +hbase +zookeeper 完全分布搭建 (版本二

这里有几个主要关系: 1.经过Map.Reduce运算后产生的结果看上去是被写入到HBase了,但是其实HBase中HLog和StoreFile中的文件在进行flush to disk操作时,这两个文件存储到了HDFS的DataNode中,HDFS才是永久存储. 2.ZooKeeper跟Hadoop Core.HBase有什么关系呢?ZooKeeper都提供了哪些服务呢?主要有:管理Hadoop集群中的NameNode,HBase中HBaseMaster的选举,Servers之间状态同步等.具体

CentOS7搭建Hadoop + HBase + Zookeeper集群

一.基础环境准备 1.下载安装包(均使用当前最新的稳定版本,截止至2017年05月24日) 1)jdk-8u131 2)hadoop-2.7.3 3)hbase-1.2.5 4)zookeeper-3.4.10 以上下载地址请点击"阅读原文" 2.修改hosts文件(使用的三台集群主机默认IP为192.168.0.100.192.168.0.101.192.168.0.102) # vim /etc/hosts    添加以下信息    192.168.0.100 master   

【转载】hadoop/hbase 搭建

本文转载自http://shift-alt-ctrl.iteye.com/blog/2073581    因为工作需要,我们使用hbase + hadoop存储基于用户内容的数据(UGC),本文将描述如何逐步搭建此平台,仅作参考.   1. 环境     操作系统:Red hat 6.3,300G硬盘,双核CPU     JAVA:JDK1.6                         HBASE:hbase-0.98.1     Hadoop:hadoop-2.2.0       现在我

【转】hadoop/hbase搭建

1. 环境     操作系统:Red hat 6.3,300G硬盘,双核CPU     JAVA:JDK1.6                         HBASE:hbase-0.98.1     Hadoop:hadoop-2.2.0       现在我们使用3台机器(虚拟机),来搭建hadoop环境,如下为机器列表,首先我们需要在三台机器上hosts文件中都增加如下信息,同时需要注意,局域网内的机器都需要设定网卡为"静态IP",以防止机器重启后IP不断变化.本例中所有机器使

Hadoop:hbase的搭建

注意:最新的HBase Shell已经取消了HQL支持,也就是说下面的资料中的插入和查询SQL语句都不可以用了.为了效率考虑,现在只提供get,put,scan等几个方法来处理数据. URL:http://hadoop.apache.org/hbase/docs/r0.1.1/api/overview-summary.html在已经创建的hdfs基础上搭建1:修改hadoop/contrib/hbase/conf/hbase-env.sh加入java_home的路径 2:修改hadoop/con

Hadoop HBase 单机环境简单配置教程

写在前面: Hadoop是Apache的一个项目,它是一个实现了MapReduce计算模型的可以运用于大型集群并行计算的分布式并行计算编程框架,当然分布式计算离不开分布式存储,Hadoop框架包含了分布式存储系统HDFS(Hadoop Distributed File System),其存储和数据结构很类似Google的GFS. HBase是Hadoop的子项目,它是基于Hadoop HDFS分布存储系统的一个Google BigTable开源实现(最近看了BigTable的Paper,很受鼓舞

hbase分布式集群搭建

hbase和hadoop一样也分为单机版.伪分布式版和完全分布式集群版本,这篇文件介绍如何搭建完全分布式集群环境搭建. hbase依赖于hadoop环境,搭建habase之前首先需要搭建好hadoop的完全集群环境,因此看这篇文章之前需要先看我的上一篇文章:hadoop分布式集群搭建.本文中没有按照独立的zookeeper,使用了hbase自带的zookeeper. 环境准备 hbase软件包: http://mirror.bit.edu.cn/apache/hbase/1.3.1/hbase-

zookeeper集群搭建

因为公司的业务发展,需要搭建codis集群(一个由国内豌豆荚开发的redis集群解决方案),但是codis集群是依赖与zookeeper集群的.所以这篇文章,我们主要介绍有关zookeeper集群的搭建. 一.zookeeper介绍 zookeeper是一个分布式的开源框架,它能很好的管理集群,而且提供协调分布式应用的基本服务. 它向外部应用暴露一组通用服务--分布式同步(Distributed Synchronization).命名服务(Naming Service).集群维护(Group M

hadoop集群环境的搭建

       今天终于把hadoop集群环境给搭建起来了,能够运行单词统计的示例程序了. 集群信息如下: 主机名 Hadoop角色 Hadoop jps命令结果 Hadoop用户 Hadoop安装目录 master Master slaves NameNode DataNode JobTracker TaskTracker SecondaryNameNode 创建相同的用户的组名:hadoop. 安装hadoop-0.20.2时使用hadoop用户,并且hadoop的文件夹归属也是hadoop: