搭建Hadoop2.6.0+Spark1.1.0集群环境

前几篇文章主要介绍了单机模式的Hadoop和Spark的安装和配置，方便开发和调试。本文主要介绍，真正集群环境下Hadoop和Spark的安装和使用。

1. 环境准备

集群有三台机器：

master：W118PC01VM01/192.168.0.112
slave1：W118PC02VM01/192.168.0.113
slave2：W118PC03VM01/192.168.0.114

首先配置/etc/hosts中ip和主机名的映射关系：

192.168.0.112 W118PC01VM01
192.168.0.113 W118PC02VM01
192.168.0.114 W118PC03VM01

其次配置3台机器互相免密码ssh连接，参考《在Win7虚拟机下搭建Hadoop2.6.0伪分布式环境》。

2. 基本安装步骤

（1）安装Java（本例使用jdk1.7.0_55）和Scala（使用scala2.10.4）。

（2）安装Hadoop2.6.0集群。

（3）安装Spark1.1.0集群。

3. Jdk和Scala安装

在master和slave机器的安装路径和环境变量配置保持一致。安装过程参考《在Win7虚拟机下搭建Hadoop2.6.0+Spark1.4.0单机环境》。

4. Hadoop集群安装

4.1. 安装Hadoop并配置环境变量

安装Hadoop2.6.0版本，安装目录如下。在~/.bash_profile中配置环境变量，参考《在Win7虚拟机下搭建Hadoop2.6.0伪分布式环境》。

搭建Hadoop2.6.0+Spark1.1.0集群环境

4.2. 修改Hadoop配置文件

涉及到的hadoop配置文件主要有以下7个：

/home/ap/cdahdp/tools/hadoop/etc/hadoop/hadoop-env.sh
/home/ap/cdahdp/tools/hadoop/etc/hadoop/yarn-env.sh
/home/ap/cdahdp/tools/Hadoop/etc/hadoop/slaves
/home/ap/cdahdp/tools/hadoop/etc/hadoop/core-site.xml
/home/ap/cdahdp/tools/hadoop/etc/hadoop/hdfs-site.xml
/home/ap/cdahdp/tools/hadoop/etc/hadoop/mapred-site.xml
/home/ap/cdahdp/tools/hadoop/etc/hadoop/yarn-site.xml

配置 hadoop-env.sh（修改JAVA_HOME）

# The java implementation to use.

export JAVA_HOME=/home/ap/cdahdp/tools/jdk1.7.0_55

配置 yarn-env.sh （修改JAVA_HOME）

# some Java parameters

export JAVA_HOME=/home/ap/cdahdp/tools/jdk1.7.0_55

配置slaves（增加slave节点）

W118PC02VM01

W118PC03VM01

配置 core-site.xml（增加hadoop核心配置）

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.0.112:9000</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/ap/cdahdp/app/tmp</value>
<description>Abasefor other temporary directories.</description>
</property>
<property>
<name>hadoop.proxyuser.spark.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.spark.groups</name>
<value>*</value>
</property>
</configuration>

配置hdfs-site.xml（增加hdfs配置信息，namenode、datanode端口和目录位置）

<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>192.168.0.112:9001</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/ap/cdahdp/app/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/ap/cdahdp/app/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.datanode.du.reserved</name>【配置磁盘中保留不用作hdfs集群的空间大小，单位是Byte】
<value>10240000000</value>
</property>
</configuration>

配置mapred-site.xml（增加mapreduce配置，使用yarn框架、jobhistory地址以及web地址）

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>192.168.0.112:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>192.168.0.112:19888</value>
</property>
</configuration>

配置 yarn-site.xml（增加yarn功能）

<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>192.168.0.112:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>192.168.0.112:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>192.168.0.112:8035</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>192.168.0.112:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>192.168.0.112:8088</value>
</property>
</configuration>