VMWare虚拟机集群搭建Hadoop with Hive

虚拟机下载，以及序列号准备

VMware Workstation v11.1.0 https://download3.vmware.com/software/wkst/file/VMware-workstation-full-11.1.0-2496824.exe

key ：1F04Z-6D111-7Z029-AV0Q4-3AEH8

Linux操作系统Centos 6.6

CentOS-6.6-i386-minimal.iso

虚拟机网络 参数： 网络选择NAT,   

vi /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE=eth0
TYPE=Ethernet
UUID=166b95ca-b98b-446c-a68e-6022012e4a9a
ONBOOT=yes
NM_CONTROLLED=yes
BOOTPROTO=none
IPADDR=192.168.32.168       ---宿主机器是 192.168.32.1
NETMASK=255.255.255.0
PREFIX=24
GATEWAY=192.168.32.1
DEFROUTE=yes
IPV4_FAILURE_FATAL=yes
IPV6INIT=no
NAME="System eth0"
HWADDR=00:0C:29:11:DE:CA
PEERDNS=yes
PEERROUTES=yes
USERCTL=NO

/etc/init.d/network restart

删除DNS

/etc/resolve.conf     ---注释所有项, 不然由于DNS无效会导致很多莫名其妙超时

添加Hosts

/etc/hosts

192.168.32.168  master

192.168.32.101  slave1

192.168.32.102  slave2

192.168.32.103  slave3

修改本机HostName:

/etc/sysconfig/network

NETWORKING=yes

HOSTNAME=master

创建hadoop用户，以及hdgrp组

groupadd hdgrp

useradd -g hdgrp hadoop

passwd hadoop   Hd1234.

后续用hadoop用户去安装所有的软件

filezilla连接虚拟机传文件

sfpt://hadoop@192.168.32.168

用root关闭防火墙

/etc/init.d/iptables stop 关闭防火墙

chkconfig iptables off 关闭开机启动

创建Hadoop,Hive的安装目录

/bdp/install    作为安装目录， 不默认放到/usr下面,  不然可能有很多权限问题 。

下载hadoop 2.2.0，以及hive-0.12.0解压到这个目录下

修改环境变量

/etc/profile

export JAVA_HOME=/bdp/install/jdk1.7.0_79

export HADOOP_HOME=/bdp/install/hadoop-2.2.0

export HIVE_HOME=/bdp/install/apache-hive-0.2.0-bin

export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

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

修改java home

export JAVA_HOME=/bdp/install/jdk1.7.0_79

vi /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh

vi /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave1:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave2:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/hadoop-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh

scp /bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh hadoop@slave3:/bdp/install/hadoop-2.2.0/etc/hadoop/yarn-env.sh

Hadoop需要修改的配置文件

添加文件master

master

修改slaves文件

slave1

slave2

slave3

core-site.xml

<configuration>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://master:9000</value>

    </property>

    <property>

        <name>io.file.buffer.size</name>

        <value>131072</value>

    </property>

    <property>

        <name>hadoop.tmp.dir</name>

        <value>/bdp/tmp</value>

        <description>Abase for other temporary directories.</description>

    </property>

    <property>

        <name>hadoop.proxyuser.hduser.hosts</name>

        <value>*</value>

    </property>

    <property>

        <name>hadoop.proxyuser.hduser.groups</name>

        <value>*</value>

    </property>

</configuration>

hdfs-site.xml

<configuration>

    <property>

        <name>dfs.namenode.secondary.http-address</name>

        <value>master:9001</value>

    </property>

    <property>

        <name>dfs.namenode.name.dir</name>

        <value>/bdp/data/dfs/name</value>

    </property>

    <property>

        <name>dfs.datanode.data.dir</name>

        <value>/bdp/data/dfs/data</value>

    </property>

    <property>

        <name>dfs.replication</name>

        <value>3</value>

    </property>

    <property>

        <name>dfs.webhdfs.enabled</name>

        <value>true</value>

    </property>

</configuration>

mapred-site.xml

<configuration>

    <property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.address</name>

        <value>master:10020</value>

    </property>

    <property>

        <name>mapreduce.jobhistory.webapp.address</name>

        <value>master:19888</value>

    </property>

</configuration>

yarn-site.xml

<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>master:8032</value>

    </property>

    <property>

        <name>yarn.resourcemanager.scheduler.address</name>

        <value>master:8030</value>

    </property>

    <property>

        <name>yarn.resourcemanager.resource-tracker.address</name>

        <value>master:8031</value>

    </property>

    <property>

        <name>yarn.resourcemanager.admin.address</name>

        <value>master:8033</value>

    </property>

     <property>

    <name>yarn.resourcemanager.webapp.address</name>

    <value>master:8088</value>

    </property>

</configuration>

克隆主机MAC查询修改

Master装完后，克隆作为Slave的ISO，会有虚拟机网卡问题，删除rule的第一行，同时在eth0里面修改mac地址

/etc/udev/rules.d/70-persistent-net.rules

101: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:68:e7:8c

102: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:ee:b0:07

103: 删除第一行，把第二行的eth1修改为eth0,    记录下mac:  00:0c:29:e5:be:7d

修改hostname   /etc/sysconfig/network   slave1  slave2 slave3

master,slave之间ssh相互认证

全部用hadoop登录， 执行ssh-keygen -t rsa，3次回车

chmod 755 ~/.ssh

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

chmod 644 ~/.ssh/authorized_keys

ssh slave1 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

ssh slave2 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

ssh slave3 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave1:~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave2:~/.ssh/authorized_keys

scp ~/.ssh/authorized_keys slave3:~/.ssh/authorized_keys

格式化namenode：hdfs namenode –format 

bin/hdfs namenode –format -clusterid clustername (集群的刷新：一定要记得加-clusterid n54)

dataNode 无法启动是配置过程中最常见的问题，主要原因是多次format namenode 造成namenode 和datanode的clusterID不一致。建议查看datanode上面的log信息。解决办法:修改每一个datanode上面的CID(位于dfs/data/current/VERSION文件夹中)使两者一致。

启动Hadoop:

start-dfs.sh    start-yarn.sh

执行jps看结果master： 

2763 ResourceManager

3007 Jps

1851 NameNode

2008 SecondaryNameNode

执行jps看结果slave:

1835 Jps

1739 NodeManager

1423 DataNode

查看集群状态：

hdfs dfsadmin -report

查看文件块组成： 

hdfs fsck / -files -blocks

查看HDFS:   

http://192.168.32.168:50070

查看RerouceManager调度:    

http://192.168.32.168:8088

运行测试程序：

生成数据

echo 'bla bla' > test_in.dat

echo 'a b c ' >> test_in.dat

文件上传到Hadoop文件系统

hdfs dfs -mkdir /user/hadoop

hadoop fs -put ~/wordcount/wc-in/test_in.dat /user/hadoop/

执行自带的样例程序

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /user/hadoop/test_in.dat /user/hadoop/test_out.dat

查看结果

fs -ls /user/hadoop/test_out.dat

hadoop fs -cat /user/hadoop/test_out.dat/part-r-00000

a       1

b       1

bla     2

c       1

Hive语句：

hive -e"show databases"

default

附：

hive使用derby作为元数据库找不到所创建表的原因

在不同的目录登录hive，derby的metastrore会建在不同的目录下，也就是说用的是不同的metastore，所以当然会找不到相应的元数据。

在hive提示符下显示DB的名字hive-site.xml：

hive.cli.prompt=true