hadoop +hbase +zookeeper 完全分布搭建 (版本一)

2016-05-28 672

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="-D java.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）

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

<artifactId>jetty-util</artifactId>

</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

Master 192.168.1.201 jdk、hadoop NameNode、DFSZKFailoverController(zkfc)
Slave1 192.168.1.202 jdk、hadoop NameNode、DFSZKFailoverController(zkfc)
Slave2 192.168.1.203 jdk、hadoop ResourceManager
Slave3 192.168.1.204 jdk、hadoop ResourceManager
Slave4 192.168.1.205 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
Slave5 192.168.1.206 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
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

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

复制代码

1.2修改配置

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

复制代码

修改：

dataDir=/itcast/zookeeper/zkData

复制代码

在最后添加：

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

复制代码

保存退出
然后创建一个tmp文件夹

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

复制代码

再创建一个空文件

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

复制代码

最后向该文件写入ID

[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/)

[root@Master local]#scp -r /usr/local/zookeeper/ Slave5:/usr/local/
[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

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

[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

[root@Master local]#vim /etc/profile
export JAVA_HOME=/usr/local/jdk1.7
export HADOOP_HOME=/usr/local/hadoop-2.6.0
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

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

复制代码

2.2.1修改hadoo-env.sh

export JAVA_HOME=/usr/local/jdk1.7

复制代码

2.2.2修改core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://masters</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop-2.6.0/tmp</value>
</property>
<property>
<name>ha.zookeeper.quorum</name>
<value>Slave4:2181,Slave5:2181,Slave6:2181</value>
</property>
</configuration>

复制代码

2.2.3修改hdfs-site.xml

<configuration>
<property>
<name>dfs.nameservices</name>
<value>masters,ns1,ns2,ns3</value>
</property>
<property>
<name>dfs.ha.namenodes.masters</name>
<value>Master,Slave1</value>
</property>
<property>
<name>dfs.namenode.rpc-address.masters.Master</name>
<value>Master:9000</value>
</property>
<property>
<name>dfs.namenode.http-address.masters.Master</name>
<value>Master:50070</value>
</property>
<property>
<name>dfs.namenode.rpc-address.masters.Slave1</name>
<value>Slave1:9000</value>
</property>
<property>
<name>dfs.namenode.http-address.masters.Slave1</name>
<value>Slave1:50070</value>
</property>
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://Slave4:8485;Slave5:8485;Slave6:8485/masters</value>
</property>
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/usr/local/hadoop-2.6.0/journal</value>
</property>
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.client.failover.proxy.provider.masters</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<property>
<name>dfs.ha.fencing.methods</name>
<value>
sshfence
shell(/bin/true)
</value>
</property>
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>

复制代码

2.2.4修改mapred-site.xml

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>

复制代码

2.2.5修改yarn-site.xml

<configuration>
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>RM_HA_ID</value>
</property>
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>Slave2</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>Slave3</value>
</property>
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property>
<property>
<name>yarn.resourcemanager.store.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>Slave4:2181,Slave5:2181,Slave6:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</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)

Slave4
Slave5
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

[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

[root@Master local]#ssh-copy-id Master
[root@Master local]#ssh-copy-id Slave1
[root@Master local]#ssh-copy-id Slave2
[root@Master local]#ssh-copy-id Slave3
[root@Master local]#ssh-copy-id Slave4
[root@Master local]#ssh-copy-id Slave5
[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

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

复制代码

#将公钥拷贝到其他节点

[root@Master local]#ssh-copy-id Slave3
[root@Master local]#ssh-copy-id Slave4
[root@Master local]#ssh-copy-id Slave5
[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

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

复制代码

#在Slave3上生产一对钥匙

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

复制代码

#将公钥拷贝到其他节点

[root@Master local]#ssh-copy-id Slave4
[root@Master local]#ssh-copy-id Slave5
[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

[root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave1:/usr/local/
[root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave2:/usr/local/
[root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave3:/usr/local/
[root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave4:/usr/local/
[root@Master local]#scp -r /usr/local/hadoop-2.6.0/ Slave5:/usr/local/
[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）

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

复制代码

#查看状态：一个leader，两个follower

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

复制代码

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

[root@Master local]#cd /usr/local/hadoop-2.6.0/sbin
[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:

[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。

[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)

[root@Master local]#hdfs zkfc -formatZK

复制代码

2.9启动HDFS(在Master上执行)

[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)

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

http://192.168.80.100:50070
NameNode 'Master:9000' (active)
http://192.168.80.101:50070
NameNode 'Slave1:9000' (standby)

复制代码

验证HDFS HA
首先向hdfs上传一个文件

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

复制代码

然后再kill掉active的NameNode

[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：

[root@Master local]#hadoop fs -ls /
-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

[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

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：

[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

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

复制代码

修改环境变量：

export HBASE_HOME=/usr/local/hbase
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：

export JAVA_HOME=usr/local/jdk/
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：

<property>
<name>hbase.rootdir</name>
<value>hdfs://Master:9000/hbase</value>
</property>
<property>
<name>hbase.cluster.distributed</name>
<value>true</value>
</property>
<property>
<name>hbase.zookeeper.quorum</name>
<value>Master</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</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。

[root@Master local]#scp -r hbase Slave1:/usr/local/
[root@Master local]#scp -r /etc/profile Slave1:/etc/profile
[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：

[root@Slave2 local]# hbase shell

复制代码

微信关注我们

原文链接：https://yq.aliyun.com/articles/70064

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

sqoop 把 hdfs 和关系型数据库（mysql等）互导

简介 Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库（例如：MySQL ,Oracle ,Postgres等）中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。 http://sqoop.apache.org/ 导出导入的数据与字段的顺序进行匹配从HDFS转换回mysql 的时候，自动增长的主键字段处，可以留空环境当调试过程出现IncompatibleClassChangeError一般都是版本兼容问题。为了保证hadoop和sqoop版本的兼容性，使用Cloudera， Cloudera简介： Cloudera为了让Hadoop的配置标准化，可以帮助企业安装，配置，运行hadoop以达到大规模企业数据的处理和分析。 http://www.cloudera.com/content/cloudera-content/cloudera-docs/CDHTarballs/3.25.2013/CDH4-Downloadable-Tarballs/CDH4-Downloadable-Tarballs.h...

2016-05-27

814

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。具体一点，细一点说，单只HBase中ZooKeeper实例负责的工作就有：存储HBase的Schema，实时监控HRegionServer,存储所有Region的寻址入口，当然还有最常见的功能就是保证HBase集群中只有一个Master。 2、搭建完全分布式集群在做hadoop，hbase这方面的工作有一段时间了，经常有刚接触这些东西的身边朋友，向我询问基本环境的搭建问题，于是就想以回忆录的形式把基本配置的步骤整理出来，以便刚接触的朋友做个参考. HBase集群建立在hadoop集群基础之上，...

2016-05-28

741

发表评论

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

hadoop +hbase +zookeeper 完全分布搭建 (版本一)

一.重新编译