Hadoop&Spark集群搭建

最新推荐文章于 2024-02-17 20:59:23 发布
原创 最新推荐文章于 2024-02-17 20:59:23 发布 · 757 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#hadoop #大数据

本文详细介绍Hadoop和Spark集群的快速搭建过程，包括环境配置、Zookeeper集群部署、Hadoop高可用集群安装及Spark集群配置。涵盖核心配置文件修改、环境变量设置、集群初始化步骤及历史服务器启动。

Hadoop&Spark集群快速搭建

基础环境

  1. Java JDK 1.8
  2. Scala 2.11.4
  3. 集群 IP 映射主机名
    hdp4
    hdp5
    hdp6
  4. 配置服务器之间 SSH 免密登录
    生成密钥:          ssh-keygen
复制其他服务器公钥： ssh-copy-id ip

集群规划

在这里插入图片描述

ZOOKEEPER 集群搭建

解压安装包文件到指定路径下

修改配置文件

```shell
	cd conf/
	mv zoo_sample.cfg zoo.cfg
	vi zoo.cfg
	（1） 修改 dataDir 路径
				dataDir=/home/spark/data/zkdata
	（2） 添加 server.id=主机名:心跳端口:
				server.1=hdp4:2888:3888
				server.2=hdp5:2888:3888
				server.3=hdp6:2888:3888

### 文件分发个各个服务器
### 创建数据存储文件夹
```shell
			mkdir	/home/spark/data/zkdata
			服务器 hdp4 指定 myid
			echo 1 > myid
			服务器 hdp5 指定 myid
			echo 2 > myid
			服务器 hdp6 指定 myid
			echo 3 > myid

配置环境变量

	vi .bashrc
	export ZOOKEEPER_HOME=/home/spark/apps/zookeeper-3.4.5
	export PATH=$PATH:$ZOOKEEPER_HOME/bin

HADOOP 高可用集群安装

解压安装包文件到 指定路径下

修改配置文件

修改 hadoo-env.sh

		    export JAVA_HOME= /usr/local/jdk1.7.0_67
		  ```
		 修改 core-site.xml
		 ```conf
		 	<configuration>
		 			<property>
		 				<name>fs.defaultFS</name>
		 				<value>hdfs://hadoop01/</value>
		 			</property>
						<!-- 指定 hadoop 工作目录 -->
		 			<property>
		 				<name>hadoop.tmp.dir</name>
		 				<value>/home/spark/data/hadoopdata/</value>
		 			</property>
						<!-- 指定 zookeeper 地址 -->
		 			<property>
		 				<name>ha.zookeeper.quorum</name>
		 				<value>hdp4:2181,hdp5:2181,hdp6:2181</value>
		 			</property>
			</configuration>

修改 mapred-site.xml

		 <configuration>
			 <!-- 指定 mr 框架为 yarn 方式 -->
 			<property>
 					<name>mapreduce.framework.name</name>
 					<value>yarn</value>
 			</property>
 			<!-- 设置 mapreduce 的历史服务器地址和端口号 -->
 			<property>
 					<name>mapreduce.jobhistory.address</name>
 					<value>hdp6:10020</value>
 			</property>
 			<!-- mapreduce 历史服务器的 web 访问地址 -->
 			<property>
 					<name>mapreduce.jobhistory.webapp.address</name>
 					<value>hdp6:19888</value>
			 </property>
		</configuration>

修改 yarn-site.xml

	<configuration>
		<!-- Site specific YARN configuration properties -->
		<!-- 开启 RM 高可用 -->
		<property>
			 <name>yarn.resourcemanager.ha.enabled</name>
			 <value>true</value>
 		</property>
		<!-- 指定 RM 的 cluster id -->
		<property>
			 <name>yarn.resourcemanager.cluster-id</name>
 			<value>yrc</value>
 		</property>
	    <!-- 指定 RM 的名字 -->
		<property>
 			<name>yarn.resourcemanager.ha.rm-ids</name>
 			<value>rm1,rm2</value>
 		</property>
		<!-- 分别指定 RM 的地址 -->
 		<property>
 			<name>yarn.resourcemanager.hostname.rm1</name>
			 <value>hdp6</value>
 		</property>
 		<property>
 			<name>yarn.resourcemanager.hostname.rm2</name>
 			<value>hdp5</value>
 		</property>
		<!-- 指定 zk 集群地址 -->
		<property>
 			<name>yarn.resourcemanager.zk-address</name>
 			<value>hdp4:2181,hdp5:2181,hdp6:2181</value>
 		</property>
		<!-- 要运行 MapReduce 程序必须配置的附属服务 -->
 		<property>
 			<name>yarn.nodemanager.aux-services</name>
 			<value>mapreduce_shuffle</value>
 		</property>
		<!-- 开启 YARN 集群的日志聚合功能 -->
 		<property>
 			<name>yarn.log-aggregation-enable</name>
 			<value>true</value>
 		</property>
		<!-- YARN 集群的聚合日志最长保留时长 -->
 		<property>
 			<name>yarn.log-aggregation.retain-seconds</name>
			<value>86400</value>
 		</property>
		<!-- 启用自动恢复 -->
 		<property>
 			<name>yarn.resourcemanager.recovery.enabled</name>
 			<value>true</value>
 		</property>
		<!-- 制定 resourcemanager 的状态信息存储在 zookeeper 集群上 -->
 		<property>
 			<name>yarn.resourcemanager.store.class</name>
			<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
 		</property>
</configuration>

修改 slaves

hdp4
hdp5
hdp6

分发安装包到其他机器

配置环境变量

vi ~/.bashrc
export HADOOP_HOME= /home/spark/apps/hadoop-2.6.4 export
PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

初始化集群

初始化 Zookeeper

启动：zkServer.sh start
检查启动是否正常：zkServer.sh status

在 zookeeper 节点上启动 journalnode 进程

分别在每个 zookeeper（也就是规划的三个 journalnode 节点，不一定跟zookeeper 节点一样）
节点上启动 journalnode 进程

hadoop-daemon.sh start journalnode

初始化 hadoop 集群

hadoop namenode –format

在这里插入图片描述
显示格式化成功

把生成的 hadoopdata 文件发送给第二个 namenode 的相同目录下

格式化 ZKFC

hdfs zkfc –formatZK

在这里插入图片描述

SPARK 集群安装

解压安装包文件到指定路径下

修改配置文件

修改 spark-env.sh 文件

export JAVA_HOME=/usr/java/jdk1.7.0_67
export SCALA_HOME=/usr/lib/scala-2.11.4
export HADOOP_HOME=/home/spark/apps/hadoop-2.6.4
export HADOOP_CONF_DIR=/home/spark/apps/hadoop-2.6.4/etc/hadoop
//配置 Spark 的高可用
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER
-Dspark.deploy.zookeeper.url=hdp4:2181,hdp5:2181,hdp6:2181
-Dspark.deploy.zookeeper.dir=/spark"
//配置 Spark 的日志功能
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080
-Dspark.history.retainedApplications=25
-Dspark.history.fs.logDirectory=hdfs://hadoop01/sparklog"
注意：启动 HistoryServer 时需要保证 hdfs://hadoop01/sparklog 这个 HDFS 的目录
创建好

修改 slaves 文件

mv slaves.template slaves
vi slaves
hdp4
hdp5
hdp6

配置环境变量

export SPARK_HOME=/home/spark/apps/spark-2.1.0
export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH

将配置文件分发个各个服务器

集群安装验证

启动HDFS

start-dfs.sh

在这里插入图片描述

启动yarn集群

start-yarn.sh
启动rescourcemanger yarn-daemon.sh start resourcemanager

在这里插入图片描述

查看各节点状态

hdfs haadmin -getServiceState ip
yarn rmadmin -getServiceState ip

启动mapreduce 任务历史服务器

mr-jobhistory-daemon.sh start historyserver

启动后进程：4126 JobHistoryServer
web访问：http://ip:19888/
在这里插入图片描述

Spark+Hadoop集群搭建：（二）集群节点上搭建Hadoop环境
闻曦的博客
01-30 1322
Spark+Hadoop集群搭建：（二）集群节点上搭建Hadoop环境1 集群规划1.1 节点规划1.2 VirtualBox网卡设置2 构建data12.1 复制生成data12.2 设置网卡2.3 配置data1服务器2.3.1 配置网络配置文件2.3.2 编辑hostname主机名2.3.3 设置hosts文件2.3.4 配置core-site.xml2.3.5 配置YARN-site.xm...
Haddop+spark大数据分析（二）之Hadoop 集群的搭建
kyle6666的博客
05-28 612
文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 上一节介绍了虚拟机的下载以及Java环境的搭建，这节主要讲解Hadoop集群的搭建 一、集群环境的下载及其配置 我们需要现在一台机器上配置好 hadoop，然后再把它拷贝到其他机器上，这里我选择在master 也就是要做为 nameNode 的那台机器 1.下载hadoop 再次强调 建议在克隆之前，先在一台机器上，下载、解压好再克隆，这样多台机器就都有了 下载...
Hadoop和spark集群搭建详解
12-04
hadoop与spark集群搭建，了解hadoop分布式、伪分布式等方式集群搭建
Spark2.3.0-Hadoop2.7.4集群部署
11-18
详细介绍Spark2.3.0和Hadoop2.7.4集群在RedHat服务器部署，内涵hadoop 基于NFS 的HA高可用模式， yarn HA高可用， zookeeper安装，spark集群部署，NFS目录创建。对相关参数有详细介绍，以及提供了涉及到的Linux命令学些连接地址
Hadoop集群+Spark集群搭建（一篇文章就够了）
weixin_30619101的博客
03-21 521
本文档环境基于ubuntu16.04版本，（转发请注明出处：http://www.cnblogs.com/zhangyongli2011/ 如发现有错，请留言，谢谢） 一、准备 1.1 软件版本 Ubuntu 16.04.6 (ubuntu-16.04.6-server-amd64.iso) JDK 1.8 (jdk-8u201-linux-x64.tar.gz) Hadoop 2.7.7 ...
最简单的Hadoop+Spark大数据集群搭建方法，看这一篇就够啦
m0_60732994的博客
02-17 8453
最近有小伙伴私信我，flink 软件安装在虚拟机上很简单，就是安装包解压即可，有没有 hadoop + spark 的安装文档呢？所以今天周六刚好不用上班，花了一天时间整理了一下自己现在使用集群的搭建过程，希望对各位小伙伴有帮助！Tips：以下是集群搭建过程的记录啦，word 文档和搭建好了的集群，我后续会上传资源区啦，有需要的小伙伴后续可以在我的资源区下载哦！希望和大家一起进步，有啥不清楚滴地方可以一起交流！
基于Linux平台下的Hadoop和Spark集群搭建研究.pdf
09-06
"基于Linux平台下的Hadoop和Spark集群搭建研究" 本文主要研究了基于Linux平台下的Hadoop和Spark集群搭建，旨在提高计算速率和数据性能。Hadoop是最流行的处理平台，主要解决了数据存储和分布式计算的问题，而Spark...
hadoop&spark安装教程.pdf
07-11
### Hadoop & Spark 安装教程详述 #### 一、Hadoop 安装步骤详解 **1. 下载 Hadoop 安装包** - **官方下载页面**: 访问 Apache...按照这些步骤操作，可以顺利搭建起一个功能完整的 Hadoop 和 Spark 分布式计算平台。
Hadoop与Spark集群搭建及中文字频统计与Titanic数据分类实战
12-22
内容概要：本文档详细记录了在CentOS虚拟机上搭建Hadoop与Spark集群的全过程。首先介绍了安装CentOS虚拟机、配置网络的方法，接着详细说明了安装并配置Java环境、Hadoop集群的步骤。此外，还涉及了使用Hadoop进行...
【hadoop&spark】资源
07-26
- **实验环境**：使用Vagrant、Docker等工具搭建本地的Hadoop和Spark集群环境，进行实践操作。 通过上述资源的学习和实践，可以逐步掌握Hadoop和Spark的核心技术和应用场景，为进一步的大数据处理和分析奠定坚实的...
hadoop&spark环境配置.pdf
07-16
### Hadoop & Spark 环境配置知识点 #### 一、Hadoop 集群部署的要点 **1.1 Java版本与Hadoop版本兼容性** - **HBase 1.4+**: JDK7 支持，JDK8 不支持。 - **HBase 2.3+**: JDK8 支持，JDK11 初步支持。 - **...
hadoop&spark; 环境搭建教程
02-01
自己整理的一份hadoop及spark 环境搭建的详细教程，真实环境下搭建过程实录， 可以为你免去很多麻烦
spark分布式安装 spark集群搭建 hadoop集群搭建
xgli的博客
05-20 936
对这个有点好奇，就安装了一下。 搭建1个master，2个slave的集群方案。软件操作系统：ubuntu16.04 hadoop：hadoop-2.7.2.tar.gz scala：scala-2.11.8.tgz spark: spark-1.6.1-bin-hadoop2.6.tgz java：jdk-8u91-linux-x64.tar.gz创建hadoop用户sudo useradd -
spark环境，hadoop集群搭建
Nick_Jackson的博客
07-01 813
spark环境，hadoop集群搭建 环境准备 因为Ubuntu服务器在国外，可能国内访问下载速度较慢，因此可以换成阿里源，通过以下命令对源进行更换 阿里源地址：http://mirrors.aliyun.com/ubuntu/dists/ 查看当前系统的代号 lsb_release -a # 1、备份原来的源 cp -ra /etc/apt/sources.list /etc/apt/sources.list.bak # 2、修改/etc/apt/sources.list文件，可将原来的内容删除或注
hadoop集群搭建、spark集群搭建、pyspark搭建（linux+window）
lfx1997的博客
10-28 2595
linux和window上安装pyspark库。
安装Spark+hadoop，spark、hadoop分布式集群搭建...(亲自搭建过！！)
热门推荐
u014552678的博客
11-20 1万+
首先说一下我所用的版本：spark-2.1.1-bin-hadoop2.7.tgz,hadoop-2.7.3.tar.gz,jdk-8u131-linux-x64.rpm，我们实验室有4台服务器：每个节点硬盘：300GB，内存：64GB。 1. 先装java1.8环境：给各个节点上传jdk-8u131-linux-x64.rpm到/home里面。用rpm安装。[root@localhost h
Hadoop+Spark集群搭建
oKoukou12345678的博客
07-23 2626
搭建Hadoop+Spark集群的方法这篇文章主要是介绍了怎么在Linux平台下搭建Hadoop与Spark集群，得声明一点的是Spark并不依赖于Hadoop。
hadoop+spark集群搭建入门
weixin_34362991的博客
05-03 191
忽略元数据末尾回到原数据开始处Hadoop+spark集群搭建 说明：本文档主要讲述hadoop+spark的集群搭建，linux环境是centos，本文档集群搭建使用两个节点作为集群环境：一个作为Master节点，另一个作为Slave节点，由于spark依赖scala，所以需要安装scala搭建步骤：一：安装jdk二：安装hadoop集群（http://www.powerxing.com/ins...
Hadoop&Spark搭建
ythunder的博客
11-08 501
概念 Hadoop，一种分析和处理大数据的软件平台。是Appach的一个用JAVA语言实现的开源软件的加框，在大量计算机组成的集群中实现了对于海量数据进行的分布式计算。 Hadoop的框架核心设计是：HDFS和MapReduce.HDFS为海量数据提供了存储，则MapReduce为海量数据提供了计算。关于HDFS分布式文件系统用于数据的存储 大文件被分成多块，以冗余镜像的方式分布在不同的机器中
hadoop_spark集群搭建
最新发布
03-31
### Hadoop 和 Spark 集群搭建教程 #### 一、Hadoop 集群搭建 Hadoop 是一种分布式存储和计算框架，其核心组件包括 HDFS（分布式文件系统）和 YARN（资源管理器）。以下是关于如何搭建 Hadoop 集群的关键步骤： 1. **环境准备** - 安装 Java 开发工具包 (JDK)，并配置 JAVA_HOME 环境变量[^2]。 - 准备多台服务器作为节点，并确保它们可以通过 SSH 密钥无密码登录。 2. **安装 Hadoop** - 下载官方发布的 Hadoop 版本二进制压缩包，并解压到指定目录。 - 修改 `hadoop-env.sh` 文件中的 JAVA_HOME 路径以匹配本地 JDK 的路径[^3]。 3. **配置 Hadoop 参数** - 编辑 `core-site.xml` 文件设置 NameNode 地址以及默认文件系统的 URI。 ```xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://namenode-host:9000</value> </property> </configuration> ``` - 编辑 `hdfs-site.xml` 设置副本数量和其他参数。 ```xml <configuration> <property> <name>dfs.replication</name> <value>3</value> </property> </configuration> ``` 4. **启动服务** 使用以下命令初始化 HDFS 并启动相关服务： ```bash hadoop namenode -format start-dfs.sh start-yarn.sh ``` --- #### 二、Spark 集群搭建 Spark 可运行于独立模式下或者集成至现有的 Hadoop/YARN 集群中。下面介绍基于 YARN 的 Spark 集成方式。 1. **下载与部署 Spark** - 获取适合版本的 Spark 压缩包并将其放置在每台机器上相同位置。 - 解压后调整 SPARK_HOME 环境变量指向该路径[^4]。 2. **修改配置文件** - 打开 `$SPARK_HOME/conf/spark-defaults.conf.template` 复制一份新名字叫作 `spark-defaults.conf` ，加入如下内容来支持提交作业给 YARN : ``` spark.master yarn spark.submit.deployMode cluster spark.yarn.queue default ``` 3. **测试集群功能** 提交一个简单的应用程序验证整个流程是否正常工作。例如执行如下操作即可完成一次数据处理任务： ```bash spark-submit \ --class org.apache.spark.examples.SparkPi \ --master yarn \ --deploy-mode cluster \ $SPARK_HOME/examples/jars/spark-examples_*.jar \ 10 ``` --- #### 结合案例分析 上述提到的具体实例展示了通过 `spark-submit` 工具向 YARN 上发送自定义类的任务过程[^1]。此过程中涉及到了多个重要选项解释如下表所示: | Option | Description | |-------------------|---------------------------------------------------------------------------| | `--class` | 应用程序入口点全限定名 | | `--master` | 指定使用的调度框架 | | `--deploy-mode` | 运行驱动程序的位置可以是客户端(client) 或者远程(cluster) | | `--name` | 此次应用名称 | --- ### 总结 以上分别介绍了 Hadoop 和 Spark 集群的基础构建方法及其相互协作的方式。实际生产环境中还需要考虑更多细节比如安全性设定、监控机制建立等方面的内容。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值