Hadoop&Spark集群搭建

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

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

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

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

启动yarn集群

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

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/