Centos7 搭建hadoop2.7.2、hbase伪分布式集群

官网地址：https://hadoop.apache.org/

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（ Distributed File System），其中一个组件是HDFS（Hadoop Distributed File System）。HDFS有高容错性的特点，并且设计用来部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）来访问应用程序的数据，适合那些有着超大数据集（large data set）的应用程序。HDFS放宽了（relax）POSIX的要求，可以以流的形式访问（streaming access）文件系统中的数据。Hadoop的框架最核心的设计就是：HDFS和MapReduce。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算 [1]。

优点

Hadoop是一个能够对大量数据进行分布式处理的软件框架。 Hadoop 以一种可靠、高效、可伸缩的方式进行数据处理。

Hadoop 是可靠的，因为它假设计算元素和存储会失败，因此它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。

Hadoop 是高效的，因为它以并行的方式工作，通过并行处理加快处理速度。

Hadoop 还是可伸缩的，能够处理 PB 级数据。

此外，Hadoop 依赖于社区服务，因此它的成本比较低，任何人都可以使用。

Hadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点 [3]：

1.高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖 [3]。

2.高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中 [3]。

3.高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快 [3]。

4.高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配 [3]。

5.低成本。与一体机、商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市相比，hadoop是开源的，项目的软件成本因此会大大降低 [3]。

Hadoop带有用Java语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如 C++ [3]。

Hadoop大数据处理的意义

Hadoop得以在大数据处理应用中广泛应用得益于其自身在数据提取、变形和加载(ETL)方面上的天然优势。Hadoop的分布式架构，将大数据处理引擎尽可能的靠近存储，对例如像ETL这样的批处理操作相对合适，因为类似这样操作的批处理结果可以直接走向存储。Hadoop的MapReduce功能实现了将单个任务打碎，并将碎片任务(Map)发送到多个节点上，之后再以单个数据集的形式加载(Reduce)到数据仓库里 [3]。

构建案例：

前期准备

修改主机名

bash 复制代码

hostname   master
bash


或者
hostnamectl  set-hostname  master
bash

修改静态IP

bash 复制代码

vi /etc/sysconfig/network-scripts/ifcfg-ens33

##配置如下
TYPE=Ethernet
PROXY_METHOD=none
BROWSER_ONLY=no
BOOTPROTO=static
DEFROUTE=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_FAILURE_FATAL=no
IPV6_ADDR_GEN_MODE=stable-privacy
NAME=ens33
UUID=327271d1-0f7c-488e-9896-7c245a2b7152
DEVICE=ens33
ONBOOT=yes
IPADDR=192.168.12.111
PREFIX=24
GATEWAY=192.168.12.2
DNS1=8.8.8.8
DNS2=114.114.114.114
# PEERDNS=no

关闭防火墙

bash 复制代码

systemctl stop firewalld
systemctl disable firewalld
systemctl status firewalld

iptables -F

setenforce 0

修改IP映射

bash 复制代码

vi /etc/hosts
配置如下图

配置SSH免密码登录

01.检验是否已经安装SSH

bash 复制代码

rpm -qa | grep ssh

02.配置

bash 复制代码

# cd ~/.ssh/  #若无SSH目录，则需要先执行一次ssh localhost
# ssh-keygen  -t  rsa   #会有提示，直接按回车即可
# cat id_rsa.pub >> authorized_keys  #加入授权
# chmod 600 ./authorized_keys  #修改文件权限

03.验证

bash 复制代码

# ssh localhost

(完全分布式需要配置集群时间同步)

安装jdk

检查

bash 复制代码

rpm -qa | grep jdk

如果有预装的openjdk，删除它

bash 复制代码

rpm  -e  --nodeps 软件名

解压

bash 复制代码

tar -zxvf jdk-8u144-linux-x64.tar.gz

改名

bash 复制代码

mv jdk1.8.0_144/ jdk1.8

配置环境变量

bash 复制代码

vi /etc/profile

##末行配置如下
export JAVA_HOME=/opt/hadoop/jdk1.8
export CLASSPATH=.:$JAVA_HOME/lib
export PATH=.:$PATH:$JAVA_HOME/bin

配置文件生效

bash 复制代码

source /etc/profile

验证

bash 复制代码

Java  -version

Hadoop2.7.2伪分布式安装

解压hadoop安装包

配置环境变量

修改hadoop配置文件

hadoop-env.sh

core-site.xml

Hdfs-site.xml

Mapred-site.xml

Yarn-site.xml

Slaves(完全分布式)

格式化集群(只在第一次启动时执行)

启动

查看web ui

IP:50070

命令

jps验证

查看分布式文件系统根目录

上传文件

配置hbase1.3.1伪分布式集群

（此时还没有安装zookeeper，我们用hbase自带zk）

解压安装包
配置环境变量

vi /etc/profile

配置如下：

修改配置文件

Hbase安装包下conf目录

启动

先启动hadoop集群

start-all.sh

启动hbase集群

start-hbase.sh

关闭

和启动顺序相反，把上边命令中的start换成stop

验证

查看webUi

主机IP:16010

Jps命令

HMaster

HRegionserver

HQuorumPeer #这是zookeeper进程

Hbase配置文件添加内容

Hbase-site.xml

Centos7 搭建hadoop2.7.2、hbase伪分布式集群

优点

构建案例：

前期准备

Hadoop2.7.2伪分布式安装

配置hbase1.3.1伪分布式集群

Hbase shell操作