Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）-Toy模板网

这篇具有很好参考价值的文章主要介绍了Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

前言

本篇文章是结合我个人学习经历所写，如果遇到什么问题或者我有什么错误，欢迎讨论。

一、本篇文章所用到的软件和文件（另外还提供了可能会用到的api文档）

百度网盘链接：https://pan.baidu.com/s/1DCkQQVYqYHYtPws9hWGpgw?pwd=zh1y
提取码：zh1y

二、VMware虚拟机安装

软件在连接中VMwareWorkstation_V16.2.1_XiTongZhiJia的文件夹下。

双击运行安装包，这里下一步即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里勾选我接受许可协议中的条款，然后下一步。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里更改文件存放的位置，我更改到D盘VMware\VMware Workstation目录下，其他的全选，下一步即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里更新和加入用户体验计划记得取消，然后点击下一步即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里创建桌面和开始菜单程序文件夹看个人喜好选择，我是默认选择，然后下一步即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里点击安装即可，软件开始安装，然后稍等一会软件安装完成。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

安装完成后提示输入许可证密钥，如果是试用软件就点击完成即可，如果是想个人长期使用点击许可证，提示输入密钥，输入密钥即可。（我在下面放了几个密钥。注：密钥仅个人使用，不可商用。）

ZF3R0-FHED2-M80TY-8QYGC-NPKYF
YF390-0HF8P-M81RQ-2DXQE-M2UT6
ZF71R-DMX85-08DQY-8YMNC-PPHV8
FA1M0-89YE3-081TQ-AFNX9-NKUC0

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里点击完成即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里会提示要重启你的计算机，点击是，电脑会自动重启，等待即可。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

三、虚拟机的创建

目前大数据集群的搭建分两种：一种是分布式集群，另一种的伪分布式环境。
分布式环境需要三台及以上的机器来搭建，伪分布式环境则可以用一台机器来搭建。
本文介绍的是利用虚拟机来搭建Hadoop集群。
首先需要创建三台虚拟机。

点击文件，新建虚拟机。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

点击自定义，然后下一步。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里默认下一步即可。

这里选择稍后安装操作系统，然后点击下一步。

这里选择Linux操作系统，版本选择CentOS7 64位，然后点击下一步。

这里虚拟机名称改为master，位置选择一个除C盘以外的位置，然后点击下一步。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里是编辑虚拟机的配置，因为是Linux系统，所以对硬件配置要求不高，处理器配置根据自己电脑性能来选择（一般来说2核够学习阶段使用），点击下一步继续操作。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里是给虚拟机分配内存，这里建议内存2G或者更高，要不然虚拟机运行时可能会崩溃，点击下一步继续。

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里选择使用网络地址转换，然后点击下一步继续。

这两步默认即可，点击下一步继续。

这里选择创建新虚拟磁盘，有利与对虚拟机的备份和迁移，点击下一步继续。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里选择分配给虚拟机的磁盘容量，我这里给的是40G，点击下一步继续。

这里点击下一步继续即可。

这里就是虚拟机的详细配置信息了，点击完成。

点击编辑虚拟机设置，选择CD/DVD这一项，点击使用ISO镜像文件，点击预览在你计算机本地找到你下载好的CentOS 7的ISO文件，我把CentOS镜像放在我的分享的文件中的CentOS镜像目录下，点击确定即可。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

到这里虚拟机就初步创建完成了，下面就是对虚拟出来的系统进行设置了。
点击打开虚拟机，就会出现这样的界面，提示安装CentOS 7系统，使用Ctrl+Alt键切换到虚拟机系统中，使用上下键选择Install CentOS 7这一项，回车确定，然后等待即可。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
系统安装完成后就会出现这样的界面，然你选择系统语言，这里选择英语就好，如何选择汉语的话，在后续操作命令行中会出现一下困难，点击Continue继续。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里自动分区警告，需要手动选择磁盘，点击INSTALLATION DESTINATION 进入此磁盘管理功能。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这里单击选择之前分好的40G硬盘分区，点击 Done 继续下一步。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

这样就自动分区完成了，点击 DATA & TIME 修改日期和时间。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

Region 选择Asia City 选择Shanghai ，但是虚拟机时间会比正常时间块8个小时，记得修改（这里不修改也可以，后面会进行时间同步），点击 Done 保存退出。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
点击SOFTWARE　SELECTION，进行选择。

选择安装图形化界面的选项。

点击Begin Installation就可以进行下一步安装了。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
点击ROOT PASSWORD设置root用户密码。

这里设置root用户密码为123456，因为密码比较简单所以要点击两次Done保存。

这里设置普通用户的账号密码。

这里按照自己的喜好就好。
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
点击Finsh configuration进行下一步，然后等待虚拟机安装完毕。

点击Reboot重启虚拟机，一台CentOS虚拟机就搭建完毕。

因为搭建hadoop集群需要三台虚拟机，所以这里再克隆出两台虚拟机分别命名为slave1和slave2。 Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

四、大数据开发环境

集群环境：3台虚拟机 Centos7 64位

1. 基础知识

因为权限问题，所以全程使用root权限账户

1.1. 虚拟机网络类型

桥接模式：
NAT模式：虚拟机只能被宿主机识别，虚拟机ip和宿主机的ip可以不是一个网段的
网桥模式：虚拟机的ip和宿主机的ip是同一网段

1.2. Linux的启动，有两种常用模式：图形界面和文本界面

启动到图形界面，想进入到文本界面：init 3
启动到文本界面，想进入到图形界面：init 5
重新启动计算机：init 6
关闭计算机：init 0

1.3. 文本界面使用

登录输入用户名 root 输入密码

设置默认启动的是文本界面
systemctl set-default multi-user.target 
设置默认启动的是图形界面
systemctl set-default graphical.target

2. 网络环境

打开虚拟网络编辑器查看虚拟机ip
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
我这里net8模式的区间是192.168.152.128到192.168.152.254，所以在192.168.152.129到192.168.152.253这个区间的IP都是可用的。

使用命令（注：linux有自动补充命令的功能键tab键）

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

TYPE=Ethernet		//网络类型
PROXY_METHOD=none	
BROWSER_ONLY=no
BOOTPROTO=dhcp		//IP地址的类型：dhcp从dhcp服务器获取ip地址  static  固定ip地址
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=2ee3a0ad-301a-4c4e-9615-4e2d7e975aef
DEVICE=ens33
ONBOOT=no		//no,计算机启动时，网卡不工作；yes 计算机启动时，网卡随之启动工作

vi编辑器使用：
i或者insert键进入修改状态
按esc键，输入:wq

# 固定ip地址：
BOOTPROTO=static
IPADDR=192.168.152.129
PREFIX=24
GATEWAY=192.168.152.2
DNS1=114.114.114.114
DNS2=202.103.24.68

# 重新启动网卡：
systemctl stop network     //停止网卡服务
systemctl start network    //启动网卡服务
systemctl status network   //查看网卡状态

第一台虚拟机：master 192.168.152.129
第二台虚拟机：slave1 192.168.152.130
第三台虚拟机：slave2 192.168.152.131
保证三台机器之间相互连通

3. 修改计算机名

查看计算机名的命令：hostname
修改计算机名的命令：hostnamectl set-hostname 新的计算机名
修改三台虚拟机的计算机名称，分别为：master、slave1、slave2

4. 配置/etc/hosts文件

vi /etc/hosts

三台虚拟机中，都需要修改为

192.168.152.129	master
192.168.152.130	slave1
192.168.152.131	slave2

ping 计算机名检验是否修改成功

5. 查看/关闭防火墙

查看防火墙状态：systemctl status firewalld.service
	临时开启防火墙：systemctl start firewalld.service
	临时关闭防火墙：systemctl stop firewalld.service
开机自动开启或关闭防火墙：
   关闭：systemctl disable firewalld
   开启：systemctl enable firewalld

图片为防火墙开启状态

Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop

6. 时间同步

6.1 查看时间和设置时间命令

查看时间：date
设置时间：date -s 
如：
	date -s 2022-09-23 
	date -s 15:33:00
	date -s "2022-09-22 18:46:30"

6.2 安装NTP服务

master、slave1、slave2

master角色：
	a. 安装ntp服务：yum install -y ntp
	注：查询是否安装ntp服务：rpm -qa | grep ntp
	b. 配置文件: vi /etc/ntp.conf
	在打开的文件中写入：
	server 127.127.1.0
	fudge 127.127.1.0 stratum 10
	c. 启动ntp服务：systemctl start ntpd.service
	d. 同步时间ntpdate命令
		格式：ntpdate 时间服务器的网络地址
		ntpdate ntp.ntsc.ac.cn
		要求：这个机器不能运行ntpd服务的同时，运行ntpdate命令进行同步时间
		ntp.ntsc.ac.cn	//中国科学院国家授时中心NTP授时服务器地址

slave1和slave2：安装ntp服务

6.3 运行大数据环境：

保证时间同步，ntp服务启动
a. master角色的机器的ntpd服务已经启动
b. slave1和slave2角色的机器：保证没有启动ntp的服务，运行ntpdate master的ip

7. 免密钥登录

a.在master、slave1、slave2机器上生成密钥：
	ssh-keygen  -t dsa -P '' -f ~/.ssh/id_dsa
b.将密钥复制到对应机器中
	使用ssh-copy-id命令：格式： ssh-copy-id   root@计算机名
	以master为例：
		将公钥复制到master、slave1和slave2三个机器中
		复制到master机器：ssh-copy-id   root@master
		复制到slave1机器：ssh-copy-id   root@slave1
		先输入yes，然后要求输入用户名对应的密码（salve1机器的root的密码）
		复制到slave2机器：ssh-copy-id   root@slave2
	    复制公钥到对应机器之后，就可以通过命令"ssh 机器名"访问对应机器，使用"exit"退出
slave1和slave2做与master一样的事情。

8. 将需要的软件上传到三个虚拟机中

需要把下图中的文件上传的三台虚拟机中，我这里创建了一个名为soft的文件夹，将文件存放到soft文件夹中
Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）,大数据,hadoop
这里我用到了Xftp软件

上传到虚拟机的结果如下图所示

9. Java安装和配置（三台虚拟机都需要配置）

9.1 解压安装包到指定目录

a. 创建安装目录
	mkdir /usr/java
b. 解压软件
	tar -xzvf soft/jdk-8u171-linux-x64.tar.gz -C/usr/java/
注：tar命令解压软件
	tar -xzvf	
	选项：
	   	 c：压缩文件
         x：解压软件
	     z：gzip压缩方式   gzip压缩文件扩展名：.gz	
	     j：bzip2压缩方式  bzip2压缩文件扩展名:.bz2
	     v：输出相关信息
	     f：使用档案文件或设备，一般必选
	  例1：将a.txt、b.txt压缩成一个文件 m.tar
		tar -czvf m.tar a.txt b.txt
	  例2：将m.tar解压到指定目录
		tar -xzvf m.tar -C 指定路径
		tar -xzvf m.tar -C abc

9.2 配置环境变量

临时设置环境变量：
    export  环境变量名=值
	export JAVA_HOME=/usr/java/jdk1.8.0_171
	export CLASSPATH=$JAVA_HOME/lib
	export PATH=$JAVA_HOME/bin:$PATH
永久生效：
修改/etc/profile ：
vi / etc/profile
在最后添加：
#java envirement
export JAVA_HOME=/usr/java/jdk1.8.0_171
export CLASSPATH=$JAVA_HOME/lib
export PATH=$JAVA_HOME/bin:$PATH
重新启动计算机或者重新登录，让文件内容生效
不重启计算机或不重新登录：
source /etc/profile
运行命令：java -version

10. zookeeper的安装与配置

10.1 master机器：

10.1.1 解压安装包

创建安装目录：
mkdir /usr/zookeeper
解压文件： 
tar -xzvf soft/zookeeper-3.4.10.tar.gz -C /usr/zookeeper/

10.1.2 修改配置文件

10.1.2.1 修改/etc/hosts

vi /etc/hosts
注：三台机器的host文件内容相同习惯
	文件内容：
	127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
	::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
	192.168.152.129 master master.root
	192.168.152.130 slave1  slave1.root
	192.168.152.131 slave2  slave2.root

10.1.2.2 配置文件zoo.cfg

master机器：
	cd /usr/zookeeper/zookeeper-3.4.10/conf/
	cp zoo_sample.cfg zoo.cfg
	创建两个目录：
	mkdir /usr/zookeeper/zookeeper-3.4.10/zkdata
	mkdir /usr/zookeeper/zookeeper-3.4.10/zkdatalog
	修改zoo.cfg
	vi zoo.cfg
	修改内容如下:
	dataDir=/usr/zookeeper/zookeeper-3.4.10/zkdata
	dataLogDir= /usr/zookeeper/zookeeper-3.4.10/zkdatalog
	server.1=master:2888:3888
	server.2=slave1:2888:3888
	server.3=slave2:2888:3888
	在/usr/zookeeper/zookeeper-3.4.10/zkdata目录中创建一个文件myid，内容是一个数字，在zoo.cfg文件中机器名对应的server.x=机器名:2888:3888，server右边的数字
	vi /usr/zookeeper/zookeeper-3.4.10/zkdata/myid
	输入1，保存退出
	编辑/etc/profile文件：
	vi /etc/proflie
	在最后添加：
	#zookeeper environment
	export ZOOKEEPER_HOME=/usr/zookeeper/zookeeper-3.4.10
	export PATH=$ZOOKEEPER_HOME/bin:$PATH
	保存退出
	不启动系统情况下，让环境变量生效：
	source /etc/profile

10.2 slave1和slave2机器

10.2.1 安装slave1和slave2机器的zookeeper

复制master机器中的zookeeper安装目录内容到slave1和slave2：
命令：scp 
	格式：scp -r 源目录  用户名@机器名:目标目录
执行：
scp -r /usr/zookeeper  root@slave1:/usr
scp -r /usr/zookeeper  root@slave2:/usr

10.2.2 修改slave1和slave2机器myid的内容

vi /usr/zookeeper/zookeeper-3.4.10/zkdata/myid
修改slave1机器/usr/zookeeper/zookeeper-3.4.10/zkdata/myid
	将值1改为2
修改slave2机器/usr/zookeeper/zookeeper-3.4.10/zkdata/myid
	将值1改为3

10.2.3 修改slave1和slave2中的/etc/profile

vi /etc/profile
在最后添加：
#zookeeper environment
export ZOOKEEPER_HOME=/usr/zookeeper/zookeeper-3.4.10
export PATH=$ZOOKEEPER_HOME/bin:$PATH
保存退出
不启动系统情况下，让环境变量生效：
source /etc/profile

10.3 启动zookeeper

同步时间：
	master机器 启动ntpd服务：systemctl start ntpd
	slave1和slave2机器：ntpdate master
启动zookeeper：3台机器都要执行启动命令
	/usr/zookeeper/zookeeper-3.4.10/bin/zkServer.sh  start/status/stop
	注：成功启动的情况，查看服务状态 Mode 是一个leader和两个follower

11. Hadoop的安装与配置

11.1 master机器的安装配置

11.1.1 创建Hadoop的安装目录

mkdir /usr/hadoop

11.1.2 解压hadoop软件

tar -xzvf soft/hadoop-2.7.3.tar.gz -C /usr/hadoop/

11.1.3 配置环境变量（三台机器都需要进行配置）

vi /etc/profile
在最后添加：
#hadoop environment
export HADOOP_HOME=/usr/hadoop/hadoop-2.7.3
export CLASSPATH=$HADOOP_HOME/lib:$CLASSPATH
export PATH=$HADOOP_HOME/bin:$PATH
保存退出
执行：source /etc/profile

11.1.4 修改Hadoop-env.sh

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/hadoop-env.sh
#export JAVA_HOME=${JAVA_HOME}
export JAVA_HOME=/usr/java/jdk1.8.0_171

11.1.5修改core-site.xml

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/core-site.xml
在<configuration>和</configuration>之间添加下面的内容：
<configuration>
	<property>
		<name>fs.default.name</name>
	 	<value>hdfs://master:9000</value>
	</property>

	<property>
		 <name>hadoop.tmp.dir</name>
		 <value>/usr/hadoop/hadoop-2.7.3/hdfs/tmp</value>
		 <description>A base for other temporary directories.</description>
	</property>

	<property>
		 <name>io.file.buffer.size</name>
		 <value>131072</value>
	</property>

	<property>
		 <name>fs.checkpoint.period</name>
		 <value>60</value>
	</property>
	
	<property>
		 <name>fs.checkpoint.size</name>
		 <value>67108864</value>
	</property>
</configuration>

11.1.6 修改yarn-site.xml

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/yarn-site.xml
在<configuration>和</configuration>之间添加下面的内容
<property>
	 <name>yarn.resourcemanager.address</name>
 	 <value>master:18040</value>
</property>

<property>
	<name>yarn.resourcemanager.scheduler.address</name>
 	<value>master:18030</value>
</property>

<property>
 	<name>yarn.resourcemanager.webapp.address</name>
 	<value>master:18088</value>
</property>

<property>
	<name>yarn.resourcemanager.resource-tracker.address</name>
 	<value>master:18025</value>
</property>

<property>
	<name>yarn.resourcemanager.admin.address</name>
	<value>master:18141</value>
</property>

<property>
	<name>yarn.nodemanager.aux-services</name>
	<value>mapreduce_shuffle</value>
</property>

<property>
	<name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
	<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

11.1.7 修改hdfs-site.xml

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/hdfs-site.xml
在<configuration>和</configuration>之间添加下面的内容
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>

<property>
	<name>dfs.namenode.name.dir</name>
	<value>file:/usr/hadoop/hadoop-2.7.3/hdfs/name</value>
	<final>true</final>
</property>

<property>
	<name>dfs.datanode.data.dir</name>
	<value>file:/usr/hadoop/hadoop-2.7.3/hdfs/data</value>
 	<final>true</final>
</property>

<property>
	<name>dfs.namenode.secondary.http-address</name>
	<value>master:9001</value>
</property>

<property>
	<name>dfs.webhdfs.enabled</name>
	<value>true</value>
</property>

<property>
	<name>dfs.permissions</name>
	<value>false</value>
</property>

11.1.8 修改mapred-site.xml

cp /usr/hadoop/hadoop-2.7.3/etc/hadoop/mapred-site.xml.template /usr/hadoop/hadoop-2.7.3/etc/hadoop/mapred-site.xml
vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/mapred-site.xml
在<configuration>和</configuration>之间添加下面的内容
<property>
	<name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>

11.1.9 修改/usr/hadoop/hadoop-2.7.3/etc/hadoop/slaves

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/slaves
文件内容：删除原来内容localhost，修改成下面的内容
slave1
slave2

11.1.10 创建/usr/hadoop/hadoop-2.7.3/etc/hadoop/master

vi /usr/hadoop/hadoop-2.7.3/etc/hadoop/master
文件内容：master

11.2 slave1和slave2机器的安装配置

复制master角色机器中的hadoop目录到slave1和slave2机器对应目录中
scp -r /usr/hadoop root@slave1:/usr/
scp -r /usr/hadoop root@slave2:/usr/

11.3 格式化hadoop

在master机器中：
hadoop namenode -format

11.4 启动Hadoop

同步时间
启动zookeeper
再启动Hadoop：在master角色机器上执行
/usr/hadoop/hadoop-2.7.3/sbin/start-all.sh或
/usr/hadoop/hadoop-2.7.3/sbin/start-dfs.sh和
/usr/hadoop/hadoop-2.7.3/sbin/start-yarn.sh
如何查看Hadoop启动成功？
	使用命令：jps
	通过浏览器查看：http://master角色的ip:50070

11.5 结束Hadoop

/usr/hadoop/hadoop-2.7.3/sbin/stop-all.sh或
/usr/hadoop/hadoop-2.7.3/sbin/stop-dfs.sh和
/usr/hadoop/hadoop-2.7.3/sbin/stop-yarn.sh
结束zookeeper

12. HBase安装与配置

12.1 master角色机器

12.1.1 创建目录

mkdir /usr/hbase

12.1.2 解压

tar -xzvf soft/hbase-1.2.4-bin.tar.gz -C /usr/hbase

12.1.3 修改配置文件

vi /usr/hbase/hbase-1.2.4/conf/hbase-env.sh
添加如下内容：
export HBASE_MANAGES_ZK=false
export JAVA_HOME=/usr/java/jdk1.8.0_171
export HBASE_CLASSPATH=/usr/hadoop/hadoop-2.7.3/etc/hadoop

12.1.4 修改配置文件hbase-site.xml

vi /usr/hbase/hbase-1.2.4/conf/hbase-site.xml
在<configuration>和</configuration>之间添加如下内容：
<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.master</name>
    <value>hdfs://master:6000</value>
</property>

<property>
	<name>hbase.zookeeper.quorum</name>
    <value>master,slave1,slave2</value>
</property>
    
<property>
	<name>hbase.zookeeper.property.dataDir</name>
    <value>/usr/zookeeper/zookeeper-3.4.10</value>
</property>

12.1.5 修改regionservers

vi /usr/hbase/hbase-1.2.4/conf/regionservers
删除原来的内容localhost
修改为如下内容：
slave1
slave2

12.1.6 复制配置文件hdfs-site.xml和core-site.xml

将Hadoop的两个配置文件hdfs-site.xml和core-site.xml复制到hbase的conf目录中
cp /usr/hadoop/hadoop-2.7.3/etc/hadoop/hdfs-site.xml /usr/hbase/hbase-1.2.4/conf/
cp /usr/hadoop/hadoop-2.7.3/etc/hadoop/core-site.xml /usr/hbase/hbase-1.2.4/conf/

12.2 slave1和slave2机器

将master角色的hbase目录复制到slave1和slave2机器中
scp -r /usr/hbase root@slave1:/usr/
scp -r /usr/hbase root@slave2:/usr/

12.3 配置环境变量（三个机器）

vi /etc/profile
添加如下内容：
#hbase
export HBASE_HOME=/usr/hbase/hbase-1.2.4
export PATH=$HBASE_HOME/bin:$PATH
不重启机器生效，source /etc/profile

12.4 运行和测试

依次启动zookeeper、Hadoop
然后再启动HBase
在master角色机器上运行：
/usr/hbase/hbase-1.2.4/bin/start-hbase.sh
查看是否启动，使用jps命令
在浏览器中输入：http://master角色的ip:16010/master-status
结束HBase：输入/usr/hbase/hbase-1.2.4/bin/stop-hbase.sh

13 Hive数据仓库

13.1 角色分配

master角色 hive的客户端
slave1角色 hive服务端
slave2角色 安装mysql

13.2 slave2角色中安装mysql

centos7 不支持直接安装mysql5.7

13.2.1 安装wget

yum -y install wget

13.2.2下载mysql的repo源

wget  http://repo.mysql.com/mysql57-community-release-el7-9.noarch.rpm

13.2.3 安装mysql的repo源

rpm -ivh mysql57-community-release-el7-9.noarch.rpm
rpm --import https://repo.mysql.com/RPM-GPG-KEY-mysql-2022

13.2.4 查看文件

ls -l /etc/yum.repos.d/mysql-com*

13.2 5 安装msyql

yum install mysql-community-server

13.2.6 查看安装mysql的安装版本

mysql -V
rpm -qa | grep mysql

13.2.7 重载所有修改过的配置文件

systemctl daemon-reload
重启msyql服务
systemctl start mysqld
启动centos7时，自动运行mysqld：
systemctl enable mysqld

13.2.8 登录mysql

默认安装的mysql，root用户是有密码
查看密码：grep "temporary password" /var/log/mysqld.log
登录：mysql -p"粘贴查到的密码"
修改root用户的密码：
       注：在mysql环境中运行
       修改mysql的密码安全策略
        set global validate_password_policy=0;
        修改密码的长度
        set global validate_password_length=4;
        修改root用户密码：
        alter user 'root'@'localhost' identified by '123456';

13.2. 9 设置远程登录

登录到mysql中
创建一个远程用户root
create user 'root'@'%' identified by '123456';
添加远程登录用户（授予权限）
grant all privileges on *.* to 'root'@'%' with grant option;
刷新权限：flush privileges;

13.3 hive的安装和配置（master机器）

13.3.1 创建安装目录

mkdir  /usr/hive

13.3.2 解压

tar -xzvf soft/apache-hive-2.1.1-bin.tar.gz -C /usr/hive

13.3 3 复制解压hive目录到slave1中的/usr目录

在master角色中执行scp命令
scp -r /usr/hive root@slave1:/usr/

13.3.4 配置环境变量（master和slave1）

vi /etc/profile
添加下面的内容：
#hive envirment
export HIVE_HOME=/usr/hive/apache-hive-2.1.1-bin
export PATH=$HIVE_HOME/bin:$PATH
不重启计算机的情况下，让环境变量生效，执行：source /etc/profile

13.4 Hive服务群的配置（slave1机器）

13.4.1 将mysql的驱动程序复制slave1的hive的安装目录的lib目录中

cp /root/soft/mysql-connector-java-5.1.5-bin.jar /usr/hive/apache-hive-2.1.1-bin/lib/

13.4.2 修改配置文件hive-env.sh

cp /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh.template /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh
vi /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh
设置HADOOP_HOME的值
HADOOP_HOME=/usr/hadoop/hadoop-2.7.3

13.4.3 创建hive-site.xml文件

vi /usr/hive/apache-hive-2.1.1-bin/conf/hive-site.xml
内容修改如下：
<configuration>
        <!-- Hive产生的元数据存放位置-->
        <property>
                <name>hive.metastore.warehouse.dir</name>
                <value>/user/hive_remote/warehouse</value>
        </property>
        
        <!--数据库连接JDBC的URL地址 -->
        <property>
                <name>javax.jdo.option.ConnectionURI</name>
                <value>jdbc:mysql://slave2:3306/hive?createDatabaseIfNotExist=true</value>
        </property>
        
        <!-- 数据库连接driver，即MySQL驱动-->
        <property>
                <name>javax.jdo.option.ConnectionDriverName</name>
                <value>com.mysql.jdbc.Driver</value>
        </property>
        
        <!-- MySQL数据库用户名-->
        <property>
                <name>javax.jdo.option.ConnectionUserName</name>
                <value>root</value>
        </property>
        
        <!-- MySQL数据库密码-->
        <property>
                <name>javax.jdo.option.ConnectionPassword</name>
                <value>123456</value>
        </property>

        <property>
                <name>hive.metastore.schema.verification</name>
                <value>false</value>
        </property>

        <property>
                <name>datanucleus.schema.autoCreateAll</name>
                <value>true</value>
        </property>
        
</configuration>

13.5master作为client的配置

13.5.1 版本冲突和jar包依赖问题

cp /usr/hive/apache-hive-2.1.1-bin/lib/jline-2.12.jar /usr/hadoop/hadoop-2.7.3/share/hadoop/yarn/lib/

13.5.2 修改hive-env.sh

cp /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh.template /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh
vi /usr/hive/apache-hive-2.1.1-bin/conf/hive-env.sh
设置HADOOP_HOME的值
HADOOP_HOME=/usr/hadoop/hadoop-2.7.3

13.5.3 创建hive-site.xml文件

vi /usr/hive/apache-hive-2.1.1-bin/conf/hive-site.xml
内容修改如下：
<configuration>
        <!-- Hive产生的元数据存放位置-->
        <property>
                <name>hive.metastore.warehouse.dir</name>
                <value>/user/hive_remote/warehouse</value>
        </property>
        
        <!--使用本地服务连接Hive，默认为true -->
        <property>
                <name>hive.metastore.local</name>
                <value>false</value>
        </property>
        
        <!-- 连接服务器-->
        <property>
                <name>hive.metastore.uris</name>
                <value>thrift://slave1:9083</value>
        </property>
        
</configuration>

13.6 hive启动

同步时间
启动zookeeper
启动Hadoop
启动HBase
启动Hive:
	slave1角色：hive服务端
		 /usr/hive/apache-hive-2.1.1-bin/bin/hive  --service metastore
	master角色：hive客户端
		/usr/hive/apache-hive-2.1.1-bin/bin/hive
		hive客户端启动成功之后
		show databases;
		1) 退出hive的客户端：quit;
		2) 退出hive的服务端：ctrl+c

14 scala语言的安装与配置

14.1 在master角色机器中安装

14.1.1 创建安装目录

mkdir /usr/scala

14.1.2 解压文件

tar -xzvf soft/scala-2.11.12.tgz -C /usr/scala/

14.1.3 配置环境变量

vi /etc/profile
添加如下内容：
#scala environment
export SCALA_HOME=/usr/scala/scala-2.11.12
export PATH=$SCALA_HOME/bin:$PATH
保存退出
执行source /etc/profile

14.1.4 查看scala是否安装成功？

scala -version

14.2 在slave1和slave2机器上安装

14.2.1 将master角色机器中安装的scala目录复制到slave1和slave2机器中

scp -r /usr/scala/ root@slave1:/usr/
scp -r /usr/scala/ root@slave2:/usr/

14.2.2 在slave1和slave2机器中，修改/etc/profile文件

vi /etc/profile
添加如下内容：
#scala environment
export SCALA_HOME=/usr/scala/scala-2.11.12
export PATH=$SCALA_HOME/bin:$PATH
保存退出
执行source /etc/profile

14.2.3 在slave1和slave2机器中，查看scala是否安装成功？

scala -version

15 spark的安装与配置（在三台机器中安装）

15.1 master角色

15.1.1 创建安装目录

mkdir /usr/spark

15.1.2 解压安装文件

tar -xzvf soft/spark-2.4.0-bin-hadoop2.7.tgz -C /usr/spark/

15.1.3 修改配置文件spark-env.sh

cp /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/spark-env.sh.template /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/spark-env.sh
vi /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/spark-env.sh
添加如下内容：
	export SPARK_MASTER_IP=master
	export SCALA_HOME=/usr/scala/scala-2.11.12
	export SPARK_WORKER_MOMERY=1024m
	export JAVA_HOME=/usr/java/jdk1.8.0_171
	export HADOOP_HOME=/usr/hadoop/hadoop-2.7.3
	export HADOOP_CONF_DIR=/usr/hadoop/hadoop-2.7.3/etc/hadoop

15.1.4 配置spark的从节点，修改slaves文件

cp /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/slaves.template /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/slaves
vi /usr/spark/spark-2.4.0-bin-hadoop2.7/conf/slaves
删除原来的内容:localhost
添加下面内容：
slave1
slave2

15.1.5 修改配置文件/etc/profile

vi /etc/profile
添加如下内容：
#spark enviroment
export SPARK_HOME=/usr/spark/spark-2.4.0-bin-hadoop2.7
export PATH=$SPARK_HOME/bin:$PATH
执行source /etc/profile

15.2 slave1和slave2角色

15.2.1 将master角色机器的/usr/spark复制到slave1和slave2机器中

scp -r /usr/spark/ root@slave1:/usr/
scp -r /usr/spark/ root@slave2:/usr/

15.2.2 修改配置文件/etc/profile

vi /etc/profile
添加如下内容：
#spark enviroment
export SPARK_HOME=/usr/spark/spark-2.4.0-bin-hadoop2.7
export PATH=$SPARK_HOME/bin:$PATH
执行source /etc/profile

15.3 启动spark

先启动zookeeper
再启动Hadoop
jps查看
master角色
	SecondaryNameNode
	ResourceManager
	NameNode
slave1角色
	NodeManager
	DataNode
slave2角色
	NodeManager
	DataNode
最后启动spark，mster角色中，执行：/usr/spark/spark-2.4.0-bin-hadoop2.7/sbin/start-all.sh
使用jps命令查看是否成功？worker角色和master角色
在浏览器中输入：http://master角色的ip:8080
		或者：
	  		 http://master角色的机器名:8080	
关闭spark
/usr/spark/spark-2.4.0-bin-hadoop2.7/sbin/stop-all.sh

总结

舞台再大，你不上台，永远是个观众。平台再好，你不参与，永远是局外人。能力再大，你不行动，只能看别人成功！没有人会关心你付出过多少努力，撑得累不累，摔得痛不痛，他们只会看你最后站在什么位置，然后羡慕或鄙夷。文章来源地址https://www.toymoban.com/news/detail-852083.html

到了这里，关于Linux CentOS下大数据环境搭建（zookeeper+hadoop+hbase+spark+scala）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！