ubuntu hadoop 集群？Ubuntu更新软件源
这篇文章给大家聊聊关于ubuntu hadoop 集群，以及Ubuntu更新软件源对应的知识点，希望对各位有所帮助，不要忘了收藏本站哦。
如何在ubuntu下搭建spark集群
搭建基于Ubuntu的Spark集群需要经过以下几个步骤。首先，确保在Ubuntu系统中已经安装了Scala，因为Spark是基于Scala开发的。安装Scala的命令为：
sudo apt-get install scala
安装完成后，通过运行scala-version，确认Scala版本（如2.11版本），并查看安装目录（如/usr/share/scala-2.11）。
接下来，下载并解压Spark。访问官方网站，找到最新版本的Spark下载链接，选择与Hadoop版本兼容的Spark版本进行下载。下载完成后，使用以下命令解压文件：
tar xvf spark-2.0.2-bin-hadoop2.7.tgz
将解压的文件夹移动到指定目录，通常选择与Hadoop同目录，如：
sudo mv spark-2.0.2-bin-hadoop2.7/usr/local/spark
进入Spark文件夹下的conf文件夹，复制并编辑spark-env.sh文件，添加环境变量设置，确保与系统环境兼容。内容如下：
export SCALA_HOME=/usr/share/scala-2.11
export JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=master
SPARK_LOCAL_DIRS=/usr/local/spark
SPARK_DRIVER_MEMORY=1G
export LD_LIBRARY_PATH=/usr/local/hadoop/lib/native/:$LD_LIBRARY_PATH
接下来，复制并编辑slaves文件，设置集群的节点列表。例如：
slave01
slave02
在master节点上，先启动Hadoop，然后运行：
/usr/local/spark/sbin/start-all.sh
以启动Spark集群。使用jps命令查看启动的进程，确认Spark Master进程的加入。在slave节点上执行相同的步骤，启动Worker进程。
访问Spark的Web界面（如：192.168.100.40:8080/）以确认所有节点都已成功启动。最后，运行Spark示例程序以验证集群是否正常运行。使用以下命令：
/usr/local/spark/bin/run-example SparkPi 10--slave01 local[2]
通过结果输出（如：Pi is roughly 3.14XXXXX），确认Spark集群搭建成功。
如何构建最优化的Hadoop集群
操作系统
我们选择Linux作为操作系统。Linux有许多不同的发行版，包括Ubuntu、RedHat和CentOS等，无论选择哪一个都可以。基于支持和许可费用的考虑，我们最终选择了CentOS 5.7。最好是定制一个CentOS的映像，把那些需要的软件都预装进去，这样所有的机器可以包含相同的软件和工具，这是一个很好的做法。
根据Cloudera的建议，OS层应该采用以下设置：
文件系统
Ext3文件系统
取消atime
不要使用逻辑卷管理
利用alternatives来管理链接
使用配置管理系统(Yum、Permission、sudoers等)
减少内核交换
撤销一般用户访问这些云计算机的权限
不要使用虚拟化
至少需要以下Linux命令：
/etc/alternatives
ln、chmod、chown、chgrp、mount、umount、kill、rm、yum、mkdir
硬件要求
由于Hadoop集群中只有两种节点(Namenode/Jobtracker和Datanode/Tasktracker)，因此集群内的硬件配置不要超过两种或三种。
图2- Hadoop集群服务器角色
硬件建议：
Namenode/Jobtracker：1Gb/s以太网口x2、16GB内存、4个CPU、100GB磁盘
Datanode：1Gb/s以太网口x2、8GB内存、4个CPU、多个磁盘，总容量500GB以上
实际的硬件配置可以与我们建议的配置不同，这取决于你们需要存储和处理的数据量。但我们强烈建议不要在集群中混用不同的硬件配置，以免那些较弱的机器成为系统的瓶颈。
Hadoop的机架感知
Hadoop有一个“机架感知”特性。管理员可以手工定义每个slave数据节点的机架号。为什么要做这么麻烦的事情?有两个原因：防止数据丢失和提高网络性能。
图3- Hadoop集群的机架感知
为了防止数据丢失，Hadoop会将每个数据块复制到多个机器上。想象一下，如果某个数据块的所有拷贝都在同一个机架的不同机器上，而这个机架刚好发生故障了(交换机坏了，或者电源掉了)，这得有多悲剧?为了防止出现这种情况，必须要有一个人来记住所有数据节点在网络中的位置，并且用这些知识来确定——把数据的所有拷贝们放在哪些节点上才是最明智的。这个“人”就是Name Node。
另外还有一个假设，即相比不同机架间的机器，同一个机架的机器之间有着更大的带宽和更小的延时。这是因为，机架交换机的上行带宽一般都小于下行带宽。而且，机架内的延时一般也小于跨机架的延时(但也不绝对)。
机架感知的缺点则是，我们需要手工为每个数据节点设置机架号，还要不断地更新这些信息，保证它们是正确的。要是机架交换机们能够自动向Namenode提供本机架的数据节点列表，那就太棒了。
Hadoop软件的安装和配置
Hadoop集群有多种构建方式：
手工下载tar文件并复制到集群中
利用Yum仓库
利用Puppet等自动化部署工具
我们不建议采用手工方式，那只适合很小的集群(4节点以下)，而且会带来很多维护和排障上的问题，因为所有的变更都需要用scp或ssh的方式手工应用到所有的节点上去。
从以下方面来看，利用Puppet等部署工具是最佳的选择：
安装
配置
维护
扩展性
监控
排障
Puppet是Unix/Linux下的一个自动化管理引擎，它能基于一个集中式的配置执行增加用户、安装软件包、更新服务器配置等管理任务。我们将主要讲解如何利用Yum和Puppet来安装Hadoop。
利用Yum/Puppet搭建Hadoop集群
要利用Puppet搭建Hadoop集群，首先要符合以下前置条件：
包含所有必需Hadoop软件的中央仓库
用于Hadoop部署的Puppet装载单(manifest)
用于Hadoop配置管理的Puppet装载单
用于集群维护的框架(主要是sh或ksh脚本)，以支持集群的start/stop/restart
利用puppet构建整个服务器(包括操作系统和其它软件)
注：如果要用Yum来安装Hadoop集群，则所有服务器应该预先构建完成，包括操作系统和其它软件都应安装完毕，yum仓库也应在所有节点上设置完毕。
构建Datanode/Tasktracker
如果用Yum安装Datanode/Tasktracker，需在所有数据节点上执行以下命令：
yum install hadoop-0.20-datanode–y
yum install hadoop-0.20-tasktracker–y
换成Puppet的话，则是：
class setup_datanode{
if($is_datanode== true){
make_dfs_data_dir{$hadoop_disks:}
make_mapred_local_dir{$hadoop_disks:}
fix_hadoop_parent_dir_perm{$hadoop_disks:}
}
# fix hadoop parent dir permissions
define fix_hadoop_parent_dir_perm(){
…
}
# make dfs data dir
define make_dfs_data_dir(){
…
}
# make mapred local and system dir
define make_mapred_local_dir(){
…
}
}# setup_datanode
构建Namenode(及辅助Namenode)
如果用Yum安装Namenode，需在所有数据节点上执行以下命令：
yum install hadoop-0.20-namenode–y
yum install hadoop-0.20-secondarynamenode–y
换成Puppet的话，则是：
class setup_namenode{
if($is_namenode== true or$is_standby_namenode== true){
...
}
exec{"namenode-dfs-perm":
...
}
exec{"make${nfs_namenode_dir}/dfs/name":
...
}
exec{"chgrp${nfs_namenode_dir}/dfs/name":
...
}
if($standby_namenode_host!=""){
...
}
exec{"own$nfs_standby_namenode_dir":
...
}
}
#/standby_namenode_hadoop
if($standby_namenode_host!=""){
...
}
exec{"own$standby_namenode_hadoop_dir":
...
}
}
}
}
class setup_secondary_namenode{
if($is_secondarynamenode== true){
...
}
....
}
exec{"namenode-dfs-perm":
...
}
}
}
构建JobTracker
如果用Yum安装Jobtracker，需在所有数据节点上执行以下命令：
yum install hadoop-0.20-jobtracker–y
换成Puppet的话，则是使用与构建Namenode相同的装载单，唯一的区别在于，在Jobtracker机器上，会启动Jobtracker——即将该机器上的is_jobtracker设置为true。
搭建成功之后重新开启UBUNTU,怎么启动hadoop
终于成功搭建完毕Hadoop完全分布式环境。其中耽误时间最长的是datanode无法启动。其实是自己的低级错误。
3台虚拟机，一台master，两台salve。
第一次错误，查看日志，是hdfs-site.xml文件配置拼写错误。
第二次到第N次都是 slave无法连接到master，以下是我检查的方向：
1.master和 slave的防火墙确认是关闭的。
2.再次检查配置文件：fs.default.name和mapred.job.tracker的value值 master和ip都试试。
3.再第一次发生错误修改完毕后，format namenode时无法成功，这是因为配置的dfs.name.dir和dfs.data.dir文件目录没有删除，需要手动删除master和slave的相关文件夹。
4.ssh连接。配置完ssh无密码登陆之后，需要连接一次（第一次连接会让你输入yes?），这正是我花费时间最长的地方。master连接slave，slave也要连接master。之后再format，启动hadoop，jps查看进程成功启动。
从这次搭建环境中，学会了试着分析日志找到问题，同时通过一步步排除可能的原因得到最后的原因。
相关阅读：
Ubuntu 13.04上搭建Hadoop环境
Ubuntu 12.10+Hadoop 1.2.1版本集群配置
Ubuntu上搭建Hadoop环境（单机模式+伪分布模式）
Ubuntu下Hadoop环境的配置
单机版搭建Hadoop环境图文教程详解
搭建Hadoop环境（在Winodws环境下用虚拟机虚拟两个Ubuntu系统进行搭建）
