Hadoop大数据平台搭建文档 作者：EchoZenith Github一、背景介绍随着中国数字化转型战略的推进，传统通信行业正面临 着数字化转型的挑战和机遇；用户对通信服务的需求已经发 生了根本性的变化，通信运营商正在通过技术创新和服务升 级来满足这些需求；数字化转型涉及到网络建设、数据管理、 服务创新等方面，大数据技术成为关键驱动力之一。为了应对这一转型，我们要求参赛者搭建通信行业大数 据分析平台，并利用 Hive 数仓技术和 Spark 计算引擎对通 信用户行为数据进行操作和分析；通过这样的平台，可以快 速处理和挖掘海量数据，得出有价值的洞察和分析结果。同时，在展示数据分析结果方面，我们要求参赛者结合 前端可视化框架 ECharts 和 Python 可视化库 pyecharts，创建交互式的数据可视化图表；这些图表能够直观地展示数据分析结果，帮助管理者更好地决策企业的发展战略，并对销 售、营销、客服和技术等部门的目标策略进行全面部署；通 过数据可视化，销售部门可以了解产品销售趋势和市场份额；营销部门可以优化营销活动和广告投放策略；客服部门可以提供更好的客户服务；技术部门可以进行网络优化和故障排查。二、模块一：平台搭建与运维（一）任务一：大数据平台搭建本模块需要使用 root 用户完成相关配置；所有组件均 在 /root/software 目录下。1. 子任务一：基础环境准备提示：master、slave1、slave2三台节点都需要安装JDK（1） 将JDK安装包解压到/root/software目录下；tar -zxvf /root/software/package/jdk-8u212-linux-x64.tar.gz -C /root/software（2） 在“/etc/profile”文件中配置JDK环境变量JAVA_HOME和PATH的值，并让配置文件立即生效；在/etc/profile文件末尾添加：export JAVA_HOME=/root/software/jdk1.8.0_212 export PATH=$PATH:$JAVA_HOME/bin保存退出后使用命令立即执行source /etc/profile（3） 查看JDK版本，检测JDK是否安装成功。 在master节点操作javac 或 java -version（4） 在master上生成SSH密钥对。ssh-keygen -t rsa（5） 将master上的公钥拷贝到slave1和slave2上； 在 master 上通过 SSH 连接 slave1 和 slave2 来验证。先分别修改hostnamehostnamectl set-hostname master hostnamectl set-hostname slave1 hostnamectl set-hostname slave2使用命令exec bash刷新终端再修改/etc/hosts文件(注意修改各节点的ip)分别将公钥复制到各节点：ssh-copy-id master ssh-copy-id slave1 ssh-copy-id slave2 scp -r ~/.ssh/ slave1:~/ scp -r ~/.ssh/ slave2:~/ ssh master # 测试免密登录 然后使用exit命令退出终端 ssh slave1 ssh slave22. 子任务二：Hadoop 完全分布式安装配置master、slave1、slave2三台节点都需要安装Hadoop（1） 在 主 节 点 将 Hadoop 安 装 包 解 压 到 /root/software 目录下；tar -zxvf /root/software/package/hadoop-3.3.3.tar.gz -C /root/software（2） 依次配置hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml和workers配置hadoop-env.sh：在文件中新增 JAVA_HOME 目录地址export JAVA_HOME=/root/software/jdk1.8.0_212core-site.xml：在文件中的 configuration 标签中添加以下配置<property> <name>fs.defaultFS</name> <value>hdfs://master:9000</value> </property> <property> <name>fs.trash.interval</name> <value>10080</value> </property> <property> <name>io.file.buffer.size</name> <value>131702</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/root/software/hadoop-3.3.3/hadoopDatas/tempDatas</value> </property>hdfs-site.xml：在文件中的 configuration 标签中添加以下配置<property> <name>dfs.namenode.secondary.http-address</name> <value>master:50090</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/root/software/hadoop-3.3.3/hadoopDatas/namenodeDatas</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/root/software/hadoop-3.3.3/hadoopDatas/datanodeDatas</value> </property>mapred-site.xml：在文件中的 configuration 标签中添加以下配置<property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>master:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>master:19888</value> </property>yarn-site.xml：在文件中的 configuration 标签中添加以下配置<property> <name>yarn.resourcemanager.hostname</name> <value>master</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> <property> <name>yarn.resourcemanager.address</name> <value>master:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>master:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>master:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>master:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>master:8088</value> </property>workers：将文件中修改为以下内容master slave1 slave2（3） 在master节点的Hadoop安装目录下依次创建hadoopDatas/tempDatas 、 hadoopDatas/namenodeDatas 、 hadoopDatas/datanodeDatas 、 hadoopDatas/dfs/nn/edits 、 hadoopDatas/dfs/snn/name 和 hadoopDatas/dfs/nn/snn/edits 目录；（4） 在master节点上使用scp命令将配置完的Hadoop安装目录直接拷贝至slave1和slave2；分别执行下面两条命令scp -r /root/software/hadoop-3.3.3/ slave1:~/software/ scp -r /root/software/hadoop-3.3.3/ slave2:~/software/（5） 三台节点的“/etc/profile”文件中配置Hadoop环境变量HADOOP_HOME和PATH的值，并让配置文件立即生效；在/etc/profile文件末尾添加：export HADOOP_HOME=/root/software/hadoop-3.3.3/ export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin保存退出后使用命令立即执行source /etc/profile（6） 在主节点格式化集群；hdfs namenode -format（7） 在主节点依次启动HDFS、YARN集群和历史服务cd /root/software/hadoop-3.3.3/sbin ./start-all.sh