离线安装Cloudera Manager 5和CDH5(最新版5.1.3) 完全教程

CDH (Cloudera‘s Distribution, including Apache Hadoop)，是Hadoop众多分支中的一种，由Cloudera维护，基于稳定版本的Apache Hadoop构建，并集成了很多补丁，可直接用于生产环境。

Cloudera Manager则是为了便于在集群中进行Hadoop等大数据处理相关的服务安装和监控管理的组件，对集群中主机、Hadoop、Hive、Spark等服务的安装配置管理做了极大简化。

官方参考文档：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Installation-Guide/cm5ig_install_path_C.html

官方共给出了3中安装方式：第一种方法必须要求所有机器都能连网，由于最近各种国外的网站被墙的厉害，我尝试了几次各种超时错误，巨耽误时间不说，一旦失败，重装非常痛苦。第二种方法下载很多包。第三种方法对系统侵入性最小,最大优点可实现全离线安装，而且重装什么的都非常方便。后期的集群统一包升级也非常好。这也是我之所以选择离线安装的原因。

Cloudera Manager下载地址：
http://archive.cloudera.com/cm5/cm/5/cloudera-manager-el6-cm5.1.3_x86_64.tar.gz，
下载信息：
http://www.cloudera.com/content/cloudera/en/documentation/cloudera-manager/v5-latest/Cloudera-Manager-Version-and-Download-Information/Cloudera-Manager-Version-and-Download-Information.html#cmvd_topic_1

CDH安装包地址：http://archive.cloudera.com/cdh5/parcels/latest/，由于我们的操作系统为CentOS6.5，需要下载以下文件：

注意：与CDH4的不同，原来安装CDH4的时候还需要下载IMPALA、Cloudera Search(SOLR)，CDH5中将他们包含在一起了，所以只需要下载一个CDH5的包就可以了。

以下操作均用root用户操作。

如果用的最小化Centos7安装 需安装几个命令

 yum -y install psmisc gcc ntp net-tools wget  vim

1. 网络配置(所有节点) 

vi /etc/sysconfig/network修改hostname：

NETWORKING=yes

HOSTNAME=n1

通过service network restart重启网络服务生效。 

vi /etc/hosts,修改ip与主机名的对应关系

192.168.1.106   n1

192.168.1.107   n2

192.168.1.108   n3

注意：这里需要将每台机器的ip及主机名对应关系都写进去，本机的也要写进去，否则启动Agent的时候会提示hostname解析错误。

关闭防火墙

2.打通SSH，设置ssh无密码登陆（所有节点）

在主节点上执行ssh-keygen -t rsa一路回车，生成无密码的密钥对。

将公钥添加到认证文件中：cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，并设置authorized_keys的访问权限：chmod 600 ~/.ssh/authorized_keys。

scp文件到所有datenode节点：

scp ~/.ssh/authorized_keys root@n2:~/.ssh/        如果其他节点没有ssh目录  直接把目录复制过去即可

测试：在主节点上ssh n2，正常情况下，不需要密码就能直接登陆进去了。

3.安装Oracle的Java（所有节点）

CentOS，自带OpenJdk，不过运行CDH5需要使用Oracle的Jdk，需要Java 7的支持。

由于使用的最小化系统，Centos7中并没有然后java自带包，这里必须注意。。即是没有 也用yum -y install java  系统会自动解决依赖性关系，这点很重要，如果单用官网RPM包安装java 后期会有很多日志报错，缺少python之类的包，下图就是 提前用yum安装的java 。然后把java包安装

因为是用yum装的  用java -version可以查看版本。但是javac命令确不能用 所以在这把那些java的包卸载 ，使用rpm -e --nodeps 包名卸载之。 只剩下图2个包即可  （自己的笨办法，在这里吃了很多亏）

卸载自带的OpenJdk，使用rpm -qa | grep java查询java相关的包，

去Oracle的官网下载jdk的rpm安装包，并使用rpm -ivh 包名安装之。  这里我下载的jdk-8u77-linux-x64.rpm

配置环境变量

然后source 让其立即生效

以上配置都是所有节点都需要配置。可以在主节点配置好。scp到其他节点 ，快速配置

4.安装配置MySql（主节点）

CentOS 7的yum源中貌似没有正常安装mysql时的mysql-sever文件，需要去官网上下载

成功安装之后重启mysql服务

并service mysqld start启动mysql服务，并根据提示设置root的初试密码：mysqladmin -u root password ‘xxxx‘。

mysql -uroot -pxxxx进入mysql命令行，创建以下数据库：

#hive

create database hive DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

#activity monitor

create database amon DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

设置root授权访问以上所有的数据库：

#授权root用户在主节点拥有所有数据库的访问权限

flush privileges;

5.关闭防火墙和SELinux

注意： 需要在所有的节点上执行，因为涉及到的端口太多了，临时关闭防火墙是为了安装起来更方便，安装完毕后可以根据需要设置防火墙策略，保证集群安全。

关闭防火墙：

修改/etc/selinux/config 下的 SELINUX=disabled （重启后永久生效）

6.所有节点配置NTP服务

集群中所有主机必须保持时间同步，如果时间相差较大会引起各种问题。具体思路如下：

master节点作为ntp服务器与外界对时中心同步时间，随后对所有datanode节点提供时间同步服务。

所有datanode节点以master节点为基础同步时间。

所有节点安装相关组件：yum install ntp。完成后，配置开机启动：chkconfig ntpd on,检查是否设置成功：chkconfig --list ntpd其中2-5为on状态就代表成功。

rpm 先查询本机是否已经有ntp包。 

如果有 /bin/systemctl restart ntpd.service 启动服务 并查看运行状况

主节点配置

在配置之前，先使用ntpdate手动同步一下时间，免得本机与对时中心时间差距太大，使得ntpd不能正常同步。这里选用 ntpdate -u s2m.time.edu.cn

ntp服务只有一个配置文件，配置好了就OK。这里只给出有用的配置，不需要的配置都用#注掉，这里就不在给出：

driftfile /var/lib/ntp/drift

restrict 127.0.0.1

restrict -6 ::1

restrict default nomodify notrap

server s2m.time.edu.cn

includefile /etc/ntp/crypto/pw

keys /etc/ntp/keys

配置文件完成，保存退出，启动服务，执行如下命令：service ntpd start

检查是否成功，用ntpstat命令查看同步状态，出现以下状态代表启动成功：

synchronised to NTP server () at stratum 2

time correct to within 74 ms

polling server every 128 s

如果出现异常请等待几分钟，一般等待5-10分钟才能同步。

配置ntp客户端（所有datanode节点）

driftfile /var/lib/ntp/drift

restrict 127.0.0.1

restrict -6 ::1

restrictdefault kod nomodify notrap nopeer noquery

restrict -6 default kod nomodify notrap nopeer noquery

server n1  

includefile /etc/ntp/crypto/pw

keys /etc/ntp/keys

ok保存退出，请求服务器前，请先使用ntpdate手动同步一下时间：ntpdate -u n1 (主节点ntp服务器)

这里可能出现同步失败的情况，请不要着急，一般是本地的ntp服务器还没有正常启动，一般需要等待5-10分钟才可以正常同步。启动服务：service ntpd start

因为是连接内网，这次启动等待的时间会比master节点快一些，但是也需要耐心等待一会儿。

安装Cloudera Manager Server 和Agent

主节点解压安装

cloudera manager的目录默认位置在/opt下，解压：tar xzvf cloudera-manager*.tar.gz将解压后的cm-5.1.3和cloudera目录放到/opt目录下。

为Cloudera Manager 5建立数据库

首先需要去MySql的官网下载JDBC驱动，http://dev.mysql.com/downloads/connector/j/，解压后，找到mysql-connector-java-5.1.33-bin.jar，放到/opt/cm-5.1.3/share/cmf/lib/中。

在主节点初始化CM5的数据库：

/opt/cm-5.1.3/share/cmf/schema/scm_prepare_database.sh mysql cm -hlocalhost -uroot -pxxxx --scm-host localhost scm scm scm

Agent配置

修改/opt/cm-5.1.3/etc/cloudera-scm-agent/config.ini中的server_host为主节点的主机名。

同步Agent到其他节点

scp -r /opt/cm-5.1.3 root@n2:/opt/

在所有节点创建cloudera-scm用户

useradd --system --home=/opt/cm-5.5.0/run/cloudera-scm-server/ --no-create-home --shell=/bin/false --comment "Cloudera SCM User" cloudera-scm

准备Parcels，用以安装CDH5

将CHD5相关的Parcel包放到主节点的/opt/cloudera/parcel-repo/目录中（parcel-repo需要手动创建）。

相关的文件如下：

最后将CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha1，重命名为CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel.sha，这点必须注意，否则，系统会重新下载CDH-5.1.3-1.cdh5.1.3.p0.12-el6.parcel文件。

相关启动脚本

通过/opt/cm-5.5.0/etc/init.d/cloudera-scm-server start启动服务端。

通过/opt/cm-5.5.0/etc/init.d/cloudera-scm-agent start启动Agent服务。

我们启动的其实是个service脚本，需要停止服务将以上的start参数改为stop就可以了，重启是restart。

Cloudera Manager Server和Agent都启动以后，就可以进行CDH5的安装配置了。

这时可以通过浏览器访问主节点的7180端口测试一下了（由于CM Server的启动需要花点时间，这里可能要等待一会才能访问），默认的用户名和密码均为admin：

可以看到，免费版本的CM5已经没有原来50个节点数量的限制了。

各个Agent节点正常启动后，可以在当前管理的主机列表中看到对应的节点。选择要安装的节点，点继续。

接下来，出现以下包名，说明本地Parcel包配置无误，直接点继续就可以了。

点击，继续，如果配置本地Parcel包无误，那么下图中的已下载，应该是瞬间就完成了，然后就是耐心等待分配过程就行了，大约10多分钟吧，取决于内网网速。

接下来是服务器检查，可能会遇到以下问题：

Cloudera 建议将/proc/sys/vm/swappiness 设置为0。当前设置为60。使用 sysctl 命令在运行时更改该设置并编辑/etc/sysctl.conf 以在重启后保存该设置。您可以继续进行安装，但可能会遇到问题，Cloudera Manager 报告您的主机由于交换运行状况不佳。以下主机受到影响：

通过echo 0 > /proc/sys/vm/swappiness即可解决。

接下来是选择安装服务：

服务配置，一般情况下保持默认就可以了（Cloudera Manager会根据机器的配置自动进行配置，如果需要特殊调整，自行进行设置就可以了）：

接下来是数据库的设置，检查通过后就可以进行下一步的操作了：

下面是集群设置的审查页面，我这里都是保持默认配置的：

终于到安装各个服务的地方了，注意，这里安装Hive的时候可能会报错，因为我们使用了MySql作为hive的元数据存储，hive默认没有带mysql的驱动，通过以下命令拷贝一个就行了：

cp /opt/cm-5.1.3/share/cmf/lib/mysql-connector-java-5.1.33-bin.jar /opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib/   切记：给最多权限，以免发生错误

服务的安装过程大约半小时内就可以完成：

安装完成后，就可以进入集群界面看一下集群的当前状况了。

这里可能会出现无法发出查询：对 Service Monitor 的请求超时的错误提示，如果各个组件安装没有问题，一般是因为服务器比较卡导致的，过一会刷新一下页面就好了：

在集群的一台机器上执行以下模拟Pi的示例程序：

sudo -u hdfs hadoop jar /opt/cloudera/parcels/CDH/lib/hadoop-mapreduce/hadoop-mapreduce-examples.jar pi 10 100

执行过程需要花一定的时间，通过YARN的后台也可以看到MapReduce的执行状态：

MapReduce执行过程中终端的输出如下：

Number of Maps  = 10

Samples per Map = 100

Wrote input for Map #0

Wrote input for Map #1

Wrote input for Map #2

Wrote input for Map #3

Wrote input for Map #4

Wrote input for Map #5

Wrote input for Map #6

Wrote input for Map #7

Wrote input for Map #8

Wrote input for Map #9

Starting Job

14/10/13 01:15:34 INFO client.RMProxy: Connecting to ResourceManager at n1/192.168.1.161:8032

14/10/13 01:15:36 INFO input.FileInputFormat: Total input paths to process : 10

14/10/13 01:15:37 INFO mapreduce.JobSubmitter: number of splits:10

14/10/13 01:15:39 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1413132307582_0001

14/10/13 01:15:40 INFO impl.YarnClientImpl: Submitted application application_1413132307582_0001

14/10/13 01:15:40 INFO mapreduce.Job: The url to track the job: http://n1:8088/proxy/application_1413132307582_0001/

14/10/13 01:15:40 INFO mapreduce.Job: Running job: job_1413132307582_0001

14/10/13 01:17:13 INFO mapreduce.Job: Job job_1413132307582_0001 running in uber mode : false

14/10/13 01:17:13 INFO mapreduce.Job:  map 0% reduce 0%

14/10/13 01:18:02 INFO mapreduce.Job:  map 10% reduce 0%

14/10/13 01:18:25 INFO mapreduce.Job:  map 20% reduce 0%

14/10/13 01:18:35 INFO mapreduce.Job:  map 30% reduce 0%

14/10/13 01:18:45 INFO mapreduce.Job:  map 40% reduce 0%

14/10/13 01:18:53 INFO mapreduce.Job:  map 50% reduce 0%

14/10/13 01:19:01 INFO mapreduce.Job:  map 60% reduce 0%

14/10/13 01:19:09 INFO mapreduce.Job:  map 70% reduce 0%

14/10/13 01:19:17 INFO mapreduce.Job:  map 80% reduce 0%

14/10/13 01:19:25 INFO mapreduce.Job:  map 90% reduce 0%

14/10/13 01:19:33 INFO mapreduce.Job:  map 100% reduce 0%

14/10/13 01:19:51 INFO mapreduce.Job:  map 100% reduce 100%

14/10/13 01:19:53 INFO mapreduce.Job: Job job_1413132307582_0001 completed successfully

14/10/13 01:19:56 INFO mapreduce.Job: Counters: 49

    File System Counters

        FILE: Number of bytes read=91

        FILE: Number of bytes written=1027765

        FILE: Number ofread operations=0

        FILE: Number of large read operations=0

        FILE: Number ofwrite operations=0

        HDFS: Number of bytes read=2560

        HDFS: Number of bytes written=215

        HDFS: Number ofread operations=43

        HDFS: Number of large read operations=0

        HDFS: Number ofwrite operations=3

    Job Counters

        Launched map tasks=10

        Launched reduce tasks=1

        Data-local map tasks=10

        Total time spent by all maps in occupied slots (ms)=118215

        Total time spent by all reduces in occupied slots (ms)=11894

        Total time spent by all map tasks (ms)=118215

        Total time spent by all reduce tasks (ms)=11894

        Total vcore-seconds taken by all map tasks=118215

        Total vcore-seconds taken by all reduce tasks=11894

        Total megabyte-seconds taken by all map tasks=121052160

        Total megabyte-seconds taken by all reduce tasks=12179456

    Map-Reduce Framework

        Map input records=10

        Map output records=20

        Map output bytes=180

        Map output materialized bytes=340

        Input split bytes=1380

        Combine input records=0

        Combine output records=0

        Reduce input groups=2

        Reduce shuffle bytes=340

        Reduce input records=20

        Reduce output records=0

        Spilled Records=40

        Shuffled Maps =10

        Failed Shuffles=0

        Merged Map outputs=10

        GC time elapsed (ms)=1269

        CPU time spent (ms)=9530

        Physical memory (bytes) snapshot=3792773120

        Virtual memory (bytes) snapshot=16157274112

        Total committed heap usage (bytes)=2856624128

    Shuffle Errors

        BAD_ID=0

        CONNECTION=0

        IO_ERROR=0

        WRONG_LENGTH=0

        WRONG_MAP=0

        WRONG_REDUCE=0

    File Input Format Counters

        Bytes Read=1180

    File Output Format Counters

        Bytes Written=97

Job Finished in 262.659 seconds

Estimated value of Pi is 3.14800000000000000000

检查Hue

首次登陆Hue会让设置一个初试的用户名和密码，设置好，登陆到后台，会做一次检查，一切正常后会提示：

到这里表明我们的集群可以使用了。

如上如果安装Oozie失败：

出现  

这里我是下载的hadoop2.6 并解压放置到/usr/local/hadoop  

 并检查是否可用

c） 设置hadoop环境变量 

cd /home/hadoop/
cp hive-default.xml.template hive-site.xml
cp hive-log4j.properties.template hive-log4j.propertie

配置文件修改如下

-- cat hive-1.1.0-cdh5.4.7/conf/hive-site.xml
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>hive.server2.thrift.port</name><value>10000</value></property><property><name>hive.server2.thrift.bind.host</name><value>n1</value></property><property><name>hive.server2.authentication</name><value>NONE</value><description>
        Client authentication types.
           NONE: no authentication check
           LDAP: LDAP/AD based authentication
           KERBEROS: Kerberos/GSSAPI authentication
           CUSTOM: Custom authentication provider
                   (Use with property hive.server2.custom.authentication.class)
      </description></property><property><name>hive.server2.enable.doAs</name><value>true</value></property><property><name>javax.jdo.option.ConnectionURL</name><value>jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true</value><description>JDBC connect string for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionDriverName</name><value>com.mysql.jdbc.Driver</value><description>Driver class name for a JDBC metastore</description></property><property><name>javax.jdo.option.ConnectionUserName</name><value>hive</value><description>username to use against metastore database</description></property><property><name>javax.jdo.option.ConnectionPassword</name><value>hive</value><description>password to use against metastore database</description></property></configuration>

下载mysql jdb jar包
wget http://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.37.tar.gz 

tar xvzf mysql-connector-java-5.1.37.tar.gz 

cp mysql-connector-java-5.1.37/mysql-connector-java-5.1.37-bin.jar $HIVE_HOME/lib
在启动hive  进入bin目录执行hive 

原因是hadoop目录下存在老版本jline：

/hadoopshare/hadoop/yarn/lib：

-rw-r--r-- 1 root root   87325 Mar 10 18:10 jline-0.9.94.jar

解决方法是：

将hive下的新版本jline的JAR包拷贝到hadoop下：

cp /home/hive/lib/jline-2.12.jar /usr/local/hadoop/share/hadoop/yarn/lib 

并将/usr/local/hadoop/share/hadoop/yarn/lib 内的jline包改名 如下 即可

-rw-r--r-- 1 root root   87325 Mar 10 18:10 jline-0.9.94.jar.bak
-rw-r--r-- 1 root root  213854 Mar 11 22:22 jline-2.12.jar

如果还是解决不了。可操作

是CDH 的BUG,需要修改文件 <CM-PATH>/lib64/cmf/agent/src/cmf/util.py

将util.py里的一行代码：
pipe = subprocess.Popen([‘/bin/bash‘, ‘-c‘, ". %s; %s; env" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

修改成：
pipe = subprocess.Popen([‘/bin/bash‘, ‘-c‘, ". %s; %s; env | grep -v { | grep -v }" % (path, command)],
                        stdout=subprocess.PIPE, env=caller_env)

就好了