时间：   |   分类：   | 字数： 3461 字 | 阅读约： 7分钟 | 阅读次数：

Hadoop分布式集群搭建

依赖: java环境, jdk8

Hadoop搭建方式

  • 单机模式：单节点模式，非集群，生产不会使用这种方式
  • 单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
  • 完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）

1. 环境准备

  • 准备三台虚拟机

    10.211.55.7  hadoop1
10.211.55.8  hadoop2
10.211.55.9  hadoop3

关闭防火墙,修改主机名,配置免密登录,集群时间同步

  • 创建以下目录

    mkdir -p /opt/hadoop/software #存放安装包目录
mkdir -p /opt/hadoop/servers #软件安装目录

  • hadoop下载 到software目录

    https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz

2. 集群规划

hadoop1 haddop2 Hadoop3
HDFS NameNode
DataNode		 DataNode Secondary NameNode
DataNode
YARN NodeManager NodeManager NodeManager
ResourceManager

3. 安装hadoop

  • 解压

    tar -zxvf hadoop-2.9.2.tar.gz -C /opt/hadoop/servers

  • 添加hadoop到环境变量

    vim /etc/profile

export HADOOP_HOME=/opt/hadoop/servers/hadoop-2.9.2 
export PATH=$PATH:$HADOOP_HOME/bin 
export PATH=$PATH:$HADOOP_HOME/sbin

source /etc/profile #使配置生效

  • 验证hadoop

    hadoop version

#会出现以下 
Hadoop 2.9.2
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r 826afbeae31ca687bc2f8471dc841b66ed2c6704
Compiled by ajisaka on 2018-11-13T12:42Z
Compiled with protoc 2.5.0
From source with checksum 3a9939967262218aa556c684d107985
This command was run using /opt/hadoop/servers/hadoop-2.9.2/share/hadoop/common/hadoop-common-2.9.2.jar

  • hadoop目录

    1. bin目录:对Hadoop进行操作的相关命令，如hadoop,hdfs等
2. etc目录：Hadoop的配置文件目录，入hdfs-site.xml,core-site.xml等 
3. lib目录：Hadoop本地库（解压缩的依赖）
4. sbin目录：存放的是Hadoop集群启动停止相关脚本，命令 
5. share目录：Hadoop的一些jar,官方案例jar，文档等

3.1 集群配置

Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置

HDFS集群配置
	1.将JDK路径明确配置给HDFS（修改hadoop-env.sh）
	2.指定NameNode节点以及数据存储目录（修改core-site.xml）
	3.指定Secondary NameNode节点（修改hdfs-site.xml）
	4.指定DataNode从节点（修改etc/hadoop/slaves文件，每个节点配置信息占一行）

MapReduce集群配置
	1.将JDK路径明确配置给MapReduce（修改mapred-env.sh）
	2.指定MapReduce计算框架运行Yarn资源调度框架（修改mapred-site.xml）

Yarn集群配置
	1.将JDK路径明确配置给Yarn（修改yarn-env.sh）
	2.指定ResourceManager老大节点所在计算机节点（修改yarn-site.xml）
	3.指定NodeManager节点（会通过slaves文件内容确定）

  • HDFS集群配置

    切换到hadoop安装目录下 cd etc/hadoop

    • 配置hadoop-env.sh

      vim hadoop-env.sh

# 将jdk路径明确配置 可以使用${JAVA_HOME}查看, 我的是/usr/local/jdk1.8.0_231
export JAVA_HOME=/usr/local/jdk1.8.0_231

    • 指定NameNode节点以及数据存储目录

      vim core-site.xml #在hadoop1

<!-- 指定HDFS中NameNode的地址 -->
<property> 
  <name>fs.defaultFS</name>
  <!-- 此处hadoop1为你指定的服务器别名(自定义), 端口号我们用9000 -->
  <value>hdfs://hadoop1:9000</value> 
</property> 

<!-- 指定Hadoop运行时产生文件的存储目录 --> 
<property> 
  <name>hadoop.tmp.dir</name> 
  <value>/opt/hadoop/servers/hadoop-2.9.2/data/tmp</value> 
</property>

      core-site.xml的默认配置：

      https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/core- default.xml

    • 指定Secondary NameNode节点

      vim hdfs-site.xml

<!-- 指定Hadoop辅助名称节点主机配置 --> 
<property> 
  <name>dfs.namenode.secondary.http-address</name> 
  <value>hadoop3:50090</value> 
</property> 

<!--副本数量 --> 
<property>
  <name>dfs.replication</name> 
  <value>3</value> 
</property>

      官方默认配置:

      https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfs- default.xml

    • 指定DataNode从节点

      vim slaves

#添加3台机器 
hadoop1
hadoop2
hadoop3

      注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行

  • MapReduce集群配置

    • 指定MapReduce使用的jdk路径

      vim mapred-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_231

    • 指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml)

      mv mapred-site.xml.template mapred-site.xml 
vim mapred-site.xml

<!-- 指定MR运行在Yarn上 -->
<property>
  <name>mapreduce.framework.name</name> 
  <value>yarn</value> 
</property>

      官方默认配置:

      https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduce- client-core/mapred-default.xml

  • Yarn集群配置

    • 指定jdk路径

      vim yarn-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_231

    • 指定ResourceMnager的master节点信息(修改yarn-site.xml)

      vim yarn-site.xml

<!-- 指定YARN的ResourceManager的地址 --> 
<property>
  <name>yarn.resourcemanager.hostname</name> 
  <value>hadoop3</value> 
</property> 
<!-- Reducer获取数据的方式 --> 
<property>
  <name>yarn.nodemanager.aux-services</name> 
  <value>mapreduce_shuffle</value> 
</property>

      Yarn-site.xml的默认配置:

      https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarn- default.xml

    • 指定NodeManager节点（slaves文件已修改）

      与hadoop集群共用

Hadoop安装目录所属用户和所属用户组信息，默认是501 dialout，而我们操作Hadoop集群的用户使用的是虚拟机的root用户，所以为了避免出现信息混乱，修改Hadoop安装目录所属用户和用户组！！

chown -R root:root /opt/hadoop/servers/hadoop-2.9.2

3.2 分发配置

编写集群分发脚本rsync-script

  • rsync远程同步工具

    rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。

    rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。

    • 基本语法

      rsync -rvl $pdir/$fname $user@$host:$pdir/$fname
#命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称

    • 参数说明

      -r 递归
-v 显示复制过程
-l 拷贝符号连接

  • rsync案例

    • 3台虚拟机安装rsync

      yum install -y rsync

    • 把/opt/hadoop/software目录同步到其他服务器的root用户下的/opt/hadoop/software目录

       rsync -rvl /opt/hadoop/software/ root@hadoop2:/opt/hadoop/software

  • 集群分发脚本编写

    • 需求: 循环复制文件到集群所有节点的相同目录下

    • 期望脚本: 脚本+要同步的文件名称

    • 说明: 在/usr/local/bin这个目录下存放脚本, root用户可以在系统任何地方直接执行

    • 脚本实现

      • 在/usr/local/bin目录下创建rsync-script

        touch rsync-script
vim rsync-script

        编写脚本如下

        #!/bin/bash 
#1 获取命令输入参数的个数，如果个数为0，直接退出命令 
paramnum=$# 
if((paramnum==0)); then 
echo no params; 
exit; 
fi
#2 根据传入参数获取文件名称 
p1=$1 
file_name=`basename $p1` 
echo fname=$file_name 
#3 获取输入参数的绝对路径 
pdir=`cd -P $(dirname $p1); pwd` 
echo pdir=$pdir 
#4 获取用户名称 
user=`whoami` 
#5 循环执行rsync 
for((host=1; host<4; host++)); do 
echo ------------------- hadoop$host -------------- 
rsync -rvl $pdir/$file_name $user@hadoop$host:$pdir 
done

      • 修改脚本 rsync-script 具有执行权限

        chmod 777 rsync-script

      • 调用脚本形式：rsync-script 文件名称

        rsync-script /home/root/bin

      • 调用脚本 分发hadoop安装目录到其他节点

        rsync-script /opt/hadoop/servers/hadoop-2.9.2

4. 启动集群

如果集群是第一次启动，需要在Namenode所在节点格式化NameNode，非第一次不用执行格式化Namenode操作！

4.1 单节点启动

 #格式化namenode
 hadoop namenode -format

格式化后创建的文件：/opt/hadoop/servers/hadoop-2.9.2/data/tmp/dfs/name/current

  • 在hadoop1上启动NameNode

    hadoop-daemon.sh start namenode

jps

  • 在hadoop1, hadoop2, hadoop3上分别启动DataNode

    hadoop-daemon.sh start datanode

jps

  • web端查看Hdfs界面

http://10.211.55.7:50070/dfshealth.html#tab-overview

  • yarn集群单点启动

    #hadoop3
yarn-daemon.sh start resourcemanager

jps

#hadoop2
yarn-daemon.sh start nodemanager

#hadoop1
yarn-daemon.sh start nodemanager

4.2 集群群起

先停止之前单节点方式启动

  • 启动hdfs

    #hadoop1上执行
start-dfs.sh

  • 启动yarn

    #hadoop3上执行
start-yarn.sh

注意：NameNode和ResourceManger不是在同一台机器，不能在NameNode上启动YARN，应该在ResouceManager所在的机器上启动YARN

4.3 集群启动停止命令

各服务组件逐一启动/停止:

  • 分别启动/停止HDFS组件

    hadoop-daemon.sh start/stop namenode/datanode/secondarynamenode

  • 启动/停止yarn

    yarn-daemon.sh start/stop resourcemanager/nodemanager

各个模块分开启动/停止（配置ssh是前提）常用:

  • 整体启动/停止HDFS

    start-dfs.sh 
stop-dfs.sh

  • 整体启动/停止YARN

    start-yarn.sh
stop-yarn.sh

5. 集群测试

  • HDFS 分布式存储测试

    #本地home目录创建一个文件 
cd /root 
vim test.txt 

# hdfs创建目录
hdfs dfs -mkdir -p /test/input

#上传linxu文件到Hdfs 
hdfs dfs -put /root/test.txt /test/input 

#从Hdfs下载文件到linux本地 
hdfs dfs -get /test/input/test.txt

  • MapReduce 分布式计算

# 在HDFS文件系统根目录下面创建一个wcinput文件夹
hdfs dfs -mkdir /wcinput
 
# 在/root/目录下创建一个wc.txt文件(本地文件系统) 
cd /root/
touch wc.txt
vim wc.txt
# 添加以下内容
hadoop mapreduce yarn 
hdfs hadoop mapreduce 
mapreduce yarn hello 
hello
hello

# 上传wc.txt到hdfs目录/wcinput下
hdfs dfs -put wc.txt /wcinput

# 回到Hadoop目录/opt/lagou/servers/hadoop-2.9.2
# 执行程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

# 查看结果
hdfs dfs -cat /wcoutput/part-r-00000

tips: 注意yarn-site.xml 如果用服务器别名不行的话, 修改为ip地址

6. 配置历史服务器

在Yarn中运行的任务产生的日志数据不能查看，为了查看程序的历史运行情况，需要配置一下历史日志服务器。具体配置步骤如下：

  • 配置mapred-site.xml

    <!-- 历史服务器端地址 --> 
<property> 
  <name>mapreduce.jobhistory.address</name> 
  <value>hadoop1:10020</value> 
</property> 
<!-- 历史服务器web端地址 --> 
<property> 
  <name>mapreduce.jobhistory.webapp.address</name> 
  <value>hadoop1:19888</value> 
</property>

  • 分发mapred-site.xml到其它节点

    rsync-script mapred-site.xml

  • 启动历史服务器

    mr-jobhistory-daemon.sh start historyserver

jps

  • 查看JobHistory

    http://hadoop1:19888/jobhistory

  • 配置日志聚集

    日志聚集：应用(Job)运行完成以后，将应用运行日志信息从各个task汇总上传到HDFS系统上。

    日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

    注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager

    # 配置yarn-site.xml

<!-- 日志聚集功能使能 -->
<property> 
  <name>yarn.log-aggregation-enable</name> 
  <value>true</value> 
</property>
<!-- 日志保留时间设置7天 --> 
<property> 
  <name>yarn.log-aggregation.retain-seconds</name> 
  <value>604800</value> 
</property>
0%