Hadoop 彻底分布式安装与部署

时间 2020-01-09

标签 hadoop 彻底分布式安装部署栏目 Hadoop 繁體版

原文原文链接

Hadoop官方指导传送门传送门html

截止当前（2020年01月08日），Hadoop最新版本是3.2.1，本文依据3.2.1部署安装java

本篇文章只介绍了如何安装和配置范围从几个节点到具备数千个节点的超大型Hadoop集群。要快速天眼使用Hadoop，可能只须要将其安装在单台服务器上。 node

本篇文章不涉及hadoop安全或高可用性等高级话题。 web

服务器准备

服务器规划，提供四台服务器，OS 为centos 7shell

修改主机名

hostnamectl set-hostname centos-x
复制代码

x 为咱们每台服务器apache

完成咱们的主机以下vim

主机名	IP	预备分配服务
centos-1	10.211.55.11	`DataNode` `NodeManager` `NameNode`
centos-2	10.211.55.12	`DataNode` `NodeManager` `SecondaryNameNode`
centos-3	10.211.55.13	`DataNode` `NodeManager` `ResourceManager`
centos-4	10.211.55.14	`DataNode` `NodeManager` `HistoryServer`

安装openJDK-8

经过yum安装jdkcentos

yum update
yum install java-1.8.0-openjdk-devel -y
复制代码

修改环境变量安全

vim /etc/profile
复制代码

在尾部新增bash

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
export PATH=$JAVA_HOME/bin:$PATH
复制代码

配置服务器静态IP

vim /etc/sysconfig/network-scripts/ifcfg-enp0s5
复制代码

完整配置以下

TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static" # 修改dhcp 为 static
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="enp0s5"
UUID="e2bda9d6-dc4f-4513-adbc-fdf3a1e2f384"
DEVICE="enp0s5"
ONBOOT="yes"

# 新增
GATEWAY=10.211.55.1 # 修改网关，虚拟机须要注意修改nat
IPADDR=10.211.55.12 # 分配IP地址
NETMASK=255.255.255.0 # 子网掩码
DNS1=223.5.5.5 # 使用阿里公共DNS1
DNS2=223.6.6.6 # 使用阿里公共DNS2
复制代码

增长 dhfs 用户

一般，建议HDFS和YARN以单独的用户身份运行。

在大多数安装中，HDFS进程以“hdfs”执行。YARN一般使用“yarn”账户

adduser hdfs
passwd hdfs # 修改密码
复制代码

设置SSH无密码登陆

四台服务器所有设置

ssh-keygen -t rsa
复制代码

分配ssh key

ssh-copy-id centos-1
ssh-copy-id centos-2
ssh-copy-id centos-3
ssh-copy-id centos-4
复制代码

安装部署Hadoop

切换至 hdfs 用户

su - hdfs
复制代码

下载

curl http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-3.2.1/hadoop-3.2.1.tar.gz -O
复制代码

解压

这里直接解压到/usr/local/下

tar -zxf hadoop-3.2.1.tar.gz  -C /usr/local/hadoop-3.2.1
复制代码

修改环境变量

sudo vim /etc/profile
复制代码

修改原先配置为

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
export HADOOP_HOME=/usr/local/hadoop-3.2.1

export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$PATH
复制代码

修改配置

这里咱们进入$HADOOP_HOME文件夹开始操做

mkdir -p $HADOOP_HOME/hdfs/data
mkdir -p $HADOOP_HOME/tmp
复制代码

配置hadoop-env.sh

sudo vim $HADOOP_HOME/etc/hadoop/hadoop-env.sh
复制代码

增长或修改

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
复制代码

配置core-site.xml

vim etc/hadoop/core-site.xml
复制代码

configuration配置以下

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://10.211.55.11:4000</value>
        <description>HDFS的URI，文件系统://namenode标识:端口号</description>
    </property>
    
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop-3.2.1/tmp</value>
        <description>namenode上本地的hadoop临时文件夹</description>
    </property>

</configuration>
复制代码

fs.defaultFS为NameNode的地址。 hadoop.tmp.dir为hadoop临时目录的地址，默认状况下，NameNode和DataNode的数据文件都会存在这个目录下的对应子目录下。

配置hdfs-site.xml

vim etc/hadoop/hdfs-site.xml
复制代码

<configuration>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>10.211.55.12:50090</value>
    </property>
    <property>
        <name>dfs.http.address</name>
        <value>10.211.55.11:50070</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop-3.2.1/hdfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop-3.2.1/hdfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
</configuration>
复制代码

dfs.namenode.secondary.http-address是指定secondaryNameNode的http访问地址和端口号，由于在规划中，咱们将centos-2规划为SecondaryNameNode服务器。

dfs.http.address配置的是本机默认的dfs地址，有些服务器能够不用配置，个人试过了，必须加上，否则后续网页打不开。 dfs.namenode.name.dir 指定name文件夹，dfs.datanode.data.dir 指定data文件夹 dfs.datanode.data.dir 指定副本数，通常小于服务器数，咱们设置为3

配置workers

在hadoop2.x中叫作slaves，在3.x版本中更名workers。用来指定HDFS上有哪些DataNode节点，以及各个节点使用ip地址或者主机名，用换行分隔。

vim etc/hadoop/workers
复制代码

这里咱们就使用主机名

centos-1
centos-2
centos-3
centos-4
复制代码

配置yarn-site.xml

vim etc/hadoop/yarn-site.xml
复制代码

配置以下

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>centos-3</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>106800</value>
  </property>
</configuration>
复制代码

按照规划使用centos-3作为 resourcemanager 使用yarn.log-aggregation-enable开启日志聚合，yarn.log-aggregation.retain-seconds配置汇集的日志在HDFS上最多保存多长时间。

配置mapred-site.xml

vim etc/hadoop/mapred-site.xml
复制代码

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>centos-4:10020</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>centos-4:19888</value>
    </property>
</configuration>
复制代码

mapreduce.framework.name设置mapreduce任务运行在yarn上。 mapreduce.jobhistory.address是设置mapreduce的历史服务器安装在centos-4上。 mapreduce.jobhistory.webapp.address是设置历史服务器的web页面地址和端口号。 yarn.app.mapreduce.am.env,mapreduce.map.env,mapreduce.reduce.env须要设置为HADOOP_MAPRED_HOME=${HADOOP_HOME}，不然在运行yarn程序的时候会出现jar包未找到的错误。

启动 hadoop集群

完成上述全部必要的配置后，将文件分发到全部服务器的HADOOP_CONF_DIR目录下(/user/local)。在全部计算机上，该目录应该是相同的目录。

格式化

要启动Hadoop集群，须要同时启动HDFS和YARN集群。首次启动HDFS时，必须对其进行格式化。将新的分布式文件系统格式化为hdfs.

$HADOOP_HOME/bin/hdfs namenode -format <群集名称>
复制代码

集群名称能够不填写，不出意外，执行完成后$HADOOP_HOME/hdfs/data中就有东西了。

启动 HDFS

若是配置了workers和ssh互信咱们能够

$HADOOP_HOME/sbin/start-dfs.sh
复制代码

启动 YARN

若是配置了workers和ssh互信咱们能够

$HADOOP_HOME/sbin/start-yarn.sh
复制代码

若上面没有配置的workers和ssh互信咱们能够

启动namenode

$HADOOP_HOME/bin/hdfs --daemon start namenode
复制代码

启动DataNode

$HADOOP_HOME/bin/hdfs --daemon start datanode
复制代码

启动 NodeManager

规划在centos-4上，所以咱们在centos-4上执行

$HADOOP_HOME/bin/yarn --daemon start nodemanager
复制代码

启动 ResourceManager

规划在centos-3上，所以咱们在centos-3上执行

$HADOOP_HOME/bin/yarn --daemon start resourcemanager
复制代码

启动 HistoryServer

规划在centos-4上，所以咱们在centos-4上执行

$HADOOP_HOME/bin/mapred --daemon start historyserver
复制代码

查看HDFS Web页面

位于centos的50070端口:http://centos-1:50070/

查看YARN Web 页面

位于centos-3的8088端口:http://centos-3:8088/

查看历史WEB页面

位于centos-4的19888端口:http://centos-4:19888/

测试

为了测试咱们使用 wordcount 来测试

新建文件

sudo vim /opt/word.txt
复制代码

文本内容

hadoop mapreduce hive
hbase spark storm
sqoop hadoop hive
spark hadoop
复制代码

新建hadoop里文件夹demo

hadoop fs -mkdir /demo
复制代码

文件写入

hdfs dfs -put /opt/word.txt /demo/word.txt
复制代码

执行输入到hadoop的/output

yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /demo/word.txt /output
复制代码

查看文件列表

hdfs dfs -ls /output
复制代码

Found 2 items
-rw-r--r--   3 hdfs supergroup          0 2020-01-07 02:20 /output/_SUCCESS
-rw-r--r--   3 hdfs supergroup         60 2020-01-07 02:20 /output/part-r-00000
复制代码

查看文件中内容

hdfs dfs -cat /output/part-r-00000
复制代码

2020-01-07 16:40:19,951 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
hadoop	3
hbase	1
hive	2
mapreduce	1
spark	2
sqoop	1
storm	1
复制代码