乐趣区

Hadoop之完全分布式集群

jiezi

集群环境：

  1. centOs6.8：hadoop102，hadoop103，hadoop104
  2. jdk 版本：jdk1.8.0_144
  3. hadoop 版本：Hadoop 2.7.2

首先准备三台客户机（hadoop102，hadoop103，hadoop104），关闭防火墙，修改为静态 ip 和 ip 地址映射

配置集群

编写集群分发脚本

  1. 创建一个远程同步的脚本 xsync，并放到当前用户下新建的 bin 目录下，配置到 PATH 中，使得此脚本在任何目录下都可以执行
  2. 脚本实现
[kocdaniel@hadoop102 ~]$ mkdir bin
[kocdaniel@hadoop102 ~]$ cd bin/
[kocdaniel@hadoop102 bin]$ vim xsync

在文件中编写如下脚本代码

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径 –P 指向实际物理地址，防止软连接
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=103; host<105; host++)); do
        echo ------------------- hadoop$host --------------
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done
  1. 修改脚本 xsync 具有执行权限，并调用脚本，将脚本复制到 103 和 104 节点
[kocdaniel@hadoop102 bin]$ chmod 777 xsync
[kocdaniel@hadoop102 bin]$ xsync /home/atguigu/bin

集群配置

  1. 集群部署规划
hadoop102 hadoop103 hadoop104
HDFS NameNode DataNode DataNode SecondaryNameNode DataNode
YARN NodeManager ResourceManager NodeManager NodeManager

由于计算机配置有限，只能使用三台虚拟机，工作环境中根据需要规划集群

  1. 配置集群

切换到hadoop 安装目录 /etc/hadoop/

  • 配置 core-site.xml
[kocdaniel@hadoop102 hadoop]$ vim core-site.xml
# 在文件中写入如下内容
<!-- 指定 HDFS 中 NameNode 的地址 -->
<property>
    <name>fs.defaultFS</name>
      <value>hdfs://hadoop102:9000</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/module/hadoop-2.7.2/data/tmp</value>
</property>

  • HDFS 配置文件

    • 配置hadoop-env.sh 
    [kocdaniel@hadoop102 hadoop]$ vim hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144

注意：我们已经在 /etc/profile 文件中配置了 JAVA_HOME，这里为什么还需要配置 JAVA_HOME?

答：因为 Hadoop 运行是守护进程（守护进程是一个在后台运行并且不受任何终端控制的进程。– 摘自百度百科)），正是因为它后台运行，不接受任何终端控制，所以它读取不到我们配置好的环境变量，所以这里需要单独配置一下。

    • 配置hdfs-site.xml 
    [kocdaniel@hadoop102 hadoop]$ vim hdfs-site.xml
# 写入如下配置
<!-- 配置副本数量为 3，默认也为 3，所以这个也可以删掉 -->
<property>
        <name>dfs.replication</name>
        <value>3</value>
</property>

<!-- 指定 Hadoop 辅助名称节点主机配置 -->
<property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>hadoop104:50090</value>
</property>

    • YARN 配置文件

      • 配置yarn-env.sh 
      [kocdaniel@hadoop102 hadoop]$ vim yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
      • 配置yarn-site.xml 
      [kocdaniel@hadoop102 hadoop]$ vi yarn-site.xml
# 增加如下配置
<!-- Reducer 获取数据的方式 -->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>

<!-- 指定 YARN 的 ResourceManager 的地址 -->
<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
</property>

    • MapReduce 配置文件

      • 配置mapred-env.sh 
      [kocdaniel@hadoop102 hadoop]$ vim mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
      • 配置mapred-site.xml 
      # 如果是第一次配置的话，需要先将 mapred-site.xml.template 重命名为 mapred-site.xml
[kocdaniel@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml
[kocdaniel@hadoop102 hadoop]$ vim mapred-site.xml
# 在文件中增加如下配置
<!-- 指定 MR 运行在 Yarn 上 -->
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>
    1. 将配置好的文件利用集群分发脚本同步到 hadoop103 和 hadoop104 节点
    [kocdaniel@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/
    • 最好在同步完成之后检查一下同步结果，避免错误

    单点启动

    1. 如果是 第一次 启动，需要格式化 namenode，否则跳过此步
    [kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop namenode -format

    • 格式化需要 注意 的问题：

      • 只有第一次启动需要格式化，以后不要总是格式化，否则会出现 namenode 和 datanode 的集群 id 不一致的情况，导致 datanode 启动失败

      • 正确的格式化姿势：

        • 在执行第一次格式化时会在 hadoop 安装目录下产生 data 文件夹，里面会生成 namenode 的信息
        • 在启动 namenode 和 datanode 后，还会在同样的目录下产生 logs 的日志文件夹
        • 所以在格式化之前需要先将这两个文件夹删除，然后再格式化，最后启动 namenode 和 datanode
    1. 在 hadoop102 上启动 namenode
    [kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
    1. 在 hadoop102、hadoop103 以及 hadoop104 上分别启动 DataNode
    [kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[kocdaniel@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop103 hadoop-2.7.2]$ jps
3190 DataNode
3279 Jps
[kocdaniel@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop104 hadoop-2.7.2]$ jps
3237 Jps
3163 DataNode
    1. 访问 hadoop102:50070 查看结果

    • 但是以上单点启动有一个问题：

      • 每次都一个一个节点启动，如果节点数增加到 1000 个怎么办？

    配置 ssh 免密登录

    1. 配置 ssh

      • ssh 另一个节点的 ip 就可以切换到另一台机器，但是得输入密码

    2. 免密 ssh 配置

      • 免密登录原理

    • 在配置 namenode 的主机 hadoop102 上生成私钥和公钥

      • 切换目录到/home/ 用户名 /.ssh/

        [kocdaniel@hadoop102 .ssh]$ ssh-keygen -t rsa

     - 然后敲（三个回车），就会生成两个文件 id_rsa（私钥）、id_rsa.pub（公钥）- 将公钥拷贝到要免密登录的目标机器上

 ```shell
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop103
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop104
 # 注意：ssh 访问自己也需要输入密码，所以我们需要将公钥也拷贝给 102
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop102
 
 ```
    • 同样，在配置 resourcemanager 的主机 hadoop103 上执行同样的操作，然后就可以群起集群了

    群起集群

    1. 配置 slaves

      • 切换目录到：hadoop 安装目录 /etc/hadoop/
      • 在目录下的 slaves 文件中添加如下内容
      [kocdaniel@hadoop102 hadoop]$ vim slaves
# 注意结尾不能有空格，文件中不能有空行
hadoop102
hadoop103
hadoop104
      • 同步所有节点的配置文件
      [kocdaniel@hadoop102 hadoop]$ xsync slaves

    1. 启动集群

      • 同样，如果是第一次启动，需要格式化
      • 启动 HDFS
      [kocdaniel@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh

# 查看启动结果，和集群规划（配置文件中）的一致
[atguigu@hadoop102 hadoop-2.7.2]$ jps
4166 NameNode
4482 Jps
4263 DataNode

[atguigu@hadoop103 hadoop-2.7.2]$ jps
3218 DataNode
3288 Jps

[atguigu@hadoop104 hadoop-2.7.2]$ jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps
      • 启动 YARN
      # 注意：NameNode 和 ResourceManger 如果不是同一台机器，不能在 NameNode 上启动 YARN，应该在 ResouceManager 所在的机器上启动 YARN
[kocdaniel@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
    2. web 端查看相关信息
    退出移动版