关于hadoop:大数据集群安装hadoop

装置 hadoop 筹备

Hadoop 下载地址：

https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/

装置

解压安装文件到 /opt/server 上面
tar -zxvf hadoop-2.7.2.tar.gz -C /opt/server/
查看是否解压胜利

将 Hadoop 增加到环境变量

关上 /etc/profile 文件

vi /etc/profile
在 profile 文件开端增加 JDK 门路：（shitf+g）

HADOOP\_HOME

export HADOOP\_HOME=/opt/server/hadoop-2.7.2
export PATH=$PATH:$HADOOP\_HOME/bin
export PATH=$PATH:$HADOOP\_HOME/sbin

让批改后的文件失效

source /etc/profile

测试是否装置胜利

hadoop version
Hadoop 2.7.2
…

配置文件

批改 core-site.xml

<configuration>
<!-- 指定 NameNode 的 HA 高可用的 zk 地址  -->
    <property>
        <name>ha.zookeeper.quorum</name>
        <value>node01:2181,node02:2181,node03:2181</value>
    </property>
 <!-- 指定 HDFS 拜访的域名地址  -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://ns</value>
    </property>
 <!-- 临时文件存储目录  -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/export/servers/hadoop-2.7.5/data/tmp</value>
    </property>
     <!-- 开启 hdfs 垃圾箱机制，指定垃圾箱中的文件七天之后就彻底删掉
            单位为分钟
     -->
    <property>
        <name>fs.trash.interval</name>
        <value>10080</value>
    </property>
</configuration>

批改 hdfs-site.xml

<configuration>
<!--  指定命名空间  -->
    <property>
        <name>dfs.nameservices</name>
        <value>ns</value>
    </property>
<!--  指定该命名空间下的两个机器作为咱们的 NameNode  -->
    <property>
        <name>dfs.ha.namenodes.ns</name>
        <value>nn1,nn2</value>
    </property>

    <!-- 配置第一台服务器的 namenode 通信地址  -->
    <property>
        <name>dfs.namenode.rpc-address.ns.nn1</name>
        <value>node01:8020</value>
    </property>
    <!--  配置第二台服务器的 namenode 通信地址  -->
    <property>
        <name>dfs.namenode.rpc-address.ns.nn2</name>
        <value>node02:8020</value>
    </property>
    <!-- 所有从节点之间互相通信端口地址 -->
    <property>
        <name>dfs.namenode.servicerpc-address.ns.nn1</name>
        <value>node01:8022</value>
    </property>
    <!-- 所有从节点之间互相通信端口地址 -->
    <property>
        <name>dfs.namenode.servicerpc-address.ns.nn2</name>
        <value>node02:8022</value>
    </property>
    
    <!-- 第一台服务器 namenode 的 web 拜访地址  -->
    <property>
        <name>dfs.namenode.http-address.ns.nn1</name>
        <value>node01:50070</value>
    </property>
    <!-- 第二台服务器 namenode 的 web 拜访地址  -->
    <property>
        <name>dfs.namenode.http-address.ns.nn2</name>
        <value>node02:50070</value>
    </property>
    
    <!-- journalNode 的拜访地址，留神这个地址肯定要配置 -->
    <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://node01:8485;node02:8485;node03:8485/ns1</value>
    </property>
    <!--  指定故障主动复原应用的哪个 java 类 -->
    <property>
        <name>dfs.client.failover.proxy.provider.ns</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    
    <!-- 故障转移应用的哪种通信机制 -->
    <property>
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence</value>
    </property>
    
    <!-- 指定通信应用的公钥  -->
    <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/root/.ssh/id_rsa</value>
    </property>
    <!-- journalNode 数据寄存地址  -->
    <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/export/servers/hadoop-2.7.5/data/dfs/jn</value>
    </property>
    <!-- 启用主动故障复原性能 -->
    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>
    <!-- namenode 产生的文件寄存门路 -->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/name</value>
    </property>
    <!-- edits 产生的文件寄存门路 -->
    <property>
        <name>dfs.namenode.edits.dir</name>
        <value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/edits</value>
    </property>
    <!-- dataNode 文件寄存门路 -->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///export/servers/hadoop-2.7.5/data/dfs/dn</value>
    </property>
    <!-- 敞开 hdfs 的文件权限 -->
    <property>
        <name>dfs.permissions</name>
        <value>false</value>
    </property>
    <!-- 指定 block 文件块的大小 -->
    <property>
        <name>dfs.blocksize</name>
        <value>134217728</value>
    </property>
</configuration>

批改 yarn-site.xml

<configuration>
<!-- Site specific YARN configuration properties -->
<!-- 是否启用日志聚合. 应用程序实现后, 日志汇总收集每个容器的日志, 这些日志挪动到文件系统, 例如 HDFS. -->
<!-- 用户能够通过配置 "yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix" 来确定日志挪动到的地位 -->
<!-- 用户能够通过应用程序工夫服务器拜访日志 -->

<!-- 启用日志聚合性能，应用程序实现后，收集各个节点的日志到一起便于查看 -->
    <property>
            <name>yarn.log-aggregation-enable</name>
            <value>true</value>
    </property>
 

<!-- 开启 resource manager HA, 默认为 false--> 
<property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
</property>
<!-- 集群的 Id，应用该值确保 RM 不会做为其它集群的 active -->
<property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>mycluster</value>
</property>
<!-- 配置 resource manager  命名 -->
<property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2</value>
</property>
<!-- 配置第一台机器的 resourceManager -->
<property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>node03</value>
</property>
<!-- 配置第二台机器的 resourceManager -->
<property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>node02</value>
</property>

<!-- 配置第一台机器的 resourceManager 通信地址 -->
<property>
        <name>yarn.resourcemanager.address.rm1</name>
        <value>node03:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm1</name>
        <value>node03:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>node03:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm1</name>
        <value>node03:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>node03:8088</value>
</property>

<!-- 配置第二台机器的 resourceManager 通信地址 -->
<property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>node02:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>node02:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>node02:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm2</name>
        <value>node02:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>node02:8088</value>
</property>
<!-- 开启 resourcemanager 主动复原性能 -->
<property>
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
</property>
<!-- 在 node1 上配置 rm1, 在 node2 上配置 rm2, 留神：个别都喜爱把配置好的文件近程复制到其它机器上，但这个在 YARN 的另一个机器上肯定要批改，其余机器上不配置此项 -->
    <property>       
        <name>yarn.resourcemanager.ha.id</name>
        <value>rm1</value>
       <description>If we want to launch more than one RM in single node, we need this configuration</description>
    </property>
       
       <!-- 用于长久存储的类。尝试开启 -->
<property>
        <name>yarn.resourcemanager.store.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>node02:2181,node03:2181,node01:2181</value>
        <description>For multiple zk services, separate them with comma</description>
</property>
<!-- 开启 resourcemanager 故障主动切换，指定机器 --> 
<property>
        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
        <value>true</value>
        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>
</property>
<property>
        <name>yarn.client.failover-proxy-provider</name>
        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
</property>
<!-- 容许调配给一个工作最大的 CPU 核数，默认是 8 -->
<property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>4</value>
</property>
<!-- 每个节点可用内存, 单位 MB -->
<property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>512</value>
</property>
<!-- 单个工作可申请起码内存，默认 1024MB -->
<property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>512</value>
</property>
<!-- 单个工作可申请最大内存，默认 8192MB -->
<property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>512</value>
</property>
<!-- 多长时间聚合删除一次日志 此处 -->
<property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>2592000</value><!--30 day-->
</property>
<!-- 工夫在几秒钟内保留用户日志。只实用于如果日志聚合是禁用的 -->
<property>
        <name>yarn.nodemanager.log.retain-seconds</name>
        <value>604800</value><!--7 day-->
</property>
<!-- 指定文件压缩类型用于压缩汇总日志 -->
<property>
        <name>yarn.nodemanager.log-aggregation.compression-type</name>
        <value>gz</value>
</property>
<!-- nodemanager 本地文件存储目录 -->
<property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/export/servers/hadoop-2.7.5/yarn/local</value>
</property>
<!-- resourceManager  保留最大的工作实现个数 -->
<property>
        <name>yarn.resourcemanager.max-completed-applications</name>
        <value>1000</value>
</property>
<!-- 逗号隔开的服务列表，列表名称应该只蕴含 a -zA-Z0-9_, 不能以数字开始 -->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>

<!--rm 失联后从新链接的工夫 --> 
<property>
        <name>yarn.resourcemanager.connect.retry-interval.ms</name>
        <value>2000</value>
</property>
</configuration>

批改 mapred-site.xml

<configuration>
<!-- 指定运行 mapreduce 的环境是 yarn -->
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>
<!-- MapReduce JobHistory Server IPC host:port -->
<property>
        <name>mapreduce.jobhistory.address</name>
        <value>node03:10020</value>
</property>
<!-- MapReduce JobHistory Server Web UI host:port -->
<property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>node03:19888</value>
</property>
<!-- The directory where MapReduce stores control files. 默认 ${hadoop.tmp.dir}/mapred/system -->
<property>
        <name>mapreduce.jobtracker.system.dir</name>
        <value>/export/servers/hadoop-2.7.5/data/system/jobtracker</value>
</property>
<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->
<property>
        <name>mapreduce.map.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
                <name>mapreduce.map.java.opts</name>
                <value>-Xmx1024m</value>
        </property> -->
<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
<property>
        <name>mapreduce.reduce.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
               <name>mapreduce.reduce.java.opts</name>
               <value>-Xmx2048m</value>
        </property> -->
<!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认状况下，调配给每个合并流 1MB，给个合并流应该寻求最小化。默认值 100-->
<property>
        <name>mapreduce.task.io.sort.mb</name>
        <value>100</value>
</property>
 
<!-- <property>
        <name>mapreduce.jobtracker.handler.count</name>
        <value>25</value>
        </property>-->
<!-- 整顿文件时用于合并的流的数量。这决定了关上的文件句柄的数量。默认值 10-->
<property>
        <name>mapreduce.task.io.sort.factor</name>
        <value>10</value>
</property>
<!-- 默认的并行传输量由 reduce 在 copy(shuffle)阶段。默认值 5 -->
<property>
        <name>mapreduce.reduce.shuffle.parallelcopies</name>
        <value>25</value>
</property>
<property>
        <name>yarn.app.mapreduce.am.command-opts</name>
        <value>-Xmx1024m</value>
</property>
<!-- MR AppMaster 所需的内存总量。默认值 1536-->
<property>
        <name>yarn.app.mapreduce.am.resource.mb</name>
        <value>1536</value>
</property>
<!-- MapReduce 存储两头数据文件的本地目录。目录不存在则被疏忽。默认值 ${hadoop.tmp.dir}/mapred/local-->
<property>
        <name>mapreduce.cluster.local.dir</name>
        <value>/export/servers/hadoop-2.7.5/data/system/local</value>
</property>
</configuration>

批改 slaves

node01
node02
node03

批改 hadoop-env.sh

export JAVA_HOME=/export/servers/jdk1.8.0_141

集群启动过程

将第一台机器的安装包发送到其余机器上
第一台机器执行以下命令

cd /export/servers
scp -r hadoop-2.7.5/ node02:$PWD
scp -r hadoop-2.7.5/ node03:$PWD

三台机器上独特创立目录
三台机器执行以下命令

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

更改 node02 的 rm2
第二台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim  yarn-site.xml

<!-- 在 node3 上配置 rm1, 在 node2 上配置 rm2, 留神：个别都喜爱把配置好的文件近程复制到其它机器上，但这个在 YARN 的另一个机器上肯定要批改，其余机器上不配置此项 
留神咱们当初有两个 resourceManager  第三台是 rm1   第二台是 rm2
这个配置肯定要记得去 node02 下面改好
-->
    <property>       
        <name>yarn.resourcemanager.ha.id</name>
        <value>rm2</value>
       <description>If we want to launch more than one RM in single node, we need this configuration</description>
    </property>

启动 HDFS 过程

node01 机器执行以下命令

cd   /export/servers/hadoop-2.7.5
bin/hdfs zkfc -formatZK
sbin/hadoop-daemons.sh start journalnode
bin/hdfs namenode -format
bin/hdfs namenode -initializeSharedEdits -force
sbin/start-dfs.sh

node02 下面执行

cd   /export/servers/hadoop-2.7.5
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode

启动 yarn 过程

node03 下面执行

cd   /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

node02 上执行

cd   /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

查看 resourceManager 状态

node03 下面执行

cd   /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm1

node02 下面执行

cd   /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm2

node03 启动 jobHistory

node03 机器执行以下命令启动 jobHistory

cd /export/servers/hadoop-2.7.5
sbin/mr-jobhistory-daemon.sh start historyserver

hdfs 状态查看

node01 机器查看 hdfs 状态

http://192.168.52.100:50070/dfshealth.html#tab-overview

node02 机器查看 hdfs 状态

http://192.168.52.110:50070/dfshealth.html#tab-overview

yarn 集群拜访查看

http://node03:8088/cluster

历史工作浏览界面

页面拜访：

http://192.168.52.120:19888/jobhistory