乐趣区

关于hadoop:Hadoop入门之部署篇

jiezi

Hadoop 概述与部署

参考: http://hadoop.apache.org/docs…

1.Hadoop 概述

  • 什么是 Hadoop？

Hadoop 是由 Apache 基金会开发的分布式系统基础架构，用来解决海量数据的存储和剖析计算问题。

  • Hadoop 的劣势

    • 高牢靠：Hadoop 数据存储底层采纳多正本
    • 高扩大：集群部署，能够轻松进行节点的扩大
    • 高效性：Hadoop 并行工作，放慢工作处理速度
    • 高容错：可能主动地将失败的工作重新分配

2.Hadoop 组成

  • 2.x 版本和 3.x 版本组成如下：

    • MapReduce：计算
    • Yarn：资源调度
    • HDFS：数据存储
    • Common：辅助工具

备注：1.x 版本中，没有 Yarn，MapRedcuer 承当计算和资源调度

3. 部署布局

  • 三台虚拟机
IP- 主机名 操作系统 配置 节点
192.168.122.10-Hadoop10 CentOS 7.5 1 核 /4G 内存 /50G 硬盘 NameNode、DataNode、NodeManager
192.168.122.11-Hadoop11 CentOS 7.5 1 核 /4G 内存 /50G 硬盘 ResourceManager、DataNode、NodeManager
192.168.122.12-Hadoop12 CentOS 7.5 1 核 /4G 内存 /50G 硬盘 SecondaryNameNode、DataNode、NodeManager

4. 集群部署

4.1 零碎更新和 ssh 免密配置

  • 更新降级
yum install  -y epel-release
yum update
  • 配置 ssh 免密登录
[v2admin@hadoop10 ~]$ ssh-keygen -t rsa
//... 间断回车即可生成私钥 id_rsa 和 id_rsa.pub
// 我的用户是 v2admin，后续操作都是以这个用户
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop10
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop11
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop12
// hadoop11 hadoop12 执行同样操作
  • 上传 jdk 和 Hadoop 包至三台虚拟机的 /home/v2admin 目录下
// 我本人的用操作系统是 Ubuntu 18.04，间接应用 scp 进行上传。// 如果应用 windows 零碎，能够装置 lrzsz 或者应用 ftp 形式上传至虚拟机
scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz  v2admin@192.168.122.10:/home/v2admin

scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz  v2admin@192.168.122.11:/home/v2admin

scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz  v2admin@192.168.122.12:/home/v2admin

4.2 装置 JDK

[v2admin@hadoop10 ~]$tar zxvf jdk-8u212-linux-x64.tar.gz
[v2admin@hadoop10 ~]$sudo mv jdk1.8.0_212/ /usr/local/jdk8

4.2 装置 Hadoop

[v2admin@hadoop10 ~]$sudo  tar zxvf hadoop-3.1.3.tar.gz -C /opt
[v2admin@hadoop10 ~]$ sudo chown -R v2admin:v2admin /opt/hadoop-3.1.3  // 批改所属用户和组为以后用户

4.3 配置 jdk 和 Hadoop 环境变量

[v2admin@hadoop10 ~]$sudo vim /etc/profile // 最初面增加
......
# set jdk hadoop env
export JAVA_HOME=/usr/local/jdk8
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

export HADOOP_HOME=/opt/hadoop-3.1.3
export PATH=${PATH}:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin
....

[v2admin@hadoop10 ~]$source /etc/profile
[v2admin@hadoop10 ~]$java -version // 验证下 jdk
java version "1.8.0_212"
Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)

[v2admin@hadoop10 ~]$hadoop version // 验证下 hadoop
Hadoop 3.1.3
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
Compiled by ztang on 2019-09-12T02:47Z
Compiled with protoc 2.5.0
From source with checksum ec785077c385118ac91aadde5ec9799
This command was run using /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar

4.4 散发文件的脚本

因为三台虚拟机配置文件是一样的，如果没有这个脚本，则须要一台一台配置，很繁琐
脚本文件名 xrsync.sh
赋予执行权限, 将其放到 bin 目录下, 这样能够像应用其余 shell 命令一样间接调用

#!bin/bash
if [$# -lt 1]
then 
    echo 短少必要的参数
fi

# 遍历集群服务器
for host in hadoop10 hadoop11 hadoop12
do
    for file in $@
    do 
        if [-e $file]
        then
            # 获取父目录
            pdir=$(cd -P $(dirname $file);pwd)
            # 获取以后文件名称
            filename=$(basename $file)
            ssh $host "mkdir -p $pdir"
            rsync -av $(pdir)/$(fname) $host:$pdir
        else
            echo $file not exists!
        fi
    done
done

4.5 集群配置

  • 4.5.1 配置下 Hadoop 的 JAVA_HOME
[v2admin@hadoop10 ~]$ cd /opt/hadoop-3.1.3/etc/hadoop
[v2admin@hadoop10 ~]$ vim hadoop-env.sh
// 批改 JAVA_HOME 内容
export JAVA_HOME=/usr/local/jdk8

[v2admin@hadoop10 ~]$xrsync hadoop-env.sh // 同步更新其余两台主机的配置文件

  • 4.5.2 外围配置

core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
   <!-- NameNode 的地址 -->
    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://hadoop10:9820</value>

    </property>

 <!-- hadoop 数据的存储目录 -->
    <property>

        <name>hadoop.data.dir</name>

        <value>/opt/module/hadoop-3.1.3/data</value>

    </property>

    <property>

        <name>hadoop.proxyuser.v2admin.hosts</name>

        <value>*</value>

    </property>

    <property>

        <name>hadoop.proxyuser.v2admin.groups</name>

        <value>*</value>

    </property>

<!-- 指定用户 -->
<property>

        <name>hadoop.http.staticuser.user</name>

        <value>v2admin</value>

 </property>
</configuration>
  • 4.5.3 HDFS 配置

hdfs-site.xml

<configuration>
 <!--NameNode 数据的存储目录 -->
  <property>

    <name>dfs.namenode.name.dir</name>

    <value>file://${hadoop.data.dir}/name</value>

  </property>

<!--DataNode 数据存储目录 -->
  <property>

    <name>dfs.datanode.data.dir</name>

    <value>file://${hadoop.data.dir}/data</value>

  </property>

<!-- 2n 数据的存储目录 -->
    <property>

    <name>dfs.namenode.checkpoint.dir</name>

    <value>file://${hadoop.data.dir}/namesecondary</value>

  </property>

    <property>

    <name>dfs.client.datanode-restart.timeout</name>

    <value>30</value>

  </property>

<!--nn 的 WEB 拜访地址 -->

    <property>

    <name>dfs.namenode.http-address</name>
    <value>hadoop10:9870</value>

  </property>

</configuration>
  • 4.5.4 Yarn 配置

yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
    <property>

        <name>yarn.nodemanager.aux-services</name>

        <value>mapreduce_shuffle</value>

    </property>

    <property>

        <name>yarn.resourcemanager.hostname</name>

        <value>hadoop11</value>

    </property>

    <property>

        <name>yarn.nodemanager.env-whitelist</name>

        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>

    </property>


    <property>

        <name>yarn.log-aggregation-enable</name>

        <value>true</value>

    </property>

    <property>  

        <name>yarn.log.server.url</name>  

        <value>http://hadoop10:19888/jobhistory/logs</value>  

    </property>

    <property>

        <name>yarn.log-aggregation.retain-seconds</name>

        <value>604800</value>

</property>

</configuration>
  • 4.5.5 MapReduce 配置

mapred-site.xml

<configuration>

  <property>

    <name>mapreduce.framework.name</name>

    <value>yarn</value>

  </property>

<!-- 历史服务器端地址 -->

<property>

    <name>mapreduce.jobhistory.address</name>

    <value>hadoop10:10020</value>

</property>



<!-- 历史服务器 web 端地址 -->

<property>

    <name>mapreduce.jobhistory.webapp.address</name>

    <value>hadoop10:19888</value>

</property>

</configuration>
  • 4.5.6 应用脚本集群上散发配置的好配置文件

4.6 启动集群的脚本

启动集群须要在每台服务器下来执行相干启动操作, 为不便启动集群, 和查看启动信息, 编写一个启动脚本 startMyCluster.sh

#!/bin/bash
if [$# -lt 1]
 then
  echo "Not enough arguments Input !!!"
 exit
fi

case $1 in
# 启动
"start")
    echo "==========start hdfs============="
    ssh hadoop10 /opt/module/hadoop-3.1.3/sbin/start-dfs.sh
    echo "==========start historyServer============"
    ssh hadoop10 /opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver
    echo "==========start yarn============"
    ssh hadoop11 /opt/module/hadoop-3.1.3/sbin/start-yarn.sh

;;
# 敞开
"stop")
        echo "==========stop hdfs============="
        ssh hadoop10 /opt/module/hadoop-3.1.3/sbin/stop-dfs.sh
        echo "==========stop yarn============"
        ssh hadoop11 /opt/module/hadoop-3.1.3/sbin/stop-yarn.sh
    echo "==========stop historyserver===="
    ssh hadoop10 /opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver

;;
# 查看启动信息
"jps")
    for i in hadoop10 hadoop11 hadoop12
    do
        echo "==============$i jps================"
        ssh $i /usr/local/jdk8/bin/jps
    done
;;
*)
 echo "Input Args Error!!!"
;;
esac

同样将其放到 /bin 目录下不便间接调用

4.7 启动集群和查看启动信息

[v2admin@hadoop10 ~]$ startMyCluster.sh start // 启动
==========start hdfs=============
Starting namenodes on [hadoop10]
Starting datanodes
Starting secondary namenodes [hadoop12]
==========start historyServer============
==========start yarn============
Starting resourcemanager
Starting nodemanagers
[v2admin@hadoop10 ~]$ startMyCluster.sh jps // 查看启动信息
==============hadoop10 jps================
1831 NameNode
2504 Jps
2265 JobHistoryServer
1980 DataNode
2382 NodeManager
==============hadoop11 jps================
1635 DataNode
1814 ResourceManager
2297 Jps
1949 NodeManager
==============hadoop12 jps================
1795 NodeManager
1590 DataNode
1927 Jps
1706 SecondaryNameNode

4.8 可能遇到的问题

在装置部署结束, 启动时, 可能会遇到 NoClassDefFoundError: javax/activation/DataSource
我在以前装置时, 没有呈现过, 但之前用的 2.x, 这次打算装置 3.x 版本, 遇到这个问题, 起因是 yarn 的 lib 中短少相干 jar 包
解决办法:

cd /opt/hadoop-3.1.3/share/hadoop/yarn/lib
wget https://repo1.maven.org/maven2/javax/activation/activation/1.1.1/activation-1.1.1.jar
退出移动版