hadoop 订阅
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算 [1]  。 展开全文
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System),简称HDFS。HDFS有高容错性的特点,并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据,适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求,可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储,而MapReduce则为海量的数据提供了计算 [1]  。
信息
核心设计
HDFS和MapReduce
外文名
Hadoop
类    别
电脑程序
中文名
海杜普
学    科
信息科学
全    称
Hadoop Distributed File System
Hadoop起源
Hadoop起源于Apache Nutch项目,始于2002年,是Apache Lucene的子项目之一 [2]  。2004年,Google在“操作系统设计与实现”(Operating System Design and Implementation,OSDI)会议上公开发表了题为MapReduce:Simplified Data Processing on Large Clusters(Mapreduce:简化大规模集群上的数据处理)的论文之后,受到启发的Doug Cutting等人开始尝试实现MapReduce计算框架,并将它与NDFS(Nutch Distributed File System)结合,用以支持Nutch引擎的主要算法 [2]  。由于NDFS和MapReduce在Nutch引擎中有着良好的应用,所以它们于2006年2月被分离出来,成为一套完整而独立的软件,并被命名为Hadoop。到了2008年年初,hadoop已成为Apache的顶级项目,包含众多子项目,被应用到包括Yahoo在内的很多互联网公司 [2]  。
收起全文
精华内容
下载资源
问答
  • Hadoop

    千次阅读 2020-10-09 08:15:01
    Hadoop发展史 Hadoop之父 Doug Cutting 2003-2004年 谷歌发布了三篇论文,Doug Cutting基于这三篇论文进行了实现,构成了hadoop的原型。 ———————— 主要技术软件: ———————— Hadoop三大公司 1、 ...

    Hadoop发展史

    Hadoop之父 Doug Cutting

    2003-2004年 谷歌发布了三篇论文,Doug Cutting基于这三篇论文进行了实现,构成了hadoop的原型。

    ————————

    主要技术软件:

    在这里插入图片描述
    ————————

    Hadoop三大公司

    1、 apache
    2、 hortonWorks
    3、 Cloudera
    4、 星环科技(国内)

    展开全文
  • hadoop

    千次阅读 2015-10-29 16:55:13
    hadoop jar /opt/java/hadoop/hadoop-2.6.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /files/a* /output/workcount hadoop fs -cat hadoop fs -ls hadoop fs -rm hadoop fs -put had
    hadoop jar /opt/java/hadoop/hadoop-2.6.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /files/a*  /output/workcount
    hadoop fs -cat 
    hadoop fs -ls
    hadoop fs -rm
    hadoop fs -put
    hadoop fs -mkdir      
    ERROR namenode.NameNode: java.io.IOException: Cannot create directory /export/home/dfs/name/current
    ERROR namenode.NameNode: java.io.IOException: Cannot remove current directory: /usr/local/hadoop/hdfsconf/name/current

    这个错的是因为我的权限不够,困扰了我几天
    sudo chmod -R a+w hadoop 目录

    展开全文
  • 在大学时学习Hadoop大数据技术的时候,安装配置Hadoop框架,发现找的一些资料介绍得不够详细,比如一些路径的变化没有说清楚,这对于初学者来说是不够友好的,所以在这里做个详细总结介绍一下Hadoop框架,以及Ubuntu...

    学习时,在vmware中使用linux系统的时候,安装配置hadoop框架,查找一些资料,发现有些介绍不够详细(比如一些路径的变化没有说清楚),刚接触linux的话一下子可能会有些混乱,所以在这里详细地总结、演示一下。下面介绍ubuntu版本的hadoop伪分布式的安装配置。

    一、 Hadoop框架的概述

    简介:介绍hadoop相关信息。

    1.1 hadoop的简介

    Hadoop是一个分布式系统基础框架,它的 HDFA 、 MapReduce 、 HBase 分别是Google的GFS、MapReduce、BigTable这三个思想的实现。

    特点:

    1. 高可靠。按位存储和处理数据的能力强,可靠性强。
    2. 高可用。它是在计算机集群间分配数据并完成计算任务的,这些集群可以扩展数以千计的节点。
    3. 高效性。能在节点间动态地移动数据,并保证各个节点的动态平衡,所以处理速度非常快。
    4. 高容错性。能够自动保存数据的多个副本,并且能够将失效的任务重新分配。

    Google公司三篇论文的思想:

    1. GFS的思想:描述了一个分布式文件系统的设计思路。(HDFS是这篇论文思想的实现)
    2. MapReduce的思想:分散任务,汇总结果。(Hadoop的MapReduce与MapReduce论文中的实现思路一样)
    3. BigTable的思想:一个分布式的结构化数据存储系统的设计思路。(HBase是这篇论文思想的实现。HBase是一个分布式、面向列的开源数据库,它是在Hadoop基础上提供类似BigTable的能力。)

    1.2 hadoop版本的变化

    hadoop 2.x 相比, hadoop 3.x 的变化:

    1. jdk的最低依赖从1.7变成1.8。
    2. hadoop-client 这个依赖分为 hadoop-client-api 和 hadoop-client-runtime 两个依赖。
    3. 采用 Timeline Server v2 版本。
    4. HDFS 支持可擦除编码(Erasure Encoding)。
    5. 支持随机 Container 和分布式调度。
    6. MR进行了 Task 级别的本地优化。
    7. 多个端口被改动。
    8. 支持多个 Standby 状态的 NameNode 。
    9. DataNode内部添加了负载均衡。
    10. 支持 微软(Azure) 和 阿里(Aliyun) 的分布式文件系统。

    1.3 hadoop生态圈

    生态圈的常用组件:

    组件 作用
    HDFS 分布式文件系统
    YARN 资源调度框架
    HBase 建立在hadoop文件系统之上的分布式列式数据库
    Hive hadoop上的大数据数据仓库
    MapReduce 分布式并行编程模型
    Pig 查询大型半结构化数据集的分析平台
    Flume 一个高可用、高可靠、分布式的海量日志采集、聚合和传输的系统
    Zookeeper 提供分布式协调一致性服务
    Sqoop 在传统数据库与Hadoop数据存储和处理平台间进行数据传递的工具
    Mahout 提供一些可扩展的机器学习领域经典算法的实现
    Ambari Hadoop快速部署工具,支持 Apache Hadoop 集群的供应、管理和监控

    1.4 三种模式区别

    Hadoop安装模式有三种:单机模式(Standalone Mode)、伪分布式模式(Pseudo-Distributed Mode)、完全分布式模式(Fully-Distributed Mode)。

    1.4.1 单机模式

    单机模式是指Hadoop运行在一台主机上,按默认配置以非分布式模式运行一个java进程。

    特点:

    1. 没有 分布式文件系统,直接在本地操作系统的文件系统进行读 / 写 。
    2. 不需要加载任何Hadoop守护进程。
    3. 一般用户本地MapReduce调试。
    4. Hadoop的默认模式。
    1.4.2 伪分布式模式

    伪分布式模式是指Hadoop运行在一台主机上,使用多个java进程,模仿完全分布式模式的节点。

    特点:

    1. 有完全分布式模式的全部功能
    2. 常用于调试程序。
    3. 只有一个节点。
    1.4.3 完全分布式模式

    完全分布式模式也称做 集群模式

    特点:

    1. 将Hadoop运行在多台主机中,各主机按照相关配置运行相应的Hadoop守护进程。
    2. 真正的分布式环境。
    3. 可用于实际生产环境。

    二、 Hadoop安装前准备

    简介:介绍hadoop安装前需要的准备的设置。

    下面命令可以查看这篇文章:Linux常用命令

    2.1 安装Xshell、Xftp

    可以参考这篇文章:Vmware连接Xshell、Xftp教程

    2.2 安装JDK

    到 Oracle官网 下载 jdk安装包 ,下载到Windows本地目录下
    在这里插入图片描述

    打开 Xshell ,选择 Xftp 按钮

    在这里插入图片描述

    把 安装包上传到Ubuntu系统 根目录 下,直接拖过去

    在这里插入图片描述

    打开 Xshell 窗口 ,输入 ls ~ 命令查看,或者 cd ~ 到根目录再 ls ,查看

    ls ~
    

    在这里插入图片描述

    解压 ( tar zxvf 后面跟压缩包名,看你的压缩包名再输入)

    tar zxvf jdk-8u162-linux-x64.tar.gz
    

    (解压文件太长,就不截图了)

    建立 jdk软连接 ( jdk 后面的版本,根据自己下载的版本而定),最后空格后面是你想定义的名字

    ln -s jdk.1.8.0_162 jdk  
    

    在这里插入图片描述
    搞定,这三个分别是 软连接 、文件夹 、压缩包

    在这里插入图片描述

    设置 jdk环境变量 ,打开文件 (如果没下载Xmanager,就用 vi 替代 gedit 的位置)

    gedit ~/.bashrc   /* gedit 是打开文件命令 */
    

    在文件末加入以下内容 ,配置到你上面 目录所在的路径 ,第一行的 ~,表示当前用户的用户目录(即当前用户的主目录),也可用/home/用户名来代替~注意 等号两侧不要有空格

    所配置的路径,一定要根据自己文件的路径来修改!

    export JAVA_HOME=~/jdk
    export JRE_HOME=${JAVA_HOME}/jre
    export CLASSPATH=$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:.
    export PATH=$JAVA_HOME/bin:$PATH
    

    在这里插入图片描述

    使变量生效

    source ~/.bashrc
    

    检验JDK是否安装成功 (如果不是,则是路径配置错了,检查一下路径重新配置)

    java -version
    

    在这里插入图片描述

    2.3 SSH安装

    确实 openssh-clientopenssh-server 是否安装

    dpkg -l | grep openssh
    

    如果没有安装,输入以下命令安装

    sudo apt-get install openssh-client
    
    sudo apt-get install openssh-server
    

    安装完后重启 ssh服务

    sudo /etc/init.d/ssh restart
    

    再检查是否安装完成
    在这里插入图片描述

    2.4 下载解压Hadoop

    Apache官网 下载Hadoop安装包,按上面 2.2 的操作,上传Hadoop安装包

    在这里插入图片描述

    解压压缩包 ( hadoop- 根据自己版本号修改)

    tar -zxvf hadoop-2.7.7.tar.gz
    

    创建软链接,便于使用( hadoop- 后面为你下载的版本号 )

    ln -s hadoop-2.7.7 hadoop
    

    设置环境变量

    gedit ~/.bashrc
    

    在末尾添加 (注意事项同上面 2.2

    export HADOOP_HOME=~/hadoop
    export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    

    在这里插入图片描述

    使设置生效

    source  ~/.bashrc
    

    检验Hadoop环境变量是否设置正确,输入以下两个命令

    whereis hdfs
    
    whereis start-all.sh
    

    在这里插入图片描述
    如果能显示 hdfsstart-all.sh 的路径,则表示设置正确。

    三、 Hadoop安装的过程

    简介:介绍hadoop安装的操作流程。

    文件名 属性名 属性值 含义
    hadoop-env.sh JAVA_HOME /home/<用户名>/jdk JAVA_HOME
    .bashrc HADOOP_HOME ~/hadoop HADOOP_HOME
    core-site.xml fs.defaultFS
    ---------------------------------------------hadoop.tmp.dir
    hdfs://<ip地址或主机名>:8020
    ------------------------------------------ /home/<用户名>/hadoop/tmp
    配置NameNode地址,8020是RPC通信端口
    ------------------------------------------------------------------------------------HDFS数据保存的目录(默认是Linux的/tmp目录)
    hdfs-site.xml dfs.replication 1 副本数
    mapred-site.xml mapreduce.framework.name yarn 配置为yarn表示的是集群模式;配置为local表示的是本地模式
    yarn-site.xml yarn.resourcemanager.hostname
    ------------------------------------------yarn.nodemanager.aux-services
    <ip地址或主机名>
    ------------------------------------------mapreduce_shuffle
    ResourceManager的IP地址或主机名
    -----------------------------------------------------------------------------------NodeManager上运行的附属服务

    3.1 配置主机名

    为了安装方便和便于记忆,给主机修改一个名字(已经修改为 node1 ,默认不是这个,你也可以修改别的名字)。

    查看操作系统的主机名

    hostname
    

    在这里插入图片描述

    root权限方法:

    1. 在命令前加上 sudo ,执行后输入root密码。
    2. 先输入 su root ,再打 root密码 ,登录后再输入命令。

    root权限 打开 /etc/hostname 文件

    gedit /etc/hostname
    

    在这里插入图片描述

    将原来的内容删掉,添加你起的主机名

    node1    //输入主机名
    

    在这里插入图片描述
    重启系统,使修改生效

    sudo reboot
    

    查看 ip 地址

    ifconfig   
    

    如下图,记下 ip 地址
    在这里插入图片描述

    推荐设置为静态ip,免去后续网络变化后的麻烦,可以参考下面这两篇文章:

    Ubuntu静态ip设置

    Vmware相关设置,静态ip设置教程

    修改 /etc/hosts 文件

    gedit /etc/hosts
    

    在文件末尾,加上 ip地址 和上面设置的 主机名

    在这里插入图片描述

    3.2 免密登录设置

    3.2.1 免密登录介绍

    伪分布式只有一个节点,所有本机是服务端,也是客户端。

    设置介绍:

    1. 如果需要 本机登录别的主机 ,把本机当做客户端,则安装 SSH客户端 软件(openssh-client) 。
    2. 如果让别的主机(包括本机自己)登录本机,也就是说把本机当做服务端,则安装 SSH服务端 (openssh-server)。

    默认是没有安装SSH服务端的,客户端和服务端都要安装好,才能进行免密登录设置。安装参考上面 2.3 的操作。

    思路分析:

    1. 在本机创建密匙对(公钥和私钥),将公钥发给集群内的所有主机去认证,让普通用户不需要输入密码就登录集群主机。
    3.2.2 免密登录操作

    输入命令生成密匙对,输入后连续敲击 三次回车rsa 表示加密算法,系统会自动在 ~/.ssh 目录下生成公钥( id_rsa.pub )和私钥 ( id_rsa )

    ssh-keygen -t rsa
    

    在这里插入图片描述
    查看 ~/.ssh 目录

    ls ~/.ssh
    

    在这里插入图片描述
    追加公钥,以 本机连接本机 为例,将公钥追加到 ~/.ssh/authorized_keys 文件中

    ssh-copy-id -i ~/.ssh/id_rsa.pub node1  //node1是本机名,根据自己的本机名修改,上面设置成什么就修改成什么
    

    在这里插入图片描述
    输入命令查看认证文件 authorized_keys 是否生成

    ls ~/.ssh
    

    在这里插入图片描述

    cd~/.ssh 目录,再输入命令登录,注意路径的变化,下面免密登录前的路径是 ~/.ssh ,登录后的路径是 ~

    ssh node1    //node1为主机名,根据自己的修改
    

    在这里插入图片描述

    输入命令退出登录,路径变为了登陆前的路径

    exit
    

    在这里插入图片描述

    3.3 设置Hadoop配置文件

    安装伪分布式模式,要修改这五个文件设置 hadoop-env.shcore-site.xmlhdfs-site.xmlmapred-site.xml (该文件是复制 mapred-site.xml.template ,再生成的,一开始是没有的), yarn-site.xml

    找到你这几个文件的路径(如果上面操作换到别的路径,那么要找到自己这几个文件的路径打开)

    在这里插入图片描述
    接着,开始配置,先修改 hadoop-env.sh 文件

    gedit hadoop-env.sh
    

    修改等号 =/jdk 之间的路径(上面你设置的路径,如果是按这篇教程操作,写上图片的就可以了)
    在这里插入图片描述
    如果不知道在哪,可以打开 Xftp 找,界面操作还是比较熟悉的。

    在这里插入图片描述

    接着修改 core-site.xml 文件,输入命令

    gedit core-site.xml
    

    接着添加以下内容(解释信息不用加上)

    <!--配置NameNode地址,node1的位置为你的主机名或者写你的主机地址;port如果不设置,则使用默认端口8020。-->
    <property>
       <name>fs.defaultFS</name>
       <value>hdfs://node1:8020</value>
    </property>	
    
    <!--下图画出来的 lye ,为你的用户名(就是输入命令时,在主机名前面的那个名字)。HDFS数据保存在Linux的哪个目录,默认值是Linux的tmp目录-->
    <property>
       <name>hadoop.tmp.dir</name>
       <value>/home/lye/hadoop/tmp</value>
    </property>	
    

    在这里插入图片描述

    注意: 一定要设置 hadoop.tmp.dir ,否则默认的 tmp 目录在 /tmp 下面,重启Ubuntu系统就会导致 tmp 目录下的 dfs/name 文件夹被删除,造成 NameNode 丢失。

    再修改 hdfs-site.xml ,输入

    gedit hdfs-site.xml
    

    添加以下内容, dfs.replication 的默认值是3,伪分布式只有一个节点,所有设置为1。

    <property>
      <name>dfs.replication</name>
      <value>1</value>
    </property>
    

    在这里插入图片描述

    接着设置 mapred-site.xml 文件

    先复制 mapred-site.xml.template ,生成 mapred-site.xml

    cp mapred-site.xml.template mapred-site.xml
    

    在这里插入图片描述

    打开文件, mapreduce.framework.name 的默认值是 local ,设置成 yarn ,让 MapReduce 程序在 YARN框架 上运行。

    gedit mapred-site.xml
    
    <property>
       <name>mapreduce.framework.name</name>
       <value>yarn</value>
    </property>	
    

    在这里插入图片描述

    最后再设置 yarn-site.xml

    gedit yarn-site.xml
    

    再添加以下内容, node1 这个位置为主机名,根据自己的修改

    <property>
       <name>yarn.resourcemanager.hostname</name>
       <value>node1</value>
    </property>	
    
    <property>
       <name>yarn.nodemanager.aux-services</name>
       <value>mapreduce_shuffle</value>
    </property>	
    

    在这里插入图片描述

    Hadoop可以配置的属性还有很多,没有配置的就用默认,默认属性配置存放在 hdfs-default.xmlcore-default.xmlmapred-default.xmlyarn-default.xml 文件中。

    3.4 格式化

    格式化过程创建初始目录文件系统结构 的过程。

    输入命令

    hdfs namenode -format
    

    注意: 格式化只能进行一次 ,下次启动不需要再格式化了,再格式化会丢失 DataNode 进程。

    3.5 启动、验证Hadoop进程

    启动 HDFS

    start-dfs.sh
    

    再用 jps 验证

    jps
    

    如果有 NameNode (HDFS的主服务器)、 DataNode (负责管理各个存储节点 )、 SecondaryNameNode (资源管理器),则表示正确启动。

    在这里插入图片描述
    再启动 YARN

    start-yarn.sh
    

    输入 jps 检验

    jps
    

    如果多了 NodeManager(执行实际工作) 、 ResourceManager(负责调度DataManager上的资源) ,则表示正确启动。
    在这里插入图片描述
    以上 两句启动命令 ,合并下面这一句,平时启动时一句就可以了,提高效率

    start-all.sh
    

    如果启动没问题的话,忽略下面直接看到 3.6

    另外,如果启动时缺少某个进程,则到 log 目录下查看原因(这个路径根据自己的路径而定,就是把Hadoop解压出来生成的文件夹,或者该文件夹的软连接),打开找到含有 WARN 、Error 、Exception 等关键词,再去找资料想办法解决。

    找到目录
    在这里插入图片描述
    比如DataNode出现问题:

    进入目录后
    在这里插入图片描述

    通过下面这句命令查看错误信息

    cat hadoop-root-datanode-node1.log
    

    也可以用 ( gedit 这个命令要下载 Xmanager ,推荐下载,因为下载后操作比较友好)

    gedit hadoop-root-datanode-node1.log 
    

    jps后没有DataNode的解决方法:

    先关掉Hadoop进程

    stop-all.sh
    

    再输入以下两句命令

    rm -rf ./hadoop/tmp
    
    rm -rf ./hadoop/logs/*
    

    就可以解决了。

    3.6 通过Web访问Hadoop

    3.6.1 HDFS web界面

    查看 NameNodeDataNode 的信息 ,通过Web查看 50070 端口界面。
    Windows浏览器 的网址栏中,输入格式如下(别漏了冒号 : )

    ip地址:50070
    

    在这里插入图片描述
    按回车确定

    在这里插入图片描述

    查看 SecondaryNameNode 的信息 ,通过Web查看 50090 端口界面。

    输入下面格式命令

    ip地址:50090
    

    在这里插入图片描述

    按回车确定

    在这里插入图片描述

    3.6.2 YARN web界面

    查看 集群所有应用程序 的信息 ,通过Web查看 8088 端口界面。

    输入命令

    ip地址:8088
    

    在这里插入图片描述

    敲击回车确定

    在这里插入图片描述

    3.7 测试Hadoop

    通过 MapReduce 程序测试 Hadoop 。

    在根目录创建文本文件 data.txt (可以起别的名字,里面的内容也可以输入其他的,如果修改别的话,下面操作也跟着修改就可以了)

    gedit data.txt
    

    打开后输入

    Hello world
    Hello hadoop
    Hello friend
    

    在这里插入图片描述
    用 ls 命令查看根目录

    在这里插入图片描述

    在 HDFS 创建 input 文件夹

    hdfs dfs -mkdir /input
    

    将 data.txt 上传到 HDFS

    hdfs dfs -put data.txt /input
    

    查看是否上传成功

    hdfs dfs -ls /input
    

    在这里插入图片描述

    运行 MapReduce WordCount 例子

    cd ~/hadoop/share/hadoop/mapreduce
    

    下面这句命令的 2.7.7 根据自己的修改, data.txt 也要根据自己的修改(如果上面创建时是输入别的名字,也根据自己的修改)

    hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount /input/data.txt  /output
    

    查看结果

    hdfs dfs -cat /output/part-r-00000
    

    输入了3个Hello,其他各一个
    在这里插入图片描述

    检验成功。

    3.8 停止Hadoop进程

    关闭 Hadoop进程 ,可以用下面这两句

    stop-dfs.sh
    
    stop-yarn.sh
    

    也可以用这一句停止所有进程,效率高

    stop-all.sh
    

    查看是否关闭所有Hadoop进程

    jps
    

    在这里插入图片描述
    至此,伪分布式模式搭建完成。


    如果文章对你有帮助,请点个赞,留给评论支持一下😊,若有疑问可以私信留言😉。如果能给个三连(点赞、收藏、关注 )就最好啦😁。

    展开全文
  • 史上最详细的Hadoop环境搭建

    万次阅读 多人点赞 2017-10-10 15:23:59
    GitChat 作者:鸣宇淳 原文: 史上最详细的Hadoop环境搭建 关注公众号:GitChat 技术杂谈,一本正经的讲技术 【不要错过文末活动哦】前言Hadoop在大数据技术体系中的地位至关重要,Hadoop是大数据技术的基础,对...

    GitChat 作者:鸣宇淳 
    原文: 史上最详细的Hadoop环境搭建 
    关注公众号:GitChat 技术杂谈,一本正经的讲技术 
    【不要错过文末活动哦】

    前言

    Hadoop在大数据技术体系中的地位至关重要,Hadoop是大数据技术的基础,对Hadoop基础知识的掌握的扎实程度,会决定在大数据技术道路上走多远。

    这是一篇入门文章,Hadoop的学习方法很多,网上也有很多学习路线图。本文的思路是:以安装部署Apache Hadoop2.x版本为主线,来介绍Hadoop2.x的架构组成、各模块协同工作原理、技术细节。安装不是目的,通过安装认识Hadoop才是目的。

    本文分为五个部分、十三节、四十九步。

    第一部分:Linux环境安装

    Hadoop是运行在Linux,虽然借助工具也可以运行在Windows上,但是建议还是运行在Linux系统上,第一部分介绍Linux环境的安装、配置、Java JDK安装等。

    第二部分:Hadoop本地模式安装

    Hadoop本地模式只是用于本地开发调试,或者快速安装体验Hadoop,这部分做简单的介绍。

    第三部分:Hadoop伪分布式模式安装

    学习Hadoop一般是在伪分布式模式下进行。这种模式是在一台机器上各个进程上运行Hadoop的各个模块,伪分布式的意思是虽然各个模块是在各个进程上分开运行的,但是只是运行在一个操作系统上的,并不是真正的分布式。

    第四部分:完全分布式安装

    完全分布式模式才是生产环境采用的模式,Hadoop运行在服务器集群上,生产环境一般都会做HA,以实现高可用。

    第五部分:Hadoop HA安装

    HA是指高可用,为了解决Hadoop单点故障问题,生产环境一般都做HA部署。这部分介绍了如何配置Hadoop2.x的高可用,并简单介绍了HA的工作原理。 
    安装过程中,会穿插简单介绍涉及到的知识。希望能对大家有所帮助。 

    第一部分:Linux环境安装

    第一步、配置Vmware NAT网络

    一、Vmware网络模式介绍

    参考:http://blog.csdn.net/collection4u/article/details/14127671

    二、NAT模式配置

    NAT是网络地址转换,是在宿主机和虚拟机之间增加一个地址转换服务,负责外部和虚拟机之间的通讯转接和IP转换。

    我们部署Hadoop集群,这里选择NAT模式,各个虚拟机通过NAT使用宿主机的IP来访问外网。

    我们的要求是集群中的各个虚拟机有固定的IP、可以访问外网,所以进行如下设置:

    1、 Vmware安装后,默认的NAT设置如下:

    enter image description here

    2、 默认的设置是启动DHCP服务的,NAT会自动给虚拟机分配IP,但是我们需要将各个机器的IP固定下来,所以要取消这个默认设置。

    3、 为机器设置一个子网网段,默认是192.168.136网段,我们这里设置为100网段,将来各个虚拟机Ip就为 192.168.100.*。

    4、 点击NAT设置按钮,打开对话框,可以修改网关地址和DNS地址。这里我们为NAT指定DNS地址。

    enter image description here

    5、 网关地址为当前网段里的.2地址,好像是固定的,我们不做修改,先记住网关地址就好了,后面会用到。

    第二步、安装Linux操作系统

    三、Vmware上安装Linux系统

    1、 文件菜单选择新建虚拟机

    2、 选择经典类型安装,下一步。

    3、 选择稍后安装操作系统,下一步。

    4、 选择Linux系统,版本选择CentOS 64位。

    enter image description here

    5、 命名虚拟机,给虚拟机起个名字,将来显示在Vmware左侧。并选择Linux系统保存在宿主机的哪个目录下,应该一个虚拟机保存在一个目录下,不能多个虚拟机使用一个目录。

    enter image description here

    6、 指定磁盘容量,是指定分给Linux虚拟机多大的硬盘,默认20G就可以,下一步。

    7、 点击自定义硬件,可以查看、修改虚拟机的硬件配置,这里我们不做修改。

    8、 点击完成后,就创建了一个虚拟机,但是此时的虚拟机还是一个空壳,没有操作系统,接下来安装操作系统。

    9、 点击编辑虚拟机设置,找到DVD,指定操作系统ISO文件所在位置。

    enter image description here

    10、 点击开启此虚拟机,选择第一个回车开始安装操作系统。

    enter image description here

    11、 设置root密码。

    enter image description here

    12、 选择Desktop,这样就会装一个Xwindow。

    enter image description here

    13、 先不添加普通用户,其他用默认的,就把Linux安装完毕了。

    四、设置网络

    因为Vmware的NAT设置中关闭了DHCP自动分配IP功能,所以Linux还没有IP,需要我们设置网络各个参数。

    1、 用root进入Xwindow,右击右上角的网络连接图标,选择修改连接。

    enter image description here

    2、 网络连接里列出了当前Linux里所有的网卡,这里只有一个网卡System eth0,点击编辑。

    enter image description here

    3、 配置IP、子网掩码、网关(和NAT设置的一样)、DNS等参数,因为NAT里设置网段为100.*,所以这台机器可以设置为192.168.100.10网关和NAT一致,为192.168.100.2

    enter image description here

    4、 用ping来检查是否可以连接外网,如下图,已经连接成功。

    enter image description here

    五、修改Hostname

    1、 临时修改hostname

    [root@localhost Desktop]# hostname bigdata-senior01.chybinmy.com
    • 1

    这种修改方式,系统重启后就会失效。

    2、 永久修改hostname

    想永久修改,应该修改配置文件 /etc/sysconfig/network。

    命令:[root@bigdata-senior01 ~] vim /etc/sysconfig/network
    • 1

    打开文件后,

    NETWORKING=yes  #使用网络
    HOSTNAME=bigdata-senior01.chybinmy.com  #设置主机名
    • 1
    • 2

    六、配置Host

    命令:[root@bigdata-senior01 ~] vim /etc/hosts
    添加hosts: 192.168.100.10 bigdata-senior01.chybinmy.com
    • 1
    • 2

    七、关闭防火墙

    学习环境可以直接把防火墙关闭掉。

    (1) 用root用户登录后,执行查看防火墙状态。

    [root@bigdata-senior01 hadoop]# service iptables status
    • 1

    (2) 用[root@bigdata-senior01 hadoop]# service iptables stop关闭防火墙,这个是临时关闭防火墙。

    [root@bigdata-senior01 hadoop-2.5.0]# service iptables stop
    iptables: Setting chains to policy ACCEPT: filter          [  OK  ]
    iptables: Flushing firewall rules:                         [  OK  ]
    iptables: Unloading modules:                               [  OK  ]
    • 1
    • 2
    • 3
    • 4

    (3) 如果要永久关闭防火墙用。

    [root@bigdata-senior01 hadoop]# chkconfig iptables off
    • 1

    关闭,这种需要重启才能生效。

    八、关闭selinux

    selinux是Linux一个子安全机制,学习环境可以将它禁用。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim /etc/sysconfig/selinux
    • 1
    # This file controls the state of SELinux on the system.
    # SELINUX= can take one of these three values:
    #     enforcing - SELinux security policy is enforced.
    #     permissive - SELinux prints warnings instead of enforcing.
    #     disabled - No SELinux policy is loaded.
    SELINUX=disabled
    # SELINUXTYPE= can take one of these two values:
    #     targeted - Targeted processes are protected,
    #     mls - Multi Level Security protection.
    SELINUXTYPE=targeted
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    enter image description here

    第三步、安装JDK

    九、安装Java JDK

    1、 查看是否已经安装了java JDK。

    [root@bigdata-senior01 Desktop]# java –version
    • 1

    注意:Hadoop机器上的JDK,最好是Oracle的Java JDK,不然会有一些问题,比如可能没有JPS命令。 
    如果安装了其他版本的JDK,卸载掉。

    2、 安装java JDK

    (1) 去下载Oracle版本Java JDK:jdk-7u67-linux-x64.tar.gz

    (2) 将jdk-7u67-linux-x64.tar.gz解压到/opt/modules目录下

    [root@bigdata-senior01 /]# tar -zxvf jdk-7u67-linux-x64.tar.gz -C /opt/modules
    • 1

    (3) 添加环境变量

    设置JDK的环境变量 JAVA_HOME。需要修改配置文件/etc/profile,追加

    export JAVA_HOME="/opt/modules/jdk1.7.0_67"
    export PATH=$JAVA_HOME/bin:$PATH
    • 1
    • 2

    修改完毕后,执行 source /etc/profile

    (4)安装后再次执行 java –version,可以看见已经安装完成。

    [root@bigdata-senior01 /]# java -version
    java version "1.7.0_67"
    Java(TM) SE Runtime Environment (build 1.7.0_67-b01)
    Java HotSpot(TM) 64-Bit Server VM (build 24.65-b04, mixed mode)
    • 1
    • 2
    • 3
    • 4

    第二部分:Hadoop本地模式安装

    第四步、Hadoop部署模式

    Hadoop部署模式有:本地模式、伪分布模式、完全分布式模式、HA完全分布式模式。

    区分的依据是NameNode、DataNode、ResourceManager、NodeManager等模块运行在几个JVM进程、几个机器。

    模式名称各个模块占用的JVM进程数各个模块运行在几个机器数上
    本地模式1个1个
    伪分布式模式N个1个
    完全分布式模式N个N个
    HA完全分布式N个N个

    第五步、本地模式部署

    十、本地模式介绍

    本地模式是最简单的模式,所有模块都运行与一个JVM进程中,使用的本地文件系统,而不是HDFS,本地模式主要是用于本地开发过程中的运行调试用。下载hadoop安装包后不用任何设置,默认的就是本地模式。

    十一、解压hadoop后就是直接可以使用

    1、 创建一个存放本地模式hadoop的目录

    [hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopstandalone
    • 1

    2、 解压hadoop文件

    [hadoop@bigdata-senior01 modules]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz  -C /opt/modules/hadoopstandalone/
    • 1

    3、 确保JAVA_HOME环境变量已经配置好

    [hadoop@bigdata-senior01 modules]$ echo ${JAVA_HOME}
    /opt/modules/jdk1.7.0_67
    • 1
    • 2

    十二、运行MapReduce程序,验证

    我们这里用hadoop自带的wordcount例子来在本地模式下测试跑mapreduce。

    1、 准备mapreduce输入文件wc.input

    [hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.input
    hadoop mapreduce hive
    hbase spark storm
    sqoop hadoop hive
    spark hadoop
    • 1
    • 2
    • 3
    • 4
    • 5

    2、 运行hadoop自带的mapreduce Demo

    [hadoop@bigdata-senior01 hadoopstandalone]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /opt/data/wc.input output2
    • 1

    enter image description here

    这里可以看到job ID中有local字样,说明是运行在本地模式下的。

    3、 查看输出文件

    本地模式下,mapreduce的输出是输出到本地。

    [hadoop@bigdata-senior01 hadoopstandalone]$ ll output2
    total 4
    -rw-r--r-- 1 hadoop hadoop 60 Jul  7 12:50 part-r-00000
    -rw-r--r-- 1 hadoop hadoop  0 Jul  7 12:50 _SUCCESS
    • 1
    • 2
    • 3
    • 4

    输出目录中有_SUCCESS文件说明JOB运行成功,part-r-00000是输出结果文件。 

    第三部分:Hadoop伪分布式模式安装

    第六步、伪分布式Hadoop部署过程

    十三、Hadoop所用的用户设置

    1、 创建一个名字为hadoop的普通用户

    [root@bigdata-senior01 ~]# useradd hadoop
    [root@bigdata-senior01 ~]# passwd hadoop
    • 1
    • 2

    2、 给hadoop用户sudo权限

    [root@bigdata-senior01 ~]# vim /etc/sudoers
    • 1

    设置权限,学习环境可以将hadoop用户的权限设置的大一些,但是生产环境一定要注意普通用户的权限限制。

    root    ALL=(ALL)       ALL
    hadoop ALL=(root) NOPASSWD:ALL
    • 1
    • 2

    注意:如果root用户无权修改sudoers文件,先手动为root用户添加写权限。

    [root@bigdata-senior01 ~]# chmod u+w /etc/sudoers
    • 1

    3、 切换到hadoop用户

    [root@bigdata-senior01 ~]# su - hadoop
    [hadoop@bigdata-senior01 ~]$
    • 1
    • 2

    4、 创建存放hadoop文件的目录

    [hadoop@bigdata-senior01 ~]$ sudo mkdir /opt/modules
    • 1

    5、 将hadoop文件夹的所有者指定为hadoop用户

    如果存放hadoop的目录的所有者不是hadoop,之后hadoop运行中可能会有权限问题,那么就讲所有者改为hadoop。

    [hadoop@bigdata-senior01 ~]# sudo chown -R hadoop:hadoop /opt/modules
    • 1

    十四、解压Hadoop目录文件

    1、 复制hadoop-2.5.0.tar.gz到/opt/modules目录下。

    2、 解压hadoop-2.5.0.tar.gz

    [hadoop@bigdata-senior01 ~]# cd /opt/modules
    [hadoop@bigdata-senior01 hadoop]# tar -zxvf hadoop-2.5.0.tar.gz
    • 1
    • 2

    十五、配置Hadoop

    1、 配置Hadoop环境变量

    [hadoop@bigdata-senior01 hadoop]# vim /etc/profile
    • 1

    追加配置:

    export HADOOP_HOME="/opt/modules/hadoop-2.5.0"
    export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    • 1
    • 2

    执行:source /etc/profile 使得配置生效

    验证HADOOP_HOME参数:

    [hadoop@bigdata-senior01 /]$ echo $HADOOP_HOME
    /opt/modules/hadoop-2.5.0
    • 1
    • 2

    2、 配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh文件的JAVA_HOME参数

    [hadoop@bigdata-senior01 ~]$ sudo vim  ${HADOOP_HOME}/etc/hadoop/hadoop-env.sh
    • 1
    修改JAVA_HOME参数为:
    export JAVA_HOME="/opt/modules/jdk1.7.0_67"
    • 1
    • 2

    3、 配置core-site.xml

    enter image description here

    [hadoop@bigdata-senior01 ~]sudovim{HADOOP_HOME}/etc/hadoop/core-site.xml

    (1) fs.defaultFS参数配置的是HDFS的地址。

    <property>
    <name>fs.defaultFS</name>
    <value>hdfs://bigdata-senior01.chybinmy.com:8020</value>
    </property>
    • 1
    • 2
    • 3
    • 4

    (2) hadoop.tmp.dir配置的是Hadoop临时目录,比如HDFS的NameNode数据默认都存放这个目录下,查看*-default.xml等默认配置文件,就可以看到很多依赖${hadoop.tmp.dir}的配置。

    默认的hadoop.tmp.dir/tmp/hadoop-${user.name},此时有个问题就是NameNode会将HDFS的元数据存储在这个/tmp目录下,如果操作系统重启了,系统会清空/tmp目录下的东西,导致NameNode元数据丢失,是个非常严重的问题,所有我们应该修改这个路径。

    • 创建临时目录:
        [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo mkdir -p /opt/data/tmp
    • 1
    • 将临时目录的所有者修改为hadoop
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown –R hadoop:hadoop /opt/data/tmp
    • 1
    • 修改hadoop.tmp.dir
     <property>
       <name>hadoop.tmp.dir</name>
        <value>/opt/data/tmp</value>
      </property>
    • 1
    • 2
    • 3
    • 4

    十六、配置、格式化、启动HDFS

    1、 配置hdfs-site.xml

    enter image description here

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim ${HADOOP_HOME}/etc/hadoop/hdfs-site.xml
    • 1
        <property>
           <name>dfs.replication</name>
           <value>1</value>
        </property>
    • 1
    • 2
    • 3
    • 4

    dfs.replication配置的是HDFS存储时的备份数量,因为这里是伪分布式环境只有一个节点,所以这里设置为1。

    2、 格式化HDFS

    enter image description here

    [hadoop@bigdata-senior01 ~]$ hdfs namenode –format
    • 1

    格式化是对HDFS这个分布式文件系统中的DataNode进行分块,统计所有分块后的初始元数据的存储在NameNode中。

    格式化后,查看core-site.xml里hadoop.tmp.dir(本例是/opt/data目录)指定的目录下是否有了dfs目录,如果有,说明格式化成功。

    注意:

    1. 格式化时,这里注意hadoop.tmp.dir目录的权限问题,应该hadoop普通用户有读写权限才行,可以将/opt/data的所有者改为hadoop。 
      [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown -R hadoop:hadoop /opt/data

    2. 查看NameNode格式化后的目录。

       [hadoop@bigdata-senior01 ~]$ ll /opt/data/tmp/dfs/name/current
    • 1

    enter image description here

    fsimage是NameNode元数据在内存满了后,持久化保存到的文件。

    fsimage*.md5 是校验文件,用于校验fsimage的完整性。

    seen_txid 是hadoop的版本

    vession文件里保存:

    • namespaceID:NameNode的唯一ID。

    • clusterID:集群ID,NameNode和DataNode的集群ID应该一致,表明是一个集群。

    #Mon Jul 04 17:25:50 CST 2016
    namespaceID=2101579007
    clusterID=CID-205277e6-493b-4601-8e33-c09d1d23ece4
    cTime=0
    storageType=NAME_NODE
    blockpoolID=BP-1641019026-127.0.0.1-1467624350057
    layoutVersion=-57
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    3、 启动NameNode

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start namenode
    starting namenode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-namenode-bigdata-senior01.chybinmy.com.out
    • 1
    • 2

    enter image description here

    4、 启动DataNode

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start datanode
    starting datanode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-datanode-bigdata-senior01.chybinmy.com.out
    • 1
    • 2

    enter image description here

    5、 启动SecondaryNameNode

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start secondarynamenode
    starting secondarynamenode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-secondarynamenode-bigdata-senior01.chybinmy.com.out
    • 1
    • 2

    enter image description here

    6、 JPS命令查看是否已经启动成功,有结果就是启动成功了。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ jps
    3034 NameNode
    3233 Jps
    3193 SecondaryNameNode
    3110 DataNode
    • 1
    • 2
    • 3
    • 4
    • 5

    enter image description here

    7、 HDFS上测试创建目录、上传、下载文件

    HDFS上创建目录

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -mkdir /demo1
    • 1

    上传本地文件到HDFS上

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -put 
    ${HADOOP_HOME}/etc/hadoop/core-site.xml /demo1
    • 1
    • 2

    读取HDFS上的文件内容

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -cat /demo1/core-site.xml
    • 1

    enter image description here

    从HDFS上下载文件到本地

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -get /demo1/core-site.xml
    • 1

    enter image description here

    十七、配置、启动YARN

    1、 配置mapred-site.xml

    默认没有mapred-site.xml文件,但是有个mapred-site.xml.template配置模板文件。复制模板生成mapred-site.xml。

    [hadoop@bigdata-senior01 hadoop-2.5.0]# cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
    • 1

    添加配置如下:

    <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
    </property>
    • 1
    • 2
    • 3
    • 4

    指定mapreduce运行在yarn框架上。

    enter image description here

    2、 配置yarn-site.xml

    添加配置如下:

    <property>
      <name>yarn.nodemanager.aux-services</name>
      <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>bigdata-senior01.chybinmy.com</value>
     </property>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • yarn.nodemanager.aux-services配置了yarn的默认混洗方式,选择为mapreduce的默认混洗算法。

    • yarn.resourcemanager.hostname指定了Resourcemanager运行在哪个节点上。

      enter image description here

    3、 启动Resourcemanager

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/yarn-daemon.sh start resourcemanager
    • 1

    enter image description here

    4、 启动nodemanager

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/yarn-daemon.sh start nodemanager
    • 1

    enter image description here

    5、 查看是否启动成功

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ jps
    3034 NameNode
    4439 NodeManager
    4197 ResourceManager
    4543 Jps
    3193 SecondaryNameNode
    3110 DataNode
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7

    可以看到ResourceManager、NodeManager已经启动成功了。

    enter image description here

    6、 YARN的Web页面

    YARN的Web客户端端口号是8088,通过http://192.168.100.10:8088/可以查看。

    enter image description here

    十八、运行MapReduce Job

    在Hadoop的share目录里,自带了一些jar包,里面带有一些mapreduce实例小例子,位置在share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar,可以运行这些例子体验刚搭建好的Hadoop平台,我们这里来运行最经典的WordCount实例。

    1、 创建测试用的Input文件

    创建输入目录:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -mkdir -p /wordcountdemo/input
    • 1

    创建原始文件:

    在本地/opt/data目录创建一个文件wc.input,内容如下。

    enter image description here

    将wc.input文件上传到HDFS的/wordcountdemo/input目录中:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put /opt/data/wc.input /wordcountdemo/input
    • 1

    enter image description here

    2、 运行WordCount MapReduce Job

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-
    2.5.0.jar wordcount /wordcountdemo/input /wordcountdemo/output
    • 1
    • 2

    enter image description here

    3、 查看输出结果目录

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -ls /wordcountdemo/output
    -rw-r--r--   1 hadoop supergroup          0 2016-07-05 05:12 /wordcountdemo/output/_SUCCESS
    -rw-r--r--   1 hadoop supergroup         60 2016-07-05 05:12 /wordcountdemo/output/part-r-00000
    • 1
    • 2
    • 3

    enter image description here

    • output目录中有两个文件,_SUCCESS文件是空文件,有这个文件说明Job执行成功。

    • part-r-00000文件是结果文件,其中-r-说明这个文件是Reduce阶段产生的结果,mapreduce程序执行时,可以没有reduce阶段,但是肯定会有map阶段,如果没有reduce阶段这个地方有是-m-。

    • 一个reduce会产生一个part-r-开头的文件。

    • 查看输出文件内容。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -cat /wordcountdemo/output/part-r-00000
    hadoop  3
    hbase   1
    hive    2
    mapreduce       1
    spark   2
    sqoop   1
    storm   1
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    结果是按照键值排好序的。

    十九、停止Hadoop

     [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop namenode
    stopping namenode
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop datanode
    stopping datanode
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/yarn-daemon.sh stop resourcemanager
    stopping resourcemanager
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/yarn-daemon.sh stop nodemanager
    stopping nodemanager
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    enter image description here

    二十、 Hadoop各个功能模块的理解

    1、 HDFS模块

    HDFS负责大数据的存储,通过将大文件分块后进行分布式存储方式,突破了服务器硬盘大小的限制,解决了单台机器无法存储大文件的问题,HDFS是个相对独立的模块,可以为YARN提供服务,也可以为HBase等其他模块提供服务。

    2、 YARN模块

    YARN是一个通用的资源协同和任务调度框架,是为了解决Hadoop1.x中MapReduce里NameNode负载太大和其他问题而创建的一个框架。

    YARN是个通用框架,不止可以运行MapReduce,还可以运行Spark、Storm等其他计算框架。

    3、 MapReduce模块

    MapReduce是一个计算框架,它给出了一种数据处理的方式,即通过Map阶段、Reduce阶段来分布式地流式处理数据。它只适用于大数据的离线处理,对实时性要求很高的应用不适用。

    第七步、开启历史服务

    二十一、历史服务介绍

    Hadoop开启历史服务可以在web页面上查看Yarn上执行job情况的详细信息。可以通过历史服务器查看已经运行完的Mapreduce作业记录,比如用了多少个Map、用了多少个Reduce、作业提交时间、作业启动时间、作业完成时间等信息。

    二十二、开启历史服务

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh start historyserver、
    • 1

    开启后,可以通过Web页面查看历史服务器:

    http://bigdata-senior01.chybinmy.com:19888/

    二十三、Web查看job执行历史

    1、 运行一个mapreduce任务

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-
    2.5.0.jar wordcount /wordcountdemo/input /wordcountdemo/output1
    • 1
    • 2

    2、 job执行中

    enter image description here

    3、 查看job历史

    enter image description here

    enter image description here

    历史服务器的Web端口默认是19888,可以查看Web界面。

    但是在上面所显示的某一个Job任务页面的最下面,Map和Reduce个数的链接上,点击进入Map的详细信息页面,再查看某一个Map或者Reduce的详细日志是看不到的,是因为没有开启日志聚集服务。

    二十四、开启日志聚集

    4、 日志聚集介绍

    MapReduce是在各个机器上运行的,在运行过程中产生的日志存在于各个机器上,为了能够统一查看各个机器的运行日志,将日志集中存放在HDFS上,这个过程就是日志聚集。

    5、 开启日志聚集

    配置日志聚集功能:

    Hadoop默认是不启用日志聚集的。在yarn-site.xml文件里配置启用日志聚集。

    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
     </property>
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>106800</value>
     </property>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8

    yarn.log-aggregation-enable:是否启用日志聚集功能。

    yarn.log-aggregation.retain-seconds:设置日志保留时间,单位是秒。

    将配置文件分发到其他节点:

    [hadoop@bigdata-senior01 hadoop]$ scp /opt/modules/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior02.chybinmy.com:/opt/modules/hadoop-2.5.0/etc/hadoop/
    [hadoop@bigdata-senior01 hadoop]$ scp /opt/modules/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior03.chybinmy.com:/opt/modules/hadoop-2.5.0/etc/hadoop/
    • 1
    • 2

    重启Yarn进程:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/stop-yarn.sh
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/start-yarn.sh
    • 1
    • 2

    重启HistoryServer进程:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh stop historyserver
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh start historyserver
    • 1
    • 2

    6、 测试日志聚集

    运行一个demo MapReduce,使之产生日志:

    bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input /output1
    • 1

    查看日志:

    运行Job后,就可以在历史服务器Web页面查看各个Map和Reduce的日志了。 

    第四部分:完全分布式安装

    第八步、完全布式环境部署Hadoop

    完全分部式是真正利用多台Linux主机来进行部署Hadoop,对Linux机器集群进行规划,使得Hadoop各个模块分别部署在不同的多台机器上。

    二十五、环境准备

    1、 克隆虚拟机

    • Vmware左侧选中要克隆的机器,这里对原有的BigData01机器进行克隆,虚拟机菜单中,选中管理菜单下的克隆命令。

    • 选择“创建完整克隆”,虚拟机名称为BigData02,选择虚拟机文件保存路径,进行克隆。

    • 再次克隆一个名为BigData03的虚拟机。

    2、 配置网络

    修改网卡名称:

    在BigData02和BigData03机器上编辑网卡信息。执行sudo vim /etc/udev/rules.d/70-persistent-net.rules命令。因为是从BigData01机器克隆来的,所以会保留BigData01的网卡eth0,并且再添加一个网卡eth1。并且eth0的Mac地址和BigData01的地址是一样的,Mac地址不允许相同,所以要删除eth0,只保留eth1网卡,并且要将eth1改名为eth0。将修改后的eth0的mac地址复制下来,修改network-scripts文件中的HWADDR属性。

    sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0
    • 1

    enter image description here

    修改网络参数:

    BigData02机器IP改为192.168.100.12

    BigData03机器IP改为192.168.100.13

    3、 配置Hostname

    BigData02配置hostname为 bigdata-senior02.chybinmy.com

    BigData03配置hostname为 bigdata-senior03.chybinmy.com

    4、 配置hosts

    BigData01、BigData02、BigData03三台机器hosts都配置为:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo vim /etc/hosts
    192.168.100.10 bigdata-senior01.chybinmy.com
    192.168.100.12 bigdata-senior02.chybinmy.com
    192.168.100.13 bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3
    • 4

    5、 配置Windows上的SSH客户端

    在本地Windows中的SSH客户端上添加对BigData02、BigData03机器的SSH链接。

    二十六、服务器功能规划

    bigdata-senior01.chybinmy.combigdata-senior02.chybinmy.combigdata-senior03.chybinmy.com
    NameNodeResourceManage 
    DataNodeDataNodeDataNode
    NodeManagerNodeManagerNodeManager
    HistoryServer SecondaryNameNode

    二十七、在第一台机器上安装新的Hadoop

    为了和之前BigData01机器上安装伪分布式Hadoop区分开来,我们将BigData01上的Hadoop服务都停止掉,然后在一个新的目录/opt/modules/app下安装另外一个Hadoop。 
    我们采用先在第一台机器上解压、配置Hadoop,然后再分发到其他两台机器上的方式来安装集群。

    6、 解压Hadoop目录:

    [hadoop@bigdata-senior01 modules]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz -C /opt/modules/app/
    • 1

    7、 配置Hadoop JDK路径修改hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中的JDK路径:

    export JAVA_HOME="/opt/modules/jdk1.7.0_67"
    • 1

    8、 配置core-site.xml

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/core-site.xml
    • 1
    <configuration>
     <property>
       <name>fs.defaultFS</name>
       <value>hdfs://bigdata-senior01.chybinmy.com:8020</value>
     </property>
     <property>
       <name>hadoop.tmp.dir</name>
       <value>/opt/modules/app/hadoop-2.5.0/data/tmp</value>
     </property>
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    fs.defaultFS为NameNode的地址。

    hadoop.tmp.dir为hadoop临时目录的地址,默认情况下,NameNode和DataNode的数据文件都会存在这个目录下的对应子目录下。应该保证此目录是存在的,如果不存在,先创建。

    9、 配置hdfs-site.xml

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/hdfs-site.xml
    • 1
    <configuration>
     <property>
       <name>dfs.namenode.secondary.http-address</name>
       <value>bigdata-senior03.chybinmy.com:50090</value>
     </property>
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    dfs.namenode.secondary.http-address是指定secondaryNameNode的http访问地址和端口号,因为在规划中,我们将BigData03规划为SecondaryNameNode服务器。

    所以这里设置为:bigdata-senior03.chybinmy.com:50090

    10、 配置slaves

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/slaves
    bigdata-senior01.chybinmy.com
    bigdata-senior02.chybinmy.com
    bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3
    • 4

    slaves文件是指定HDFS上有哪些DataNode节点。

    11、 配置yarn-site.xml

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/yarn-site.xml
    • 1
        <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
        </property>
        <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>bigdata-senior02.chybinmy.com</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>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    根据规划yarn.resourcemanager.hostname这个指定resourcemanager服务器指向bigdata-senior02.chybinmy.com

    yarn.log-aggregation-enable是配置是否启用日志聚集功能。

    yarn.log-aggregation.retain-seconds是配置聚集的日志在HDFS上最多保存多长时间。

    12、 配置mapred-site.xml

    从mapred-site.xml.template复制一个mapred-site.xml文件。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
    • 1
    <configuration>
        <property>
            <name>mapreduce.framework.name</name>
            <value>yarn</value>
        </property>
        <property>
            <name>mapreduce.jobhistory.address</name>
            <value>bigdata-senior01.chybinmy.com:10020</value>
        </property>
        <property>
            <name>mapreduce.jobhistory.webapp.address</name>
            <value>bigdata-senior01.chybinmy.com:19888</value>
        </property>
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    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BigData01机器上。

    mapreduce.jobhistory.webapp.address是设置历史服务器的web页面地址和端口号。

    二十八、设置SSH无密码登录

    Hadoop集群中的各个机器间会相互地通过SSH访问,每次访问都输入密码是不现实的,所以要配置各个机器间的

    SSH是无密码登录的。

    1、 在BigData01上生成公钥

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-keygen -t rsa
    • 1

    一路回车,都设置为默认值,然后再当前用户的Home目录下的.ssh目录中会生成公钥文件(id_rsa.pub)和私钥文件(id_rsa)

    2、 分发公钥

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-id bigdata-senior01.chybinmy.com
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-id bigdata-senior02.chybinmy.com
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-id bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3

    3、 设置BigData02、BigData03到其他机器的无密钥登录

    同样的在BigData02、BigData03上生成公钥和私钥后,将公钥分发到三台机器上。

    二十九、分发Hadoop文件

    1、 首先在其他两台机器上创建存放Hadoop的目录

    [hadoop@bigdata-senior02 ~]$ mkdir /opt/modules/app
    [hadoop@bigdata-senior03 ~]$ mkdir /opt/modules/app
    • 1
    • 2

    2、 通过Scp分发

    Hadoop根目录下的share/doc目录是存放的hadoop的文档,文件相当大,建议在分发之前将这个目录删除掉,可以节省硬盘空间并能提高分发的速度。

    doc目录大小有1.6G。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ du -sh /opt/modules/app/hadoop-2.5.0/share/doc
    1.6G    /opt/modules/app/hadoop-2.5.0/share/doc
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/app/hadoop-2.5.0/ bigdata-senior02.chybinmy.com:/opt/modules/app
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/app/hadoop-2.5.0/ bigdata-senior03.chybinmy.com:/opt/modules/app
    • 1
    • 2
    • 3
    • 4

    三十、格式NameNode

    在NameNode机器上执行格式化:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/bin/hdfs namenode –format
    • 1

    注意:

    如果需要重新格式化NameNode,需要先将原来NameNode和DataNode下的文件全部删除,不然会报错,NameNode和DataNode所在目录是在core-site.xmlhadoop.tmp.dirdfs.namenode.name.dirdfs.datanode.data.dir属性配置的。

    <property>
         <name>hadoop.tmp.dir</name>
         <value>/opt/data/tmp</value>
      </property>
    <property>
         <name>dfs.namenode.name.dir</name>
         <value>file://${hadoop.tmp.dir}/dfs/name</value>
      </property>
    <property>
         <name>dfs.datanode.data.dir</name>
         <value>file://${hadoop.tmp.dir}/dfs/data</value>
      </property>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    因为每次格式化,默认是创建一个集群ID,并写入NameNode和DataNode的VERSION文件中(VERSION文件所在目录为dfs/name/current 和 dfs/data/current),重新格式化时,默认会生成一个新的集群ID,如果不删除原来的目录,会导致namenode中的VERSION文件中是新的集群ID,而DataNode中是旧的集群ID,不一致时会报错。

    另一种方法是格式化时指定集群ID参数,指定为旧的集群ID。

    三十一、启动集群

    1、 启动HDFS

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/sbin/start-dfs.sh
    • 1

    enter image description here

    2、 启动YARN

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/sbin/start-yarn.sh
    • 1

    在BigData02上启动ResourceManager:

    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/yarn-daemon.sh start resourcemanager
    • 1

    enter image description here

    3、 启动日志服务器

    因为我们规划的是在BigData03服务器上运行MapReduce日志服务,所以要在BigData03上启动。

    [hadoop@bigdata-senior03 ~]$ /opt/modules/app/hadoop-2.5.0/sbin/mr-jobhistory-daemon.sh start historyserver
    starting historyserver, logging to /opt/modules/app/hadoop-2.5.0/logs/mapred-hadoop-historyserver-bigda       ta-senior03.chybinmy.com.out
    • 1
    • 2
    [hadoop@bigdata-senior03 ~]$ jps
    3570 Jps
    3537 JobHistoryServer
    3310 SecondaryNameNode
    3213 DataNode
    3392 NodeManager
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    4、 查看HDFS Web页面

    http://bigdata-senior01.chybinmy.com:50070/

    5、 查看YARN Web 页面

    http://bigdata-senior02.chybinmy.com:8088/cluster

    三十二、测试Job

    我们这里用hadoop自带的wordcount例子来在本地模式下测试跑mapreduce。

    1、 准备mapreduce输入文件wc.input

    [hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.input
    hadoop mapreduce hive
    hbase spark storm
    sqoop hadoop hive
    spark hadoop
    • 1
    • 2
    • 3
    • 4
    • 5

    2、 在HDFS创建输入目录input

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -mkdir /input
    • 1

    3、 将wc.input上传到HDFS

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put /opt/data/wc.input /input/wc.input
    • 1

    4、 运行hadoop自带的mapreduce Demo

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input/wc.input /output
    • 1

    enter image description here

    5、 查看输出文件

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -ls /output
    Found 2 items
    -rw-r--r--   3 hadoop supergroup          0 2016-07-14 16:36 /output/_SUCCESS
    -rw-r--r--   3 hadoop supergroup         60 2016-07-14 16:36 /output/part-r-00000
    • 1
    • 2
    • 3
    • 4

    第五部分:Hadoop HA安装

    HA的意思是High Availability高可用,指当当前工作中的机器宕机后,会自动处理这个异常,并将工作无缝地转移到其他备用机器上去,以来保证服务的高可用。

    HA方式安装部署才是最常见的生产环境上的安装部署方式。Hadoop HA是Hadoop 2.x中新添加的特性,包括NameNode HA 和 ResourceManager HA。因为DataNode和NodeManager本身就是被设计为高可用的,所以不用对他们进行特殊的高可用处理。

    第九步、时间服务器搭建

    Hadoop对集群中各个机器的时间同步要求比较高,要求各个机器的系统时间不能相差太多,不然会造成很多问题。可以配置集群中各个机器和互联网的时间服务器进行时间同步,但是在实际生产环境中,集群中大部分服务器是不能连接外网的,这时候可以在内网搭建一个自己的时间服务器(NTP服务器),集群的各个机器与这个时间服务器进行时间同步。

    三十三、配置NTP服务器

    我们选择第三台机器(bigdata-senior03.chybinmy.com)为NTF服务器,其他机器和这台机器进行同步。

    1、 检查ntp服务是否已经安装

    [hadoop@bigdata-senior03 data]$ sudo rpm -qa | grep ntp
    ntpdate-4.2.6p5-1.el6.centos.x86_64
    ntp-4.2.6p5-1.el6.centos.x86_64
    • 1
    • 2
    • 3

    显示已经安装过了ntp程序,其中ntpdate-4.2.6p5-1.el6.centos.x86_64 是用来和某台服务器进行同步的,ntp-4.2.6p5-1.el6.centos.x86_64是用来提供时间同步服务的。

    2、 修改配置文件ntp.conf

    [hadoop@bigdata-senior03 data]$ vim /etc/ntp.conf
    • 1

    启用restrice,修改网段

    restrict 192.168.100.0 mask 255.255.255.0 nomodify notrap 
    将这行的注释去掉,并且将网段改为集群的网段,我们这里是100网段。

    注释掉server域名配置

    #server 0.centos.pool.ntp.org iburst
    #server 1.centos.pool.ntp.org iburst
    #server 2.centos.pool.ntp.org iburst
    #server 3.centos.pool.ntp.org iburst
    • 1
    • 2
    • 3
    • 4

    是时间服务器的域名,这里不需要连接互联网,所以将他们注释掉。

    修改

    server 127.127.1.0

    fudge 127.127.1.0 stratum 10

    3、 修改配置文件ntpd

    [hadoop@bigdata-senior03 ~]$ sudo vim /etc/sysconfig/ntpd
    • 1

    添加一行配置:SYNC_CLOCK=yes

    enter image description here

    4、 启动ntp服务

    [hadoop@bigdata-senior03 ~]$ sudo chkconfig ntpd on
    • 1

    这样每次机器启动时,ntp服务都会自动启动。

    三十四、配置其他机器的同步

    切换到root用户进行配置通过contab进行定时同步:

    [root@bigdata-senior02 hadoop]# crontab -e 
    */10 * * * * /usr/sbin/ntpdate bigdata-senior03.chybinmy.com
    [root@bigdata-senior02 hadoop]# crontab -e 
    */10 * * * * /usr/sbin/ntpdate bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3
    • 4

    三十五、 测试同步是否有效

    1、 查看目前三台机器的时间

    [hadoop@bigdata-senior03 ~]$ date "+%Y-%m-%d %H:%M:%S"
    2016-09-23 16:43:56
    [hadoop@bigdata-senior02 ~]$ date "+%Y-%m-%d %H:%M:%S"
    2016-09-23 16:44:08
    [hadoop@bigdata-senior01 data]$ date "+%Y-%m-%d %H:%M:%S"
    2016-09-23 16:44:18
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    2、 修改bigdata-senior01上的时间

    将时间改为一个以前的时间:

    [hadoop@bigdata-senior01 data]$ sudo date -s '2016-01-01 00:00:00'
    Fri Jan  1 00:00:00 CST 2016
    [hadoop@bigdata-senior01 data]$ date "+%Y-%m-%d %H:%M:%S"
    2016-01-01 00:00:05
    • 1
    • 2
    • 3
    • 4

    等10分钟,看是否可以实现自动同步,将bigdata-senior01上的时间修改为和bigdata-senior03上的一致。

    3、 查看是否自动同步时间

    [hadoop@bigdata-senior01 data]$ date "+%Y-%m-%d %H:%M:%S"
    2016-09-23 16:54:36
    • 1
    • 2

    可以看到bigdata-senior01上的时间已经实现自动同步了。

    第十步、Zookeeper分布式机器部署

    三十六、zookeeper说明

    Zookeeper在Hadoop集群中的作用。

    Zookeeper是分布式管理协作框架,Zookeeper集群用来保证Hadoop集群的高可用,(高可用的含义是:集群中就算有一部分服务器宕机,也能保证正常地对外提供服务。)

    Zookeeper保证高可用的原理。

    Zookeeper集群能够保证NamaNode服务高可用的原理是:Hadoop集群中有两个NameNode服务,两个NaameNode都定时地给Zookeeper发送心跳,告诉Zookeeper我还活着,可以提供服务,单某一个时间只有一个是Action状态,另外一个是Standby状态,一旦Zookeeper检测不到Action NameNode发送来的心跳后,就切换到Standby状态的NameNode上,将它设置为Action状态,所以集群中总有一个可用的NameNode,达到了NameNode的高可用目的。

    Zookeeper的选举机制。

    Zookeeper集群也能保证自身的高可用,保证自身高可用的原理是,Zookeeper集群中的各个机器分为Leader和Follower两个角色,写入数据时,要先写入Leader,Leader同意写入后,再通知Follower写入。客户端读取数时,因为数据都是一样的,可以从任意一台机器上读取数据。

    这里Leader角色就存在单点故障的隐患,高可用就是解决单点故障隐患的。Zookeeper从机制上解决了Leader的单点故障问题,Leader是哪一台机器是不固定的,Leader是选举出来的。选举流程是,集群中任何一台机器发现集群中没有Leader时,就推荐自己为Leader,其他机器来同意,当超过一半数的机器同意它为Leader时,选举结束,所以Zookeeper集群中的机器数据必须是奇数。这样就算当Leader机器宕机后,会很快选举出新的Leader,保证了Zookeeper集群本身的高可用。

    写入高可用。

    集群中的写入操作都是先通知Leader,Leader再通知Follower写入,实际上当超过一半的机器写入成功后,就认为写入成功了,所以就算有些机器宕机,写入也是成功的。

    读取高可用。

    zookeeperk客户端读取数据时,可以读取集群中的任何一个机器。所以部分机器的宕机并不影响读取。

    zookeeper服务器必须是奇数台,因为zookeeper有选举制度,角色有:领导者、跟随者、观察者,选举的目的是保证集群中数据的一致性。

    三十七、安装zookeeper

    我们这里在BigData01、BigData02、BigData03三台机器上安装zookeeper集群。

    1、 解压安装包

    在BigData01上安装解压zookeeper安装包。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ tar -zxf /opt/sofeware/zookeeper-3.4.8.tar.gz -C /opt/modules/
    • 1

    2、 修改配置

    拷贝conf下的zoo_sample.cfg副本,改名为zoo.cfg。zoo.cfg是zookeeper的配置文件:

    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ cp conf/zoo_sample.cfg conf/zoo.cfg
    • 1

    dataDir属性设置zookeeper的数据文件存放的目录:

    dataDir=/opt/modules/zookeeper-3.4.8/data/zData

    指定zookeeper集群中各个机器的信息:

    server.1=bigdata-senior01.chybinmy.com:2888:3888
    server.2=bigdata-senior02.chybinmy.com:2888:3888
    server.3=bigdata-senior03.chybinmy.com:2888:3888
    • 1
    • 2
    • 3

    server后面的数字范围是1到255,所以一个zookeeper集群最多可以有255个机器。

    enter image description here

    3、 创建myid文件

    在dataDir所指定的目录下创一个名为myid的文件,文件内容为server点后面的数字。

    enter image description here

    4、 分发到其他机器

    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ scp -r /opt/modules/zookeeper-3.4.8 bigdata-senior02.chybinmy.com:/opt/modules
    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ scp -r /opt/modules/zookeeper-3.4.8 bigdata-senior03.chybinmy.com:/opt/modules
    • 1
    • 2

    5、 修改其他机器上的myid文件

    [hadoop@bigdata-senior02 zookeeper-3.4.8]$ echo 2 > /opt/modules/zookeeper-3.4.8/data/zData/myid
    [hadoop@bigdata-senior02 zookeeper-3.4.8]$ cat /opt/modules/zookeeper-3.4.8/data/zData/myid 
    2
    • 1
    • 2
    • 3
    [hadoop@bigdata-senior03 ~]$ echo 3 > /opt/modules/zookeeper-3.4.8/data/zData/myid
    [hadoop@bigdata-senior03 ~]$ cat /opt/modules/zookeeper-3.4.8/data/zData/myid
    3
    • 1
    • 2
    • 3

    6、 启动zookeeper

    需要在各个机器上分别启动zookeeper。

    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ bin/zkServer.sh start
    [hadoop@bigdata-senior02 zookeeper-3.4.8]$ bin/zkServer.sh start
    [hadoop@bigdata-senior03 zookeeper-3.4.8]$ bin/zkServer.sh start
    • 1
    • 2
    • 3

    enter image description here

    三十八、zookeeper命令

    进入zookeeper Shell

    在zookeeper根目录下执行 bin/zkCli.sh进入zk shell模式。

    zookeeper很像一个小型的文件系统,/是根目录,下面的所有节点都叫zNode。

    进入zk shell 后输入任意字符,可以列出所有的zookeeper命令

    enter image description here

    查询zNode上的数据:get /zookeeper

    创建一个zNode : create /znode1 “demodata “

    列出所有子zNode:ls /

    enter image description here

    删除znode : rmr /znode1

    退出shell模式:quit

    第十一步、Hadoop 2.x HDFS HA 部署

    三十九、HDFS HA原理

    单NameNode的缺陷存在单点故障的问题,如果NameNode不可用,则会导致整个HDFS文件系统不可用。所以需要设计高可用的HDFS(Hadoop HA)来解决NameNode单点故障的问题。解决的方法是在HDFS集群中设置多个NameNode节点。但是一旦引入多个NameNode,就有一些问题需要解决。

    • HDFS HA需要保证的四个问题:

      • 保证NameNode内存中元数据数据一致,并保证编辑日志文件的安全性。

      • 多个NameNode如何协作

      • 客户端如何能正确地访问到可用的那个NameNode。

      • 怎么保证任意时刻只能有一个NameNode处于对外服务状态。

    • 解决方法

      • 对于保证NameNode元数据的一致性和编辑日志的安全性,采用Zookeeper来存储编辑日志文件。

      • 两个NameNode一个是Active状态的,一个是Standby状态的,一个时间点只能有一个Active状态的 
        NameNode提供服务,两个NameNode上存储的元数据是实时同步的,当Active的NameNode出现问题时,通过Zookeeper实时切换到Standby的NameNode上,并将Standby改为Active状态。

      • 客户端通过连接一个Zookeeper的代理来确定当时哪个NameNode处于服务状态。

    四十、HDFS HA架构图

    enter image description here

    • HDFS HA架构中有两台NameNode节点,一台是处于活动状态(Active)为客户端提供服务,另外一台处于热备份状态(Standby)。

    • 元数据文件有两个文件:fsimage和edits,备份元数据就是备份这两个文件。JournalNode用来实时从Active NameNode上拷贝edits文件,JournalNode有三台也是为了实现高可用。

    • Standby NameNode不对外提供元数据的访问,它从Active NameNode上拷贝fsimage文件,从JournalNode上拷贝edits文件,然后负责合并fsimage和edits文件,相当于SecondaryNameNode的作用。最终目的是保证Standby NameNode上的元数据信息和Active NameNode上的元数据信息一致,以实现热备份。

    • Zookeeper来保证在Active NameNode失效时及时将Standby NameNode修改为Active状态。

    • ZKFC(失效检测控制)是Hadoop里的一个Zookeeper客户端,在每一个NameNode节点上都启动一个ZKFC进程,来监控NameNode的状态,并把NameNode的状态信息汇报给Zookeeper集群,其实就是在Zookeeper上创建了一个Znode节点,节点里保存了NameNode状态信息。当NameNode失效后,ZKFC检测到报告给Zookeeper,Zookeeper把对应的Znode删除掉,Standby ZKFC发现没有Active状态的NameNode时,就会用shell命令将自己监控的NameNode改为Active状态,并修改Znode上的数据。 
      Znode是个临时的节点,临时节点特征是客户端的连接断了后就会把znode删除,所以当ZKFC失效时,也会导致切换NameNode。

    • DataNode会将心跳信息和Block汇报信息同时发给两台NameNode,DataNode只接受Active NameNode发来的文件读写操作指令。

    四十一、搭建HDFS HA 环境

    1、 服务器角色规划

    bigdata-senior01.chybinmy.combigdata-senior01.chybinmy.combigdata-senior01.chybinmy.com
    NameNodeNameNode 
    ZookeeperZookeeperZookeeper
    DataNodeDataNodeDataNode
     ResourceManageResourceManage
    NodeManagerNodeManagerNodeManager

    2、 创建HDFS HA 版本Hadoop程序目录

    在bigdata01、bigdata02、bigdata03三台机器上分别创建目录/opt/modules/hadoopha/用来存放Hadoop HA环境。

    [hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopha
    • 1

    3、 新解压Hadoop 2.5.0

    [hadoop@bigdata-senior01 ~]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz -C /opt/modules/hadoopha/
    • 1

    4、 配置Hadoop JDK路径

    修改hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中的JDK路径
    export JAVA_HOME="/opt/modules/jdk1.7.0_67"
    • 1
    • 2

    5、 配置hdfs-site.xml

    <?xml version="1.0" encoding="UTF-8"?>
    <configuration>
      <property>
        <!-- 为namenode集群定义一个services name -->
        <name>dfs.nameservices</name>
        <value>ns1</value>
      </property>
      <property>
        <!-- nameservice 包含哪些namenode,为各个namenode起名 -->
        <name>dfs.ha.namenodes.ns1</name>
        <value>nn1,nn2</value>
      </property>
      <property>
        <!--  名为nn1的namenode 的rpc地址和端口号,rpc用来和datanode通讯 -->
        <name>dfs.namenode.rpc-address.ns1.nn1</name>
        <value>bigdata-senior01.chybinmy.com:8020</value>
      </property>
      <property>
        <!-- 名为nn2的namenode 的rpc地址和端口号,rpc用来和datanode通讯  -->
        <name>dfs.namenode.rpc-address.ns1.nn2</name>
        <value>bigdata-senior02.chybinmy.com:8020</value>
      </property>
      <property>
        <!--名为nn1的namenode 的http地址和端口号,web客户端 -->
        <name>dfs.namenode.http-address.ns1.nn1</name>
        <value>bigdata-senior01.chybinmy.com:50070</value>
      </property>
      <property>
        <!--名为nn2的namenode 的http地址和端口号,web客户端 -->
        <name>dfs.namenode.http-address.ns1.nn2</name>
        <value>bigdata-senior02.chybinmy.com:50070</value>
      </property>
      <property>
        <!--  namenode间用于共享编辑日志的journal节点列表 -->
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://bigdata-senior01.chybinmy.com:8485;bigdata-senior02.chybinmy.com:8485;bigdata-senior03.chybinmy.com:8485/ns1</value>
      </property>
      <property>
        <!--  journalnode 上用于存放edits日志的目录 -->
        <name>dfs.journalnode.edits.dir</name>
        <value>/opt/modules/hadoopha/hadoop-2.5.0/tmp/data/dfs/jn</value>
      </property>
      <property>
        <!--  客户端连接可用状态的NameNode所用的代理类 -->
        <name>dfs.client.failover.proxy.provider.ns1</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
      </property>
      <property>
        <!--   -->
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence</value>
      </property>
      <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/home/hadoop/.ssh/id_rsa</value>
      </property>
    </configuration>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58

    6、 配置core-site.xml

    <?xml version="1.0" encoding="UTF-8"?>
    <configuration>
      <property>
        <!--  hdfs 地址,ha中是连接到nameservice -->
        <name>fs.defaultFS</name>
        <value>hdfs://ns1</value>
      </property>
      <property>
        <!--  -->
        <name>hadoop.tmp.dir</name>
        <value>/opt/modules/hadoopha/hadoop-2.5.0/data/tmp</value>
      </property>
    </configuration>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    hadoop.tmp.dir设置hadoop临时目录地址,默认时,NameNode和DataNode的数据存在这个路径下。

    7、 配置slaves文件

    bigdata-senior01.chybinmy.com
    bigdata-senior02.chybinmy.com
    bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3

    8、 分发到其他节点

    分发之前先将share/doc目录删除,这个目录中是帮助文件,并且很大,可以删除。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/hadoopha bigdata-senior02.chybinmy.com:/opt/modules
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/hadoopha bigdata-senior03.chybinmy.com:/opt/modules
    • 1
    • 2

    9、 启动HDFS HA集群

    三台机器分别启动Journalnode。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start journalnode
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start journalnode
    [hadoop@bigdata-senior03 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start journalnode
    • 1
    • 2
    • 3

    jps命令查看是否启动。

    10、 启动Zookeeper

    在三台节点上启动Zookeeper:

    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ bin/zkServer.sh start
    [hadoop@bigdata-senior02 zookeeper-3.4.8]$ bin/zkServer.sh start
    [hadoop@bigdata-senior03 zookeeper-3.4.8]$ bin/zkServer.sh start
    • 1
    • 2
    • 3

    11、 格式化NameNode

    在第一台上进行NameNode格式化:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs namenode -format
    • 1

    在第二台NameNode上:

    [hadoop@bigdata-senior02 hadoop-2.5.0]$ bin/hdfs namenode -bootstrapStandby
    • 1

    12、 启动NameNode

    在第一台、第二台上启动NameNode:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start namenode
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start namenode
    • 1
    • 2

    查看HDFS Web页面,此时两个NameNode都是standby状态。

    切换第一台为active状态:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs haadmin -transitionToActive nn1
    • 1

    可以添加上forcemanual参数,强制将一个NameNode转换为Active状态。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs haadmin –transitionToActive -forcemanual nn1
    • 1

    此时从web 页面就看到第一台已经是active状态了。

    enter image description here

    13、 配置故障自动转移

    利用zookeeper集群实现故障自动转移,在配置故障自动转移之前,要先关闭集群,不能在HDFS运行期间进行配置。

    关闭NameNode、DataNode、JournalNode、zookeeper

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop namenode
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop datanode
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop journalnode
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ cd ../../zookeeper-3.4.8/
    [hadoop@bigdata-senior01 zookeeper-3.4.8]$ bin/zkServer.sh stop
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop namenode
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop datanode
    [hadoop@bigdata- senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop journalnode
    [hadoop@bigdata- senior02 hadoop-2.5.0]$ cd ../../zookeeper-3.4.8/
    [hadoop@bigdata- senior02 zookeeper-3.4.8]$ bin/zkServer.sh stop
    [hadoop@bigdata- senior03 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop datanode
    [hadoop@bigdata- senior03 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop journalnode
    [hadoop@bigdata- senior03 hadoop-2.5.0]$ cd ../../zookeeper-3.4.8/
    [hadoop@bigdata- senior03 zookeeper-3.4.8]$ bin/zkServer.sh stop
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14

    修改hdfs-site.xml

    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>
    • 1
    • 2
    • 3
    • 4

    修改core-site.xml

    <property>
       <name>ha.zookeeper.quorum</name>
       <value>bigdata-senior01.chybinmy.com:2181,bigdata-senior02.chybinmy.com:2181,bigdata-senior03.chybinmy.com:2181</value>
    </property>
    • 1
    • 2
    • 3
    • 4

    将hdfs-site.xml和core-site.xml分发到其他机器

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/hdfs-site.xml bigdata-senior02.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/hdfs-site.xml bigdata-senior03.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/core-site.xml bigdata-senior02.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/core-site.xml bigdata-senior03.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/
    • 1
    • 2
    • 3
    • 4

    启动zookeeper

    三台机器启动zookeeper

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/zookeeper-3.4.8/bin/zkServer.sh start
    • 1

    创建一个zNode

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ cd /opt/modules/hadoopha/hadoop-2.5.0/
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs zkfc -formatZK
    • 1
    • 2

    enter image description here

    在Zookeeper上创建一个存储namenode相关的节点。

    14、 启动HDFS、JournalNode、zkfc

    启动NameNode、DataNode、JournalNode、zkfc

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/start-dfs.sh
    • 1

    zkfc只针对NameNode监听。

    四十二、测试HDFS HA

    1、 测试故障自动转移和数据是否共享

    在nn1上上传文件

    目前bigdata-senior01节点上的NameNode是Active状态的。

    enter image description here

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put /opt/data/wc.input /
    • 1

    enter image description here

    将nn1上的NodeNode进程杀掉

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ kill -9 3364
    • 1

    nn1上的namenode已经无法访问了。

    查看nn2是否是Active状态

    enter image description here

    在nn2上查看是否看见文件

    enter image description here

    经以上验证,已经实现了nn1和nn2之间的文件同步和故障自动转移。

    第十二步、Hadoop 2.x YARN HA 部署

    四十三、YARN HA原理

    Hadoop2.4版本之前,ResourceManager也存在单点故障的问题,也需要实现HA来保证ResourceManger的高可也用性。

    ResouceManager从记录着当前集群的资源分配情况和JOB的运行状态,YRAN HA 利用Zookeeper等共享存储介质来存储这些信息来达到高可用。另外利用Zookeeper来实现ResourceManager自动故障转移。

    enter image description here

    • MasterHADaemon:控制RM的 Master的启动和停止,和RM运行在一个进程中,可以接收外部RPC命令。

    • 共享存储:Active Master将信息写入共享存储,Standby Master读取共享存储信息以保持和Active Master同步。

    • ZKFailoverController:基于Zookeeper实现的切换控制器,由ActiveStandbyElector和HealthMonitor组成,ActiveStandbyElector负责与Zookeeper交互,判断所管理的Master是进入Active还是Standby;HealthMonitor负责监控Master的活动健康情况,是个监视器。

    • Zookeeper:核心功能是维护一把全局锁控制整个集群上只有一个Active的ResourceManager。

    四十四、搭建YARN HA环境

    1、 服务器角色规划

    bigdata-senior01.chybinmy.combigdata-senior01.chybinmy.combigdata-senior01.chybinmy.com
    NameNodeNameNode 
    ZookeeperZookeeperZookeeper
    DataNodeDataNodeDataNode
     ResourceManageResourceManage
    NodeManagerNodeManagerNodeManager

    2、 修改配置文件yarn-site.xml

    <?xml version="1.0" encoding="UTF-8"?>
    <configuration>
      <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</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>
      <property>
        <!--  启用resourcemanager的ha功能 -->
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
      </property>
      <property>
        <!--  为resourcemanage ha 集群起个id -->
        <name>yarn.resourcemanager.cluster-id</name>
        <value>yarn-cluster</value>
      </property>
      <property>
        <!--  指定resourcemanger ha 有哪些节点名 -->
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm12,rm13</value>
      </property>
      <property>
        <!--  指定第一个节点的所在机器 -->
        <name>yarn.resourcemanager.hostname.rm12</name>
        <value>bigdata-senior02.chybinmy.com</value>
      </property>
      <property>
        <!--  指定第二个节点所在机器 -->
        <name>yarn.resourcemanager.hostname.rm13</name>
        <value>bigdata-senior03.chybinmy.com</value>
      </property>
      <property>
        <!--  指定resourcemanger ha 所用的zookeeper 节点 -->
        <name>yarn.resourcemanager.zk-address</name>
        <value>bigdata-senior01.chybinmy.com:2181,bigdata-senior02.chybinmy.com:2181,bigdata-senior03.chybinmy.com:2181</value>
      </property>
      <property>
        <!--  -->
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
      </property>
      <property>
        <!--  -->
        <name>yarn.resourcemanager.store.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
      </property>
    </configuration>
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56

    3、 分发到其他机器

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior02.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp /opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior03.chybinmy.com:/opt/modules/hadoopha/hadoop-2.5.0/etc/hadoop/\
    • 1
    • 2

    4、 启动

    在bigdata-senior01上启动yarn:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/start-yarn.sh
    • 1

    在bigdata-senior02、bigdata-senior03上启动resourcemanager:

    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/yarn-daemon.sh start resourcemanager
    [hadoop@bigdata-senior03 hadoop-2.5.0]$ sbin/yarn-daemon.sh start resourcemanager
    • 1
    • 2

    启动后各个节点的进程。

    enter image description here

    enter image description here

    enter image description here

    Web客户端访问bigdata02机器上的resourcemanager正常,它是active状态的。

    http://bigdata-senior02.chybinmy.com:8088/cluster

    访问另外一个resourcemanager,因为他是standby,会自动跳转到active的resourcemanager。

    http://bigdata-senior03.chybinmy.com:8088/cluster

    四十五、测试YARN HA

    5、 运行一个mapreduce job

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /wc.input /input
    • 1

    6、 在job运行过程中,将Active状态的resourcemanager进程杀掉。

    [hadoop@bigdata-senior02 hadoop-2.5.0]$ kill -9 4475
    • 1

    7、 观察另外一个resourcemanager是否可以自动接替。

    bigdata02的resourcemanage Web客户端已经不能访问,bigdata03的resourcemanage已经自动变为active状态。

    8、 观察job是否可以顺利完成。

    而mapreduce job 也能顺利完成,没有因为resourcemanager的意外故障而影响运行。

    经过以上测试,已经验证YARN HA 已经搭建成功。

    第十三步、HDFS Federation 架构部署

    四十六、HDFS Federation 的使用原因

    1、 单个NameNode节点的局限性

    命名空间的限制。

    NameNode上存储着整个HDFS上的文件的元数据,NameNode是部署在一台机器上的,因为单个机器硬件的限制,必然会限制NameNode所能管理的文件个数,制约了数据量的增长。

    数据隔离问题。

    整个HDFS上的文件都由一个NameNode管理,所以一个程序很有可能会影响到整个HDFS上的程序,并且权限控制比较复杂。

    性能瓶颈。

    单个NameNode时HDFS文件系统的吞吐量受限于单个NameNode的吞吐量。因为NameNode是个JVM进程,JVM进程所占用的内存很大时,性能会下降很多。

    2、 HDFS Federation介绍

    HDFS Federation是可以在Hadoop集群中设置多个NameNode,不同于HA中多个NameNode是完全一样的,是多个备份,Federation中的多个NameNode是不同的,可以理解为将一个NameNode切分为了多个NameNode,每一个NameNode只负责管理一部分数据。 
    HDFS Federation中的多个NameNode共用DataNode。

    四十七、HDFS Federation的架构图

    enter image description here

    四十八、HDFS Federation搭建

    1、 服务器角色规划

    bigdata-senior01.chybinmy.combigdata-senior01.chybinmy.combigdata-senior01.chybinmy.com
    NameNode1NameNode2NameNode3
     ResourceManage 
    DataNodeDataNodeDataNode
    NodeManagerNodeManagerNodeManager

    2、 创建HDFS Federation 版本Hadoop程序目录

    在bigdata01上创建目录/opt/modules/hadoopfederation /用来存放Hadoop Federation环境。

    [hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopfederation
    • 1

    3、 新解压Hadoop 2.5.0

    [hadoop@bigdata-senior01 ~]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz -C /opt/modules/hadoopfederation/
    • 1

    4、 配置Hadoop JDK路径

    修改hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中的JDK路径。

    export JAVA_HOME=”/opt/modules/jdk1.7.0_67”

    5、 配置hdfs-site.xml

    <configuration>
    <property>
    <!—配置三台NameNode -->
        <name>dfs.nameservices</name>
        <value>ns1,ns2,ns3</value>
      </property>
      <property>
    <!—第一台NameNode的机器名和rpc端口,指定了NameNode和DataNode通讯用的端口号 -->
        <name>dfs.namenode.rpc-address.ns1</name>
        <value>bigdata-senior01.chybinmy.com:8020</value>
      </property>
       <property>
    <!—第一台NameNode的机器名和rpc端口,备用端口号 -->
        <name>dfs.namenode.serviceerpc-address.ns1</name>
        <value>bigdata-senior01.chybinmy.com:8022</value>
      </property>
      <property>
    <!—第一台NameNode的http页面地址和端口号 -->
        <name>dfs.namenode.http-address.ns1</name>
        <value>bigdata-senior01.chybinmy.com:50070</value>
      </property>
    <property>
    <!—第一台NameNode的https页面地址和端口号 -->
        <name>dfs.namenode.https-address.ns1</name>
        <value>bigdata-senior01.chybinmy.com:50470</value>
      </property>
    
      <property>
        <name>dfs.namenode.rpc-address.ns2</name>
        <value>bigdata-senior02.chybinmy.com:8020</value>
      </property>
       <property>
        <name>dfs.namenode.serviceerpc-address.ns2</name>
        <value>bigdata-senior02.chybinmy.com:8022</value>
      </property>
      <property>
        <name>dfs.namenode.http-address.ns2</name>
        <value>bigdata-senior02.chybinmy.com:50070</value>
      </property>
        <property>
        <name>dfs.namenode.https-address.ns2</name>
        <value>bigdata-senior02.chybinmy.com:50470</value>
      </property>
    
    
      <property>
        <name>dfs.namenode.rpc-address.ns3</name>
        <value>bigdata-senior03.chybinmy.com:8020</value>
      </property>
       <property>
        <name>dfs.namenode.serviceerpc-address.ns3</name>
        <value>bigdata-senior03.chybinmy.com:8022</value>
      </property>
      <property>
        <name>dfs.namenode.http-address.ns3</name>
        <value>bigdata-senior03.chybinmy.com:50070</value>
      </property>
        <property>
        <name>dfs.namenode.https-address.ns3</name>
        <value>bigdata-senior03.chybinmy.com:50470</value>
      </property>
    
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63

    6、 配置core-site.xml

    <configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/modules/hadoopha/hadoop-2.5.0/data/tmp</value>
    </property>
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6

    hadoop.tmp.dir设置hadoop临时目录地址,默认时,NameNode和DataNode的数据存在这个路径下。

    7、 配置slaves文件

    bigdata-senior01.chybinmy.com
    bigdata-senior02.chybinmy.com
    bigdata-senior03.chybinmy.com
    • 1
    • 2
    • 3

    8、 配置yarn-site.xml

    <configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
     </property>     
     <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>bigdata-senior02.chybinmy.com</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>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    9、 分发到其他节点

    分发之前先将share/doc目录删除,这个目录中是帮助文件,并且很大,可以删除。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/ /opt/modules/hadoopfederation bigdata-senior02.chybinmy.com:/opt/modules
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/hadoopfederation bigdata-senior03.chybinmy.com:/opt/modules
    • 1
    • 2

    10、 格式化NameNode

    在第一台上进行NameNode格式化。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs namenode -format -clusterId hadoop-federation-clusterId
    • 1

    这里一定要指定一个集群ID,使得多个NameNode的集群ID是一样的,因为这三个NameNode在同一个集群中,这里集群ID为hadoop-federation-clusterId。

    在第二台NameNode上。

    [hadoop@bigdata-senior02 hadoop-2.5.0]$ bin/hdfs namenode -format -clusterId hadoop-federation-clusterId
    • 1

    在第二台NameNode上。

    [hadoop@bigdata-senior03 hadoop-2.5.0]$ bin/hdfs namenode -format -clusterId hadoop-federation-clusterId
    • 1

    11、 启动NameNode

    在第一台、第二台、第三台机器上启动NameNode:

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start namenode
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start namenode
    [hadoop@bigdata-senior03 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start namenode
    • 1
    • 2
    • 3

    启动后,用jps命令查看是否已经启动成功。

    查看HDFS Web页面,此时三个NameNode都是standby状态。

    enter image description here

    enter image description here

    enter image description here

    12、 启动DataNode

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start datanode
    [hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start datanode
    [hadoop@bigdata-senior03 hadoop-2.5.0]$ sbin/hadoop-daemon.sh start datanode
    • 1
    • 2
    • 3

    启动后,用jps命令确认DataNode进程已经启动成功。

    四十九、测试HDFS Federation

    1、 修改core-site.xml

    在bigdata-senior01机器上,修改core-site.xml文件,指定连接的NameNode是第一台NameNode。

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/core-site.xml

    <configuration>
      <property>
         <name>fs.defaultFS</name>
         <value>hdfs://bigdata-senior01.chybinmy.com:8020</value>
      </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/modules/hadoopfederation/hadoop-2.5.0/data/tmp</value>
    </property>
    </configuration>
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10

    2、 在bigdate-senior01上传一个文件到HDFS

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -mkdir /tmp
    [hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put ~/shuffle_daily.sh /tmp/shuffle_daily.sh
    • 1
    • 2

    3、 查看HDFS文件

    enter image description here

    可以看到,刚才的文件只上传到了bigdate-senior01机器上的NameNode上了,并没有上传到其他的NameNode上去。

    这样,在HDFS的客户端,可以指定要上传到哪个NameNode上,从而来达到了划分NameNode的目的。

    后记

    这篇文章的操作步骤并不是工作中标准的操作流程,如果在成百上千的机器全部这样安装会被累死,希望读者可以通过文章中一步步地安装,从而初步了解到Hadoop的组成部分,协助过程等,这对于Hadoop的深入使用有很大的帮助。

    展开全文
  • Hadoop介绍

    万次阅读 2020-10-06 11:22:51
    Hadoop介绍Hadoop的介绍以及发展历史Hadoop的历史版本介绍Hadoop三大公司发型版本介绍Hadoop的模块组成 Hadoop的介绍以及发展历史 Hadoop之父Doug Cutting Hadoop最早起源于lucene下的Nutch。Nutch的设计目标是...
  • 简单理解HadoopHadoop是什么、如何工作)

    万次阅读 多人点赞 2017-05-23 16:17:39
    一、Hadoop主要的任务部署分为3个部分,分别是:Client机器,主节点和从节点。主节点主要负责Hadoop两个关键功能模块HDFS、Map Reduce的监督。当Job Tracker使用Map Reduce进行监控和调度数据的并行处理时,名称节点...
  • 大数据_04 【Hadoop

    万次阅读 2020-10-12 16:56:50
    大数据_04 【Hadoop】01 Hadoop的介绍以及发展历史02 Hadoop的历史版本介绍04 Hadoop三大公司发型版本介绍05 Hadoop的模块组成06 Hadoop集群安装部署 01 Hadoop的介绍以及发展历史 1. Hadoop最早起源于lucene下的...
  • hadoop安装部署

    万次阅读 2020-10-06 20:00:13
    hadoop安装部署 这里写目录标题hadoop安装部署安装流程1、Hadoop安装部署1、1Hadoop安装部署 安装流程 1、 上传软件包到管理节点,在管理节点解压并配置 2、 将修改完的解压包,远程拷贝到所有的从节点 3、 启动软件...
  • hadoop笔记

    万次阅读 2020-09-08 09:38:39
    【1】Hadoop框架核心:MapReduce、HDFS。 【2】Hadoop单机部署 【3】伪分布式部署 【4】eclipse-hadoop 插件问题汇总 【5】ubuntu16.04部署hadoop2.9集群 【6】配置hadoop集群HA 【1】Hadoop框架核心:MapReduce、...
  • Hadoop笔记1 Hadoop架构

    万次阅读 2020-05-24 15:41:38
    大数据 大数据(big data),是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的...hadoop是apach
  • 启动Hadoop后 没有DataNode进程 的解决方法

    万次阅读 多人点赞 2020-12-22 15:40:09
    介绍怎样解决执行命令start-all.sh启动Hadoop时 没有DataNode进程 这个问题。
  • Hadoop01-入门&集群环境搭建

    万次阅读 2020-08-19 19:23:08
    大数据概述 ...Hadoop是一个分布式系基础框架,它允许使用简单的编程模型跨大型计算机的大型数据集进行分布式处理. 它主要解决两个问题 ​ 大数据存储问题: HDFS ​ 大数据计算问题:MapReduce 问题一:
  • Hadoop安装与配置详细教程

    万次阅读 多人点赞 2019-04-27 17:50:42
    执行编辑core-site.xml文件的命令: vi /opt/hadoop/hadoop/etc/hadoop/core-site.xml 需要在和之间加入的代码: fs.defaultFS hdfs://master:9000 hadoop.tmp.dir /opt/hadoop/hadoopdata 编辑完成后,退出并...
  • Hadoop组成

    千次阅读 2020-10-08 08:13:54
    Hadoop HDFS:一个高可靠、高吞吐量的分布式文件系统,对海量数据的存储。 Hadoop MapReduce:一个分布式的资源调度和离线并行计算框架。 Hadoop Yarn:基于HDFS,用于作业调度和集群资源管理的框架。 ...
  • 执行start-all.sh启动Hadoop时 没有NameNode 的解决方法

    万次阅读 多人点赞 2020-12-01 11:04:22
    介绍怎样解决启动Hadoop后 没有NameNode 的问题。
  • hadoop详细安装及配置

    万次阅读 多人点赞 2018-08-26 21:51:21
    一、下载 ... ...添加HADOOP_HOME配置:自己安装hadoop路径,我的是D:\hadoop-3.0.3 在Path中添加如下:自己安装hadoop路径/bin,如:D:/hadoop-3.0.3/bin 四、hadoop需要jdk支持,jdk...
  • 本文档介绍如何配置Hadoop HTTP Web控制台以要求用户身份验证。 默认情况下,Hadoop HTTP Web控制台(ResourceManager,NameNode,NodeManagers和DataNodes)允许访问而无需任何形式的身份验证。 可以将Hadoop ...
  • Linux上安装Hadoop集群(CentOS7+hadoop-2.8.0)

    万次阅读 多人点赞 2017-05-11 23:13:17
    Linux上安装Hadoop集群(CentOS7+hadoop-2.8.0) 版本:CentOS7 Hadoop2.8.0 JDK1.8
  • Hadoop概述

    万次阅读 2019-11-06 14:48:00
    Hadoop是一个由Apache基金会所开发的分布式系统基础架构,主要解决,海量数据的存储和海量数据的分析计算问题。,广义上来说,HADOOP通常是指一个更广泛的概念——Hadoop生态圈。
  • 转载请注明出处:http://blog.csdn.net/l1028386804/article/details/51538611 注:升级glib库解决问题请参加链接:... 配置完hadoop启动的时候出现如下警告信息: WARN util.NativeCodeLoad...
  • hadoop api

    千次阅读 2018-09-06 14:20:28
    http://hadoop.apache.org/docs/r1.0.4/cn/index.html 集群搭建 http://hadoop.apache.org/docs/r1.0.4/cn/cluster_setup.html map Reduce http://hadoop.apache.org/docs/r1.0.4/cn/mapred_tutorial.html...
  • 使用docker搭建hadoop分布式集群

    万次阅读 多人点赞 2016-01-13 18:16:26
    使用docker搭建部署hadoop分布式集群 在网上找了很长时间都没有找到使用docker搭建hadoop分布式集群的文档,没办法,只能自己写一个了。 一:环境准备: 1:首先要有一个Centos7操作系统,可以在虚拟机中安装...
  • HadoopHadoop Shell操作

    千次阅读 2020-06-26 20:36:14
    hadoop fs -mkdir /test 2.在test文件夹下创建.txt文件 hadoop fs -touchz /test/file.txt 3.查看根目录下所有文件 hadoop fs -ls / 4.递归查看所有文件 hadoop fs -ls -R / 5.移动文件到其他目录并重命名 移动...
  • Hadoop大数据从入门到精通

    万人学习 2016-09-28 10:02:15
    Hadoop分布式文件系统(HDFS)和MapReduce的工作原理 如何优化Hadoop机群所需要的硬件配置 搭建Hadoop机群所需要考虑的网络因素 如何利用Hadoop配置选项进行系统性能调优 如何利用FairScheduler为多用户提供服务级别...
  • Hadoop压缩和解压缩文件

    万次阅读 2020-04-24 12:41:41
    Hadoop压缩和解压缩文件 修改Hadoop_WordCount单词统计工程 创建CompressionTest类 package com.blu.compress; import java.io.File; import java.io.FileInputStream; import java.io.FileOutputStream; import...
  • Windows下配置Hadoop环境(全过程)

    万次阅读 多人点赞 2018-08-23 10:28:21
    首先到官方下载官网的hadoop2.7.7,链接如下 https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/ 找网盘的hadooponwindows-master.zip 链接如下 https://pan.baidu.com/s/1VdG6PBnYKM91ia0hlhIeHg 把...
  • 今天早上同学让我帮忙启动了下集群,首先就要启动hadoop,jps进程看了下: 2128 QuorumPeerMain 12178 Jps 8259 SecondaryNameNode 7993 NameNode 发现Hadoop的namenode和secondarynamenode都起来了,但是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 334,783
精华内容 133,913
热门标签
关键字:

hadoop