CentOS7 Hadoop 安装（完全分布式）

一、hadoop集群安装模式

 

单机模式

直接解压，无需任何配置。主要用于测试代码。没有分布式文件系统。

 

伪分布式

完全分布式的一种形式，只是所有的进程都配置要一个节点上。有分布式文件系统，只不过是这个文件系统只有一个节点。

 

完全分布式

包含主节点和从节点，主节点namenode只有一个（一般来说，真实生产环境中namenode只会单独作为一个节点）namenode主要负责存储元数据，即datanode存储数据的描述，如数据存储在datanode的哪一个节点上，数据是谁上传的。datanode负责真正干活的，负责数据存储的。完全分布式中，如果namenode宕机了会造成整个集群无法使用，这也是完全分布式的一大缺点，存在单点故障问题。所以在一般生产环境中不太使用这种模式。

高可用集群

集群可以持续对外提供服务，做到7*24小时不间断，依赖于zookeeper。完全分布式的架构模式为一主多从，高可用集群架构为多主多从，也就是说高可用集群至少有两个namenode，但是同一时间只有一个是活跃的。我们把这个活跃的namenode称为active，其它的属于热备份状态，这们把这个namenode称之为standby，并且存储的元数据与active是一模一样的，当active宕机的时候，standby会立马切换为active。如果刚才宕机的namenode又恢复正常了，但是这个namenode只能是standby。但是这个集群也存在一个缺陷，就是在同一时间内只能有一个活跃的namenode。如果节点非常多（即元数据过多），这个活跃的namenode很容易崩溃。

联邦机制

同一个集群中可以有多个namenode，并且同一时间可以有多个活跃的namenode，这些namenode 共同使用集群中所有的datanode，每个namenode只负责管理集群中datanode上的一部分数据。但是联邦机制也会存在单点故障问题，如某一个活跃的namenode宕机了，会造成存在此namenode的数据无法访问，因此，一般的来说实际应用使用“联邦+高可用”模式搭建集群。

 

二、完全分布式的安装步骤

 

1.集群规划

 

主机名	IP	HDFS	yarn
hadoop01	192.168.220.141	namenode datanode	nodeManager
hadoop02	192.168.220.142	secondarynamenode datanode	nodeManager
hadoop03	192.168.220.143	datanode	resourceManager nodeManager

  

2.修改hostname 及 hosts

$ vim /etc/hostname
$ vim /etc/hosts

　　

所有的主机hosts文件均配置

192.168.220.141    hadoop01

192.168.220.142    hadoop02

192.168.220.143    hadoop03

配置完成后重启

$ reboot

 

3.设置 SSH key

$ ssh-keygen -t rsa

一直按回车即可

 

4.将公钥信息保存至授权认证中

 将公钥信息保存至授权认证中 authorized_keys，以后可以进行免登录处理

$ cd .ssh
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

　　

5.登录测试

$ ssh root@hadoop02

使用hadoop01分别登录hadoop02和hadoop03测试，是否能免密登录。然后通过hadoop02登录hadoop01和hadoop03，是否也能免密登录，以此类推。

 

6.文件配置

一共需要配置主要的6个文件：
　　hadoop-x.x.x/etc/hadoop/hadoop-env.sh
　　hadoop-x.x.x/etc/hadoop/yarn-env.sh
　　hadoop-x.x.x/etc/hadoop/core-site.xml
　　hadoop-x.x.x/etc/hadoop/yarn-site.xml 　　　　 　　 相关的job处理
　　hadoop-x.x.x/etc/hadoop/hdfs-site.xml 　　　　 　　 可以确定文件的备份个数及数据文件夹的路径
　　hadoop-x.x.x/etc/hadoop/mapred-site.xml

 

1）配置 core-site.xml 
添加tmp目录 
[root@hadoopm ~]# mkdir hadoop_tmp

<configuration>
    <!-- 指定namenode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop01:9000</value>
    </property>
    <!-- 用来指定使用hadoop时产生文件的存放目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/home/hadoop</value>
    </property>    
</configuration

 

fs.defaultFS：HDFS的URI，文件系统://namenode标识:端口号
hadoop.tmp.dir：namenode上本地的hadoop临时文件夹
注：hadoop.tmp.dir 如果路径配置为 hadoop-x.x.x/tmp ，一但重新启动，所以的信息hadoop环境全部失效

2）配置 hdfs-site.xml 
[root@hadoopm tmp]# mkdir dfs dfs/name dfs/data

如果hadoop出现问题，这些文件需要彻底清除掉，并重新配置

<configuration>  
    <!-- 指定hdfs保存数据的副本数量 -->
    <property>  
        <name>dfs.replication</name>  
        <value>2</value>  
    </property>  
    <!-- 指定hdfs中namenode的存储位置 -->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/home/hadoop/name</value>
    </property>
    <!--指定hdfs中datanode的存储位置-->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/home/hadoop/data</value>
    </property>  
    <property>
        <name>dfs.secondary.http.address</name>
        <value>hadoop02:50070</value>
    </property>     
</configuration>

 

3）配置yarn-site.xml 

<configuration>
    <!-- nomenodeManager获取数据的方式是shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!-- 指定Yarn的老大(ResourceManager)的地址 -->
    <property>
        <name>yarn.resourcemanager.address</name>
        <value>hadoop03:50090</value>
    </property>
</configuration>

 

4）配置mapred-site.xml 

<configuration>
    <!-- 告诉hadoop以后MR(Map/Reduce)运行在YARN上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

 

5）配置slaves
hadoop01 
hadoop02 
hadoop03

远程发送或者每一个节点都配置一次

创建目录 
/home/hadoop/data
/home/hadoop/name

 

7.集群配置

 1）在/usr/local/hadoop-2.7.7/etc/hadoop 目录下创建一个masters文件，配置主机名称，即内容为hadoopm

$ cd /usr/local/hadoop-2.7.7/etc/hadoop/
$ echo hadoopm > masters

　　

2）修改从节点文件 slaves，配置主机名称，即内容为hadoopm

$ echo hadoopm > slaves

　　

8.格式化文件系统

$ hdfs namenode -format

 

出现如下信息表示格式化成功

 

9.启动hadoop

1）启动hdfs，在任意节点上启动均可

$ start-dfs.sh

 

2）启动yarn，在yarn的主节点上启动

$ start-yarn.sh

　　

 

10.查看进程

$ jps

　　

11.测试HDSF是否能正常使用

 

 

 三、安装过程中可能遇到的问题

 

启动过程中某些进程启动不了

 

正常情况下有5个进程：

namenode

secondarynamenode

datanode

nodemanager

resourcemanager

 

解决方式一：

全部关闭集群重新启动

执行 stop-dfs.sh  命令，可以在任意节点上执行。

执行 stop-yarn.sh 命令，在yarn的节点上执行。

执行 start-dfs.sh 命令

执行 start-yarn.sh 命令

 

解决方式二：

单独启动某些未启动的进程

单独启动hdfs相关进程，可以通过执行 hadoop-daemon.sh start 进程 命令来启动

单独启动yarn相关进程，可以通过执行 yarn-daemon.sh start 进程 命令来启动

 

 

$ cd /usr/local/hadoop-2.7.7/
$ cd /sbin
$ hadoop-daemon.sh start namenode
$ hadoop-daemon.sh start datanode
$ yarn-daemon.sh start nodemanager
$ yarn-daemon.sh start resourcemanager

 

重新格式化datanode启动不了

 

如果想要重新格式化，则需要先删除data目录。

$ rm -rf /home/hadoop/data
$ hadoop namenode -format