Hadoop之完全分布式搭建

集群环境：

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

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

配置集群

编写集群分发脚本

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

在文件中编写如下脚本代码

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

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

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

#4 获取当前用户名称
user=`whoami`

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

集群配置

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

由于计算机配置有限，只能使用三台虚拟机，工作环境中根据需要规划集群

  1. 配置集群

切换到hadoop安装目录/etc/hadoop/

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

<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
		<name>hadoop.tmp.dir</name>
		<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>

  • HDFS配置文件

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

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

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

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

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

  • YARN配置文件

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

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

  • MapReduce配置文件

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

单点启动

  1. 如果是第一次启动，需要格式化namenode，否则跳过此步
[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop namenode -format
  • 格式化需要注意的问题：
    • 只有第一次启动需要格式化，以后不要总是格式化，否则会出现namenode和datanode的集群id不一致的情况，导致datanode启动失败
    • 正确的格式化姿势：
      • 在执行第一次格式化时会在hadoop安装目录下产生data文件夹，里面会生成namenode的信息
      • 在启动namenode和datanode后，还会在同样的目录下产生logs的日志文件夹
      • 所以在格式化之前需要先将这两个文件夹删除，然后再格式化，最后启动namenode和datanode
  1. 在hadoop102上启动namenode
[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
  1. 在hadoop102、hadoop103以及hadoop104上分别启动DataNode
[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[kocdaniel@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop103 hadoop-2.7.2]$ jps
3190 DataNode
3279 Jps
[kocdaniel@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[kocdaniel@hadoop104 hadoop-2.7.2]$ jps
3237 Jps
3163 DataNode
  1. 访问hadoop102:50070查看结果
  • 但是以上单点启动有一个问题：
    • 每次都一个一个节点启动，如果节点数增加到1000个怎么办？

配置ssh免密登录

  1. 配置ssh

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

  2. 免密ssh配置

    • 免密登录原理

    1569326608911

    • 在配置namenode的主机hadoop102上生成私钥和公钥

      • 切换目录到/home/用户名/.ssh/
      [kocdaniel@hadoop102 .ssh]$ ssh-keygen -t rsa
      • 然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
      • 将公钥拷贝到要免密登录的目标机器上
      [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop103
[kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop104
# 注意：ssh访问自己也需要输入密码，所以我们需要将公钥也拷贝给102
[kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop102

    • 同样，在配置resourcemanager的主机hadoop103上执行同样的操作，然后就可以群起集群了

群起集群

  1. 配置slaves

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

  2. 启动集群

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

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

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

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

  3. web端查看相关信息

posted @ 2019-09-25 20:38  总完不成计划的图图  阅读(140)  评论(0)  编辑  收藏  举报
← → ↓ ↑