Hadoop分布式集群搭建
1. 分布式集群规划
node01 | node02 | node03 | |
---|---|---|---|
HDFS | NameNode DateNode |
DateNode | SecondaryNameNode DataNode |
YARN | NodeManager | NodeManager ResourceManager |
NodeManager |
2. 网络IP规划
克隆3台虚拟机,IP分别为: (自己随便设置,以下为示例)
192.168.37.151
192.168.37.152
192.168.37.153
提醒: 以下所有配置均在3台虚拟机之间同步
修改hosts映射,方便后续虚拟机集群配置,以及集群间文件传递
编辑hosts vi /etc/hosts
,添加配置:
192.168.37.151 node01
192.168.37.152 node02
192.168.37.153 node03
重启系统 reboot
重启网络 service network restart
修改windows系统的hosts文件,添加同样的配置,就可以通过node01、node02、node03来访问虚拟机
3. 修改hadoop配置
3.1 core-site.xml
<!-- 指定 HDFS 中 NameNode 的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://node01:9000</value>
</property>
<!-- 指定 hadoop 运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/module/hadoop-2.7.2/data/tmp</value>
</property>
3.2 hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node03:50090</value>
</property>
3.3 mapred-site.xml
<!-- 指定 mr 运行在 yarn 上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
3.4 yarn-site.xml
<!-- 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>node02</value>
</property>
3.5 slaves
node01
node02
node03
3.6 设置JAVA_HOME
修改下面3个文件的JAVA_HOME
4. 同步hadoop集群文件
使用scp或者rsync来同步集群文件
- scp: 远程拷贝, 全量拷贝
- rsync: 远程同步,性能优于scp.比较差异,只传输差异部分
4.1 SSH免密登录
集群之间传递文件需要输入密码,不方便.可以配置SSH免登
生成秘钥 ssh-keygen -t rsa
查看生成的密钥 ll ~/.ssh
[root@localhost hadoop]# ll ~/.ssh
total 8
-rw-------. 1 root root 1675 Jan 6 22:04 id_rsa
-rw-r--r--. 1 root root 408 Jan 6 22:04 id_rsa.pub
写入文件 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
复制秘钥到另一台虚拟机的~/.ssh/authorized_keys文件中, 没有创建一个.
scp使用示例:
[root@localhost soft]scp a.test root@node02:/usr/soft
The authenticity of host 'node02 (192.168.37.130)' can't be established.
ECDSA key fingerprint is SHA256:5Qe7dlOrhDVyiGfGUEY5rWyAJJaPt+AKB9ZWq5uxglQ.
ECDSA key fingerprint is MD5:1a:11:77:81:e9:7f:3a:5c:d8:f2:4a:58:b1:55:29:9e.
# 第一次需要确认
Are you sure you want to continue connecting (yes/no)? yes
Warning: Permanently added 'hadoop02,192.168.37.130' (ECDSA) to the list of known hosts.
a.test 100% 0 0.0KB/s 00:00
4.2 rsync安装
安裝rsync yum install rsync -y
编写集群同步脚本 xsync.sh
#!/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
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=2; host<4; host++)); do
echo --------------- node0$host ----------------
rsync -rvl $pdir/$fname $user@node0$host:$pdir
done
添加执行权限 chmod 777 xsync.sh
4.3 远程文件分发
通过scp或者xsync脚本,同步hadoop文件夹、hosts文件到其他2台虚拟机,配置好密钥登陆
5. 启动hadoop
5.1 格式化 namenode
启动前,先格式化namenode节点node01
hadoop namenode -format
如果之前格式化过,先删除data和logs目录,再格式化
5.2 启动hdfs
在node01节点启动namenode
sbin/start-dfs.sh
查看进程jps
[root@node01 sbin]# jps
2368 DataNode
2275 NameNode
8067 Jps
[root@node02 soft]# jps
6135 Jps
1900 DataNode
[root@hadoop03 ~]# jps
1658 DataNode
5535 Jps
查看文件列表, 现在是空的
5.3 上传下载文件
linux查看文件列表
hdfs dfs -ls /
上传文件
hdfs dfs -put ./README.txt /
查看文件内容
hdfs dfs -cat /README.txt
刷新页面
6. 启动yarn
在node02 节点启动ResourceManager
sbin/start-yarn.sh
[root@node01 hadoop-2.7.2]# jps
2368 DataNode
2275 NameNode
2628 NodeManager
8107 Jps
[root@node02 ~]# jps
2112 NodeManager
2017 ResourceManager
6148 Jps
1900 DataNode
[root@node03 ~]# jps
1827 NodeManager
1748 SecondaryNameNode
1658 DataNode
5563 Jps
7. 同步集群时间
每台虚拟机时间是不一致的,会造成hadoop集群操作异常,下面同步集群时间
7.1 安装ntp
每台机器都安装
yum install ntp -y
7.2 配置ntp
vi /etc/ntp.conf
restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap #注释放开
# 注释以下内容
#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
#添加以下内容
server 127.127.1.0
fudge 127.127.1.0 stratum 10
vi/etc/sysconfig/ntpd
#添加
SYNC_HWCLOCK=yes
重启服务
[root@node01 ~]# service ntpd status
ntpd is stopped
[root@node01 ~]# service ntpd start
Starting ntpd: [ OK ]
[root@node01 ~]# chkconfig ntpd on
[root@node01 ~]# date
Thu Mar 14 06:06:11 CST 2019
7.3 其他服务器
配置10分钟同步一次node01时间
crontab -e
*/10 * * * * /usr/sbin/ntpdate node01
8. 执行MapReduce任务
yarn jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /README.txt /out/00
9.hdfs 常用命令
格式: bin/hdfs dfs -命令 文件
- -mkdir 创建文件夹
- -put 上传文件
- -get 下载文件
- -rmr 删除文件
- -cat 查看文件
- -copyFromLocal 复制文件
- -getmerge 合并下载
- -mkdir -p 创建多级目录