Hadoop入门之部署篇
目录
Hadoop概述与部署
参考: http://hadoop.apache.org/docs/r3.1.3/index.html
1.Hadoop概述
- 什么是Hadoop?
Hadoop是由Apache基金会开发的分布式系统基础架构,用来解决海量数据的存储和分析计算问题。 - Hadoop的优势
- 高可靠:Hadoop数据存储底层采用多副本
- 高扩展:集群部署,可以轻松进行节点的扩展
- 高效性:Hadoop并行工作,加快任务处理速度
- 高容错:能够自动地将失败的任务重新分配
2.Hadoop组成
- 2.x版本和3.x版本组成如下:
- MapReduce:计算
- Yarn:资源调度
- HDFS:数据存储
- Common:辅助工具
备注:1.x版本中,没有Yarn,MapRedcuer承担计算和资源调度
3.部署规划
- 三台虚拟机
| IP- 主机名 | 操作系统 | 配置 | 节点
| --- | -----| ---- | -------|
| 192.168.122.10-Hadoop10 | CentOS 7.5 | 1核/4G内存/50G硬盘 |NameNode、DataNode、NodeManager |
| 192.168.122.11-Hadoop11 | CentOS 7.5 | 1核/4G内存/50G硬盘 |ResourceManager、DataNode、NodeManager|
| 192.168.122.12-Hadoop12 | CentOS 7.5 | 1核/4G内存/50G硬盘 |SecondaryNameNode、DataNode、NodeManager
4.集群部署
4.1 系统更新和ssh免密配置
- 更新升级
yum install -y epel-release
yum update
- 配置ssh免密登录
[v2admin@hadoop10 ~]$ ssh-keygen -t rsa
//...连续回车即可生成私钥id_rsa和id_rsa.pub
// 我的用户是v2admin,后续操作都是以这个用户
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop10
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop11
[v2admin@hadoop10 ~]$ ssh-copy-id hadoop12
// hadoop11 hadoop12 执行同样操作
- 上传jdk和Hadoop包至三台虚拟机的/home/v2admin目录下
// 我自己的用操作系统是Ubuntu 18.04,直接使用scp进行上传。
// 如果使用windows系统,可以安装lrzsz或者使用ftp方式上传至虚拟机
scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz v2admin@192.168.122.10:/home/v2admin
scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz v2admin@192.168.122.11:/home/v2admin
scp jdk-8u212-linux-x64.tar.gz hadoop-3.1.3.tar.gz v2admin@192.168.122.12:/home/v2admin
4.2 安装JDK
[v2admin@hadoop10 ~]$tar zxvf jdk-8u212-linux-x64.tar.gz
[v2admin@hadoop10 ~]$sudo mv jdk1.8.0_212/ /usr/local/jdk8
4.2 安装Hadoop
[v2admin@hadoop10 ~]$sudo tar zxvf hadoop-3.1.3.tar.gz -C /opt
[v2admin@hadoop10 ~]$ sudo chown -R v2admin:v2admin /opt/hadoop-3.1.3 // 修改所属用户和组为当前用户
4.3 配置jdk和Hadoop环境变量
[v2admin@hadoop10 ~]$sudo vim /etc/profile // 最后面添加
......
# set jdk hadoop env
export JAVA_HOME=/usr/local/jdk8
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export HADOOP_HOME=/opt/hadoop-3.1.3
export PATH=${PATH}:${JAVA_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin
....
[v2admin@hadoop10 ~]$source /etc/profile
[v2admin@hadoop10 ~]$java -version // 验证下jdk
java version "1.8.0_212"
Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)
[v2admin@hadoop10 ~]$hadoop version // 验证下hadoop
Hadoop 3.1.3
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
Compiled by ztang on 2019-09-12T02:47Z
Compiled with protoc 2.5.0
From source with checksum ec785077c385118ac91aadde5ec9799
This command was run using /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar
4.4 分发文件的脚本
因为三台虚拟机配置文件是一样的,如果没有这个脚本,则需要一台一台配置,很繁琐
脚本文件名xrsync.sh
赋予执行权限,将其放到bin目录下,这样可以像使用其他shell命令一样直接调用
#!bin/bash
if [ $# -lt 1 ]
then
echo 缺少必要的参数
fi
# 遍历集群服务器
for host in hadoop10 hadoop11 hadoop12
do
for file in $@
do
if [ -e $file ]
then
# 获取父目录
pdir=$(cd -P $(dirname $file);pwd)
# 获取当前文件名称
filename=$(basename $file)
ssh $host "mkdir -p $pdir"
rsync -av $(pdir)/$(fname) $host:$pdir
else
echo $file not exists!
fi
done
done
4.5 集群配置
- 4.5.1 配置下Hadoop的JAVA_HOME
[v2admin@hadoop10 ~]$ cd /opt/hadoop-3.1.3/etc/hadoop
[v2admin@hadoop10 ~]$ vim hadoop-env.sh
// 修改JAVA_HOME内容
export JAVA_HOME=/usr/local/jdk8
[v2admin@hadoop10 ~]$xrsync hadoop-env.sh // 同步更新其他两台主机的配置文件
- 4.5.2 核心配置
core-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop10:9820</value>
</property>
<!-- hadoop 数据的存储目录 -->
<property>
<name>hadoop.data.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<property>
<name>hadoop.proxyuser.v2admin.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.v2admin.groups</name>
<value>*</value>
</property>
<!-- 指定用户 -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>v2admin</value>
</property>
</configuration>
- 4.5.3 HDFS 配置
hdfs-site.xml
<configuration>
<!--NameNode数据的存储目录 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file://${hadoop.data.dir}/name</value>
</property>
<!--DataNode数据存储目录 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file://${hadoop.data.dir}/data</value>
</property>
<!-- 2n数据的存储目录-->
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file://${hadoop.data.dir}/namesecondary</value>
</property>
<property>
<name>dfs.client.datanode-restart.timeout</name>
<value>30</value>
</property>
<!--nn的WEB访问地址 -->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop10:9870</value>
</property>
</configuration>
- 4.5.4 Yarn配置
yarn-site.xml
<configuration>
<!-- Site specific YARN configuration properties -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop11</value>
</property>
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop10:19888/jobhistory/logs</value>
</property>
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
</configuration>
- 4.5.5 MapReduce配置
mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop10:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop10:19888</value>
</property>
</configuration>
- 4.5.6 使用脚本集群上分发配置的好配置文件
4.6 启动集群的脚本
启动集群需要在每台服务器上去执行相关启动操作,为方便启动集群,和查看启动信息,编写一个启动脚本startMyCluster.sh
#!/bin/bash
if [ $# -lt 1 ]
then
echo "Not enough arguments Input !!!"
exit
fi
case $1 in
# 启动
"start")
echo "==========start hdfs============="
ssh hadoop10 /opt/module/hadoop-3.1.3/sbin/start-dfs.sh
echo "==========start historyServer============"
ssh hadoop10 /opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver
echo "==========start yarn============"
ssh hadoop11 /opt/module/hadoop-3.1.3/sbin/start-yarn.sh
;;
# 关闭
"stop")
echo "==========stop hdfs============="
ssh hadoop10 /opt/module/hadoop-3.1.3/sbin/stop-dfs.sh
echo "==========stop yarn============"
ssh hadoop11 /opt/module/hadoop-3.1.3/sbin/stop-yarn.sh
echo "==========stop historyserver===="
ssh hadoop10 /opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver
;;
# 查看启动信息
"jps")
for i in hadoop10 hadoop11 hadoop12
do
echo "==============$i jps================"
ssh $i /usr/local/jdk8/bin/jps
done
;;
*)
echo "Input Args Error!!!"
;;
esac
同样将其放到/bin目录下方便直接调用
4.7 启动集群和查看启动信息
[v2admin@hadoop10 ~]$ startMyCluster.sh start //启动
==========start hdfs=============
Starting namenodes on [hadoop10]
Starting datanodes
Starting secondary namenodes [hadoop12]
==========start historyServer============
==========start yarn============
Starting resourcemanager
Starting nodemanagers
[v2admin@hadoop10 ~]$ startMyCluster.sh jps //查看启动信息
==============hadoop10 jps================
1831 NameNode
2504 Jps
2265 JobHistoryServer
1980 DataNode
2382 NodeManager
==============hadoop11 jps================
1635 DataNode
1814 ResourceManager
2297 Jps
1949 NodeManager
==============hadoop12 jps================
1795 NodeManager
1590 DataNode
1927 Jps
1706 SecondaryNameNode
4.8 可能遇到的问题
在安装部署完毕,启动时,可能会遇到NoClassDefFoundError: javax/activation/DataSource
我在以前安装时,没有出现过,但之前用的2.x,这次打算安装3.x版本,遇到这个问题,原因是yarn的lib中缺少相关jar包
解决方法:
cd /opt/hadoop-3.1.3/share/hadoop/yarn/lib
wget https://repo1.maven.org/maven2/javax/activation/activation/1.1.1/activation-1.1.1.jar