大数据-04-Hadoop集群 集群群起 NameNode/DataNode启动 3台公网云 ResourceManager Yarn HDFS 集群启动 UI可视化查看 YarnUI 原创

点一下关注吧！！！非常感谢！！持续更新！！！

目前已经更新到了：

• Hadoop（正在更新）

章节内容

上一节完成：

• HOSTS 配置（非常重要！坑多！）
• ROOT权限开启（重要）
• SSH KEY 生成
• SSH 三台云服务器 免登陆
• 分发脚本编写和测试

背景介绍

这里是三台公网云服务器，每台 2C4G，搭建一个Hadoop的学习环境，供我学习。
之前已经在 VM 虚拟机上搭建过一次，但是没留下笔记，这次趁着前几天薅羊毛的3台机器，赶紧尝试在公网上搭建体验一下。

注意，如果你和我一样，打算用公网部署，那一定要做好防火墙策略，避免不必要的麻烦！！！
请大家都以学习为目的，也请不要对我的服务进行嗅探或者攻击！！！

但是有一台公网服务器我还运行着别的服务，比如前几天发的：autodl-keeper 自己写的小工具，防止AutoDL机器过期的。还跑着别的Web服务，所以只能挤出一台 2C2G 的机器。那我的配置如下了：

• 2C4G 编号 h121
• 2C4G 编号 h122
• 2C2G 编号 h123

请确保上一节内容全部完毕和跑通！！！

基本介绍

HDFS（Hadoop Distributed File System）： HDFS 是 Hadoop 的分布式文件系统，它允许集群中的所有节点存储数据并通过文件系统进行访问。HDFS 将数据拆分成多个数据块，并在不同节点上进行冗余存储以确保数据安全和可用性。当一个节点出现故障时，HDFS 会从其他节点的副本中恢复数据，保证数据的持久性。

YARN（Yet Another Resource Negotiator）： YARN 是 Hadoop 的资源管理系统，负责集群中计算资源的分配和调度。它会根据应用程序的需求，在集群中分配适当的计算资源（如 CPU 和内存），并监控这些资源的使用情况。YARN 的出现让 Hadoop 支持多种不同类型的工作负载，不再局限于 MapReduce。

MapReduce： 这是 Hadoop 中的一种计算模型，用于大规模数据集的并行处理。MapReduce 将数据处理分为两个阶段：Map 阶段和 Reduce 阶段。Map 阶段负责将输入数据分割成小块并进行并行处理，Reduce 阶段则负责聚合 Map 阶段的输出结果。这个模型特别适合处理大量的非结构化数据，如日志文件、网页抓取数据等。

集群架构： Hadoop 集群通常由主节点（Master）和多个从节点（Worker）组成。主节点负责管理集群中的资源和任务调度，而从节点则负责实际的数据存储和计算任务的执行。主节点通常运行 NameNode（HDFS 的主控节点）和 ResourceManager（YARN 的主控节点），而从节点运行 DataNode（HDFS 的存储节点）和 NodeManager（YARN 的资源管理节点）。

高可用性和容错机制： Hadoop 集群具有很强的容错能力。当某个节点出现故障时，集群可以继续正常工作，不会影响数据的完整性和任务的完成。HDFS 通过数据块的冗余存储（通常是每个数据块有 3 个副本）来保证数据的可靠性。YARN 也通过监控节点的状态，确保计算任务的高可用性。

扩展性： Hadoop 集群具有很好的水平扩展能力。随着数据量的增加，可以通过增加更多的从节点来提升集群的存储和计算能力，而不会影响现有集群的性能。这使得 Hadoop 成为处理大规模数据集的理想选择。

生态系统： Hadoop 作为大数据技术的基础，拥有丰富的生态系统，包括 Hive（数据仓库工具）、HBase（NoSQL 数据库）、Spark（内存计算框架）、Pig（数据流语言）、Flume 和 Kafka（数据收集工具）、Oozie（工作流调度）等。这些工具可以与 Hadoop 无缝集成，帮助用户更好地处理和分析数据。

Hadoop 分发

我们之前只配置 h121 节点的内容，但是h122和h123机器上还没有环境。
需要借助我们上节的工具来完成一键分发。

rsync-script /opt/servers/hadoop-2.9.2

注意！！！这里只是分发过去了，但是 JAVA_HOME 和 HADOOP_HOME 环境变量等内容还是需要自己配置的！！！
注意！！！这里只是分发过去了，但是 JAVA_HOME 和 HADOOP_HOME 环境变量等内容还是需要自己配置的！！！
注意！！！这里只是分发过去了，但是 JAVA_HOME 和 HADOOP_HOME 环境变量等内容还是需要自己配置的！！！

单机启动

确保之前的所有内容都可以跑通，那么激动人心的时刻来了！！！

节点分配

这里需要再放一次节点的分配图，方便大家查看：

目前 登录到 h121 节点上。

初始格式化

NameNode 节点初始化，别的机器不需要执行
这步是必须的！！！
这步是必须的！！！
这步是必须的！！！

hadoop namenode -format

等待一会儿之后，如果出现如图的内容，那代表你已经顺利格式化

可以看到，控制台中给我们的路径：

/opt/servers/hadoop-2.9.2/data/tmp/dfs/name

可以查看一下当前初始化的结果：

cd /opt/servers/hadoop-2.9.2/data/tmp/dfs/name
ls

NameNode

启动最关键的节点 NameNode：

hadoop-daemon.sh start namenode
jps

DataNode

h121和h122和h123都启动 DataNode

hadoop-daemon.sh start datanode
jps

h121

h122

h123

访问服务

顺利启动后，我们查看WEB UI界面

http://h121.wzk.icu:50070/dfshealth.html#tab-overview

查看 DataNode 可以看到

Yarn启动

节点分配

我们需要启动

• Node Manager
• ResourceManager
  

h121启动

yarn-daemon.sh start nodemanager
jps

h122 启动

yarn-daemon.sh start nodemanager
jps

h123 启动

yarn-daemon.sh start nodemanager
yarn-daemon.sh start resourcemanager

访问服务

http://h123.wzk.icu:8088/cluster

集群启动

如果你已经走到了这里，真的挺不容易的！恭喜你！一切顺利！

单节点启动后，就不需要再对 NameNode 进行格式化了，先停止之前节点的服务。

停止服务

需要在 h121 h122 h123 上都执行一次！！！
需要在 h121 h122 h123 上都执行一次！！！
需要在 h121 h122 h123 上都执行一次！！！

hadoop-daemon.sh stop datanode
hadoop-daemon.sh stop namenode
yarn-daemon.sh stop nodemanager
yarn-daemon.sh stop resourcemanager

HDFS集群

在h121集群上进行执行！

start-dfs.sh

h121

h122

h123

Yarn集群

在h123集群上进行执行！

注意：NameNode 和 ResourceManager 不在同一个机器上，不能在 NameNode 节点上启动 Yarn，应该在ResourceManager上启动。

start-yarn.sh

h123

h121

h122