2 Hadoop集群安装部署准备

集群安装前需要考虑的几点
硬件选型
--CPU、内存、磁盘、网卡等
--什么配置？需要多少？

网络规划
--1 GB？ 10 GB？
--网络拓扑？

操作系统选型及基础环境
--Linux？Windows？什么版本？
--哪些基础环境？
Hadoop版本选型
--Apache？ CDH？HDP？哪个版本？

Hadoop集群的角色基本上分为两类：
--Master：NameNode/Secondary NameNode/JobTracker/ResourceManager etc
--Worker： DataNode/TaskTracker/NodeManager
Master：
--对CPU和内存要求高，丌需要大容量存储
--为了数据可靠性，可以做RAID
--节点数要求不多，一般一个角色一台，HA配置需要多台
Worker：
--CPU和内存决定了单机的计算能力，磁盘容量决定了单机的存储能力
--一般性能强硬些，多磁盘用于存储大量数据
--节点数决定了集群规模，节点越多，集群计算和存储能力线性增长

推荐生产集群配置

　　　　　　Master 　　　　　　　　　　Worker
CPU 　　　　24 core + 　　　　　　　　24 core+
内存　　128G +(取决于集群规模) 　　　128G/256G +
磁盘　　600G SAS RAID1 　　　　　　 4T*12，不必RAID，JBOD
网卡　　10Gb，最好双网卡绑定　　　　10Gb，最好双网卡绑定

网络规划
HDFS有数据本地性优化，尽量减少节点间数据传输
客户端读写DataNode，MR shuffle等不可避免的数据传输，带宽越高性能越好
网络拓扑规划上要考虑容灾

操作系统选型
OS：
虽然新版本Hadoop支持运行在Windows上，但在生产上不要运行Windows，以Linux为主
选择支持的Linux版本（CentOS、 Redhat、 SUSE、 Ubuntu等），选择稳定的版本
基础环境：
ssh、 rsync、 ntp、 dns与主机名、 jdk等
关闭iptables，关闭selinux、禁用swap
关于分区不文件系统：
由于Hadoop的各个角色依赖本地磁盘，让数据目录独立分区
选择ext4/xfs等高效的文件系统

Hadoop版本选型
Hadoop除了官方社区发行的Apache Hadoop版本外，还有很多第三方的发行版，类似于Linux的发行版
主流的有：Cloudera CDH、 Hortonworks HDP、 MapR，还有IBM、 EMC、华为等
各个发行版基于Apache开源版本进行优化，并提供了自己的特殊功能比如方便部署管理、特殊feature等
如何选择？可参考以下几个因素：
--是否免费？是否开源？
--是否稳定？经过生产验证？
--社区支持如何？文档是否健全？

集群管理
当集群规模越来越大，集群管理和监控维护的成本越来越高，合适的集群管理工具是必要的
可以选择各个发行版自带的管理工具，如Cloudera CDH的Cloudera Manager
也可以用一些开源工具如puppet、 chef来自己维护

安装前的准备

--主机名和DNS

--节点规划

--基础环境准备

#yum安装
yum install pssh -y
#yun安装后pscp改名为pscp.pssh
#源码编译

[root@hadoop1 opt]# wget https://pypi.python.org/packages/60/9a/8035af3a7d3d1617ae2c7c174efa4f154e5bf9c24b36b623413b38be8e4a/pssh-2.3.1.tar.gz
[root@hadoop1 opt]# tar xf pssh-2.3.1.tar.gz
[root@hadoop1 opt]# cd pssh-2.3.1/
[root@hadoop1 pssh-2.3.1]# python setup.py install
[root@hadoop1 opt]# pssh --help
[root@hadoop1 opt]# vim cluster
[root@hadoop1 opt]# cat cluster
root@*
root@*
[root@hadoop1 ~]# ssh-keygen
[root@hadoop1 ~]# ssh-copy-id -i .ssh/id_rsa.pub root@*
[root@hadoop1 ~]# ssh-copy-id -i .ssh/id_rsa.pub root@*
[root@hadoop1 opt]# pssh -t 120 -h cluster -v -o ./ -e ./error/ ls
[root@hadoop1 opt]# pssh -h cluster -P "uptime"
======
pssh -h cluster -P "sed -i 's/=enforcing/=disabled/' /etc/selinux/config"
pssh -h cluster -P "service iptables stop"
pssh -h cluster -P "chkconfig iptables off"
pssh -h cluster -P "cat >> /etc/profile << EOF
export HISTTIMEFORMAT='%F %T '
EOF"
pssh -h cluster -P "sed -i '$a vm.swappiness = 0' /etc/sysctl.conf"
pssh -h cluster -P "sed -i '$a echo never > /sys/kernel/mm/redhat_transparent_hugepage/defrag' /etc/rc.local"
pssh -h cluster -P "sed -i '$a echo never > /sys/kernel/mm/redhat_transparent_hugepage/enabled' /etc/rc.local"

pssh -h cluster -P "service ntpd start"
pssh -h cluster -P "chkconfig ntpd on"
pssh -h cluster -P "cat >> /etc/hosts << EOF
* hadoop1
* hadoop2
* hadoop3
EOF"

======
创建本地yum源

https://www.cloudera.com/documentation/enterprise/5-12-x/topics/cdh_ig_yumrepo_local_create.html

下载对应系统repo文件

[root@hadoop1 opt]# cp cloudera-cdh5.repo /etc/yum.repos.d/.
[root@hadoop1 opt]# yum install yum-utils createrepo
# cd /var/www/html/
[root@hadoop1 html]# reposync -r cloudera-cdh5
Put all the RPMs into a directory served by your web server, such as /var/www/html/cdh/5/RPMS/noarch/
##这里如果下载很慢，有的包下载报错[Errno 256] No more mirrors to try.
可以打开下载http://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/5/RPMS/noarch/
https://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/5/RPMS/x86_64/
--wget http://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/5/RPMS/noarch/avro-libs-1.7.6+cdh5.16.1+143-1.cdh5.16.1.p0.3.el6.noarch.rpm
--wget https://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/5/RPMS/x86_64/hadoop-2.6.0+cdh5.16.1+2848-1.cdh5.16.1.p0.3.el6.x86_64.rpm

# cd cloudera-cdh5
# createrepo .
# yum install httpd
# service httpd restart
# yum install w3m
[root@hadoop1 cloudera-cdh5]# w3m http://hadoop1/cloudera-cdh5
# cp /etc/yum.repos.d/cloudera-cdh5.repo /etc/yum.repos.d/cloudera-cdh5.repo.bk
# vim /etc/yum.repos.d/cloudera-cdh5.repo ##base url
Edit the repo file you downloaded in step 1 and replace the line starting with baseurl= or mirrorlist= with baseurl=http://<yourwebserver>/cdh/5/
[cloudera-cdh5]
# Packages for Cloudera's Distribution for Hadoop, Version 5, on RedHat or CentOS 6 x86_64
name=Cloudera's Distribution for Hadoop, Version 5
baseurl=http://hadoop1/cloudera-cdh5
#gpgkey =https://archive.cloudera.com/cdh5/redhat/6/x86_64/cdh/RPM-GPG-KEY-cloudera    
gpgcheck = 0
# yum clean all
# yum install hadoop
[root@hadoop1 opt]# prsync -h cluster /etc/yum.repos.d/cloudera-cdh5.repo /tmp/
[root@hadoop1 opt]# pssh -h cluster -i "ls -l /tmp/cloudera-cdh5.repo"
[root@hadoop1 opt]# pssh -h cluster -i "mv /tmp/cloudera-cdh5.repo /etc/yum.repos.d/"
[root@hadoop1 opt]# pssh -h cluster -i "yum clean all"
[root@hadoop1 opt]# pssh -h cluster -i "yum install hadoop -y"
[root@hadoop1 opt]# pssh -h cluster -i "rpm -qa|grep hadoop"

[root@hadoop1 opt]# pssh -h cluster -i "rpm -qa | grep java-1"
[root@hadoop1 opt]# prsync -h cluster jdk-8u191-linux-x64.tar.gz /opt/
[root@hadoop1 opt]# pssh -h cluster -i "tar -zxvf /opt/jdk-8u191-linux-x64.tar.gz -C /opt/"
[root@hadoop1 opt]# pssh -h cluster -i "ln -s /opt/jdk1.8.0_191 /opt/jdk"
[root@hadoop1 opt]# pssh -h cluster -i "alternatives --install /usr/bin/java java /opt/jdk/bin/java 100"
[root@hadoop1 opt]# pssh -h cluster -i "alternatives --install /usr/bin/javac javac /opt/jdk/bin/javac 100"
[root@hadoop1 opt]# pssh -h cluster -i "cat >> /etc/profile << EOF
export JAVA_HOME=/opt/jdk
export PATH=$PATH:$JAVA_HOME/bin
EOF"
[root@hadoop1 opt]# pssh -h cluster -i "source /etc/profile"
[root@hadoop1 opt]# pssh -h cluster -i "rpm -e java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64"
[root@hadoop1 opt]# pssh -h cluster -i "rpm -e --nodeps java-1.7.0-openjdk-1.7.0.181-2.6.14.10.el6.x86_64"
[root@hadoop1 opt]# pssh -h cluster -i "java -version"