公司决定将现有 数据存储,数据清洗,离线分析,在线实时查询 迁移到hadoop(数据量300亿条左右)。经调研后发现需要使用hadoop集群,hbase集群,sqoop,phoenix相关技术。环境搭建demo使用的是虚拟机,系统为ubuntu,所使用软件版本为:jdk-1.8、hadoop-2.7.3、hbase-1.2.6、sqoop-1.4.7、phoenix-4.14.1。此教程所涉及到的相关参考博客/文章 都会罗列在此教程中。
此篇文章为 虚拟机完全分布式安装Hadoop集群 教程。
目前公司涉及改造技术部分大概如下图,改造前业务流程:
改造后业务流程:
1.修改Ubuntu服务器hostname主机名,主机名和ip是一一对应的
sudo hostname hadoop1
sudo hostname hadoop2
sudo hostname hadoop3
2.在 hadoop1,hadoop2,hadoop3 上,配置hosts
vi /etc/hosts
192.168.234.134 hadoop1
192.168.234.135 hadoop2
192.168.234.136 hadoop3
3.安装shh
sudo apt install openssh-server
4.解压JDK
tar -zxf jdk-8u111-linux-x64.tar.gz
sudo mv jdk1.8.0_181 /opt/
5.编写环境变量脚本并使其生效 (hadoop1、hadoop2、hadoop3)
sudo vim /etc/profile.d/jdk1.8.sh
加入以下jdk配置:
export JAVA_HOME=/opt/jdk1.8.0_181
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
刷新配置文件 source /etc/profile
6.集群ssh无密匙登录 (hadoop1、hadoop2、hadoop3)
sudo apt install ssh
sudo apt install rsync
ssh-keygen -t rsa //一路回车就好
7.在 Hadoop1(master角色) 执行,将~/.ssh/下的id_rsa.pub公私作为认证发放到hadoop1,hadoop2,hadoop3的~/.ssh/下
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop1
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop2
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop3
8.hadoop完全分布式集群文件配置和启动
在Hadoop1,2,3中配置Hadoop环境变量
sudo vim /etc/profile.d/hadoop2.7.3.sh
加入以下hadoop配置:
export HADOOP_HOME="/opt/hadoop-2.7.3"
export PATH="$HADOOP_HOME/bin:$PATH"
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
9.在Hadoop1 master
tar -zxf hadoop-2.7.3.tar.gz
cd hadoop-2.7.3/etc/hadoop/
vi hadoop-env.sh
加入以下配置:
export JAVA_HOME=/opt/jdk1.8.0_181
10.配置salves
vi slaves
加入以下配置(只需要把node节点加进来即可,master不需要加进来):
hadoop2
hadoop3
11.修改core-site.xml
vi core-site.xml
<configuration>
<!-- 指定hdfs的nameservice为ns1 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop1:9000</value>
</property>
<!-- Size of read/write buffer used in SequenceFiles. -->
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
<!-- 指定hadoop临时目录,自行创建 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/liyt/hadoop-2.7.3/tmp</value>
</property>
</configuration>
12.修改hdfs-site.xml
vi hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop1:50090</value>
</property>
<!--文件备份数量-->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/liyt/hadoop-2.7.3/hdfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/liyt/hadoop-2.7.3/hdfs/data</value>
</property>
</configuration>
13.修改yarn-site.xml (测试的话 yarn性能优化配置 不需要添加)
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>hadoop1:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>hadoop1:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>hadoop1:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>hadoop1:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>hadoop1:8088</value>
</property>
<!--yarn性能优化配置 要根据集群情况修改-->
<!--表示该节点上YARN可使用的物理内存总量,默认是8192(MB),注意,如果你的节点内存资源不够8GB,则需要调减小这个值,而YARN不会智能的探测节点的物理内存总量-->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>48000</value>
</property>
<!--单个任务可申请的最少物理内存量,默认是1024(MB),如果一个任务申请的物理内存量少于该值,则该对应的值改为这个数。-->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<!--单个任务可申请的最多物理内存量,默认是8192(MB)。-->
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>8192</value>
</property>
<!--MR ApplicationMaster占用的内存量-->
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>1024</value>
</property>
<!--任务每使用1MB物理内存,最多可使用虚拟内存量,默认是2.1-->
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>3</value>
</property>
<!--表示该节点上YARN可使用的虚拟CPU个数,默认是8,注意,目前推荐将该值设值为与物理CPU核数数目相同。如果你的节点CPU核数不够8个,则需要调减小这个值,而YARN不会智能的探测节点的物理CPU总数。-->
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>24</value>
</property>
</configuration>
14.拷贝并修改mapred-site.xml(测试的话 mapreduce性能优化配置 不需要添加)
vi mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop1:19888</value>
</property>
<!--mapreduce性能优化配置 要根据集群情况修改-->
<!--每个Map Task需要的内存量-->
<property>
<name>mapreduce.map.memory.mb</name>
<value>1024</value>
</property>
<!--每个Reduce Task需要的内存量-->
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>1024</value>
</property>
</configuration>
15.复制Hadoop配置好的包到其他Linux主机
scp -r hadoop-2.7.3 hadoop2:/home/liyt/
scp -r hadoop-2.7.3 hadoop3:/home/liyt/
16.将每个Hadoop包sudo mv移动到/opt/路径下。不要sudo cp,注意权限。
sudo mv hadoop-2.7.3 /opt/
17.(hadoop1、Hadoop2、hadoop3)修改/etc/profile
sudo vim /etc/profile
在文件底部追加以下配置:
export JAVA_HOME=/opt/jdk1.8.0_181
export HADOOP_HOME=/opt/hadoop-2.7.3
export PATH=.:$HADOOP_HOME/bin:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$PATH
source /etc/profile #更新修改profile文件
18.格式化节点 ,在hadoop1上执行
liyt@ubuntu:/opt/hadoop-2.7.3$ hdfs namenode -format
19.hadoop集群全部启动 hadoop1 master节点下执行
liyt@ubuntu:/opt/hadoop-2.7.3/sbin$ ./start-all.sh
其它节点上jps
20.访问hadoop1 查看查看master状态
在浏览器中输入http://hadoop1的ip:50070
21.访问hadoop集群地址
http://hadoop1的ip:8088/cluster/nodes
至此,hadoop集群搭建完成,下面扩展一些可能会遇到的问题,以及动态增加datanode节点方法(都已经实践过)
后续会 写hbase集群、sqoop、phoenix安装及配置文章
Hadoop中DataNode没有启动解决办法
https://blog.csdn.net/u013129944/article/details/78604651