大数据应用已经搞得沸沸扬扬,对ZOOKEEPER,HADOOP,SPARK,STREAM的文章也陆续出现在各大博客平台和技术交流论坛中,最近因琐事较多,时间不太充裕(也许只是借口而已),在个人进步这块有些懈怠,检讨一下(其实内心相当痛苦)
今天、写下有关Zookeeper和hadoop配置及搭建过程及个人的一些看法,以备后续翻阅。
-
环境说明
版本说明:Zookeeper-3.4.11 Hadoop2.4
操作环境:CentOS 7
要求: Zookeeper和Hadoop的关系,及各自在分布式计算和数据处理领域的地位,需要提前备注一下
Hadoop是由Apache公司开源的一套分布式系统的架构,它实现了一个叫HDFS的分布式文件存储系统,全称是Hadoop Distributed File System, 它设计之初是用来部署在比较低廉的机器硬件之上,并且可以提供高吞吐量及大数据处理的能力。计算方面提供MapReduce模型为大数据处理提供支持。
Zookeeper是用来配置和支持分布式调试的工具,类似于一个网管软件,是分布式高可用领域非常重要的开源软件,不只是大数据领域,在其他微服务系统架构中服务的发现和注册体系中也有一席之地(之后有机会和大家分享)
ZooKeeper好比客服,Hadoop是干活的,客服知道具体业务人员都是谁(小公司),有几个可以调度,甲不行就让乙来干(更贴切的描述应该对人员进行分组,一个活交给一组人干,而且可以保证这个活早晚会被接手(干活的速度就取决于任务调度的效率、业务人员的业务水平和平台的支撑能力等)
zookeeper是一个分布式协调服务;就是为用户的分布式应用程序提供协调服务
A、zookeeper是为别的分布式程序服务的
B、Zookeeper本身就是一个分布式程序(只要有半数以上节点存活,zk就能正常服务)
C、Zookeeper所提供的服务涵盖:主从协调、服务器节点动态上下线、统一配置管理、分布式共享锁、统一名称服务
半数机制:集群中半数以上机器存活,集群可用。
zookeeper适合装在奇数台机器上!!!
Zookeeper用于超级大集群时,延时会很长不太适合。
费话少说磨刀完毕,开始干活:
因为zookeeper的切换高活机制,建议集群主机大于3,且为寄数个(根据实际情况进行评估),只要超过半数机器可用则整个集群就可以正常运行。
-
zookeeper安装
1.需要安装 JDK
2.安装方式
首先上传安装包,并解压到某处,如/usr/zookeeper
注:rz命令可以上传文件(弹出上传文件提示框),需要安装yum install lrzsz
3.配置conf/zoo.cfg
4.根据server.1…….,增加myid文件,放在dataDir下
###root> Echo 1 > #dataDir/myid
5.启动#zooDir/bin/zkServer.sh start
6.查看服务器是否启动正确: zkServer.sh status
Mode将显示为leader或者follower,注间leader只能在一台主机上显示
7.注意,一般集群为内部网络专用,建议把防火墙关闭即可
-
Hadoop安装
.安装配置hadoop集群(在hadoop-server1上操作)
2.1解压
tar -zxvf hadoop-2.4.1.tar.gz -C /weekend/
2.2配置HDFS(hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下)
#将hadoop添加到环境变量中
vim /etc/profile
export JAVA_HOME=/hadoop/home/app/jdk1.7.0_55
export HADOOP_HOME=/home/hadoop/app/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin
#hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下
cd /home/hadoop/app/hadoop-2.4.1/etc/hadoop
2.2.1修改hadoo-env.sh
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_55
2.2.2修改core-site.xml
<configuration>
<!-- 指定hdfs的nameservice为ns1 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://ns1/</value>
</property>
<!-- 指定hadoop临时目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/app/hadoop-2.4.1/tmp</value>
</property>
<!-- 指定zookeeper地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop-server3:2181,hadoop-server3:2181,hadoop-server3:2181</value>
</property>
</configuration>
2.2.3修改hdfs-site.xml
<configuration>
<!--指定hdfs的nameservice为ns1,需要和core-site.xml中的保持一致 -->
<property>
<name>dfs.nameservices</name>
<value>ns1</value>
</property>
<!-- ns1下面有两个NameNode,分别是nn1,nn2 -->
<property>
<name>dfs.ha.namenodes.ns1</name>
<value>nn1,nn2</value>
</property>
<!-- nn1的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn1</name>
<value>hadoop-server1:9000</value>
</property>
<!-- nn1的http通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>hadoop-server1:50070</value>
</property>
<!-- nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn2</name>
<value>weekend02:9000</value>
</property>
<!-- nn2的http通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn2</name>
<value>hadoop-server2:50070</value>
</property>
<!-- 指定NameNode的元数据在JournalNode上的存放位置 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hadoop-server3:8485;hadoop-server4:8485;hadoop-server5:8485/ns1</value>
</property>
<!-- 指定JournalNode在本地磁盘存放数据的位置 -->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/home/hadoop/app/hadoop-2.4.1/journaldata</value>
</property>
<!-- 开启NameNode失败自动切换 -->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!-- 配置失败自动切换实现方式 -->
<property>
<name>dfs.client.failover.proxy.provider.ns1</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!-- 配置隔离机制方法,多个机制用换行分割,即每个机制暂用一行-->
<property>
<name>dfs.ha.fencing.methods</name>
<value>
sshfence
shell(/bin/true)
</value>
</property>
<!-- 使用sshfence隔离机制时需要ssh免登陆 -->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/home/hadoop/.ssh/id_rsa</value>
</property>
<!-- 配置sshfence隔离机制超时时间 -->
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>
2.2.4修改mapred-site.xml
<configuration>
<!-- 指定mr框架为yarn方式 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
2.2.5修改yarn-site.xml
<configuration>
<!-- 开启RM高可用 -->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 指定RM的cluster id -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>
<!-- 指定RM的名字 -->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 分别指定RM的地址 -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hadoop-server1</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hadoop-server2</value>
</property>
<!-- 指定zk集群地址 -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>hadoop-server3:2181,hadoop-server4:2181,hadoop-server5:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
2.2.6修改slaves(slaves是指定子节点的位置)
hadoop-server3
hadoop-server4
hadoop-server5
Over...