一、集群规划
二、基本配置
修改静态IP、修改主机名、配置主机名与-P映射,关闭防火墙,安装JDK并配置环境变量,这些操作相对不易出错且已有很多成熟安装笔记,不再赘述
三、ssh免密登录配置
参考我另一篇博客 《ssh免密配置》
四、安装zookeeper
安装相对简单,有很多成熟资料可供参考,不再赘述
五、安装Hadoop
1. 解压并配置HADOOP_HOME环境变量
2. 修改hadoop配置文件,配置文件在解压目录下的etc/hadoop下
(1). vim hadoop-env.sh
export JAVA_HOME=/home/hadoop/env/jdk1.8.0_91
(2).vim core-site.xml
<!-- 指定shuffle时临时文件的存储路径 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/hadoop-2.7.2/tmp</value>
</property>
<!-- 指定hdfs的nameservice为ns1,逻辑名,随便取 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://ns1</value>
</property>
<!-- 指定zookeeper地址,多个用,分割 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>datanode3:2181,datanode4:2181,datanode5:2181</value>
</property>
(3) vim hdfs-site.xml
<configuration>
<!-- dfs.nameservices 跟前面保持一致 -->
<property>
<name>dfs.nameservices</name>
<value>ns1</value>
</property>
<!-- 指定ns1下有两个namenode,分别是nn1,nn2,逻辑名,随便起 -->
<property>
<name>dfs.ha.namenodes.ns1</name>
<value>nn1,nn2</value>
</property>
<!-- 指定nn1的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn1</name>
<value>namenode1:8020</value>
</property>
<!-- 指定nn1的HTTP通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>namenode1:50070</value>
</property>
<!-- 指定nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn2</name>
<value>namenode2:8020</value>
</property>
<!-- 指定nn2的HTTP通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn2</name>
<value>namenode2:50070</value>
</property>
<!-- 指定namenode的元数据存放的Journal Node的地址,必须基数,至少三个 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://datanode3:8485;datanode5:8485;datanode4:8485/ns1</value>
</property>
<!--这是JournalNode进程保持逻辑状态的路径。这是在linux服务器文件的绝对路径-->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/home/hadoop/hadoop-2.7.2/journal/</value>
</property>
<!-- 开启namenode失败后自动切换 -->
<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 -->
<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30秒 -->
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>
(4).vim mapred-site.xml
<configuration>
<!-- 通知框架MR使用YARN -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
(5). vim yarn-site.xml
<configuration>
<!-- 指定YARN(ResourceManager进程)地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>datanode1</value>
</property>
<!-- reducer取数据的方式是mapreduce_shuffle -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
(6). vim slaves
加入以下内容:
datanode1
datanode2
datanode3
datanode4
datanode5
配置好之后使用scp -r 命令将之拷贝到其他所有主机
六、启动hadoop
注意启动顺序
1、分别datanode3、datanode4、datanode5上启动zookeeper
进入zookeeper安装目录:
./bin/zkServer.sh start 启动
./bin/zkServer.sh status 全部启动后查看状态
2、分别datanode3、datanode4、datanode5上启动journal node
进入hadoop安装目录:
./sbin/hadoop-daemon.sh start journalnode
3、格式化HDFS(namenode)
在任意一台namenode的Hadoop安装目录下:
./bin/hdfs namenode –format
并把生成的${HADOOP_HOME}/tmp 文件夹拷贝到另一台namenode的目录下
4、在当前namenode上格式化 zk
进入hadoop安装目录:
./bin/hdfs zkfc –formatZK
5、分别在两台namenode上启动zkfc来监控NN状态
进入hadoop安装目录下:
./sbin/hadoop-daemon.sh start zkfc
6、在当前namenode上启动HDFS
hadoop安装目录下:
./sbin/start-dfs.sh
7、yarn-site.xml里面配置的那台主机上启动YARN(MR)
hadoop安装目录下:
./sbin/start-yarn.sh
8.使用jps查看进程是否按照规划正确启动
常见错误:不要多次格式化namenode,否则出现namenode或datanode无法启动问题,若非要重新格式化,可修改tmp文件夹路径,进而格式化;防火墙不关闭导致连接被拒绝和zookeeper启动不成功、ssh配置不当导致连接超时,每个问题解决是需事先理智分析一下错误产生原因再去修改hadoop配置文件