Hadoop分布式部署

Hadoop分布式部署

环境:rhel6.5 selinux and iptables disabled, sshd enabled

主机: 192.168.2.1 master

192.168.0.137 slave

192.168.0.187 slave

192.168.0.151 slave

软件:hadoop.apache.org

主节点包括名称节点、从属名称节点和 jobtracker 守护进程(即所谓的主守护进程)以及管理

集群所用的实用程序和浏览器。从节点包括 tasktracker 和数据节点(从属守护进程)。两种设

置的不同之处在于,主节点包括提供 Hadoop 集群管理和协调的守护进程,而从节点包括实现

Hadoop 文件系统(HDFS)存储功能和 MapReduce 功能(数据处理功能)的守护进程。

每个守护进程在 Hadoop 框架中的作用。namenode 是 Hadoop 中的主服务器,它管理文件系

统名称空间和对集群中存储的文件的访问。还有一个 secondary namenode,它不是namenode 的冗余守护进程,而是提供周期检查点和清理任务。在每个 Hadoop 集群中可以找到一个 namenode 和一个 secondary namenode。

datanode 管理连接到节点的存储(一个集群中可以有多个节点)。每个存储数据的节点运行一

个 datanode 守护进程。每个集群有一个 jobtracker,它负责调度 datanode 上的工作。每个 datanode 有一个tasktracker,它们执行实际工作。jobtracker 和 tasktracker 采用主-从形式,jobtracker 跨datanode 分发工作,而tasktracker 执行任务。jobtracker 还检查请求的工作,如果一个datanode 由于某种原因失败,jobtracker 会重新调度以前的任务。

  

Hadoop文件系统（HDFS）存储功能

下载包hadoop-1.2.1.tar.gz

tar zxf hadoop-1.2.1.tar.gz

首先设置ssh无密钥连接

在节点机创建一个普通用户，useradd -u  800  hadoop

把软件考到hadoop家目录cp hadoop-1.2.1  /home/hadoop

加权限   chown -R  hadoop.hadoop  hadoop-1.2.1/

切换到hadoop用户 su  -  hadoop

设置ssh无密钥连接

下载java平台jdk-6u32-linux-x64.bin

sh jdk-6u32-linux-x64.bin

mv jdk1.6.0_32/  hadoop-1.2.1/ #便于移动

cd hadoop-1.2.1/

ln -s   ./jdk1.6.0_32/   jdk #建立软链接

cd conf/

vim hadoop-env.sh

export JAVA_HOME=/home/hadoop/hadoop/jdk #设置java环境变量

ln -s ./hadoop-1.2.1/ hadoop #建立软链接，保证jdk路径为/home/hadoop/hadoop/jdk

cd /home/hadoop/hadoop

mkdir input

cp conf/*   input/

bin/hadoop  jar   hadoop-examples-1.2.1.jar #运行发行版提供的示例程序:

bin/hadoop jar hadoop-examples-1.2.1.jar wordcount input output #不用提前创建output

cd output

cat  *

伪分布式存储

namenode和datanode用作数据存储

jobtracker和tasktracker用作数据处理

$ cd hadoop/conf/

$ pwd

/home/hadoop/hadoop/conf

$ vim hadoop-env.sh

export JAVA_HOME=/home/hadoop/hadoop/jdk

vim core-site.xml

<configuration>

<property>

<name>fs.default.name</name>

<value>hdfs://localhost:9000</value>

</property>

</configuration>

vim mapred-site.xml

<configuration>

<property>

<name>mapred.job.tracker</name>

<value>localhost:9001</value>

</property>

</configuration>

vim hdfs-site.xml

<configuration>

<property>

<name>dfs.replication</name>

<value>1</value>

</property>

</configuration>

[hadoop@node1 ~]$ cd hadoop/

$bin/hadoop namenode -format #格式化一个新的分布式文件系统

$ bin/start-all.sh #开启守护进程

$ cd

mkdir bin

$ ln -s /home/hadoop/hadoop/jdk/bin/jps ~/bin/

jps #查看

浏览 NameNode和 JobTracker的网络接口,它们的地址默认为:

NameNode – http://192.168.0.106:50070/

JobTracker – http://192.168.0.106:50030/

网页访问192.168.0.106：50030

网页访问192.168.0.106：50070

$ bin/hadoop fs -ls

$ bin/hadoop fs -mkdir input

将输入文件拷贝到分布式文件系统:

$ bin/hadoop fs -put conf input

查看输出文件:

将输出文件从分布式文件系统拷贝到本地文件系统查看:

$ bin/hadoop fs -get output output

$ cat output/*

http://192.168.0.106:50075

完全分布式存储

master（namenode）：192.168.2.1

slave（datanode）：192.168.2.2

slave（datanode）：192.168.2.10 注意每个节点机都要有解析，selinux，火墙全部关掉。

设置无密钥连接，master到两个slave无密码。

在两个slave节点机上都添加hadoop用户，并设置密码一致。

master节点上：

$scp -r .ssh/ node2. example.com:

$scp -r .ssh/ server1. example.com:

node1 ssh连接node2和server1，验证是否无需密钥

cd conf/

$ vim masters

node1.example.com

$ vim slaves

node2.example.com

server1.example.com

$ vim core-site.xml

<configuration>

<property>

<name>fs.default.name</name>

<value>hdfs://node1.example.com:9000</value>

</property>

</configuration>

$ vim mapred-site.xml

<configuration>

<property>

<name>mapred.job.tracker</name>

<value>node1.example.com:9001</value>

</property>

</configuration>

$ vim hdfs-site.xml

<configuration>

<property>

<name>dfs.replication</name>

<value>2</value>

</property>

</configuration>

scp -r hadoop-1.2.1/ node2.example.com:

scp -r hadoop-1.2.1/ server1.example.com:

node2和server1上：

$ln -s hadoop-1.2.1/ hadoop

$ ls

$ mkdir bin

$ ln -s /home/hadoop/hadoop/jdk/bin/jps bin/

$ cd bin/

主节点上：

$ bin/hadoop namenode -format #格式化

$ bin/start-all.sh #开启所有服务（在所有节点）

##### bin/hadoop-daemon.sh stop tasktracker 关闭当前节点的单个服务 tasktracker

$ jps #查看节点上的服务

开启了namenode jobtracker

slave节点：

$ jps

开启了datanode tasktracker

主节点：

$ bin/hadoop fs -put conf input #将输入文件拷贝到分布式文件系统

$ bin/hadoop fs -ls input #查看分布式文件，也可网页查看。

查看输出文件:（2种方式）

$ bin/hadoop fs -get output test #将输出文件从分布式文件系统拷贝到本地文件系统查看

$ cat test/*

或者

$ bin/hadoop fs -cat test/* #在分布式文件系统上查看输出文件:

hadoop 在线添加节点:

node1上：

dd if=/dev/zero of=bigfile bs=1M count=300

bin/hadoop dfsadmin -report #查看datanode状态

bin/hadoop fs -put ~/bigfile

bin/hadoop fs -mkdir files

bin/hadoop fs -put ~/bigfile files

bin/hadoop dfsadmin -report

scp -r .ssh/ server2.example.com:

scp -r hadoop-1.2.1/ server2.example.com:

1. 在新增节点上安装 jdk,并创建相同的 hadoop 用户,uid 等保持一致

2. 在 conf/slaves 文件中添加新增节点的 ip

3. 同步 master 上 hadoop 所有数据到新增节点上,路径保持一致

ln -s hadoop-1.2.1/ hadoop

mkdir bin

ln -s ~/hadoop/jdk/bin/jps bin/

4. 在新增节点上启动服务:

$ bin/hadoop-daemon.sh start datanode

$ bin/hadoop-daemon.sh start tasktracker

5. 均衡数据:

$ bin/start-balancer.sh

1)如果不执行均衡,那么 cluster 会把新的数据都存放在新的 datanode 上,这样会降低 mapred

的工作效率

2)设置平衡阈值,默认是 10%,值越低各节点越平衡,但消耗时间也更长

$ bin/start-balancer.sh -threshold 5

hadoop 在线删除 datanode 节点:

1. 在 master 上修改 conf/mapred-site.xml

<property>

<name>dfs.hosts.exclude</name>

<value>/home/hadoop/hadoop/conf/datanode-excludes</value>

</property>

2. 创建 datanode-excludes 文件,并添加需要删除的主机,一行一个

server2.example.com

3. 在 master 上在线刷新节点

$ bin/hadoop dfsadmin -refreshNodes

此操作会在后台迁移数据,等此节点的状态显示为 Decommissioned,就可以安全关闭了。

4. 你可以通过以下命令在node1上查看 datanode 状态

$ bin/hadoop dfsadmin -report

在做数据迁移时,此节点不要参与 tasktracker,否则会出现异常。

转载于:https://my.oschina.net/19940429/blog/282912