Hadoop2.X的集群配置

一、前言
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统(Hadoop Distributed File System)，简称HDFS。HDFS有高容错性的特点，并且设计用来部署在低廉的(low-cost)硬件上;而且它提供高吞吐量(high throughput)来访问应用程序的数据，适合那些有着超大数据集(large data set)的应用程序。HDFS放宽了(relax)POSIX的要求，可以以流的形式访问(streaming access)文件系统中的数据。Hadoop的框架最核心的设计就是:HDFS和MapReduce。HDFS为海量的数据提供了存储，则MapReduce为海量的数据提供了计算。

二、软件要求
1、JDK1.7+
2、hadoop-2.7.3.tar.gz
3、软件统一安装到 /opt/soft文件夹中

三、安装配置
本次使用6台机器，上一篇文章已经做好Zookeeper的集群配置
修改网络配置/etc/hosts修改完成拷贝到其他机器

IP	主机名	启动的进程
192.168.0.11	hadoop01	NameNode、DFSZKFailoverController(zkfc)
192.168.0.12	hadoop02	NameNode、DFSZKFailoverController(zkfc)
192.168.0.13	hadoop03	ResourceManager
192.168.0.14	zk01	DataNode、NodeManager、JournalNode、QuorumPeerMain
192.168.0.15	zk02	DataNode、NodeManager、JournalNode、QuorumPeerMain
192.168.0.16	zk03	DataNode、NodeManager、JournalNode、QuorumPeerMain

1、配置JDK环境变量
/etc/profile

确定JDK环境变量配置成功 java -version

2、下载稳定版本的Hadoop2.X
在hadoop01中下载，本次使用hadoop-2.7.3.tar.gz版本

wget http://apache.fayea.com/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

3、解压hadoop-2.7.3.tar.gz
解压tar -zxvf hadoop-2.7.3.tar.gz
配置Hadoop的环境变量/etc/profile中添加

添加完成后source /etc/profile刷新一下
将配置好的环境变量同步到其他机器

4、修改Hadoop配置文件
4.1 、修改hadoo-env.sh文件

4.2、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>/opt/soft/hadoop-2.7.3/tmp</value>
    </property>
    <!-- 指定zookeeper地址 -->
    <property>
        <name>ha.zookeeper.quorum</name>
        <value>zk01:2181,zk02:2181,zk03:2181</value>
    </property>
</configuration>

4.3、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>hadoop01:9000</value>
    </property>
    <!-- nn1的http通信地址 -->
    <property>
        <name>dfs.namenode.http-address.ns1.nn1</name>
        <value>hadoop01:50070</value>
    </property>
    <!-- nn2的RPC通信地址 -->
    <property>
        <name>dfs.namenode.rpc-address.ns1.nn2</name>
        <value>hadoop02:9000</value>
    </property>
    <!-- nn2的http通信地址 -->
    <property>
        <name>dfs.namenode.http-address.ns1.nn2</name>
        <value>hadoop02:50070</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://zk01:8485;zk02:8485;zk03:8485/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>/opt/soft/hadoop-2.7.3/journal</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>/root/.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>

4.4、修改mapred-site.xml
将文件名称 mapred-site.xml.template 修改成 mapred-site.xml

mv mapred-site.xml.template mapred-site.xml

<configuration>
    <!-- 指定mr框架为yarn方式 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

4.5、修改yarn-site.xml

<configuration>
    <!-- 指定resourcemanager地址 -->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop03</value>
    </property>
    <!-- 指定nodemanager启动时加载server的方式为shuffle server -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

4.6、修改slaves

DataNode指定安装位置

zk01
zk02
zk03

4.7 ssh免密码登录
由于做zookeeper时候已经将zk01 到 zk02,zk03配置完成
现在需要将hadoop01 - hadoop02、03、zk01、zk02、zk03的免密码
还需要将 hadoop01的免密码配置给自己
在hadoop01上生产一对钥匙 ssh-keygen -t rsa
将公钥拷贝到其他节点，包括自己

ssh-coyp-id hadoop01
ssh-coyp-id hadoop02
ssh-coyp-id hadoop03
ssh-coyp-id zk01
ssh-coyp-id zk02
ssh-coyp-id zk03

配置 hadoop03 到 zk01 、zk02、zk03的免登陆，在hadoop03上生成密匙

ssk-keygen -t rsa
ssh-copy-id zk01
ssh-copy-id zk02
ssh-copy-id zk03

注意：两个namenode之间要配置ssh免密码登陆，别忘了配置hadoop02到hadoop01的免登陆

4.8、将配置好的Hadoop拷贝到其他节点

scp -r hadoop-2.7.3 hadoop01:/opt/soft
scp -r hadoop-2.7.3 hadoop02:/opt/soft
scp -r hadoop-2.7.3 zk01:/opt/soft
scp -r hadoop-2.7.3 zk02:/opt/soft
scp -r hadoop-2.7.3 zk03:/opt/soft

5、启用Hadoop集群
5.1、需要先启动zookeeper集群

  在zk01、zk02、zk03中启动zookeeper
  查看状态：一个leader，两个follower

5.2、启动journalnode
在hadoop01上启动所有journalnode，注意：是调用的hadoop-daemons.sh这个脚本运行jps命令检验，zk01、zk02、zk03上多了JournalNode进程

./hadoop-daemons.sh start journalnode

5.3、格式化HDFS
在hadoop01上执行，
格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/opt/soft/hadoop-2.7.3/tmp，然后将/opt/soft/hadoop-2.7.3/tmp拷贝到hadoop02的/opt/soft/hadoop-2.7.3/tmp下。

hdfs namenode -format

格式化成功后拷贝tmp目录scp -r tmp hadoop02:/opt/soft/hadoop-2.7.3/

5.4、格式化ZK

在hadoop01上执行`hdfs zkfc -formatZK`

5.5、启动hdfs
在hadoop01上执行：start-dfs.sh

5.6、启动yarn
在hadoop03上启动yarn:start-yarn.sh

5.7、完成
hadoop-2.7.3配置完毕，可以统计浏览器访问:
http://192.168.0.11:50070
NameNode ‘hadoop01:9000’ (active)

http://192.168.0.12:50070
NameNode ‘hadoop02:9000’ (standby)

可以手动停止一个NameNode进程，查看是否快速切换到192.168.0.12 Active状态

至此Hadoop2.X配置完成，有什么不对的请大家多多提意见。