Hadoop安装部署手册

概述

Hadoop包括HDFS(文件系统)，yarn(任务调配)，mapReduce(编程模型，大数据并行运算)，Hadoop集群其实就是HDFS集群。

• HDFS其实就是一个分布式的文件系统 。 HDFS分有NameNode和DataNode，NameNode是整个文件系统目录，基于内存存储，存储的是一些文件的详细信息，比如文件名、文件大小、创建时间、文件位置等。Datanode是文件的数据信息，也就是文件本身，不过是分割后的小文件。
• Yarn是一种新的 Hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，它的引入为集群在利用率、资源统一管理和数据共享等方面带来了巨大好处。
• MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。概念"Map（射）"和"Reduce（归约）"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map（映射）函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce（归约）函数，用来保证所有映射的键值对中的每一个共享相同的键组。

  ---

  简单叙述一下HDFS、Hive和HBase之间的关系 HDFS存储从数据源抽取到的数据，Hive主要解决数据处理和计算问题Hbase主要解决实时数据查询问题。 通过ETL工具将数据源抽取到HDFS存储；通过Hive清洗、处理和计算原始数据；HIve清洗处理后的结果，如果是面向海量数据随机查询场景的可存入Hbase,数据应用从HBase查询数据。 在大数据架构中，HDFS、Hive和HBase数据流一般如下图：

---

1. 规划

主机名	IP	用户名	HDFS	YARN
hadoop01	172.16.126.71	hadoop	NameNode	ResourceManager
hadoop02	172.16.126.72	hadoop	DataNode、SecondaryNameNode	NodeManager
hadoop03	172.16.126.61	hadoop	DataNode	NodeManager
hadoop04	172.16.126.62	hadoop	DataNode	NodeManager

安装包下载地址： Index of /hadoop/common

2.初始化

1、配置主机名

举例：在hadoop01服务器上
#hostnamectl set-hostname hadoop01

2、编辑/etc/hosts

172.16.126.71 hadoop01
172.16.126.72 hadoop02
172.16.126.61 hadoop03
172.16.126.62 hadoop04

3、创建hadoop用户

创建用户
#useradd hadoop
重置hadoop密码
#passwd hadoop   

4、通过hadoop用户配置秘钥互信（hadoop01服务器执行即可）

创建秘钥
#ssh-keygen -t rsa
分发秘钥
#ssh-copy ssh-copy-id hadoop02
#ssh-copy ssh-copy-id hadoop03
#ssh-copy ssh-copy-id hadoop04

5、关闭selinux及防火墙

关闭selinux
# setenforce 0 && sed -i 's/^SELINUX=.*/SELINUX=disabled/' /etc/selinux/config
关闭防火墙
#systemctl stop firewalld &&systemctl disable firewalld 

6、 安装java

安装java可以采用yum安装或者手工配置的方式，这里采用yum安装

 yum install  jdk -y

7、解压hadoop-3.3.4.tar.gz安装包至/data/，并重命名为hadoop目录，实际部署目录是/data/hadoop/

#tar zxvf hadoop-3.3.4.tar.gz -C /data/
#mv /data/hadoop-3.3.4 /data/hadoop

8、配置环境变量/etc/profile，添加的内容如下：

export HADOOP_HOME=/data/hadoop/
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.342.b07-1.el7_9.x86_64/jre/
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$JAVA_HOME/bin

环境变量添加完后加载环境变量

#source  /etc/profile

9、创建文件存储目录

hadoop01

#mkdir /data/hadoop/hdfs/full/dfs/name -p

hadoop02

#mkdir /data/hadoop/hdfs/full/dfs/namesecondary -p
#mkdir /data/hadoop/hdfs/full/dfs/data -p

hadoop03

#mkdir /data/hadoop/hdfs/full/dfs/data -p

hadoop04

#mkdir /data/hadoop/hdfs/full/dfs/data -p

3.配置

配置时需要修改“/data/hadoop/etc/hadoop”目录下的配置文件，其中HDFS涉及到的配置文件包括workers、core-site.xml、hdfs-site.xml，Yarn涉及到的配置文件包括yarn-site.xml， mapReduce 涉及到的配置文件包括mapred-site.xml、。

<!--这5个文件在hadoop01修改，修改完成后分发至其他机器。-->

1. 修改workers文件 该文件内容可以指定某几个节点作为数据节点，默认为localhost，将其删除并修改为如下内容：

hadoop02
hadoop03
hadoop04

2.修改core-site.xml文件

fs.defaultFS：指定namenode的hdfs协议的文件系统通信地址，可以指定一个主机+端口

<configuration>
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://hadoop01:9000</value>
        </property>
</configuration>

3.hdfs-site.xml文件

dfs.secondary.http.address：secondarynamenode运行节点的信息，应该和namenode存放在不同节点 dfs.repliction：hdfs的副本数设置，默认为3 dfs.namenode.name.dir：namenode数据的存放位置，元数据存放位置 dfs.datanode.data.dir：datanode数据的存放位置，block块存放的位置

    <property>
         <name>dfs.replication</name>
         <value>3</value>
    </property>
    <property>
         <name>dfs.namenode.name.dir</name>
         <value>/data/hadoop/hdfs/full/dfs/name</value>
    </property>
​
    <property>
         <name>dfs.datanode.data.dir</name>
         <value>/data/hadoop/hdfs/full/dfs/data</value>
    </property>
​
    <property>
         <name>dfs.namenode.secondary.http-address</name>
         <value>hadoop02:50090</value>
    </property>
​
    <property>
         <name>dfs.namenode.checkpoint.dir</name>
         <value>/data/hadoop/hdfs/full/dfs/namesecondary</value>
    </property>

4.修改mapred-site.xml文件 vim mapred-site.xml mapreduce.framework.name：指定mapreduce框架为yarn方式 mapreduce.jobhistory.address：指定历史服务器的地址和端口 mapreduce.jobhistory.webapp.address：查看历史服务器已经运行完的Mapreduce作业记录的web地址，需要启动该服务才行

        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
        <property>
                <name>mapreduce.jobhistory.address</name>
                <value>hadoop01:10020</value>
        </property>
        <property>
                <name>mapreduce.jobhistory.webapp.address</name>
                <value>hadoop01:19888</value>
        </property>
        <property>
                <name>yarn.app.mapreduce.am.env</name>
                <value>HADOOP_MAPRED_HOME=/data/hadoop</value>
        </property>
        <property>
                <name>mapreduce.map.env</name>
                <value>HADOOP_MAPRED_HOME=/data/hadoop</value>
        </property>
        <property>
                <name>mapreduce.reduce.env</name>
                <value>HADOOP_MAPRED_HOME=/data/hadoop</value>
        </property> 

5.修改yarn-site.xml文件

        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>hadoop01</value>
        </property>
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>

6.配置hadoop-env.sh，添加以下内容

 export JAVA_HOME=/etc/alternatives/
 export HADOOP_HOME=/data/hadoop/

7.分发文件 修改完上面五个文件后，将hadoop01点上的hadoop文件复制到各个结点上。

#scp -r /data/hadoop/etc/hadoop/* hadoop02:/data/hadoop/etc/hadoop/
#scp -r /data/hadoop/etc/hadoop/* hadoop03:/data/hadoop/etc/hadoop/
#scp -r /data/hadoop/etc/hadoop/* hadoop04:/data/hadoop/etc/hadoop/

8.授权hadoop安装目录

#chown -R hadoop /data/hadoop/

4.启动hadoop集群

初始化、启动及停止，只需要在hadoop01执行即可

1.Hadoop初始化

hdfs  namenode  -format

在初始化过程中，只要看到上面红框里面的信息，有个successfully formatted说明初始化成功。

2.Hadoop集群启动

#start-dfs.sh
#start-yarn.sh
#mapred --daemon start historyserver

3.WEB访问

HDFS的访问地址:http://172.16.126.71:9870/

Yarn的访问地址:http://172.16.126.71:8088/cluster

4.关闭集群 接下来就是关闭集群，输入以下命令：

#stop-yarn.sh
#stop-dfs.sh
#mapred --daemon stop historyserver