前言
学习Hadoop,集群搭建是极为重要的一步,本人初学在此踩了不少坑。
个人认为要想一次就成功简单搭建好集群,需要明白这些东西。
Hadoop有哪些配置文件?启动后会产生哪些进程?这些进程和配置文件有什么关系?数据存储在哪里?需要在哪里配置?可以访问哪些页面?
然后就是做集群规划,是单独启动dfs,还是单独启动yarn,还是两个一起启动。
这里是两个一起启动。一般学习集群,要求2~4台机器。有的人图简单两个机器,这里我选择4台机器,便于把每个进程均匀对应于一台机器。
s240 NameNode ResourceManager
s241 DataNode NodeManager
s242 DataNode NodeManager
s243 SecondaryNameNode
NameNode,SecondaryNameNode是比较耗费资源的,所以各自占据一台机器,不建议放在一起。
ResouceManager一般放在第一台机器上,和NameNode一起。
DataNode和NodeManager相伴相生。
拿hadoop2.7.2为例:
具体安装配置可以参见Hadoop运行环境的简单搭建
1. 启动dfs
启动dfs,需要修改hadoop-env.sh、core-site.xml、hdfs-site.xml和slaves四个文件。
hadoop-env.sh,修改JAVA_HOME
# The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.222.b10-1.el7_7.x86_64
core-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://s240:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop/tmp/hadoop-${user.name}</value>
</property>
</configuration>
最核心配置:fs.defaultFS。因为NameNode就配置在这台服务器上,后面的DataNode也要连接到这台服务器,到NameNode查找文件的位置。为了防止NameNode这台机器dump掉,要备份NameNode到SecondaryNameNode。因为一旦NameNode出现问题,DataNode存再多数据,都无法查找,这也意味着集群不可用了。
参照core-default.xml,我们知道hadoop所有的临时文件都存储在/tmp目录下,而这个目录不稳定。其里面的数据极有可能在磁盘空间不足或服务器重启时自动被linux清理,风险极大。
这里我们重新配置下存储目录:
hadoop.tmp.dir=/opt/module/hadoop/tmp/hadoop-${user.name}
hdfs-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>${hadoop.tmp.dir}/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>${hadoop.tmp.dir}/dfs/data</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>s243:50090</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>
核心配置是文件存储目录,也就是NameNode,DataNode各自把数据存储在hdfs的哪个位置。
dfs.namenode.name.dir=${hadoop.tmp.dir}/dfs/name
dfs.datanode.data.dir=${hadoop.tmp.dir}/dfs/data
顺便交代下,SecondaryNameNode在哪台机器上。
dfs.namenode.secondary.http-address=s243:50090
DataNode数据需要放在几台机器上,这里是两台
dfs.replication=2
slaves
s241
s242
交代下具体是哪两个副本dfs.replication=2
分别在s241和s242上
至此、hdfs配置好了。
然后xsync、启动、xcall。
2. 启动yarn
yarn-env.sh、修改JAVA_HOME
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.222.b10-1.el7_7.x86_64
yarn-site.xml
<?xml version="1.0"?>
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>s240</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
mapred-env.sh、修改JAVA_HOME
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.222.b10-1.el7_7.x86_64
mapred-site.xml
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
到这里和启动dfs一样。
fdsfds
ddd
dddd