Hadoop集群配置与部署

最新推荐文章于 2023-09-16 17:12:14 发布

流年锦时

最新推荐文章于 2023-09-16 17:12:14 发布

阅读量231

点赞数

分类专栏： Hadoop

本文链接：https://blog.csdn.net/qq_36653524/article/details/103788600

版权

Hadoop 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Hadoop是什么

1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构
2）主要解决，海量数据的存储和海量数据的分析计算问题。
3）广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈

Hadoop的优势

1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
4）高容错性：自动保存多份副本数据，并且能够自动将失败的任务重新分配。

Hadoop组成

1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。
2）Hadoop MapReduce：一个分布式的离线并行计算框架。
3）Hadoop YARN：作业调度与集群资源管理的框架。
4）Hadoop Common：支持其他模块的工具模块。

HDFS架构概述

1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。
2）DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
3）Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

YARN架构概述

1）ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；
2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；
3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。

MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果进行汇总

完全分布式部署Hadoop

scp

scp可以实现服务器与服务器之间的数据拷贝。

（1）将hadoop101中/opt/module文件拷贝到hadoop102上。
		[root@hadoop101 /]# scp -r /opt/module/  root@hadoop102:/opt
（2）将192.168.1.102服务器上的文件拷贝到当前用户下。
		[root@hadoop101 opt]# scp  root@hadoop102:/etc/profile  /opt/tmp/
（3）实现两台远程机器之间的文件传输（hadoop103主机文件拷贝到hadoop104主机上）
	 	[atguigu@hadoop102 test]$ scp atguigu@hadoop103:/opt/test/haha atguigu@hadoop104:/opt/test/

SSH无密码登录

1）配置ssh

（1）基本语法
	ssh 另一台电脑的ip地址
（2）ssh连接时出现Host key verification failed的解决方法
	[root@hadoop2 opt]# ssh 192.168.1.103
	The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.
	RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
	Are you sure you want to continue connecting (yes/no)? 
	Host key verification failed.
（3）解决方案如下：直接输入yes

2）无密钥配置

（1）进入到我的home目录
		cd  ~/.ssh
（2）生成公钥和私钥：
		ssh-keygen -t rsa 
		然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
（3）将公钥拷贝到要免密登录的目标机器上
		ssh-copy-id 192.168.1.102

3）.ssh文件夹下的文件功能解释

（1）~/.ssh/known_hosts	：记录ssh访问过计算机的公钥(public key)
（2）id_rsa	：生成的私钥
（3）id_rsa.pub	：生成的公钥
（4）authorized_keys	：存放授权过得无秘登录服务器公钥

rsync

rsync远程同步工具，主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。

（1）查看rsync使用说明
		man rsync | more
（2）基本语法
		rsync  -rvl       $pdir/$fname        $user@hadoop$host:$pdir
		命令 命令参数 要拷贝的文件路径/名称   目的用户@主机:目的路径
		选项：
			-r 递归
			-v 显示复制过程
			-l 拷贝符号连接
（3）案例实操
		把本机/opt/tmp目录同步到hadoop103服务器的root用户下的/opt/tmp目录
		rsync -rvl /opt/tmp/*  root@hadoop103:/op	t/tmp

编写集群分发脚本xsync

1）需求分析：循环复制文件到所有节点的相同目录下。
	（1）原始拷贝：
			rsync  -rvl     /opt/module  		 root@hadoop103:/opt/
	（2）期望脚本：
			xsync 要同步的文件名称
	（3）在/usr/local/bin这个目录下存放的脚本，可以在系统任何地方直接执行，需要制定路径。
2）案例实操：
	（1）在/usr/local/bin目录下创建xsync文件，文件内容如下：
			#!/bin/bash
			#1 获取输入参数个数，如果没有参数，直接退出
			pcount=$#
			if((pcount==0)); then
			echo no args;
			exit;
			fi

			#2 获取文件名称
			p1=$1
			fname=`basename $p1`
			echo fname=$fname

			#3 获取上级目录到绝对路径
			pdir=`cd -P $(dirname $p1); pwd`
			echo pdir=$pdir

			#4 获取当前用户名称
			user=`whoami`

			#5 循环
			for((host=103; host<105; host++)); do
					#echo $pdir/$fname $user@hadoop$host:$pdir
					echo --------------- hadoop$host ----------------
					rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
			done
	（2）修改脚本 xsync 具有执行权限
			[root@hadoop102 bin]# chmod a+x xsync
	（3）调用脚本形式：xsync 文件名称

编写分发脚本xcall

1）需求分析：在所有主机上同时执行相同的命令
		xcall +命令		
2）具体实现
	（1）在/usr/local/bin目录下创建xcall文件，文件内容如下：
			#!/bin/bash
			pcount=$#
			if((pcount==0));then
					echo no args;
					exit;
			fi

			echo -------------localhost----------
			$@
			for((host=101; host<=108; host++)); do
					echo ----------hadoop$host---------
					ssh hadoop$host $@
			done
	（2）修改脚本 xcall 具有执行权限
			[root@hadoop102 bin]# chmod a+x xcall
	（3）调用脚本形式： xcall 操作命令
			[root@hadoop102 ~]# xcall rm -rf /opt/tmp/profile

配置集群

1）集群部署规划
		Hadoop102	hadoop103	hadoop104
HDFS	NameNode 				SecondaryNameNode
		DataNode	DataNode	DataNode					
YARN				ResourceManager
		NodeManager	NodeManager	NodeManager
2）配置文件
	（1）core-site.xml
			<!-- 指定HDFS中NameNode的地址 -->
			<property>
				<name>fs.defaultFS</name>
				<value>hdfs://hadoop102:9000</value>
			</property>
			<!-- 指定hadoop运行时产生文件的存储目录 -->
			<property>
				<name>hadoop.tmp.dir</name>
				<value>/opt/module/hadoop-2.7.2/data/tmp</value>
			</property>
	（2）Hdfs
		hadoop-env.sh
			export JAVA_HOME=/opt/module/jdk1.7.0_79
		hdfs-site.xml
			<configuration>	
				<property>
					<name>dfs.replication</name>
					<value>3</value>
				</property>
				<property>
					<name>dfs.namenode.secondary.http-address</name>
					<value>hadoop104:50090</value>
				</property>
			</configuration>
		slaves
			hadoop102
			hadoop103
			hadoop104
	（3）yarn
		yarn-env.sh
			export JAVA_HOME=/opt/module/jdk1.7.0_79
		yarn-site.xml
			<configuration>
			<!-- Site specific YARN configuration properties -->
			<!-- reducer获取数据的方式 -->
				<property>
					<name>yarn.nodemanager.aux-services</name>
					<value>mapreduce_shuffle</value>
				</property>

				<!-- 指定YARN的ResourceManager的地址 -->
				<property>
					<name>yarn.resourcemanager.hostname</name>
					<value>hadoop103</value>
				</property>
			</configuration>
	（4）mapreduce
		mapred-env.sh
			export JAVA_HOME=/opt/module/jdk1.7.0_79
		mapred-site.xml
			<configuration>
			<!-- 指定mr运行在yarn上 -->
				<property>
					<name>mapreduce.framework.name</name>
					<value>yarn</value>
				</property>
			</configuration>
3）在集群上分发以上所有文件
		cd /opt/module/hadoop-2.7.2/etc/hadoop
		xsync /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
		xsync /opt/module/hadoop-2.7.2/etc/hadoop/yarn-site.xml
		xsync /opt/module/hadoop-2.7.2/etc/hadoop/slaves
4）查看文件分发情况
		xcall cat /opt/module/hadoop-2.7.2/etc/hadoop/slaves

集群启动及测试

1）启动集群
	（0）如果集群是第一次启动，需要格式化namenode
			[root@hadoop102 hadoop-2.7.2]# bin/hdfs namenode -format
	（1）启动HDFS：
			[root@hadoop102 hadoop-2.7.2]# sbin/start-dfs.sh
			[root@hadoop102 hadoop-2.7.2]# jps
			4166 NameNode
			4482 Jps
			4263 DataNode

			[root@hadoop103 桌面]# jps
			3218 DataNode
			3288 Jps

			[root@hadoop104 桌面]# jps
			3221 DataNode
			3283 SecondaryNameNode
			3364 Jps
	（2）启动yarn
			sbin/start-yarn.sh
			注意：Namenode和ResourceManger如果不是同一台机器，不能在NameNode上启动 yarn，应该在ResouceManager所在的机器上启动yarn。

Hadoop启动停止方式

1）各个服务组件逐一启动
	（1）分别启动hdfs组件
			hadoop-daemon.sh  start|stop  namenode|datanode|secondarynamenode
	（2）启动yarn
			yarn-daemon.sh  start|stop  resourcemanager|nodemanager
2）各个模块分开启动（配置ssh是前提）常用
	（1）整体启动/停止hdfs
			start-dfs.sh
			stop-dfs.sh
	（2）整体启动/停止yarn
			start-yarn.sh
			stop-yarn.sh
3）全部启动（不建议使用）
		start-all.sh
		stop-all.sh

流年锦时

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Hadoop集群配置与部署

Hadoop是什么1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构2）主要解决，海量数据的存储和海量数据的分析计算问题。3）广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈Hadoop的优势1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。2）高扩展性：在集群间分配...
复制链接

扫一扫