Hadoop目录结构
准备工作:
1、安装Linux、关闭防火墙、配置主机名、安装JDK
2、解压 tar -zxvf 包名
3、设置环境变量:
vi ~/.bash_profile
HADOOP_HOME=/root/training/hadoop-3.1.2
export HADOOP_HOME
PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export PATH
#注意:伪分布模式和全分布模式,需要设置以下环境变量(运行的用户):
export HDFS_DATANODE_USER=root
export HDFS_DATANODE_SECURE_USER=root
export HDFS_NAMENODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
生效环境变量:
source ~/.bash_profile
安装模式:
一、本地安装
注意:本地安装没有HDFS、也没有Yarn只能测试MapReduce程序(本质:就是一个Java程序)
只需要配置hadoop-env.sh Java 环境就行
export JAVA_HOME=/root/training/jdk1.8.0_181
WordCount例子在hadoop-3.1.2/share/hadoop/mapreduce目录下
例如执行Wordcount程序:
hadoop jar hadoop-mapreduce-examples-3.1.2.jar wordcount /temp/input/ /temp/output/wc
二、伪分布安装
特点:在单机上,模拟一个分布式的环境,具备Hadoop的所有的功能
HDFS:NameNode主节点、 DataNode从节点、SecondaryNameNode
Yarn:ResourceManager主节点、NodeManager从节点
(1)、配置HDFS
1、在Hadoop-env.sh 配置Java_home 的目录
修改成下面的路径,在第25行
export JAVA_HOME=/usr/local/java/jdk1.8.0_251
2、配置hdfs-site.xml 文件
<!-- 配置数据块的冗余度,默认值为3 -->
<!-- 冗余度和数据节点个数保持一致,不超过3 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!--是否开启hdfs权限检查 -->
<!--默认是true,要想启动成功,必须配置ssh免密登录,可以改成false,-->
<!--使用密码进行登录 -->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
3、配置core-site.xml 文件
<!--配置hdfs的主节点的地址,就是NameNode的地址 -->
<!--9000是RPC通信端口 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.92.130:9000</value>
</property>
<!--hdfs的数据块和元信息保存在Linux系统的位置 -->
<!--默认是Linux的tmp目录,需要修改 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop-2.7.7/temp</value>
</property>
(2)、配置Yarn
1、配置mapred-site.xml
<!--MR程序运行的容器或者框架 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
2、yarn-site.xml 文件
<!--yarn的主节点-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.92.130</value>
</property>
<!--NodeManager执行任务的方式是Shuffle洗牌-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
(3)对NameNode进行格式化
需要在刚刚我们创建的tmp(保存元信息/usr/local/hadoop-2.7.7/temp)目录进行格式化
命令如下:
hdfs namenode -format
日志:
NFO common.Storage: Storage directory /usr/local/hadoop-2.7.7/temp/dfs/name has been successfully formatted.
表示格式化成功
(4)启动
HDFS:start-dfs.sh
Yarn :start-yarn.sh
统一的:start-all.sh
统一停止:stop-all.sh
启动之后要输入四次yes和四次密码,前提:前面权限检查改为false
停止之后要输入四次yes和四次密码
表示环境配置成功!
web console访问:hdfs端口:9870 、yarn端口:8088
要想不输入密码就能登录,这时我们需要配置免密码的登录:
https://blog.csdn.net/qq_45335413/article/details/107810990
三、全分布
全分布的节点布置如上
(1)修改每个主机为静态IP
https://blog.csdn.net/qq_45335413/article/details/108061301
(2)修改每个主机名与IP地址映射关系
vim /etc/hosts
(3)配置免密码登录
https://blog.csdn.net/qq_45335413/article/details/107810990
注意,免密码登录,要为每一台主机都要配置
(4)同步时间
在这里我们只需要把时间设置成一样就行。
在实际开发中,我们可以搭建一个时间服务器ntp,进行时间的同步。
不同步时间,可能出现以下问题:
1、yarn会出错
2、NodeManager执行任务会出错
在这里,我们采用这样同步时间:
root@bigdata222:~/.ssh# date
Sun Aug 23 15:50:16 CST 2020
root@bigdata222:~/.ssh# date -s 2020-08-23
Sun Aug 23 00:00:00 CST 2020
root@bigdata222:~/.ssh# date -s 15:52
Sun Aug 23 15:52:00 CST 2020
(5)配置Hadoop的环境变量
1、上传Hadoop 3.0压缩包,并进行解压
2、vim ~/.bash_profile配置环境变量
HADOOP_HOME=/usr/local/hadoop/hadoop-3.1.2
export HADOOP_HOME
PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export PATH
export HDFS_DATANODE_USER=root
export HDFS_DATANODE_SECURE_USER=root
export HDFS_NAMENODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
注意:每个主机都要这样配置
(6)、配置HDFS
1、在Hadoop-env.sh 配置Java_home 的目录
修改成下面的路径,在第25行
export JAVA_HOME=/usr/local/java/jdk1.8.0_251
2、配置hdfs-site.xml 文件
<!-- 配置数据块的冗余度,默认值为3 -->
<!-- 冗余度和数据节点个数保持一致,不超过3 -->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<!--是否开启hdfs权限检查 -->
<!--默认是true,要想启动成功,必须配置ssh免密登录,可以改成false,-->
<!--使用密码进行登录 -->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
3、配置core-site.xml 文件
<!--配置hdfs的主节点的地址,就是NameNode的地址 -->
<!--9000是RPC通信端口 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://bigdata222:9000</value>
</property>
<!--hdfs的数据块和元信息保存在Linux系统的位置 -->
<!--默认是Linux的tmp目录,需要修改 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop-2.7.7/temp</value>
</property>
(7)、配置Yarn
1、配置mapred-site.xml
<!--MR程序运行的容器或者框架 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
2、yarn-site.xml 文件
<!--yarn的主节点-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>bigdata222</value>
</property>
<!--NodeManager执行任务的方式是Shuffle洗牌-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
(8)配置workers从节点
vi workers
bigdata333
bigdata444
让Hadoop知道谁是从节点
(9)对NameNode进行格式化
需要在刚刚我们创建的tmp(保存元信息/usr/local/hadoop-2.7.7/temp)目录进行格式化
命令如下:
hdfs namenode -format
日志:
NFO common.Storage: Storage directory /usr/local/hadoop-2.7.7/temp/dfs/name has been successfully formatted.
表示格式化成功
(10)把bigdata222配置好的hadoop复制到从节点上
scp -r hadoop-3.1.2/ root@bigdata333:/usr/local/hadoop
scp -r hadoop-3.1.2/ root@bigdata444:/usr/local/hadoop
注意:所有操作都在主节点上进行
(11)启动
start-all.sh
web console访问:hdfs端口:9870 、yarn端口:8088
四、HA
环境部署结构图如下:
FailOverController 就是发送心跳信息。每个NameNode上面都会运行一个!
一、集群的规划
Zookeeper集群:
192.168.157.112 (bigdata112)
192.168.157.113 (bigdata113)
192.168.157.114 (bigdata114)
Hadoop集群:
192.168.157.112 (bigdata112) NameNode1 ResourceManager1 Journalnode1
192.168.157.113 (bigdata113) NameNode2 ResourceManager2 Journalnode2
192.168.157.114 (bigdata114) DataNode1 NodeManager1
192.168.157.115 (bigdata115) DataNode2 NodeManager2
二、准备工作
1、安装JDK
2、配置环境变量
新增加以下两个环境变量(需要生效)
export HDFS_JOURNALNODE_USER=root
export HDFS_ZKFC_USER=root
3、配置免密码登录
4、配置主机名
三、配置Zookeeper(在192.168.157.112安装)
在主节点(bigdata112)上配置ZooKeeper
1、配置/root/training/zookeeper-3.4.6/conf/zoo.cfg文件
dataDir=/root/training/zookeeper-3.4.6/tmp
server.1=bigdata112:2888:3888
server.2=bigdata113:2888:3888
server.3=bigdata114:2888:3888
2、在/root/training/zookeeper-3.4.6/tmp目录下创建一个myid的空文件
echo 1 > /root/training/zookeeper-3.4.6/tmp/myid
3、将配置好的zookeeper拷贝到其他节点,同时修改各自的myid文件
scp -r /root/training/zookeeper-3.4.6/ bigdata113:/root/training
scp -r /root/training/zookeeper-3.4.6/ bigdata114:/root/training
四、安装Hadoop集群(在bigdata112上安装)
1、修改hadoo-env.sh
export JAVA_HOME=/root/training/jdk1.8.0_181
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>/root/training/hadoop-3.1.2/tmp</value>
</property>
<!-- 指定zookeeper地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>bigdata112:2181,bigdata113:2181,bigdata114:2181</value>
</property>
</configuration>
3、修改hdfs-site.xml(配置这个nameservice中有几个namenode)
<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>bigdata112:9000</value>
</property>
<!-- nn1的http通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>bigdata112:50070</value>
</property>
<!-- nn2的RPC通信地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn2</name>
<value>bigdata113:9000</value>
</property>
<!-- nn2的http通信地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn2</name>
<value>bigdata113:50070</value>
</property>
<!-- 指定NameNode的日志在JournalNode上的存放位置 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://bigdata112:8485;bigdata113:8485;/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>/root/training/hadoop-3.1.2/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、修改mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5、修改yarn-site.xml
<configuration>
<!-- 开启RM高可靠 -->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 指定RM的cluster id -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>
<!-- 指定RM的名字 -->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 分别指定RM的地址 -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>bigdata112</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>bigdata113</value>
</property>
<!-- 指定zk集群地址 -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>bigdata112:2181,bigdata113:2181,bigdata114:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
6、修改workers
bigdata114
bigdata115
7、将配置好的hadoop拷贝到其他节点
scp -r /root/training/hadoop-3.1.2/ root@bigdata113:/root/training/
scp -r /root/training/hadoop-3.1.2/ root@bigdata114:/root/training/
scp -r /root/training/hadoop-3.1.2/ root@bigdata115:/root/training/
五、启动Zookeeper集群
三台zookeeper分别进行启动
六、在bigdata112和bigdata113上启动journalnode
hadoop-daemon.sh start journalnode
七、格式化HDFS(在bigdata112上执行)
1、 hdfs namenode -format
2、将/root/training/hadoop-3.1.2/tmp拷贝到bigdata113的/root/training/hadoop-3.1.2/tmp下
scp -r dfs/ root@bigdata113:/root/training/hadoop-3.1.2/tmp
3、格式化zookeeper
hdfs zkfc -formatZK
日志:17/07/13 00:34:33 INFO ha.ActiveStandbyElector: Successfully created /hadoop-ha/ns1 in ZK.
八、在bigdata112上启动Hadoop集群
start-all.sh
日志:
Starting namenodes on [bigdata112 bigdata113]
Last login: Fri Sep 27 00:18:38 CST 2019 on pts/0
Starting datanodes
Last login: Fri Sep 27 00:19:37 CST 2019 on pts/0
Starting journal nodes [bigdata112 bigdata113]
Last login: Fri Sep 27 00:19:40 CST 2019 on pts/0
bigdata113: journalnode is running as process 1297. Stop it first.
bigdata112: journalnode is running as process 1294. Stop it first.
Starting ZK Failover Controllers on NN hosts [bigdata112 bigdata113]
Last login: Fri Sep 27 00:19:50 CST 2019 on pts/0
Starting resourcemanagers on [ bigdata112 bigdata113]
Last login: Fri Sep 27 00:19:52 CST 2019 on pts/0
Starting nodemanagers
Last login: Fri Sep 27 00:20:00 CST 2019 on pts/0
问题一
启动Hadoop的时候,可以出现虚拟内存不够用
解决:
配置yarn-site.xml,虚拟内存检查禁用
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>