目标:搭建基于CDH的分布式集群搭建
安装环境服务部署规划
2013年说大数据只包括HDFS,MapReduce,2019年说大数据包括HDFS,YARN,MapReduce
1. 准备环境Linux环境
虚拟机联网,关闭防火墙,关闭selinux,克隆两台不同端口号的虚拟机,更改主机名,ssh免密登录
查看当前防火墙状态:service iptables status
关闭防火墙:service iptables stop
开机不自启永久关闭:chkconfig iptables off
关闭selinux:vim /etc/selinux/config
扩展知识点(为什么要关闭selinux)
一般安装linux课程时都把selinux与iptables安排在后面,使初学者配置linux服务器时不成功,却没有头绪,那是因为在RedHat linux操作系统中默认开启了防火墙,selinux 也处于启动状态,一般状态为enforing。导致服务器端口默认是关闭的,导致httpd无法启动,连ping也ping不通/建议初学者在未学到selinux与iptables之前,配置服务器把这两项都关掉。
第一步:上传压缩包并解压
将我们重新编译之后支持snappy压缩的Hadoop包上传到第一台服务器并解压
第一台机器(主节点)执行以下命令
- cd export/softwares/ (如果没有该路径就在根目录创建多级文件夹)
- mv hadoop-2.6.0-cdh5.14.0-自己编译后的版本.tar.gz hadoop-2.6.0-cdh5.14.0.tar.gz (这里重命名)
- vim /etc/selinux/config(关闭selinux)
第二步:查看Hadoop支持的压缩方式以及本地库
第一台机器(主节点)执行以下命令
- cd export/servers/hadoop-2.6.0-cdh5.14.0/bin/(先进入bin目录验证hadoop支持哪些算法)
hadoop checknative (在执行命令)
2. 如果出现openssl为false,那么所有机器在线安装openssl即可,执行以下命令,虚拟机联网之后就可以在线进行安装了
yum -y install openssl-devel(安装完在看下hadoop checknative false是否改变为true)
第三步:修改配置文件
第一台机器(主节点)执行以下命令
vim /etc/profile.d/hadoop.sh(配置hadoop环境变量)
修改之后立即生效
source /etc/profile
- 修改core-site.xml(注意主机名和解压路径的位置)
cd export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/
vim core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://node01:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/tempDatas</value>
</property>
<!-- 缓冲区大小,实际工作中根据服务器性能动态调整 -->
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
<!-- 开启hdfs的垃圾桶机制,删除掉的数据可以从垃圾桶中回收,单位分钟 -->
<property>
<name>fs.trash.interval</name>
<value>10080</value>
</property>
</configuration>
2.修改hdfs-site.xml(注意主机名和解压路径的位置)
vim hdfs-site.xml
<configuration>
<!-- NameNode存储元数据信息的路径,实际工作中,一般先确定磁盘的挂载目录,然后多个目录用,进行分割 -->
<!-- 集群动态上下线
<property>
<name>dfs.hosts</name>
<value>/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/accept_host</value>
</property>
<property>
<name>dfs.hosts.exclude</name>
<value>/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/deny_host</value>
</property>
-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node01:50090</value>
</property>
<property>
<name>dfs.namenode.http-address</name>
<value>node01:50070</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/namenodeDatas</value>
</property>
<!-- 定义dataNode数据存储的节点位置,实际工作中,一般先确定磁盘的挂载目录,然后多个目录用,进行分割 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/datanodeDatas</value>
</property>
<property>
<name>dfs.namenode.edits.dir</name>
<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/nn/edits</value>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/snn/name</value>
</property>
<property>
<name>dfs.namenode.checkpoint.edits.dir</name>
<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/nn/snn/edits</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
</configuration>
3.修改Hadoop-env.sh
vim hadoop-env.sh (这里改成自己的jdk安装位置)
4.修改mapred-site.xml
vim mapred-site.xml(注意主机名)
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>node01:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node01:19888</value>
</property>
</configuration>
5.修改yarn-site.xml
vim yarn-site.xml
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node01</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
- 修改slaves文件(改成自己的主机名)
vim slaves (表示自己的小弟或工作者都有那些)
第四步:创建文件存放目录
第一台机器执行以下命令
node01机器上面创建以下目录
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/tempDatas
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/namenodeDatas
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/datanodeDatas
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/nn/edits
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/snn/name
mkdir -p /export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/nn/snn/edits
第五步:安装包的分发
cd export/servers/(返回根目录注意主机名)
第六步:集群启动
要启动 Hadoop 集群,需要启动 HDFS 和 YARN 两个集群。
注意:首次启动HDFS时,必须对其进行格式化操作。本质上是一些清理和准备工作,因为此时的 HDFS 在物理上还是不存在的。
bin/hdfs namenode -format (要在 cd export/servers/hadoop-2.6.0-cdh5.14.0/ 启动才有效)
如果和图中不一致说明启动失败,配置出错
一键启动集群
sbin/start-all.sh
一键关闭集群(没事儿不要去停止集群)
sbin/stop-all.sh
查看集群是否搭建成功(改成自己的端口号)
http://192.168.100.202:50070/dfshealth.html#tab-overview