Zookeeper+Hadoop+Hbase+Hive+Kylin+Nginx集群搭建八(Hadoop客户端节点篇)

全文请看：https://blog.csdn.net/tktttt/article/details/108578804
大数据集群搭建安装包：https://download.csdn.net/download/tktttt/12879318
大数据集群搭建安装包2：https://download.csdn.net/download/tktttt/12879355

九、hadoop集群客户端节点

1.问题的提出

为什么要配置客户端连接集群？

1.这涉及两个操作HDFS集群的方式集群内操作和集群外操作
2.其中集群内操作就是在集群内某个节点上操作
3.集群外操作就是用集群之外的client与nameNode进行通信，完成操作

但是其群内操作会造成数据倾斜问题，严重时会导致节点的宕机。

1. 集群内操作，选择一台DataNode节点作为操作的对象，每次上传文件的时候根据备份机制，上传的文件会本身会上传到自己上，备份到其他的节点。
2. 久而久之，此节点的磁盘和网络IO负载超过其他的节点，导致它的性能远远低于其他的节点，此时会造成数据倾斜，严重点说，它的负载很大，也就容易宕机，此时集群内还要备份它原来存储的内容，这就造成额外的磁盘和网络IO
3. 还有是因为计算时间的问题，当发生数据倾斜的时候，因为某节点存放的数据量很大，所有当分布计算任务时，数据量大的节点需要的计算时间就更多，当此节点计算完毕时，这个任务才会执行完毕，所有这样很占用时间。

2.如何配置集群和户端？

1. 把高可用的完全分布式集群配置的hadoop包发送给自己新建的一个客户端虚拟机，必须保证客户机能与集群通信。
2. 更改客户机的hosts文件，配置Hadoop环境变量，方便操作集群
3. 在客户端正常操作HDFS集群就行了。

（侵删！以上部分来自：https://blog.csdn.net/qq_39131779/article/details/83046057）

3.具体实现

1. 准备一台虚拟机，独立作为客户端，要求：能与其他集群正常通信，有java环境，静态IP。此处为方便之后都将客户端称为client
2. 将集群Hadoop的配置文件发送复制到client的相应位置，比如/usr/local/hadoop
3. 配置Hadoop环境变量：vi /etc/profile，加入

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
#Hadoop实际安装位置
export HADOOP_HOME=/usr/local/hadoop/hadoop-2.7.4

使之生效source /etc/profile

4. 验证hadoop -version
5. 修改配置文件core-site.xml，修改 fs.default.name选项的值，使其指向集群master的地址

<!--指定namenode的地址-->
  	<property>
           	<name>fs.defaultFS</name>
           	<value>hdfs://192.168.88.129:9000</value>
  	</property>

6. 修改hadoop-env的jdk路径，按实际client的java路径来
7. 修改client主机名，此处改为client：

#修改主机名
hostnamectl set-hostname client
#验证
hostname

8. 配置client的主机名映射vi /etc/hosts，加入集群所有的映射关系以及自身，最好也为集群所有节点添加下面client的映射关系，如：

192.168.88.129 node
192.168.88.130 node1
192.168.88.131 node2
192.168.88.132 cilent  #实际client的IP

9. 之后即可正常使用Hadoop命令访问操作HDFS集群