HDFS集群安装配置

一、概述

　　HDFS集群主要由NameNode和DataNodes组成，前者负责管理文件系统元数据，后者用于保存真正的数据。
　　主要特性：
　　1. 可使用商品级硬件(如普通PC)进行分布式存储和分布式计算。高容错、可扩展、易伸缩。
　　2. 可根据不同的需求进行不同的配置。
　　3. Hadoop使用Java编写，支持各主流平台。
　　4. 支持使用类似shell命令与HDFS进行交互。
　　5. NameNode和DataNodes集成在了web服务器中，可方便使用web查看集群状态。
　　6. 其他特性：文件权限验证、机架感知、安全模式、fsck等等。
　　以下笔记由hadoop 2.7.2文档而来。

二、Web界面

　　默认的配置中，NameNode可通过http://namenode-name:50070/来访问(其中的namenode-name是你自己配置的namenode主机名)。使用Web界面可以查看集群状态、浏览文件系统、查看DataNodes等。

三、Hadoop集群安装

　　略，请参考文档，或自行百度。

四、非安全模式下的Hadoop配置

1. 配置文件主要有两种：

• 只读的默认配置 ——
  
  • core-default.xml
  • hdfs-default.xml
  • yarn-default.xml
  • mapred-default.xml
• 具体指定的配置 ——
  
  • etc/hadoop/core-site.xml
  • etc/hadoop/hdfs-site.xml
  • etc/hadoop/yarn-site.xml
  • etc/hadoop/mapred-site.xml

2. 控制Hadoop脚本行为：

• etc/hadoop/hadoop-env.sh
• etc/hadoop/yarn-env.sh
• etc/hadoop/mapred-env.sh

3. Hadoop后台进程：

• Hadoop后台进程一般各自运行在独立的主机上
• HDFS后台进程
  
  • NameNode, SecondaryNameNode, DataNode
• YARN后台进程
  
  • ResourceManager, NodeManager, WebAppProxy
• MapReduce后台进程(若有)
  
  • Job History Server

4. Hadoop后台进程环境配置：

• Hadoop进程的环境变量在以下3个脚本中设置

  • etc/hadoop/hadoop-env.sh
  • etc/hadoop/yarn-env.sh
  • etc/hadoop/mapred-env.sh

• 各后台进程的环境变量如下：

Daemon	Environment Variable
NameNode	HADOOP_NAMENODE_OPTS
DataNode	HADOOP_DATANODE_OPTS
Secondary NameNode	HADOOP_SECONDARYNAMENODE_OPTS
ResourceManager	YARN_RESOURCEMANAGER_OPTS
NodeManager	YARN_NODEMANAGER_OPTS
WebAppProxy	YARN_PROXYSERVER_OPTS
MapReduce Job History Server	HADOOP_JOB_HISTORYSERVER_OPTS

---

比如，对NameNode的设置可以如下：
expo