Hadoop 集群搭建

weixin_43038102

已于 2022-03-01 20:54:05 修改

阅读量2.5k

点赞数

文章标签： hadoop 大数据

于 2022-02-27 22:01:06 首次发布

本文链接：https://blog.csdn.net/weixin_43038102/article/details/123158635

版权

本文详细介绍了如何配置Hadoop集群，包括虚拟机模板设置、IP和hostname管理、JDK与Hadoop安装、SSH免密登录、Hadoop配置文件编辑、集群启动、日志管理及时间同步。重点步骤涉及模板机克隆、JDK与Hadoop的安装、Hadoop配置文件的调整和集群的启动与维护。

摘要由CSDN通过智能技术生成

一、模板虚拟机配置

1）设置ip地址
设置ip是保证ip地址与主机名保持一致，如：192.168.10.100 -> hadoop100
2）设置hostname
修改 /etc/hostname 文件修改
3）设置hostname 与 ip 地址的映射
映射的配置文件保存在 /etc/hosts 中，网络中的每一台机器都是独立保存这份配置文件的。
4） yum 安装额外的rpm包：yum install -y epel-release (-y表示不需要对逐个包yes) 如果安装的是最小版的Linux 还需要额外安装 net-tools 和 vim
5) 关闭防火墙、关闭防火墙开机自动启动：（保证集群之间的稳定连接）
systemctl stop firewalld
systemctl disable firewalld.service 在这里插入图片描述
6）添加一个普通用户:atguigu，并修改/etc/sudoers配置文件，使得sudo 后拥有和root同样的权限，并且不需要使用密码验证
useradd atguigu
vim /etc/sudoers

sudo 命令可以使得普通用户获得指定的权限，（限制用户只在某台主机上运行某些命令），可以看做是普通用户向超级管理员申请获取权限。

7）在/opt （用于存放第三软件）目录下文件夹module 和 software，并更改所有主和组为atguigu
在这里插入图片描述
8）卸载之前安装到的jdk：rpm -qa | grep -i java | xargs -n1 rmp -e --nodeps

grep -i 忽略大小写
xargs 从标准输入读入参数. 参数用空格(可以用双引号单引号或反斜杠转意) 或者回车隔开. 然后一次或者多次执行命令：从标准输入重建并执行命令行

rpm -e 卸载rpm包，–nodeps 忽略依赖检查
在这里插入图片描述
9）reboot 重启，模板虚拟机配置完毕

二、虚拟机克隆

1）模板机关机后，从VMware中进行完整克隆
在这里插入图片描述

2）每个虚拟机配置ip地址和主机名称
如：hadoop102 ip地址设置为192.168.10.102 hostname 设置为hadoop102

3）在hadoop 102中安装JDK1.8
将jdk1.8 的linux tar.gz文件传入之前创建的 software文件夹中
tar -zxvf [解压文件] -C [解压到指定目录] 将jdk安装到module 文件夹
配置环境变量，将JAVA_HOME添加到环境变量中：
Linux环境变量的配置是通过/etc/profile.sh 文件进行配置的。
profile.sh中会对profile.d中的sh文件循环执行
在profile.d中添加新的sh文件，声明全局变量，修改PATH值
sudo vim /etc/profile.d/my_var.sh
在这里插入图片描述

重新运行profile: source /etc/profile

4）在hadoop102上，安装Hadoop
步骤同上，解压、配置环境变量
在配置环境变量中：
在这里插入图片描述

三、配置本地运行模式和ssh免密登录

将hadoop102上已经解压过的 hadoop 和 jdk 传输至 hadoop103 和 hadoop 104上：( Secure Copy )
scp — 安全复制(远程文件复制程序)
-r 递归复制整个目录。
scp -r 【本地目录】【远程用户名@远程主机名：远程目录】

反之 pull ：
scp -r 【远程用户名@远程主机名：远程目录】【本地目录】
表示从远程主机拉取文件

rsync — 远程同步工具（相比于安全复制，只传输差异部分的文件，速度更快，效率更好）
rsync -av 【本地目录】【远程用户名@远程主机名：远程目录】

对于每个服务器都执行rsync 命令显然比较复杂。
创建自己的xsyn.sh ，并将文件所在目录加入PATH即可。
xsyn.sh 执行任务：将参数中的文件同步到所有虚拟机下的相同路径中

/home/atguigu/bin 是默认加入到$PATH中的，所以在此目录下添加sh文件

# !bin/bash


if [$# -lt 1]
	then 
		echo 请输入参数
		exit;
	
fi


for host in hadoop102 hadoop103 hadoop104
do
	echo =================$host====================
	for file in $@
	do 

		if [-e $file]
			then
				#获取文件的完整绝对路径：pwd
				pdir=$(cd -P $(dirname $file);pwd)
				# -P可以避免软连接目录，跳转到真实目录
				
				#获取文件名称 basename
				fname=$(basename $file)
				
				# 在目标服务器下创建相同目录
				ssh $host "mkdir -p $pdir"
				# ssh命令 远程登录
				# -p可以避免目录已经存在

				# 将目标文件同步到对应目录下
				rsync -av $pdir/$fname $host:$pdir			
			else
				echo $file 不存在
		fi
	done
done

	接下来通过 xsync 将环境变量sh 分发到所有服务器上。
	sudo xsync /etc/profile.d/my_var.sh
	sudo 后相当于切换为root账户 所以/home/atguigu目录不存在$PATH中


	linux中每次的ssh 登录都需要密码验证，接下来设置ssh免密登录:
	ssh 加密协议 属于非对称加密通信，原理如下

在这里插入图片描述
只需要在服务器的.ssh目录下保存公钥，即可实现免密登录。
在/home/atguigu/.ssh目录下执行ssh -keygen -t rsa 会在.ssh/id_rsa 下生成密钥和公钥

将公钥发送给其余服务器：
ssh-copy-id hadoop103
ssh-copy-id hadoop104

免密ssh远程连接设置成功。 接下来在hadoop103和104中同样设置

四、Hadoop集群配置

在配置Hadoop 之前，需要规划好各节点的分工，尽量不要把占用资源量比较大的角色分配到用一个资源上。
在这里插入图片描述

Hadoop 的自定义配置文件在 etc/hadoop/etc目录下的四个空的xml文件，将一下配置粘贴到Hadoop102中并下发到所有节点。

1） core-site.xml

<configuration>
	<!-- 指定NameNode地址-->
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://hadoop102:8020</value>
	</property>
	
	<!--指定本地文件存储系统的地址-->
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/opt/module/hadoop-3.1.3/data</value>
	</property>
	
	<!--配置HDFS网页登录的静态用户atguigu-->
	<property>
		<name>hadoop.http.staticuser.user</name>
		<value>atguigu</value>
	</property>
</configuration>

hdfs-site.xml

<configuration>
	<!-- nn web端访问地址-->
	<property>
		<name>dfs.namenode.http-address</name>
		<value>hadoop102:9870</value>
	</property>
	<!-- snn web端访问地址-->
	<property>
		<name>dfs.namenode.secondary.http-address</name>
		<value>hadoop104:9868</value>
	</property>

</configuration>

mapred-site.xml

<configuration>
	<!-- 指定MR在yarn运行，默认是本地-->
	<property>
		<name>mapreduce.framwork.name</name>
		<value>yarn</value>
	</property>

</configuration>

yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
	<!-- 指定MR走Shuffle-->
	<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
	</property>
	<!-- ResourceManager地址-->
	<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>hadoop103</value>
	</property>
	<!-- 环境变量继承-->
	<property>
		<name>yarn.nodemanager.env-whitelist</name>
		<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
		</value>
	</property>

</configuration>

五、集群的启动

1） 设置workers配置
		在etc目录下设置workers参数：
			hadoop102
			hadoop103
			hadoop104
		(注意不要加空格 和 空行)


2） 格式化NameNode 节点（第一次运行时）：
		在hadoop102下执行
				hdfs namenode -forma
		执行成功的标志：bin目录下出现data 和 logs目录

		PS：不要多次格式NameNode节点，每次格式化节点都会产生新的Cluster_ID，导致DataNode节点与NameNode的集群ID不一致，集群不能找到以往数据。如果需要重新格式化NameNode的化，首先停止namenode和datanode进程，并且删除所有节点的data和log目录，然后进行格式化。或者直接修改DataNode的集群ID 使其与NameNode的集群ID一致。
		解决办法：https://blog.51cto.com/zyp88/2053031

2）启动Hadoop集群
		在hadoop102上(NN) 启动hdfs 
		start-dfs.sh
		启动成功后在节点 jps，查看角色是否正确(jps 查看java虚拟机线程的工具)
		通过浏览器访问192.168.10.102:9870 得到hdfs 的web界面

		在hadoop103上（RM）启用yarn
		start-yarn.sh
		通过浏览器访问192.168.10.103:8088

在这里插入图片描述

六、历史服务器配置

mapred.xml

<configuration>
	<!-- 指定MR在yarn运行，默认是本地-->
	<property>
		<name>mapreduce.framwork.name</name>
		<value>yarn</value>
	</property>
	<!-- 指定历史服务器地址-->
	<property>
		<name>mapreduce.jobhistory.address</name>
		<value>hadoop102:10020</value>
	</property>
	<!-- 指定历史服务器web地址-->
	<property>
		<name>mapreduce.jobhistory.webapp.address</name>
		<value>hadoop102:19888</value>
	</property>

</configuration>

重新启用yarn后：
在hadoop102
mapred --daemon start historyserver

七、日志聚集功能的开启

在这里插入图片描述
1）配置yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
	<!-- 指定MR走Shuffle-->
	<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
	</property>
	<!-- ResourceManager地址-->
	<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>hadoop103</value>
	</property>
	<!-- 环境变量继承-->
	<property>
		<name>yarn.nodemanager.env-whitelist</name>
		<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
		</value>
	</property>
	<!-- 打开日志聚集-->
	<property>
		<name>yarn.log-aggregation-enable</name>
		<value>true</value>
	</property>
	<!-- 设置日志服务器地址-->
	<property>
		<name>yarn.log.server.url</name>
		<value>http://hadoop102:19888/jobhistory/logs</value>
	</property>
	<!-- 设置日志七天保留-->
	<property>
		<name>yarn.log-aggregation.retain-seconds</name>
		<value>604800</value>
	</property>
	

</configuration>

分发到所有节点
重启历史服务器、yarn
mapred --daemon stop historyserver
stop-yarn.sh

八、Hadoop线程的启动

两种方式启动hadoop 中的线程：
1）整体启动：start-dfs.sh
2）部分启动：hdfs -daemo start datenode hdfs -daemo stop datenode

脚本一：在项目中，逐个节点的逐个启动线程过于麻烦，可以将启动命令写入到shell脚本中执行

if [ $# -lt 1 ]
then 
	echo "No Arugument: Please input start/stop"
	exit;
fi

case $1 in 
"start")
	echo "==================Opening Hadoop================"
	
	echo "------------------—Opening HDFS-----------------"
	ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
	echo "------------------—Opening YARN-----------------"
	ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
	echo "----------------Opening HistoryServer-----------"
	ssh hadoop103 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
	echo "==================Closing Hadoop================"
	
	echo "----------------Closing HistoryServer-----------"
	ssh hadoop103 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
	echo "------------------—Closing YARN-----------------"
	ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
	echo "------------------—Closing HDFS-----------------"
	ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
	echo "Wrong Arugument"
;;
esac

脚本二：查看所有服务器的jsp

for host in hadoop102 hadoop103 hadoop104
do
	echo "=======$host======="
	ssh $host "jps"
done

PS ：脚本写完后需要确保脚本的可执行权限，并分发到所有服务器中

九、***Hadoop常用的端口号与配置文件

在这里插入图片描述

十、集群时间同步 P37

在这里插入图片描述

weixin_43038102

关注

0
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

Hadoop 集群搭建

一、模板虚拟机配置

二、虚拟机克隆

三、配置本地运行模式和ssh免密登录

四、Hadoop集群配置

五、集群的启动

六、历史服务器配置

七、日志聚集功能的开启

八、Hadoop线程的启动

九、***Hadoop常用的端口号 与 配置文件

十、集群时间同步 P37

九、***Hadoop常用的端口号与配置文件