hadoop安装及部署

       本文主要介绍Hadoop大数据环境的搭建与配置,Hadoop 主要有三大发行版本,Apache 原生态版本是最基本的版本, 在企业实际使用当中,并不多;cloudera公司对Apache版本进行开发发行的CDH版本,在国内企业中用的比较多;Hortonworks 公司开发的HDP版本。本文主要介绍的伪分布式环境的搭建,分布式环境的搭建和高可用(HA)环境的搭建。

        Hadoop及其组件下载地址:https://archive.cloudera.com/cdh5/cdh/5/,版本自行选择。

        Hadoop官方文档地址:https://hadoop.apache.org/docs/r2.6.0/   或者http://wiki.apache.org/hadoop/

        Hadoop安装之前首先安装jdk。

一、伪分布式安装与部署

1.解压缩到/opt目录下: tar -zxvf hadoop-2.5.0-cdh5.3.6.tar.gz -C /opt

2.配置文件hdfs:

(1)vi etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/jdk1.8.0_171

(2)vi etc/hadoop/core-site.xml:

<property>
    <name>fs.defaultFS</name>             #指定NameNode
    <value>hdfs://localhost:9000</value> #根据自己的主机名配置
</property>
 <property>
      <name>hadoop.tmp.dir</name>
      <value>/opt/hadoop-2.5.0-cdh5.3.6/data/tmp</value>   #mkdir /opt/hadoop-2.5.0-cdh5.3.6/data/tmp
 </property>

(3)vi etc/hadooop/hdfs-site.xml

    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>

3.格式化文件系统namenode:

bin/hdfs namenode -format

启动namenode:sbin/hadoop-daemon.sh start namenode

启动datanode:sbin/hadoop-daemon.sh start datanode

4.配置yarn

(1) vi etc/hadoop/yarn-site.xml

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>localhost</value>
</property>

(2)vi etc/hadoop/yarn-env.sh

      export JAVA_HOME=/opt/jdk1.8.0_171

(3) vi etc/hadoop/mapred-site.xml

   <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>zhangbk:10020</value>    #主机名
    </property>
    <property>
      <name>mapreduce.jobhistory.webapp.address</name>
      <value>localhost:19888</value>
    </property>

5.配置slaves,  指定DataNode

locahost  #节点主机名

6.配置环境变量

export HADOOP_HOME=/opt/hadoop-2.5.0-cdh5.3.6
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

浏览器访问hdfs:http://localhst:50070

浏览器访问yarn管理器:http://localhost:8088

7.测试

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar wordcount /input /output/wdcount2

yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.6.jar wordcount /input /output/wdcount2

出现的问题:

WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

解决:1.jdk是64位,Hadoop是32位编译的。

2.由于cdh版本lib/native文件夹下没有文件,将其他版本的lib/native文件夹下的文件拷贝过来即可。

3. lib/native查找方式:https://archive.cloudera.com/cdh5/redhat/5/x86_64/cdh/5.3.6/RPMS/x86_64/下载hadoop-2.5.0+cdh5.3.6+898-1.cdh5.3.6.p0.18.el5.x86_64.rpm(根据自己版本下载),然后解压rpm包,

rpm2cpio hadoop-2.5.0+cdh5.3.6+898-1.cdh5.3.6.p0.18.el5.x86_64.rpm | cpio -idmv

解压后打开在文件夹下usr/lib/hadoop/lib/native/有需要的包,拷贝到Hadoop安装目录的lib/native,并修改软链接即可。

 

二、Hadoop分布式环境搭建

Hadoop 2.x 部署
    * Local Mode
    * Distributed Mode
        * 伪分布式
            一台机器,运行所有的守护进程,
            从节点DataNode、NodeManager
        * 完全分布式
            有多个从节点
            DataNodes
            NodeManagers
            配置文件
                $HADOOP_HOME/etc/hadoop/slaves

================================================================

1.环境准备

三台机器(redhat6)
    192.168.159.21            192.168.159.22            192.168.159.23
    hadoop-senior            hadoop-senior02              hadoop-senior03
        1.5G                           1 G                                 1G
        1 CPU                        1 CPU                            1 CPU

配置映射
    /etc/hosts

        192.168.159.21        hadoop-senior01.zhangbk.com    hadoop-senior01
        192.168.159.22        hadoop-senior02.zhangbk.com    hadoop-senior02
        192.168.159.23        hadoop-senior03.zhangbk.com    hadoop-senior03

配置主机名
    /etc/sysconfig/network

        192.168.159.21        hadoop-senior01.zhangbk.com    
        192.168.159.22        hadoop-senior02.zhangbk.com    
        192.168.159.23        hadoop-senior03.zhangbk.com    


关闭防火墙

service iptables stop     #关闭防火墙
chkconfig iptables off    #永久关闭防火墙
netstat -apn | grep 8080  #查看端口


=====================================================================
2.环境规划与文件配置

        hadoop-senior01            hadoop-senior02            hadoop-senior03
HDFS
        NameNode
        DataNode                          DataNode                       DataNode
                                                                                  SecondaryNameNode
YARN
                                            ResourceManager
        NodeManager                    NodeManager                NodeManager

MapReduce
        JobHistoryServer

文件配置
    * hdfs
         * hadoop-env.sh

                 export JAVA_HOME=/opt/jdk1.8.0_171

         * core-site.xml

             <property>
               <name>fs.defaultFS</name>
               <value>hdfs://hadoop-senior01.zhangbk.com:9000</value>
            </property>
            <property>
               <name>hadoop.tmp.dir</name>
               <value>/opt/hadoop-2.5.0-cdh5.3.6/data/tmp</value> #创建文件夹/opt/hadoop-2.5.0-cdh5.3.6/data/tmp
            </property>


         * hdfs-site.xml

         <property>
           <name>dfs.namenode.secondary.http-address</name>
           <value>hadoop-senior03.zhangbk.com:50090</value>
         </property>


         * slaves

                     hadoop-senior01.zhangbk.com
                     hadoop-senior02.zhangbk.com
                     hadoop-senior03.zhangbk.com


    * yarn
         * yarn-env.sh

                     export JAVA_HOME=/opt/jdk1.8.0_171


         * yarn-site.xml

                     <property>
                       <name>yarn.nodemanager.aux-services</name>
                       <value>mapreduce_shuffle</value>
                     </property>
                     <property>
                       <name>yarn.resourcemanager.hostname</name>
                       <value>hadoop-senior02.zhangbk.com</value>
                     </property>
                     <property>
                       <name>yarn.log-aggregation-enable</name>
                       <value>true</value>
                      </property>
                     <property>
                       <name>yarn.log-aggregation.retain-seconds</name>
                       <value>640800</value>
                     </property>


    * mapredue
         * mapred-env.sh

                     export JAVA_HOME=/opt/jdk1.8.0_171


         * mapred-site.xml

              <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
              </property>
              <property>
                <name>mapreduce.jobhistory.address</name>
                <value>hadoop-senior01.zhangbk.com:10020</value>
              </property>


3.   免密登录
        ssh-keygen -t rsa  一路按回车就行了
        打开~/.ssh 下面有三个文件
            authorized_keys,已认证的keys
            id_rsa,私钥
            id_rsa.pub,公钥
    ssh-copy-id hadoop-senior01.zhangbk.com 复制文件到需要的环境
    scp 拷贝到其他节点

            scp -r ./hadoop-2.5.0-cdh5.3.6 hadoop-senior02.zhangbk.com:/opt


            
    格式化文件系统

        bin/hdfs namenode -format

遇到问题:       
         Cannot assign requested address; For more details
         Namenode和ResourceManger如果不是同一台机器,不能在NameNode上启动 yarn,
         应该在ResouceManager所在的机器上启动yarn。现在问题解决了。 
         
======================================================================
集群搭建完成以后
    * 基本测试
        服务启动,是否可用,简单的应用
        * hdfs
            读写操作
            bin/hdfs dfs -mkdir -p /user/beifeng/tmp/conf
            bin/hdfs dfs -put etc/hadoop/*-site.xml /user/beifeng/tmp/conf
            bin/hdfs dfs -text /user/beifeng/tmp/conf/core-site.xml
        * yarn
            run jar
        * mapreduce
            bin/yarn jar share/hadoop/mapreduce/hadoop*example*.jar wordcount /user/beifeng/mapreuce/wordcount/input /user/beieng/mapreduce/wordcount/output
    * 基准测试
        测试集群的性能
        * hdfs
            写数据
            读数据
    * 监控集群
        Cloudera
        Cloudera Manager
            * 部署安装集群
            * 监控集群
            * 配置同步集群
            * 预警。。。。。

=============================================================
集群的时间要同步
    * 找一台机器
        时间服务器
    * 所有的机器与这台机器时间进行定时的同步
        比如,每日十分钟,同步一次时间

# rpm -qa|grep ntp

# vi /etc/ntp.conf 

        restrict 192.168.21.0 mask 255.255.255.0 nomodify notrap  #放开
        #server 0.rhel.pool.ntp.org   #注释
        #server 1.rhel.pool.ntp.org   #注释
        #server 2.rhel.pool.ntp.org   #注释
        server  127.127.1.0     # local clock   #放开
        fudge   127.127.1.0 stratum 10          #放开

# vi /etc/sysconfig/ntpd

    # Drop root to id 'ntp:ntp' by default.
    SYNC_HWCLOCK=yes
    OPTIONS="-u ntp:ntp -p /var/run/ntpd.pid -g"


    
[root@hadoop-senior hadoop-2.5.0]# service ntpd status
ntpd is stopped
[root@hadoop-senior hadoop-2.5.0]# service ntpd start
Starting ntpd: [  OK  ]
[root@hadoop-senior hadoop-2.5.0]# chkconfig ntpd on
crontab -e #root用户
0-59/10 * * * * /usr/sbin/ntpdate hadoop-senior01.zhangbk.com  #定时同步时间
调整服务器时间
[root@hadoop-senior03 ~]# date -s 2019-06-19
Wed Jun 19 00:00:00 PDT 2019
[root@hadoop-senior03 ~]# date -s 22:45:30
Wed Jun 19 22:45:30 PDT 2019

三、高可用(HA)分布式环境搭建

1. 首先安装部署zookeeper
yarn hbase spark都需要zookeeper
分布式应用提供协调服务的Apache项目
集群个数为奇数 (一个leader)
tickTime:作为zookeeper服务器之间或客户端与服务器之间维持心跳的时间间隔。
dataDir:Zookeeper保存数据的目录,默认情况下。写数据的日志文件也保存在这个目录。
clientPort:这个端口就是客户端连接zookeeper服务器的端口。zookeeper会监听这个端口,接受客户端的访问请求。
zookeeper client命令:
bin/zkCli.sh -server localhost:2181
ls,get,create,delete,set

搭建zookeeper分布式集群
mkdir - p /opt/zookeeper-3.4.5-cdh5.3.6/data/zkData
mv conf/zoo_sample.cfg conf/zoo.cfg
vi conf/zoo.cfg
    dataDir=/opt/zookeeper-3.4.5-cdh5.3.6/data/zkData
    # the port at which the clients will connect
    clientPort=2181
    server.1=hadoop-senior01.zhangbk.com:2888:3888
    server.2=hadoop-senior02.zhangbk.com:2888:3888
    server.3=hadoop-senior03.zhangbk.com:2888:3888

vi data/zkDate/myid
1

scp -r zookeeper-3.4.5-cdh5.3.6 root@hadoop-senior02.zhangbk.com:/opt
scp -r zookeeper-3.4.5-cdh5.3.6 root@hadoop-senior03.zhangbk.com:/opt
在第二、三节点分别修改myid文件,分别设置为2 3

Zookeeper集群脚本启动问题

脚本启动,jps找不到进程。

分析原因
 
首先知道交互式shell和非交互式shell、登录shell和非登录shell是有区别的
在登录shell里,环境信息需要读取/etc/profile和~ /.bash_profile, ~/.bash_login, and ~/.profile按顺序最先的一个,并执行其中的命令。除非被 —noprofile选项禁止了;在非登录shell里,环境信息只读取 /etc/bash.bashrc和~/.bashrc 
手工执行是属于登陆shell,脚本执行数据非登陆shell,而我的linux环境配置中只对/etc/profile进行了jdk1.8等环境的配
置,所以脚本执行/opt/module/zookeeper-3.4.10/bin/zkServer.sh start 启动zookeeper失败了
 
解决方法
 
把profile的配置信息echo到.bashrc中  cat  /etc/profile  >> ~/.bashrc
在/zookeeper/bin/zkEnv.sh的中开始位置添加export JAVA_HOME=/opt/module/jdk1.8.0_191


Hadoop HA高可用分布式集群搭建
    分布式存储
    * NameNode
        元数据
        /user/beifeng/tmp/core-site.xml
            文件名称    路劲    拥有者(所属者)    所属组    权限    副本数 .....
    * DataNode
        128 MB
        Block方式进行存储
        本地磁盘
            <property>
                <name>dfs.datanode.data.dir</name>
                <value>file://${hadoop.tmp.dir}/dfs/data</value>
            </property>
    * Client
        -> NameNode    -> 
        put

    hadoop 2.x
        2.2.0
HDFS HA
    * NameNode Active
    * NameNode Standby

HDFS
    edits
        变化
NN Active

NN Standby

配置HA要点
* share edits
    JournalNode
* NameNode
    Active,Standby
* Client
    Proxy
* fence
    同一时刻仅仅有一个NameNode对外提供服务
    使用的方式sshfence
        两个NameNode之间能够ssh无密码登录
        21(NameNode) ssh  -> 22
        22(NameNode) ssh  -> 21

============================================================

2.规划集群与文件配置

规划集群
       21                              22                           23

    NameNode                     NameNode

    JournalNode                JournalNode              JournalNode

    DataNode                    DataNode               DataNode
配置文件(https://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/HDFSHighAvailabilityWithQJM.html#Configuration_details)
hadoop-env.sh

                 export JAVA_HOME=/opt/jdk1.8.0_171    


core-site.xml

            <property>
              <name>fs.defaultFS</name>
              <value>hdfs://ns1</value>
            </property>
            <property>
              <name>hadoop.tmp.dir</name>
              <value>/opt/hadoop-2.5.0-cdh5.3.6/data/tmp</value> #创建文件夹/opt/hadoop-2.5.0-cdh5.3.6/data/tmp
            </property>


hdfs-site.xml

        <property>
              <name>dfs.nameservices</name>
              <value>ns1</value>
        </property>
        
        <property>
              <name>dfs.ha.namenodes.ns1</name>
              <value>nn1,nn2</value>
        </property>
        
        <property>
              <name>dfs.namenode.rpc-address.ns1.nn1</name>
                <value>hadoop-senior01.zhangbk.com:8020</value>
        </property>
        <property>
              <name>dfs.namenode.rpc-address.ns1.nn2</name>
              <value>hadoop-senior02.zhangbk.com:8020</value>
        </property>
        #namenode http web address
        <property>
              <name>dfs.namenode.http-address.ns1.nn1</name>
              <value>hadoop-senior01.zhangbk.com:50070</value>
        </property>
        <property>
              <name>dfs.namenode.http-address.ns1.nn2</name>
              <value>hadoop-senior02.zhangbk.com:50070</value>
        </property>
        #namenode shared edits address
        <property>
              <name>dfs.namenode.shared.edits.dir</name>
              <value>qjournal://hadoop-senior01.zhangbk.com:8485;hadoop-senior02.zhangbk.com:8485;hadoop-senior03.zhangbk.com:8485/ns1</value>
        </property>
        #hdfs proxy client
        <property>
              <name>dfs.client.failover.proxy.provider.ns1</name>
              <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
        </property>
        #namenode fence
        <property>
              <name>dfs.ha.fencing.methods</name>
              <value>sshfence</value>
        </property>
        <property>
              <name>dfs.ha.fencing.ssh.private-key-files</name>
              <value>/root/.ssh/id_rsa</value>
        </property>
        
        <property>
              <name>dfs.journalnode.edits.dir</name>
              <value>/opt/hadoop-2.5.0-cdh5.3.6/data/dfs/jn</value>
        </property>


slaves

    hadoop-senior01.zhangbk.com
    hadoop-senior02.zhangbk.com
    hadoop-senior03.zhangbk.com

scp -r /opt/hadoop-2.5.0-cdh5.3.6/etc/hadoop root@hadoop-senior02.zhangbk.com:/opt/hadoop-2.5.0-cdh5.3.6/etc/
QJM HA启动
step1 在各个journalnode节点上,启动journalnode
    sbin/hadoop-daemon.sh start journalnode
step2 在nn1上,进行格式化,并启动namenode
    bin/hdfs namenode -format
    sbin/hadoop-daemon.sh start namenode
step3 在nn2上,同步nn1的元数据信息
    bin/hdfs namenode -bootstrapStandby
step4 启动nn2
    sbin/hadoop-daemon.sh start namenode
step5 将nn1切换为Active
    bin/hdfs haadmin -transitionToActive nn1
step6 在nn1上启动所有datanode
    sbin/hadoop-daemons.sh start datanode
    
HA 自动故障转移 Zookeeper
    启动HA以后,都是standby,选举一个为Active
    
    hdfs-site.xml

     <property>
       <name>dfs.ha.automatic-failover.enabled</name>
       <value>true</value>
     </property>


  
  core-site.xml

      <property>
        <name>ha.zookeeper.quorum</name>
        <value>hadoop-senior01.zhangbk.com:2181,hadoop-senior02.zhangbk.com:2181,hadoop-senior03.zhangbk.com:2181</value>
      </property>


      
    启动自动故障转移
        (1)关闭所有HDFS服务            sbin/stop-dfs.sh
        (2)启动Zookeeper集群           bin/zkServer.sh start
        (3)初始化HA在Zookeeper中状态   bin/hdfs zkfc -formatZK
        (4)启动HDFS服务                sbin/start-dfs.sh
        (5)在各个NameNode节点上启动DFSZK Failover Controller,先在哪台机器上启动,
             哪台机器的NameNode就是Active NameNode      sbin/hadoop-daemon.sh start zkfc
             
    验证:Active NameNode进程杀掉
          Active NameNode机器断开网络 service network stop

=========================================================
NameNode
    
    能不能有多个NameNode
    NameNode             NameNode                 NameNode
    元数据                元数据                    元数据
    log                machine                    电商数据/话单数据

所有的DataNodes节点上

=============================================================

测试机群

生产集群

多个版本的Hadoop 大数据集群
     hadoop distcp -i hftp://sourceFS:8020/src hdfs://destFS:8020/dest
     MapReduce

=============================================================
YARN
    ResourceManager
        * 管理集群资源
        * 分配调度集群资源
    NodeManagers

备注:安装出现问题,欢迎骚扰!!!

在这里插入图片描述在这里插入图片描述

在这里插入图片描述

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值