hadoop2.7.5 生产环境高可用集群搭建

最新推荐文章于 2024-01-29 00:01:10 发布
最新推荐文章于 2024-01-29 00:01:10 发布
阅读量298 收藏 1
点赞数
分类专栏： hadoop
本文链接：https://blog.csdn.net/weixin_44676484/article/details/112062709
版权

1. Zookeeper集群安装

1.0  集群规划

服务器IP主机名myid的值
192.168.200.100node011
192.168.200.110node022
192.168.200.120node033

 

 

 

 

 

1.1 第一步：下载zookeeeper的压缩包，下载网址如下

http://archive.apache.org/dist/zookeeper/ 

本文使用的zk版本为3.4.9

链接：https://pan.baidu.com/s/1OozdHMvW-57uvkDMePotDA 提取码：XWFZ

下载完成之后，上传到linux的/export/softwares路径下准备进行安装

1.2 第二步：解压

解压zookeeper的压缩包到/export/servers路径下去，然后准备进行安装 

cd /export/softwares

tar -zxvf zookeeper-3.4.9.tar.gz -C ../servers/

1.3 第三步：修改配置文件

第一台机器修改配置文件

cd /export/servers/zookeeper-3.4.9/conf/

cp zoo_sample.cfg zoo.cfg

mkdir -p /export/servers/zookeeper-3.4.9/zkdatas/
vim  zoo.cfg
dataDir=/export/servers/zookeeper-3.4.9/zkdatas
# 保留多少个快照
autopurge.snapRetainCount=3
# 日志多少小时清理一次
autopurge.purgeInterval=1
# 集群中服务器地址
server.1=node01:2888:3888
server.2=node02:2888:3888
server.3=node03:2888:3888

1.4 第四步：添加myid配置

在第一台机器的

/export/servers/zookeeper-3.4.9/zkdatas /这个路径下创建一个文件，文件名为myid ,文件内容为1

echo 1 > /export/servers/zookeeper-3.4.9/zkdatas/myid

1.5 第五步：安装包分发并修改myid的值

安装包分发到其他机器

第一台机器上面执行以下两个命令

scp -r  /export/servers/zookeeper-3.4.9/ node02:/export/servers/
scp -r  /export/servers/zookeeper-3.4.9/ node03:/export/servers/

第二台机器上修改myid的值为2 

echo 2 > /export/servers/zookeeper-3.4.9/zkdatas/myid

第三台机器上修改myid的值为3 

echo 3 > /export/servers/zookeeper-3.4.9/zkdatas/myid

1.6 第六步：三台机器启动zookeeper服务

三台机器启动zookeeper服务

这个命令三台机器都要执行

cd /export/servers/zookeeper-3.4.9/bin

./zkServer.sh start

 查看启动状态

cd /export/servers/zookeeper-3.4.9/bin

./zkServer.sh  status

 

2 搭建hadoop集群

使用完全分布式，实现namenode高可用，ResourceManager的高可用

2.0 集群运行服务规划

安装包解压

2.1 解压压缩包


第一台机器执行以下命令进行解压

cd /export/softwares
tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/

2.2 配置文件修改

2.2.1 修改core-site.xml

第一台机器执行以下命令 

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim core-site.xml
<configuration>
	<!-- 指定NameNode的HA高可用的zk地址  -->
	<property>
		<name>ha.zookeeper.quorum</name>
		<value>node01:2181,node02:2181,node03:2181</value>
	</property>
 <!-- 指定HDFS访问的域名地址  -->
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://ns</value>
	</property>
 <!-- 临时文件存储目录  -->
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/export/servers/hadoop-2.7.5/data/tmp</value>
	</property>
	 <!-- 开启hdfs垃圾箱机制，指定垃圾箱中的文件七天之后就彻底删掉
			单位为分钟
	 -->
	<property>
		<name>fs.trash.interval</name>
		<value>10080</value>
	</property>
</configuration>

 

2.2.2 修改hdfs-site.xml

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hdfs-site.xml
<configuration>
<!--  指定命名空间  -->
	<property>
		<name>dfs.nameservices</name>
		<value>ns</value>
	</property>
<!--  指定该命名空间下的两个机器作为我们的NameNode  -->
	<property>
		<name>dfs.ha.namenodes.ns</name>
		<value>nn1,nn2</value>
	</property>
<!-- 配置第一台服务器的namenode通信地址  -->
<property>
	<name>dfs.namenode.rpc-address.ns.nn1</name>
	<value>node01:8020</value>
</property>
<!--  配置第二台服务器的namenode通信地址  -->
<property>
	<name>dfs.namenode.rpc-address.ns.nn2</name>
	<value>node02:8020</value>
</property>
<!-- 所有从节点之间相互通信端口地址 -->
<property>
	<name>dfs.namenode.servicerpc-address.ns.nn1</name>
	<value>node01:8022</value>
</property>
<!-- 所有从节点之间相互通信端口地址 -->
<property>
	<name>dfs.namenode.servicerpc-address.ns.nn2</name>
	<value>node02:8022</value>
</property>

<!-- 第一台服务器namenode的web访问地址  -->
<property>
	<name>dfs.namenode.http-address.ns.nn1</name>
	<value>node01:50070</value>
</property>
<!-- 第二台服务器namenode的web访问地址  -->
<property>
	<name>dfs.namenode.http-address.ns.nn2</name>
	<value>node02:50070</value>
</property>

<!-- journalNode的访问地址，注意这个地址一定要配置 -->
<property>
	<name>dfs.namenode.shared.edits.dir</name>
	<value>qjournal://node01:8485;node02:8485;node03:8485/ns1</value>
</property>
<!--  指定故障自动恢复使用的哪个java类 -->
<property>
	<name>dfs.client.failover.proxy.provider.ns</name>
	<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>

<!-- 故障转移使用的哪种通信机制 -->
<property>
	<name>dfs.ha.fencing.methods</name>
	<value>sshfence</value>
</property>

<!-- 指定通信使用的公钥  -->
<property>
	<name>dfs.ha.fencing.ssh.private-key-files</name>
	<value>/root/.ssh/id_rsa</value>
</property>
<!-- journalNode数据存放地址  -->
<property>
	<name>dfs.journalnode.edits.dir</name>
	<value>/export/servers/hadoop-2.7.5/data/dfs/jn</value>
</property>
<!-- 启用自动故障恢复功能 -->
<property>
	<name>dfs.ha.automatic-failover.enabled</name>
	<value>true</value>
</property>
<!-- namenode产生的文件存放路径 -->
<property>
	<name>dfs.namenode.name.dir</name>
	<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/name</value>
</property>
<!-- edits产生的文件存放路径 -->
<property>
	<name>dfs.namenode.edits.dir</name>
	<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/edits</value>
</property>
<!-- dataNode文件存放路径 -->
<property>
	<name>dfs.datanode.data.dir</name>
	<value>file:///export/servers/hadoop-2.7.5/data/dfs/dn</value>
</property>
<!-- 关闭hdfs的文件权限 -->
<property>
	<name>dfs.permissions</name>
	<value>false</value>
</property>
<!-- 指定block文件块的大小 -->
<property>
	<name>dfs.blocksize</name>
	<value>134217728</value>
</property>
</configuration>

 2.2.3 修改yarn-site.xml，注意node03与node02配置不同

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim yarn-site.xml
<configuration>

	<!-- Site specific YARN configuration properties -->
	<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->
	<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->
	<!-- 用户可以通过应用程序时间服务器访问日志 -->

	<!-- 启用日志聚合功能，应用程序完成后，收集各个节点的日志到一起便于查看 -->
​	<property>
​			<name>yarn.log-aggregation-enable</name>
​			<value>true</value>
​	</property>

	<!--开启resource manager HA,默认为false--> 
	<property>
	​        <name>yarn.resourcemanager.ha.enabled</name>
	​        <value>true</value>
	</property>
	<!-- 集群的Id，使用该值确保RM不会做为其它集群的active -->
	<property>
	​        <name>yarn.resourcemanager.cluster-id</name>
	​        <value>mycluster</value>
	</property>
	<!--配置resource manager  命名-->
	<property>
	​        <name>yarn.resourcemanager.ha.rm-ids</name>
	​        <value>rm1,rm2</value>
	</property>
	<!-- 配置第一台机器的resourceManager -->
	<property>
	​        <name>yarn.resourcemanager.hostname.rm1</name>
	​        <value>node03</value>
	</property>
	<!-- 配置第二台机器的resourceManager -->
	<property>
	​        <name>yarn.resourcemanager.hostname.rm2</name>
	​        <value>node02</value>
	</property>

	<!-- 配置第一台机器的resourceManager通信地址 -->
	<property>
	​        <name>yarn.resourcemanager.address.rm1</name>
	​        <value>node03:8032</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.scheduler.address.rm1</name>
	​        <value>node03:8030</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
	​        <value>node03:8031</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.admin.address.rm1</name>
	​        <value>node03:8033</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.webapp.address.rm1</name>
	​        <value>node03:8088</value>
	</property>

	<!-- 配置第二台机器的resourceManager通信地址 -->
	<property>
	​        <name>yarn.resourcemanager.address.rm2</name>
	​        <value>node02:8032</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.scheduler.address.rm2</name>
	​        <value>node02:8030</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
	​        <value>node02:8031</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.admin.address.rm2</name>
	​        <value>node02:8033</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.webapp.address.rm2</name>
	​        <value>node02:8088</value>
	</property>
	<!--开启resourcemanager自动恢复功能-->
	<property>
	​        <name>yarn.resourcemanager.recovery.enabled</name>
	​        <value>true</value>
	</property>
	<!--在node1上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项-->
​	<property>       
​		<name>yarn.resourcemanager.ha.id</name>
​		<value>rm1</value>
​       <description>If we want to launch more than one RM in single node, we need this configuration</description>
​	</property>
   <!--用于持久存储的类。尝试开启-->
   <property>
​        <name>yarn.resourcemanager.store.class</name>
​        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
	</property>
	<property>
	​        <name>yarn.resourcemanager.zk-address</name>
	​        <value>node02:2181,node03:2181,node01:2181</value>
	​        <description>For multiple zk services, separate them with comma</description>
	</property>
	<!--开启resourcemanager故障自动切换，指定机器--> 
	<property>
	​        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
	​        <value>true</value>
	​        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>
	</property>
	<property>
	​        <name>yarn.client.failover-proxy-provider</name>
	​        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
	</property>
	<!-- 允许分配给一个任务最大的CPU核数，默认是8 -->
	<property>
	​        <name>yarn.nodemanager.resource.cpu-vcores</name>
	​        <value>4</value>
	</property>
	<!-- 每个节点可用内存,单位MB -->
	<property>
	​        <name>yarn.nodemanager.resource.memory-mb</name>
	​        <value>512</value>
	</property>
	<!-- 单个任务可申请最少内存，默认1024MB -->
	<property>
	​        <name>yarn.scheduler.minimum-allocation-mb</name>
	​        <value>512</value>
	</property>
	<!-- 单个任务可申请最大内存，默认8192MB -->
	<property>
	​        <name>yarn.scheduler.maximum-allocation-mb</name>
	​        <value>512</value>
	</property>
	<!--多长时间聚合删除一次日志 此处-->
	<property>
	​        <name>yarn.log-aggregation.retain-seconds</name>
	​        <value>2592000</value><!--30 day-->
	</property>
	<!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
	<property>
	​        <name>yarn.nodemanager.log.retain-seconds</name>
	​        <value>604800</value><!--7 day-->
	</property>
	<!--指定文件压缩类型用于压缩汇总日志-->
	<property>
	​        <name>yarn.nodemanager.log-aggregation.compression-type</name>
	​        <value>gz</value>
	</property>
	<!-- nodemanager本地文件存储目录-->
	<property>
	​        <name>yarn.nodemanager.local-dirs</name>
	​        <value>/export/servers/hadoop-2.7.5/yarn/local</value>
	</property>
	<!-- resourceManager  保存最大的任务完成个数 -->
	<property>
	​        <name>yarn.resourcemanager.max-completed-applications</name>
	​        <value>1000</value>
	</property>
	<!-- 逗号隔开的服务列表，列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->
	<property>
	​        <name>yarn.nodemanager.aux-services</name>
	​        <value>mapreduce_shuffle</value>
	</property>

	<!--rm失联后重新链接的时间--> 
	<property>
	​        <name>yarn.resourcemanager.connect.retry-interval.ms</name>
	​        <value>2000</value>
	</property>

</configuration>

2.2.4 修改mapred-site.xml

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-site.xml
<configuration>
<!--指定运行mapreduce的环境是yarn -->
<property>
​        <name>mapreduce.framework.name</name>
​        <value>yarn</value>
</property>
<!-- MapReduce JobHistory Server IPC host:port -->
<property>
​        <name>mapreduce.jobhistory.address</name>
​        <value>node03:10020</value>
</property>
<!-- MapReduce JobHistory Server Web UI host:port -->
<property>
​        <name>mapreduce.jobhistory.webapp.address</name>
​        <value>node03:19888</value>
</property>
<!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->
<property>
​        <name>mapreduce.jobtracker.system.dir</name>
​        <value>/export/servers/hadoop-2.7.5/data/system/jobtracker</value>
</property>
<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->
<property>
​        <name>mapreduce.map.memory.mb</name>
​        <value>1024</value>
</property>
<!-- <property>
​                <name>mapreduce.map.java.opts</name>
​                <value>-Xmx1024m</value>
​        </property> -->
<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
<property>
​        <name>mapreduce.reduce.memory.mb</name>
​        <value>1024</value>
</property>
<!-- <property>
​               <name>mapreduce.reduce.java.opts</name>
​               <value>-Xmx2048m</value>
​        </property> -->
<!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认情况下，分配给每个合并流1MB，给个合并流应该寻求最小化。默认值100-->
<property>
​        <name>mapreduce.task.io.sort.mb</name>
​        <value>100</value>
</property>

<!-- <property>
​        <name>mapreduce.jobtracker.handler.count</name>
​        <value>25</value>
​        </property>-->
<!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->
<property>
​        <name>mapreduce.task.io.sort.factor</name>
​        <value>10</value>
</property>
<!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->
<property>
​        <name>mapreduce.reduce.shuffle.parallelcopies</name>
​        <value>25</value>
</property>
<property>
​        <name>yarn.app.mapreduce.am.command-opts</name>
​        <value>-Xmx1024m</value>
</property>
<!-- MR AppMaster所需的内存总量。默认值1536-->
<property>
​        <name>yarn.app.mapreduce.am.resource.mb</name>
​        <value>1536</value>
</property>
<!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->
<property>
​        <name>mapreduce.cluster.local.dir</name>
​        <value>/export/servers/hadoop-2.7.5/data/system/local</value>
</property>
</configuration>

2.2.5 修改slaves

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop

vim slaves
node01
node02
node03

2.2.6 修改hadoop-env.sh

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141

2.3 集群启动过程
2.3.1 将第一台机器的安装包发送到其他机器上

第一台机器执行以下命令：

cd /export/servers
scp -r hadoop-2.7.5/ node02:$PWD
scp -r hadoop-2.7.5/ node03:$PWD

2.3.2 三台机器上共同创建目录

三台机器执行以下命令

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

2.3.3 更改node02的rm2

第二台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim  yarn-site.xml
<!--在node3上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，
但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项 
注意我们现在有两个resourceManager  第三台是rm1   第二台是rm2
这个配置一定要记得去node02上面改好

-->
​	<property>       
​		<name>yarn.resourcemanager.ha.id</name>
​		<value>rm2</value>
​       <description>If we want to launch more than one RM in single node, we need this configuration</description>
​	</property>

2.3.4 启动HDFS过程

2.3.4.1 node01机器执行以下命令

cd   /export/servers/hadoop-2.7.5
bin/hdfs zkfc -formatZK
sbin/hadoop-daemons.sh start journalnode
bin/hdfs namenode -format
bin/hdfs namenode -initializeSharedEdits -force
sbin/start-dfs.sh

2.3.4.2 node02上面执行

cd   /export/servers/hadoop-2.7.5
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode

2.3.5 启动yarn过程

2.3.5.1 node03上面执行

cd   /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

2.3.5.2 node02上执行

cd   /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

2.3.5.3 查看resourceManager状态  

2.3.5.4 node03上面执行

cd   /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm1

2.3.5.6 node02上面执行

cd   /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm2

2.3.5.7 node03启动jobHistory

2.3.5.8 node03机器执行以下命令启动jobHistory

cd /export/servers/hadoop-2.7.5
sbin/mr-jobhistory-daemon.sh start historyserver

2.3.6 hdfs状态查看

2.3.6.1 node01机器查看hdfs状态

2.3.6.1.1 hdfs状态查看

2.3.6.1.2 node01机器查看hdfs状态

http://node01:50070/dfshealth.html#tab-overview

 

2.3.6.2 node02机器查看hdfs状态

http://node02:50070/dfshealth.html#tab-overview

 

2.3.6.3 yarn集群访问查看

http://node03:8088/cluster

2.3.6.4  历史任务浏览界面 页面访问：

http://node03:19888/jobhistory

Tsinghua University
关注
专栏目录
Hadoop高可用安装
weixin_48726009的博客
06-18 308
Hadoop高可用安装过程 1、分发jdk到node02、03、04 scp jdk-7u67-linux-x64.rpm node02:pwd scp jdk-7u67-linux-x64.rpm node03:pwd scp jdk-7u67-linux-x64.rpm node04:pwd 并在Xshell的全部会话栏里一起ll，看jdk是否发送成功。 2、给node02、03、04分别安装jdk 分别在node02、03、04上执行rpm安装命令 rpm -i jdk-7u67-linux
Hadoop2.7.5 高可用（HA）集群搭建
weixin_44387652的博客
03-04 952
Hadoop2.7.5 高可用（HA）集群搭建1、Hadoop HA 原理概述2、集群规划3、集群服务器准备4、集群安装4.1、安装 Zookeeper 集群：4.2、安装 hadoop 集群4.2.1、安装 hadoop4.2.2、修改 hadoop-env.sh4.2.3、修改 core-site.xml4.2.4、修改 hdfs-site.xml4.2.5、修改 mapred-site.xml4.2.6、修改 yarn-site.xml4.2.7、修改 slaves4.2.8、分发配置后安装包文件到其
Hadoop安装之高可用搭建
qq_15076569的博客
11-17 629
通过前面两篇文章的搭建，可以发现搭建的NameNode只有一台，没有进行备份机，如果NameNode宕机了，那整个集群也就废了，所以我们需要在另外的机器上再搭建一个NameNode节点，且使用JournalNode来保证两台NameNode中的元数据保持一致，并且还需要通过zookeeper的zkFailoverController守护进程来监控NameNode的健康状况，一旦其中active的N...
大数据分布式基础环境搭建
01-26 451
安装VMware Workstation Pro和3台linux虚拟机 一 centos7最小化安装后不能上网: 首先一定要选网络适配器NAT 选后service network restart cd /etc/sysconfig/network-scripts vi /etc/sysconfig/network-scripts/ifcfg-ens33#刚开始没有vim只有vi BOOTPRO...
hadoop2.7.5 集群搭建（高可用）
zhaishujie的博客
08-22 2441
附录hadoop所有版本下载地址：https://archive.apache.org/dist/hadoop/common/ 由于需要用到hadoop的服务器配置特写出来分享此文档。 服务器： hostname ip 系统 node1 192.168.3.21 centos7.2 nod...
hadoop2.7.5搭建高可用集群
Null的博客
03-25 1970
本文目的：搭建hadoop的高可用集群集群规划1.下载 hadoop-2.7.5-centos-6.7.tar.gz 安装包2.通过CRT软件上传到hadoop02号机器3.解压软件到apps目录下tar -zxvf hadoop-2.7.5-centos-6.7.tar.gz -C ~/apps/4.修改hadoop-env.sh 配置文件先查看jdk安装路径echo $JAVA_HOME vi...
Hadoop HA （高可用）集群搭建
potter
03-23 6545
Hadoop HA （高可用）集群搭建1、Hadoop HA 原理概述 为什么会有 hadoop HA 机制呢？ HA：High Available，高可用 在 Hadoop 2.0之前,在HDFS 集群中NameNode 存在单点故障 (SPOF：A Single Point of Failure)。对于只有一个 NameNode 的集群，如果 NameNode 机器出现故障(比如宕机或是软件、...
hadoop集群搭建文档资料
11-15
10. **高可用性设置**：对于生产环境，通常会配置Hadoop的高可用性，包括设置备用NameNode以提供故障切换，以及YARN的ResourceManager高可用。 11. **性能优化**：根据实际工作负载，可以调整Hadoop的配置参数，如...
安装配置高可用Hadoop
JiGmin的博客
07-24 164
首先下载好Hadoop的安装包，并解压 1.配置hadoop-env.sh中的java_home 修改为自己jdk的路径 修改hadoop-env.sh中的java_home export JAVA_HOME=/opt/jdk1.8.0_181/ 2.配置core-site.xml\ <!--指定hadoop运行时产生文件的存储目录--> <property> <n...
大数据分布式集群环境搭建.docx
11-09
centos大数据分布式集群搭建，包含hadoop spark hbase hive solr elasticsearch redis zookeeper rocketmq mongodb mariadb storm kafka docker
大数据分布式环境搭建文档
阿尼古
12-18 367
分布式环境搭建文档 Hadoop2.7.4+hbase1.3.1+jdk1.8+zookeeper3.4.9 分布式和伪分布式的区别 简单的一句话概括一下，就是一台机器和多台机器的区别，加了一个zookeeper的配置，zookeeper就是为了进行集群间信息同步协助框架，把相关进程启动就可以了。 首先搭建一个伪分布式的环境 首先修改主机名、关闭防火墙、配置主机名和ip间的映射关...
hadoop高可用
su_use的博客
08-28 425
server1：172.25.5.1 [hadoop@server1 hadoop]$ sbin/start-dfs.sh Starting namenodes on [server1 server5] server1: starting namenode, logging to /home/hadoop/hadoop-2.7.3/logs/hadoop-hadoop-namenode-serv...
大数据之路-伪分布式环境搭建
大数据之路
05-24 700
这一块笔主前后花了近3个约时间，才陆陆续续在本地搭建完成。 楼主的电脑的 i5，24G内存（后扩16G）； 上面装了4个虚拟机，分别是Namenode, Calcnode1~3； 装伪分布式环境时绕了弯路，先是搭建hadoop，后转搭建cdh5.3.4； 现在环境以及搭建好了，期间遇到无数问题，之前没摘录，这里发图大家看看： CSDN上本来有一系列文章【hadoop入门第一步 ~
大数据环境搭建之Hadoop集群搭建
SuperMap技术控
06-14 5115
作者：Neshoir     Hadoop是目前市面上比较主流的开源分布式存储及分布式大数据计算框架，其具有高可靠，高可用，可扩展性强等特点，其设计允许简单的编程模型跨计算机集群处理大规模数据集，框架本身不依赖于硬件的可用性，而是利用设计在应用程序层检测和处理故障。Hadoop项目包含的组件模块有Common，HDFS，MapReduce，YARN等。 Hadoop Common：一些列的核...
2-3.Hadoop大数据集群搭建之---完全分布式
最新发布
xubo5868的博客
01-29 760
hadoop完全分布式搭建
Hadoop编译文档
qq_43528451的博客
02-26 133
Hadoop编译文档 1. 准备linux环境 准备一台linux环境，内存4G或以上，硬盘40G或以上，我这里使用的是Centos7.7 64位的操作系统（注意：一定要使用64位的操作系统），需要虚拟机联网，关闭防火墙，关闭selinux，安装好JDK8。 根据以上需求，只需要将node1再克隆一台即可，命名为node4，专门用来进行Hadoop编译。 2. 安装maven 这里使用maven3.x以上的版本应该都可以，不建议使用太高的版本，强烈建议使用3.0.5的版本即可 将maven的安装包上传到
hadoop环境搭建（续预备）
翻滚啊牛宝宝
12-01 161
继hadoop环境搭建预备节之后，开始正式搭建hadoop集群环境，先简单介绍下lz的环境，共五台虚机，node1-node5 node1和node2为NameNode node3-node5为DataNode 安装包下载：lz使用的是2.7.7的包 配置 cd /data/soft/new/hadoop //解压压缩包 tar -zxvf hadoop-2.7.7.tar.gz cd...
【job排错】记一次flink on hadoop with per-job 报错排查
hiliang521的博客
07-04 2160
flink job突然提交不到yarn上，本文通过排查日志，查找一些hadoop内部通讯信息，来指导对hadoop内各daemon进程的一些检查和操作。
在Windows上搭建本地Hadoop 2.7.5开发环境
资源摘要信息: "hadoop2.7.5(windows本地开发搭建)" 在当今的大数据时代，Hadoop作为一个开源框架，广泛应用于存储和处理大规模数据集。随着版本的不断更新，Hadoop 2.7.5 成为了一个里程碑式的版本，它带来了包括...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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