【Hadoop】集群搭建实战：超详细保姆级教程

🐇明明跟你说过：个人主页

🏅个人专栏：《大数据前沿：技术与应用并进》🏅

🔖行路有良友，便是天堂🔖

目录

一、引言

1、Hadoop简介

2、Hadoop集群概念

3、 Hadoop 集群的工作流程

二、安装环境准备

1、服务器

2、准备环境 

三、集群部署 

1、nameNode安装

2、dataNode安装 

3、访问测试 

---

一、引言

1、Hadoop简介

Hadoop 是一个由 Apache 软件基金会开发的开源框架，专门用于处理和存储海量数据。它以分布式计算为核心，可以在一个计算机集群上高效地处理和分析大规模数据集。Hadoop 的设计目标是提供可靠性、扩展性和分布式存储与计算的能力。以下是 Hadoop 的几个主要组件：

1. Hadoop 分布式文件系统 (HDFS)：

• HDFS 是 Hadoop 的存储系统，专为处理大数据量设计。它将数据分割成块，并将这些块分布在集群中的多个节点上。HDFS 提供高吞吐量的数据访问，并通过数据的多副本来确保容错性和高可用性。

2. MapReduce：

• MapReduce 是 Hadoop 的计算模型，用于处理和生成大规模数据集。它将任务分为两个阶段：Map 阶段和 Reduce 阶段。Map 阶段将输入数据分割成键值对进行处理，而 Reduce 阶段则汇总这些结果。这个模型非常适合处理大规模的分布式数据。

3. YARN (Yet Another Resource Negotiator)：

• YARN 是 Hadoop 的资源管理器，它负责管理集群资源的调度和分配。YARN 允许多个数据处理引擎（如 MapReduce、Spark）在同一个集群上运行，并优化资源使用。

4. Hadoop Common：

• Hadoop Common 包含了 Hadoop 框架中使用的通用工具和库。这些工具提供了文件系统和操作系统级别的抽象，以及各种实用程序库来支持 Hadoop 的其他模块。

Hadoop 的主要优势在于它的扩展性和成本效益。通过将数据和计算分布在大量廉价的计算机节点上，Hadoop 能够处理几乎无限量的数据，适合用于大数据分析、日志处理、数据仓库等场景。

2、Hadoop集群概念

1. 节点类型:

NameNode:

• 是 HDFS 的主节点，负责管理文件系统的命名空间（元数据），包括文件和目录的结构以及文件块的位置信息。

DataNode:

• 是 HDFS 的工作节点，负责存储实际的数据块，并根据 NameNode 的指令执行读写操作。

Secondary NameNode:

• 并不是集群中的必要组件，但它的作用是对 NameNode 进行备份，并合并 fsimage 和 edit logs 文件来减小 NameNode 的内存压力。它并不提供集群的高可用性支持。

JobTracker (MapReduce 1.x):

• 负责接收客户端提交的作业请求，并分配作业给 TaskTracker。

TaskTracker (MapReduce 1.x):

• 执行由 JobTracker 分配的任务（map 或 reduce）。

ResourceManager (YARN, MapReduce 2.x):

• 替代了 JobTracker 的角色，负责集群资源的管理和调度。

NodeManager (YARN, MapReduce 2.x):

• 替代了 TaskTracker 的角色，负责监控容器（Container）的生命周期。

2. HDFS 架构:

• HDFS 采用主从架构，其中 NameNode 是主节点，DataNode 是从节点。
• 文件被分割成块（默认大小为 128MB 或 64MB），每个块可以被复制到集群的不同节点上以提高容错性。
• NameNode 保存文件系统元数据，而 DataNode 存储实际的数据块。

3. MapReduce 框架:

• MapReduce 是一种编程模型，用于大规模数据集的并行处理。
• 数据处理分为两个阶段：Map 阶段和 Reduce 阶段。
• Map 函数对输入数据进行处理，生成中间键值对。
• Reduce 函数对相同键的值进行汇总或聚合，产生最终输出。

4. YARN (Yet Another Resource Negotiator):

• YARN 是 Hadoop 2.x 引入的一个资源管理系统，它使得 Hadoop 集群可以支持多种计算框架，而不仅仅是 MapReduce。
• ResourceManager 负责整个集群的资源管理和调度，NodeManager 负责单个节点上的资源管理。
• ApplicationMaster 负责与 ResourceManager 协商资源，并与 NodeManager 交互来执行和监控任务。

 

3、 Hadoop 集群的工作流程

1. 文件存储:

• 用户通过客户端将文件写入 HDFS，NameNode 根据文件大小和配置决定如何分割文件，并将块分布到不同的 DataNode 上。
• DataNode 接收块并存储在本地文件系统中，并向 NameNode 报告状态。

2. 数据处理:

• 用户提交 MapReduce 作业到 JobTracker 或 ResourceManager。
• 作业被分解成多个任务（map 或 reduce），这些任务被分配给集群中的各个节点执行。
• 数据在本地处理，减少网络传输开销（数据本地性原则）。

3. 容错机制:

• Hadoop 设计时就考虑到了节点故障的可能性。例如，文件块会被复制到多个节点上，以保证即使某些节点失效，数据仍然是可访问的。
• 当某个节点失败时，NameNode 或 ResourceManager 会重新调度任务到其他可用节点上。

 

二、安装环境准备

1、服务器

准备3台服务器，1个作为nameNode，2个作为dataNode，这里我们用的系统版本是 Centos 7.9，大家也可以使用其他系统，方法基本一致

2、准备环境 

分别在3台机器上执行

关闭Selinux

vi /etc/selinux/config

将 SELINUX=enforcing 修改为 SELINUX=disabled

之后重启服务器

禁用防火墙

systemctl stop firewalld && systemctl disable firewalld

添加阿里镜像源

sudo curl -o /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-7.repo
sudo yum clean all
sudo yum makecache fast

安装JAVA

sudo yum install -y java-1.8.0-openjdk-devel

验证结果

java -version

添加环境变量 

vim /etc/profile

在文件最后添加如下内容

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.412.b08-1.el7_9.x86_64
export PATH=$JAVA_HOME/bin:$PATH

使环境变量生效

source /etc/profile

配置hosts，三台机器都要添加

vim /etc/hosts

添加如下内容

192.168.40.140 namenode
192.168.40.141 datanode1
192.168.40.142 datanode2

下载安装包，只在nameNode执行即可

[root@namenode ~]# wget https://dlcdn.apache.org/hadoop/common/hadoop-3.4.0/hadoop-3.4.0.tar.gz

解压安装包

[root@namenode local]# tar zxvf hadoop-3.4.0.tar.gz
[root@namenode ~]# mv hadoop-3.4.0 /usr/local/hadoop

配置nameNode到各节点免密连接

[root@namenode ~]# ssh-keygen

一路回车即可

接下来将密钥拷贝到各节点

[root@namenode ~]# ssh-copy-id root@namenode
[root@namenode ~]# ssh-copy-id root@datanode1
[root@namenode ~]# ssh-copy-id root@datanode2

三、集群部署 

1、nameNode安装

修改配置文件

[root@nameNode hadoop]# vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh

在文件末尾添加

export JAVA_HOME="/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.412.b08-1.el7_9.x86_64"

编辑配置文件

[root@namenode ~]# vim /usr/local/hadoop/etc/hadoop/core-site.xml

# 修改如下
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://nameNode:9000</value>
    </property>
</configuration>

[root@namenode ~]# vim /usr/local/hadoop/etc/hadoop/hdfs-site.xml

# 修改如下内容
<configuration>
    <property>
        <name>dfs.http.address</name>
        <value>0.0.0.0:50070</value>
    </property>
    <property>
        <name>dfs.namenode.http-address</name>
        <value>namenode:50070</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///usr/local/hadoop/data/namenode</value>
    </property>
    <property>
        <name>dfs.datanode1.data.dir</name>
        <value>file:///usr/local/hadoop/data/datanode</value>
    </property>
</configuration>

[root@namenode ~]# vim /usr/local/hadoop/etc/hadoop/yarn-site.xml

# 添加如下内容
<configuration>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>namenode</value>
  </property>
</configuration>

修改环境变量，三台都要改

[root@namenode bin]# vim /etc/profile

#配置文件中添加以下内容
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

 使环境变量生效

source /etc/profile

在namenode执行初始化

[root@namenode bin]# cd /usr/local/hadoop/bin
[root@namenode bin]# ./hdfs namenode -format

启动

[root@namenode bin]# cd /usr/local/hadoop/sbin/
[root@namenode sbin]# ./start-all.sh 

访问测试 

浏览器地址栏输入 http://192.168.40.140:50070/

2、dataNode安装 

拷贝安装包到两台dataNode节点

[root@namenode ~]# scp -r /usr/local/hadoop/ root@datanode1:/usr/local/hadoop/

[root@namenode ~]# scp -r /usr/local/hadoop/ root@datanode2:/usr/local/hadoop/

修改配置文件

[root@datanode1 ~]# vim /usr/local/hadoop/etc/hadoop/workers 

# 添加如下内容
namenode
datanode1
datanode2

 创建目录

mkdir /usr/local/hadoop/data/namenode -p

启动

[root@datanode1 sbin]# cd /usr/local/hadoop/sbin
[root@datanode1 sbin]# ./hadoop-daemon.sh start datanode

[root@datanode2 ~]# cd /usr/local/hadoop/sbin/
[root@datanode2 sbin]# ./hadoop-daemon.sh start datanode

3、访问测试 

在浏览器输入 namenode 的IP加 50070 端口

显示如下则证明成功

💕💕💕每一次的分享都是一次成长的旅程，感谢您的陪伴和关注。希望这些关于大数据的文章能陪伴您走过技术的一段旅程，共同见证成长和进步！😺😺😺

🧨🧨🧨让我们一起在技术的海洋中探索前行，共同书写美好的未来！！！