1.发行版本
Hadoop发行版本分为开源社区版和商业版,社区是指同Apache软件基金会维护的版本,是官方维护的版本体系,是官方维护版本体系。商业版Hadoop是指由第三方商业公司在社区版Hadoop基础上进行了一些修改、整合以及各个服务组件兼容性测试面发行的版本,比较著名的cloudera的CDH、mapR等
Hadoop的版本很特殊,是由多条分支并行的发展着。大的来看分为3个大的系列版本:1.x、2.x、3.x。
Hadoop2.0则包含一个支持NameNode横向扩展的HDFS,一个资源管理系统YARN和一个运行在YARN上的离线计算框架MapReduce。当前稳定版本:Apache Hadoop 2.7.4
2.集群简介
Hadoop集群具体来说包含两个集群:HDFS集群和YARN集群,两者逻辑上分离,但物理上常在一起。
HDFS集群负责海量数据的存储,集群中的角色主要有:
NameNode、DataNode、SecondaryNameNode
YARN集群负责海量数据运算时的资源调度,集群中的角色主要有:
ResourceManager、NodeManager
MapReduce是一个分布式运算编程框架,是应用程序开发包,由用户按照编程规范进行程序开发,后打包运行在HDFS集群上,并且受到YARN集群的资源调度管理
集群模式主要用于生产环境部署。会使用N台主机组成一个Hadoop集群。 这种部署模式下,主节点和从节点分开部署在不同的机器上
我以3个节点为例进行搭建,角色分配如下:
服务器名 | 服务名 |
---|---|
node-01 | NameNode,DataNode, ResourceManager |
node-02 | DataNode, NodeManager, SecondaryNameNode |
node-03 | DataNode, NodeManager |
3.服务器准备
VMware Workstation Pro 14
CentOS 7.4
4.服务器系统设置
-
同步时间
- 手动同步时间
date -s "2019-04-30 10:00"
- 网络同步时间
yum install ntpdate
# 安装软件
ntpdate cn.pool.ntp.org
- 手动同步时间
-
设置主机名
hostname node-1
-
配置IP、主机名映射
vi /etc/hosts
-
配置ssh免密登陆
- 生成ssh免登陆密钥
ssh-keygen -t rsa
(四个回车) - 执行完这个命令后,会生成id_rsa(私钥)、id_rsa.pub(公钥)
- 将公钥拷贝到要免密登陆的目标机器上
ssh-copy-id node-2
- 生成ssh免登陆密钥
-
配置防火墙
- 查看防火墙
systemctl status firewalld.service
- 关闭防火墙
systemctl stop firewalld.service
- 关闭防火墙开机启动
systemctl disable firewalld.service
- 查看防火墙
5.软件安装
下面安装步骤中的所有安装包可在“官网下载地址”下载,也可以直接从网盘下载
网盘地址(提取码:yeb1)
-
需要的安装包
yum gcc gcc-c++ cmake openssl-devel ncurse-devel vim
如使用网盘内的安装包,并且系统和我一样是centos7.4,也可直接使用hadoop-2.8.5-with-CentOS7.tar.gz包,跳过Hadoop编译安装
tar zxf hadoop-2.8.5-with-CentOS7.tar.gz /root/apps/
-
JDK环境安装
- 下载JDK安装包并上传
官网下载地址
- 解压安装包
mkdir apps
tar zxf jdk-8u211-linux-x64.tar.gz -C /root/apps/
- 配置环境变量 /etc/profile
vim /etc/profile export JAVA_HOME=/root/apps/jdk1.8.0_211 export PATH=$PATH:$JAVA_HOME/bin export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
- 刷新配置
soure /etc/profile
- 下载JDK安装包并上传
-
Hadoop编译安装
-
安装maven
官网下载地址
解压:
tar zxf apache-maven-3.6.1-bin.tar.gz -C /usr/local/
配置环境变量 /etc/profilevim /etc/profile export MAVEN_HOME=/usr/local/apache-maven-3.6.1 export PATH=${PATH}:${MAVEN_HOME}/bin
刷新配置
soure /etc/profile
-
安装protobuf
软件下载
解压:
tar zxf protobuf-2.5.0.tar.gz -C /usr/local/
编译安装:
cd /usr/local/protobuf-2.5.0/
./configure
make && make install
验证:
protoc --version
-
Hadoop编译安装
选择2.8.5 source下载
官网下载地址
解压:
tar zxf hadoop-2.8.5-src.tar.gz
编译
mvn package -DeskipTests -Pdist,native
或者
mvn package -DeskipTests -Pdist,native -Dtar
等待编译完成,时间很长,可以喝个茶,打个游戏去
直到看到上面的内容那就说明编译完成了。
cp -r hadoop-2.8.5-src/hadoop-dist/target/hadoop-2.8.5/ /root/apps/
-
6.Hadoop安装包目录结构
bin: Hadoop最基本的管理脚本和使用脚本的目录,这些脚本是sbin目录下管理脚本的基础实现,用户可以直接使用这些脚本管理和使用Hadoop。
etc: Hadoop配置文件所在的目录,包括core-size.xml、hdfs-size.xml、mapred-site.xml等从Hadoop1.0继承来的配置文件和yarn-size.xml等Hadoop2.0新增的配置文件
include: 对外提供的编程库头文件(具体动态库和静态库在lib目录中),这些头文件均是用c++定义的,通常用于c++程序访问HDFS或者编写MapReduce程序
lib: 该目录包含了Hadoop对外提供的编程动态库和静态库,与include目录中的头文件结合使用
libexec: 各个服务对用的shell配置文件所有的目录,可用于配置日志输出、启动参数(比如JVM参数)等基本信息
sbin: Hadoop管理脚本所在的目录,主要包含HDFS和YARN中各类服务的启动/关闭脚本
share: Hadoop各个模块编译后的jar包所在的目录
7.Hadoop配置文件修改
Hadoop安装主要就是配置文件的修改,一般在主节点进行修改,完毕后scp下发给其他各个从节点机器
进入文件夹
cd /root/apps/hadoop-2.8.5/etc
7.1.hadoop-env.sh
文件中设置的是Hadoop运行时需要的环境变量。JAVA_HOME是必须设置的,即使我们当前的系统中设置了JAVA_HOME,它也是不认识的,因为Hadoop即使是在本机上执行,它也是当前的执行环境当成远程服务器
vim hadoop-env.sh
export JAVA_HOME=/root/apps/jdk1.8.0_211
7.2.core-site.xml
<property>
<name>fs.defaultFS</name>
<value>hdfs://node-1:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/root/apps/hadoop-2.8.5/tmp</value>
</property>
7.3.hdfs-site.xml
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node-2:50090</value>
</property>
7.4.mapred-site.xml
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<!-- 指定mr运行时框架,这里指定在yarn上,默认是local -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
7.5.yarn-site.xml
<!-- 指定 YARN 的老大(ResourceManager)的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node-1</value>
</property>
<!-- NodeManager上运行的附属服务。需要配置成mapreduce_shuffle,才可运行MapReduce程序默认值-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
7.6.slaves文件,里面写上主机名
vim slaves
node-1
node-2
node-3
7.7.将hadoop添加到环境变量
vim /etc/profile
export HADOOP_HOME=/root/apps/hadoop-2.8.5
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
7.8.下发配置
环境变量
scp /etc/profile node-2:/etc/
Hadoop文件
scp -r /root/apps/hadoop-2.8.5/ node-3:/root/apps
域名解析
scp /etc/hosts node-2:/etc/
*关于Hadoop的配置文件
***-default.xml 这里面配置了Hadoop默认的配置选项
如果用户没有更改,那么这里的选项将会生效
***-site.xml 这里配置了用户需要自定义的配置选项
site中配置选项优先级>Default中的,如果有配置的话,就会覆盖默认的配置选项