Hadoop集群搭建

2024-01-24 09:32:28

　　最近通过网上的视频学习了Hadoop的知识，学的比较琐碎，所以在这里做一个归纳、整理。

一、linux虚拟机的安装

　　1.虚拟机用的是VMWare12，这个版本只能安装在64位系统里，具体安装过程没什么好说的。

　　2.linux安装，我用的是CentOS-6.5-x86_64.minimal.iso

　　　　a.安装选择的是自定义的安装模式——稍后安装操作系统——网络选择NAT模式，其余的配置都按照默认的来就行了

　　　　b.到了disc found界面选择skip，然后一路默认，选择时区什么的

　　　　c.到了磁盘分区的界面，选择最后一个“Create Custom Layout”，然后点击create（两次）进入目录添加界面，给/boot路径（mount point）分配200MB，给SWAP（File System Type）分配2048MB，剩下的全部分给/

二、基本配置

　　1.ip配置：linux系统的ip在/etc/sysconfig/network-scripts/ifcfg-eth0（具体看是第几块网卡）。配置如下，其中IPADDR要根据NAT的虚拟网卡地址来设置。

            Hadoop集群搭建

　　2.接着拍快照，并通过快照再克隆3个虚拟机，克隆的方法选“链接克隆”。接着去新创建的虚拟机配置ip。然后在4个虚拟机上分别把/etc/udev/rules.d/70-persistent-net.rules文件删掉，因为这个文件会把MAC地址和ip绑定，造成MAC地址重复。

　　3.修改host：在/etc/hosts文件添加地址解析，相当于Windows中C:\Windows\System32\drivers\etc\hosts文件。

　　4.设置防火墙开机不启动：我用的是命令行模式，启动级别是3。所以运行chkconfig --level 3 iptables off。

　　5.添加信任关系：即让4个节点之间互相通信而不需要输入密码。首先在4个节点上分别运行ssh-keygen，生成秘钥。然后创建authorized_keys，/home/username/.ssh/id_rsa.pub里边的内容复制进去。这里不建议用vi命令编辑，用重定向比较好。我用vi命令编辑以后访问还是需要密码，文件权限什么的检查都没有问题。最后才知道是vi的时候添加了换行，郁闷了很久。

　　6.添加环境变量：在/etc/profile里把java、hadoop、zookeeper的一起添加好。保存退出以后要source /etc/profile让环境变量生效。

          Hadoop集群搭建

三、软件安装

　　1.安装jdk1.8，我用的是解压安装。安装成功后，并且前面的环境变量已经配置成功。运行jps会看到jps的进程。

　　2.安装hadoop3.1.1、zookeeper-3.4.5：同样是解压安装，不赘述。zookeeper需要配置conf/zoo.cfg如下：

           Hadoop集群搭建

四、参数配置

　　我采用的是HA高可用的配置，一共需要配置6个文件

          Hadoop集群搭建

　　1.hdfs-site.xml

    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property>
    <property>
        <name>dfs.nameservices</name>
        <value>bbxcluster</value>
    </property>
    <property>
        <name>dfs.ha.namenodes.bbxcluster</name>
        <value>nn1,nn2</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.bbxcluster.nn1</name>
        <value>node01:8020</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.bbxcluster.nn2</name>
        <value>node02:8020</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.bbxcluster.nn1</name>
        <value>node01:9870</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.bbxcluster.nn2</name>
        <value>node02:9870</value>
    </property>
    <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://node01:8485;node02:8485;node03:8485/bbxcluster</value>
    </property>
    <property>
        <name>dfs.client.failover.proxy.provider.bbxcluster</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    <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>/var/hadoop/ha/journalnode</value>
    </property>
    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>

　　2.core-site.xml

    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://bbxcluster</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/var/hadoop/ha</value>
    </property>
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>root</value>
    </property>
    <property>
        <name>ha.zookeeper.quorum</name>
        <value>node02:2181,node03:2181,node04:2181</value>
    </property>

　　3.hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_191
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_ZKFC_USER=root
export HDFS_JOURNALNODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

　　4.works

node02
node03
node04

　　5.yarn-site.xml

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

    <property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>bbxcluster</value>
    </property>
    <property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>node03</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>node04</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>node03:8088</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>node04:8088</value>
    </property>
    <property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>node02:2181,node03:2181,node04:2181</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-pmem-ratio</name>
        <value>4</value>
        <description>Ratio between virtual memory to physical memory when setting memory limits for containers</description>
    </property>

 　　6.mapred-site.xml

    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.application.classpath</name>
        <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
    </property>

五、初始化集群

　　1.首先在node02、03、04上启动zookeeper，命令zkServer.sh start，可用通过zkServer.sh status来查看运行情况；

　　2.等zookeeper启动以后，按照规划启动journalnode，在node01、02、03上运行hdfs --daemon start journalnode。运行以后会创建hdfs-site.xml里dfs.journalnode.edits.dir所配置的路径；

　　3.因为是首次运行，需要先格式化hdfs。任选一个规划中的namenode节点（比如node01）运行hdfs namenode -format。这样会在core-site.xml中hadoop.tmp.dir配置的路径下创建dfs文件夹；

　　4.在node01上启动hdfs，运行hdfs  --daemon start namenode。这样node01上会看到namenode进程，但是node02上依然没有；

　　5.把元数据同步到node02，在node02上运行hdfs namenode -bootstrapStandby。执行同步必须确保已经有一个namenode成功启动了；

　　6.初始化zookeeper，在node01上运行hdfs zkfc -formatZK。前提是zookeeper已经成功启动了；

　　7.至此初始化工作全部完成。

六、启动集群

　　1.在node02、03、04运行zkServer.sh start；

　　2.在node01运行start-dfs.sh，dfs启动后再运行start-yarn.sh。如果node03、04的ResourceManager没有启动，可以在这两节点分别运行yarn-daemon.sh start resourcemanager；

　　3.在浏览器输入node01:9870，node03:8088就能访问hdfs和yarn的web界面。

七、Windows开发环境配置

　　1.在环境变量中添加HADOOP_HOME、HADOOP_USER_NAME=root，并在path中引用HADOOP_HOME\bin

　　

上一篇：4，大数据环境准备 ( ssh 免密 )


下一篇：5 ，node03 克隆安装 ( 五分钟搞定 )