Hadoop 环境部署文档

hadoop
hadoop
发布日期:   2015-07-31

1. Hadoop 1.2.1 伪分布式部署

1.1 使用host-only方式

将Windows上的虚拟网卡改成跟Linux上的网卡在同一网段

注意：一定要将widonws上的WMnet1的IP设置和你的虚拟机在同一网段，但是IP不能相同

1.2 Linux环境配置（windows下面的防火墙也要关闭）

1.2.1修改主机名

vim /etc/sysconfig/network

1.2.2 修改IP

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
vim /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE="eth0"

BOOTPROTO="static"  ###

HWADDR="00:0C:29:BF:45:8B"

IPV6INIT="yes"

NM_CONTROLLED="yes"

ONBOOT="yes"

TYPE="Ethernet"

UUID="99339c27-0884-46c0-85d5-2612e5c1f149"

IPADDR="192.168.1.110"  ### 

NETMASK="255.255.255.0" ###

GATEWAY="192.192.1.1"  ###

1.2.3 修改主机名和IP的映射关系

1
2
3
vim /etc/hosts

192.168.1.110 node1

1.2..4 关闭防火墙

1
2
3
4
5
6
7
8
9
10
11
# 查看防护墙状态
service iptables status

# 关闭
service iptables stop

# 查看防火墙开机启动状态
chkconfig iptables --list

# 关闭开机启动
chkconfig iptables off

1.2.5 安装JDK

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
上传JDK

# 添加执行权限
chmod u+x jdk-6u45-linux-i586.bin

# 解压
./jdk-6u45-linux-i586.bin
mkdir /usr/java
mv jdk1.6.0_45/ /usr/java/

# 将java添加到环境变量
vim /etc/profile

# 在文件的末尾添加如下内容
export JAVA_HOME=/usr/java/jdk1.6.0_45
export PATH=$PATH:$JAVA_HOME/bin

# 刷新配置
source /etc/profile

1.3 配置hadoop

1.3.1 下载并上传hadoop包

下载地址：http://archive.apache.org/dist/hadoop/

1.3.2 解压hadoop包

1
2
3
4
# 在根目录创建一个hadoop目录

mkdir /hadoop
tar -zxvf hadoop-1.1.2.tar.gz -C /hadoop/

1.3.3 配置hadoop伪分布式（要修改4个文件）

  1. hadoop-env.sh
1
2
3
vim hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.6.0_45
  1. core-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
vim core-site.xml

<configuration>
  <!-- 指定HDFS的namenode的通信地址 -->
  <property>
    <name>fs.default.name</name>
    <value>hdfs://node1:9000</value>
	</property>

	<!-- 指定hadoop运行时产生文件的存放目录 -->
	<property>
    <name>hadoop.tmp.dir</name>
    <value>/hadoop/hadoop-1.1.2/tmp</value>
  </property>
</configuration>
  1. hdfs-site.xml
1
2
3
4
5
6
7
8
9
vim hdfs-site.xml

<configuration>
  <!-- 配置HDFS副本的数量 -->
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>
  1. mapred-site.xml
1
2
3
4
5
6
7
8
9
vim mapred-site.xml

<configuration>
  <!-- 指定jobtracker地址 -->
  <property>
    <name>mapred.job.tracker</name>
    <value>node1:9001</value>
  </property>
</configuration>

1.3.4 将hadoop添加到环境变量

1
2
3
4
5
6
7
8
9
vim /etc/profile

export JAVA_HOME=/usr/java/jdk1.6.0_45

export HADOOP_HOME=/hadoop/hadoop-1.1.2

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

source /etc/profile

1.3.5 格式化HDFS

1
hadoop namenode -format

1.3.6启动hadoop

1
start-all.sh

1.3.7验证集群是否启动成功

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# jps(不包括jps应该有5个)

NameNode

SecondaryNameNode

DataNode

JobTracker

TaskTracker

# 还可以通过浏览器的方式验证

http://192.168.1.110:50070 (hdfs管理界面)

http://192.168.1.110:50030 (mr管理界面)

# 在这个文件中添加linux主机名和IP的映射关系
C:\Windows\System32\drivers\etc

1.4 配置ssh免登陆

1
2
3
4
5
6
# 生成ssh免登陆密钥
ssh-keygen -t rsa

# 执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
# 将公钥拷贝到要免登陆的机器上
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

2. Hadoop 1.0 集群部署（虚拟机）

2.1. 集群规划

主机名 运行的进程
hadoop01 namenode
hadoop02 jobtracker、secondarynamenode
hadoop03 datanode、tasktracker
hadoop04 datanode、tasktracker

2.2.配置Linux环境

2.2.1修改主机名

vim /etc/sysconfig/network

2.2.2 修改IP

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
vim /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE="eth0"

BOOTPROTO="static"  ###

HWADDR="00:0C:29:BF:45:8B"

IPV6INIT="yes"

NM_CONTROLLED="yes"

ONBOOT="yes"

TYPE="Ethernet"

UUID="99339c27-0884-46c0-85d5-2612e5c1f149"

IPADDR="192.168.1.110"  ### 

NETMASK="255.255.255.0" ###

GATEWAY="192.192.1.1"  ###

2.2.3 修改主机名和IP的映射关系

1
2
3
vim /etc/hosts

192.168.1.110 node1

2.2..4 关闭防火墙

1
2
3
4
5
6
7
8
9
10
11
# 查看防护墙状态
service iptables status

# 关闭
service iptables stop

# 查看防火墙开机启动状态
chkconfig iptables --list

# 关闭开机启动
chkconfig iptables off

2.2.5 安装JDK

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
上传JDK

# 添加执行权限
chmod u+x jdk-6u45-linux-i586.bin

# 解压
./jdk-6u45-linux-i586.bin
mkdir /usr/java
mv jdk1.6.0_45/ /usr/java/

# 将java添加到环境变量
vim /etc/profile

# 在文件的末尾添加如下内容
export JAVA_HOME=/usr/java/jdk1.6.0_45
export PATH=$PATH:$JAVA_HOME/bin

# 刷新配置
source /etc/profile


# 将Java安装包分发到其他节点
scp -r /usr/java/ hadoop02:/usr/
scp -r /usr/java/ hadoop03:/usr/

2.3 安装配置hadoop集群

2.3.1下载并上传hadoop安装文件

下载地址：http://archive.apache.org/dist/hadoop/

2.3.2 解压

1
2
3
4
# 在根目录创建一个hadoop目录

mkdir /hadoop
tar -zxvf hadoop-1.1.2.tar.gz -C /hadoop/

2.3.3 配置hadoop（需要修改6个配置文件）

  1. hadoop-env.sh
1
2
3
vim hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.6.0_45
  1. core-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
vim core-site.xml

<!-- 指定HDFS的namenode的通信地址 -->

<property>

<name>fs.default.name</name>

<value>hdfs://hadoop01:9000</value>

</property>

<!-- 指定hadoop运行时产生文件的存放目录 -->

<property>

<name>hadoop.tmp.dir</name>

<value>/hadoop/hadoop-1.1.2/tmp</value>

</property>
  1. hdfs-site.xml
1
2
3
4
5
6
7
8
9
10
11
vim hdfs-site.xml

<!-- 配置HDFS副本的数量 -->

<property>

<name>dfs.replication</name>

<value>3</value>

</property>
  1. mapred-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 需要重命名：
mv mapred-site.xml.template mapred-site.xml

vim mapred-site.xml


<!-- 指定jobtracker地址 -->

<property>

<name>mapred.job.tracker</name>

<value>hadoop01:9001</value>

</property>
  1. masters (指定secondarynamenode地址)

hadoop01

  1. slaves

hadoop02

hadoop03

2.3.4 将配置好的hadoop拷贝到其他节点

scp -r /hadoop/ hadoop02:/

scp -r /hadoop/ hadoop03:/

2.3.5 配置ssh免登

1
2
3
4
5
6
7
8
9
10
11
# 配置hadoop01到hadoop02、hadoop03的免登

ssh-keygen -t rsa（在hadoop01上生成即可）

 

ssh-copy-id -i hadoop01

ssh-copy-id -i hadoop02

ssh-copy-id -i hadoop03

2.3.6 拷贝/etc/profile到其他节点

1
2
3
scp /etc/profile hadoop02:/etc/

scp /etc/profile hadoop03:/etc/

2.3.7 仅在hadoop01上格式化hadoop

1
hadoop namenode -format

2.4 hadoop集群管理相关命令

1
2
3
4
5
# hadoop 安全模式：Safe mode is ON（可以读取文件，但是不可以向HDFS写入文件）

hadoop dfsadmin -safemode enter(进入安装器模式) / leave(离开安全模式) / get(获取当前状态) / wait(竟然等待状态)

hadoop mrsadmin -safemode enter / leave / get / wait

3. Hadoop 2.4.1 伪分布式部署

3.1 准备Linux环境

3.1.1 修改主机名

1
2
3
4
vim /etc/sysconfig/network

NETWORKING=yes
HOSTNAME=hadoop01

3.1.2 修改IP

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
修改配置文件方式（屌丝程序猿专用）

vim /etc/sysconfig/network-scripts/ifcfg-eth0

 

DEVICE="eth0"

BOOTPROTO="static"

HWADDR="00:0C:29:3C:BF:E7"

IPV6INIT="yes"

NM_CONTROLLED="yes"

ONBOOT="yes"

TYPE="Ethernet"

UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"

IPADDR="192.168.8.118" 

NETMASK="255.255.255.0"

GATEWAY="192.168.8.1"

3.1.3 修改主机名和IP的映射关系

1
2
3
vim /etc/hosts

192.168.8.118    hadoop01

3.1.4 关闭防火墙

1
2
3
4
5
6
7
8
9
10
11
# 查看防火墙状态
service iptables status

# 关闭防火墙
service iptables stop

# 查看防火墙开机启动状态
chkconfig iptables --list

# 关闭防火墙开机启动
chkconfig iptables off

3.1.5 重启节点

1
reboot

3.2 安装JDK

3.2.1上传

1
2
3
4
5
6
7
8
9
10
11
12
```



#### 3.2.2解压jdk

```bash
# 创建文件夹
mkdir /usr/java

# 解压
tar -zxvf jdk-7u55-linux-i586.tar.gz -C /usr/java/

3.2.3 将java添加到环境变量中

1
2
3
4
5
6
7
8
9
vim /etc/profile

# 在文件最后添加

export JAVA_HOME=/usr/java/jdk1.7.0_55
export PATH=$PATH:$JAVA_HOME/bin

# 刷新配置
source /etc/profile

3.3 安装hadoop2.4.1

hadoop2.x的配置文件在 $HADOOP_HOME/etc/hadoop 路径下

伪分布式需要修改5个配置文件

3.3.1 配置hadoop

  1. hadoop-env.sh
1
2
3
vim hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.7.0_65
  1. core-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
vim core-site.xml

<!-- 制定HDFS的老大（NameNode）的地址 -->

<property>

<name>fs.defaultFS</name>

<value>hdfs://hadoop01:9000</value>

</property>

<!-- 指定hadoop运行时产生文件的存储目录 -->

<property>

<name>hadoop.tmp.dir</name>

<value>/hadoop/hadoop-2.4.1/tmp</value>

</property>
  1. hdfs-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
vim hdfs-site.xml

 

<!-- 指定HDFS副本的数量 -->

<property>

<name>dfs.replication</name>

<value>1</value>

</property>
  1. mapred-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 需要重命名
mv mapred-site.xml.template mapred-site.xml*

vim mapred-site.xml


<!-- 指定mr运行在yarn上 -->

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>
  1. yarn-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
vim yarn-site.xml

<!-- 指定YARN的老大（ResourceManager）的地址 -->

<property>

<name>yarn.resourcemanager.hostname</name>

<value>hadoop01</value>

  </property>

<!-- reducer获取数据的方式 -->

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

3.3.2 将hadoop添加到环境变量

1
2
3
4
5
6
7
8
9
vim /etc/proflie

export JAVA_HOME=/usr/java/jdk1.7.0_65

export HADOOP_HOME=/hadoop/hadoop-2.4.1

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile

3.3.3 格式化namenode（是对namenode进行初始化）

1
2
3
hdfs namenode -format
# 或
hadoop namenode -format

3.3.4 启动hadoop

1
2
3
4
5
# 启动HDFS
sbin/start-dfs.sh

# 启动YARN
sbin/start-yarn.sh

3.3.5 验证是否启动成功

1
2
3
4
5
6
7
8
9
10
11
12
13
# 使用jps命令验证

27408 NameNode

28218 Jps

27643 SecondaryNameNode

28066 NodeManager

27803 ResourceManager

27512 DataNode

http://192.168.8.118:50070 （HDFS管理界面）

http://192.168.8.118:8088 （MR管理界面）

3.4 配置ssh免登陆

1
2
3
4
5
6
7
8
9
10
11
# 生成ssh免登陆密钥

# 进入到我的home目录
cd ~/.ssh

ssh-keygen -t rsa （四个回车）

# 执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）

# 将公钥拷贝到要免登陆的机器上
ssh-copy-id localhost

4. Hadoop 2.4.1 集群部署

hadoop2.0已经发布了稳定版本了，增加了很多特性，比如HDFS HA、YARN等。最新的hadoop-2.4.1又增加了YARN HA

4.1 集群规划

主机名 IP 安装的软件 运行的进程
hadoop01 192.168.1.201 jdk、hadoop NameNode、DFSZKFailoverController(zkfc)
hadoop02 192.168.1.202 jdk、hadoop NameNode、DFSZKFailoverController(zkfc)
hadoop03 192.168.1.203 jdk、hadoop ResourceManager
hadoop04 192.168.1.204 jdk、hadoop ResourceManager
hadoop05 192.168.1.205 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
hadoop06 192.168.1.206 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
hadoop07 192.168.1.207 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain

4.2 准备工作

4.2.1 修改Linux主机名

1
2
3
4
5
```

#### 4.2.2 修改IP

```bash

4.2.3 修改主机名和IP的映射关系

1
2
3
4
5
6
7
```

注意:如果你们公司是租用的服务器或是使用的云主机（如华为用主机、阿里云主机等）/etc/hosts里面要配置的是内网IP地址和主机名的映射关系

#### 4.2.4 关闭防火墙

```bash

4.2.5 ssh免登陆

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
```

#### 4.2.6 安装JDK，配置环境变量等

```bash
# 创建文件夹
mkdir /usr/java

# 解压
tar -zxvf jdk-7u55-linux-i586.tar.gz -C /usr/java/

vim /etc/profile

# 在文件最后添加

export JAVA_HOME=/usr/java/jdk1.7.0_55
export PATH=$PATH:$JAVA_HOME/bin

# 刷新配置
source /etc/profile

4.3 安装zooekeeper

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
# 解压
tar -zxvf zookeeper-3.4.5.tar.gz -C /hadoop/

# 修改配置

cd /hadoop/zookeeper-3.4.5/conf/

cp zoo_sample.cfg zoo.cfg

vim zoo.cfg

#修改：dataDir=/hadoop/zookeeper-3.4.5/tmp

# 在最后添加：

server.1=hadoop05:2888:3888

server.2=hadoop06:2888:3888

server.3=hadoop07:2888:3888

# 保存退出

# 然后创建一个tmp文件夹

mkdir /hadoop/zookeeper-3.4.5/tmp

# 再创建一个空文件

touch /hadoop/zookeeper-3.4.5/tmp/myid

# 最后向该文件写入ID

echo 1 > /hadoop/zookeeper-3.4.5/tmp/myid

# 将配置好的zookeeper拷贝到其他节点
# 首先分别在hadoop06、hadoop07根目录下创建一个hadoop目录：mkdir /hadoop
scp -r /hadoop/zookeeper-3.4.5/ hadoop06:/hadoop/

scp -r /hadoop/zookeeper-3.4.5/ hadoop07:/hadoop/

 

# 注意：修改hadoop06、hadoop07对应/hadoop/zookeeper-3.4.5/tmp/myid内容

hadoop06：

echo 2 > /hadoop/zookeeper-3.4.5/tmp/myid

hadoop07：

echo 3 > /hadoop/zookeeper-3.4.5/tmp/myid

4.4 安装 Hadoop

  1. 在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态，以便能够在它失败时快速进行切换。
  2. hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM。这里我们使用简单的QJM。在该方案中，主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数JournalNode即认为写入成功。通常配置奇数个JournalNode
  3. 这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为standby状态
  4. hadoop-2.2.0中依然存在一个问题，就是ResourceManager只有一个，存在单点故障，hadoop-2.4.1解决了这个问题，有两个ResourceManager，一个是Active，一个是Standby，状态由zookeeper进行协调

4.4.1解压

1
tar -zxvf hadoop-2.4.1.tar.gz -C /hadoop/

4.4.2 配置HDFS

hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下

1
2
3
4
5
6
7
8
9
10
11
12
13
# 将hadoop添加到环境变量中

vim /etc/profile

export JAVA_HOME=/usr/java/jdk1.7.0_55

export HADOOP_HOME=/hadoop/hadoop-2.4.1

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

# hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下

cd /hadoop/hadoop-2.4.1/etc/hadoop

4.4.3 修改配置文件

  1. 修改 hadoo-env.sh
1
2
3
vim hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.7.0_55
  1. 修改 core-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
vim core-site.xml

<configuration>

<!-- 指定hdfs的nameservice为ns1 -->

<property>

<name>fs.defaultFS</name>

<value>hdfs://ns1</value>

</property>

<!-- 指定hadoop临时目录 -->

<property>

<name>hadoop.tmp.dir</name>

<value>/hadoop/hadoop-2.4.1/tmp</value>

</property>

<!-- 指定zookeeper地址 -->

<property>

<name>ha.zookeeper.quorum</name>

<value>hadoop05:2181,hadoop06:2181,hadoop07:2181</value>

</property>

</configuration>
  1. 修改hdfs-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
vim hdfs-site.xml

<configuration>

<!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 -->

<property>

<name>dfs.nameservices</name>

<value>ns1</value>

</property>

<!-- ns1下面有两个NameNode，分别是nn1，nn2 -->

<property>

<name>dfs.ha.namenodes.ns1</name>

<value>nn1,nn2</value>

</property>

<!-- nn1的RPC通信地址 -->

<property>

<name>dfs.namenode.rpc-address.ns1.nn1</name>

<value>hadoop01:9000</value>

</property>

<!-- nn1的http通信地址 -->

<property>

<name>dfs.namenode.http-address.ns1.nn1</name>

<value>hadoop01:50070</value>

</property>

<!-- nn2的RPC通信地址 -->

<property>

<name>dfs.namenode.rpc-address.ns1.nn2</name>

<value>hadoop02:9000</value>

</property>

<!-- nn2的http通信地址 -->

<property>

<name>dfs.namenode.http-address.ns1.nn2</name>

<value>hadoop02:50070</value>

</property>

<!-- 指定NameNode的元数据在JournalNode上的存放位置 -->

<property>

<name>dfs.namenode.shared.edits.dir</name>

<value>qjournal://hadoop05:8485;hadoop06:8485;hadoop07:8485/ns1</value>

</property>

<!-- 指定JournalNode在本地磁盘存放数据的位置 -->

<property>

<name>dfs.journalnode.edits.dir</name>

<value>/hadoop/hadoop-2.4.1/journal</value>

</property>

<!-- 开启NameNode失败自动切换 -->

<property>

<name>dfs.ha.automatic-failover.enabled</name>

<value>true</value>

</property>

<!-- 配置失败自动切换实现方式 -->

<property>

<name>dfs.client.failover.proxy.provider.ns1</name>

<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>

<!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行-->

<property>

<name>dfs.ha.fencing.methods</name>

<value>

sshfence

shell(/bin/true)

</value>

</property>

<!-- 使用sshfence隔离机制时需要ssh免登陆 -->

<property>

<name>dfs.ha.fencing.ssh.private-key-files</name>

<value>/home/hadoop/.ssh/id_rsa</value>

</property>

<!-- 配置sshfence隔离机制超时时间 -->

<property>

<name>dfs.ha.fencing.ssh.connect-timeout</name>

<value>30000</value>

</property>

</configuration>
  1. 修改mapred-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
*需要重命名：* *mv mapred-site.xml.template mapred-site.xml*

*vim mapred-site.xml*

####  

<configuration>

<!-- 指定mr框架为yarn方式 -->

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>
  1. 修改 yarn-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
vim yarn-site.xml

<configuration>

<!-- 开启RM高可靠 -->

<property>

  <name>yarn.resourcemanager.ha.enabled</name>

  <value>true</value>

</property>

<!-- 指定RM的cluster id -->

<property>

  <name>yarn.resourcemanager.cluster-id</name>

  <value>yrc</value>

</property>

<!-- 指定RM的名字 -->

<property>

  <name>yarn.resourcemanager.ha.rm-ids</name>

  <value>rm1,rm2</value>

</property>

<!-- 分别指定RM的地址 -->

<property>

  <name>yarn.resourcemanager.hostname.rm1</name>

  <value>hadoop03</value>

</property>

<property>

  <name>yarn.resourcemanager.hostname.rm2</name>

  <value>hadoop04</value>

</property>

<!-- 指定zk集群地址 -->

<property>

  <name>yarn.resourcemanager.zk-address</name>

  <value>hadoop05:2181,hadoop06:2181,hadoop07:2181</value>

</property>

<property>

  <name>yarn.nodemanager.aux-services</name>

  <value>mapreduce_shuffle</value>

</property>

</configuration>

4.4.4 修改 slaves

slaves 是指定子节点的位置，因为要在 hadoop01 上启动 HDFS 、在 hadoop03 启动 yarn ，所以 hadoop01 上的 slaves 文件指定的是 datanode 的位置， hadoop03 上的 slaves 文件指定的是 nodemanager 的位置

1
2
3
4
5
6
7
Vim slaves

hadoop05

hadoop06

hadoop07

4.4.5 配置免密码登陆

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
# 首先要配置hadoop01到hadoop02、hadoop03、hadoop04、hadoop05、hadoop06、hadoop07的免密码登陆

# 在hadoop01上生产一对钥匙

ssh-keygen -t rsa

# 将公钥拷贝到其他节点，包括自己

ssh-coyp-id hadoop01

ssh-coyp-id hadoop02

ssh-coyp-id hadoop03

ssh-coyp-id hadoop04

ssh-coyp-id hadoop05

ssh-coyp-id hadoop06

ssh-coyp-id hadoop07

# 配置hadoop03到hadoop04、hadoop05、hadoop06、hadoop07的免密码登陆

# 在hadoop03上生产一对钥匙

ssh-keygen -t rsa

# 将公钥拷贝到其他节点

ssh-coyp-id hadoop04

ssh-coyp-id hadoop05

ssh-coyp-id hadoop06

ssh-coyp-id hadoop07

# 注意：两个namenode之间要配置ssh免密码登陆，别忘了配置hadoop02到hadoop01的免登陆

在hadoop02上生产一对钥匙

ssh-keygen -t rsa

ssh-coyp-id -i hadoop01

4.4.6 将配置好的hadoop拷贝到其他节点

1
2
3
4
5
6
7
8
9
10
11
12
scp -r /hadoop/ hadoop02:/

scp -r /hadoop/ hadoop03:/

scp -r /hadoop/hadoop-2.4.1/ root@hadoop04:/hadoop/

scp -r /hadoop/hadoop-2.4.1/ root@hadoop05:/hadoop/

scp -r /hadoop/hadoop-2.4.1/ root@hadoop06:/hadoop/

scp -r /hadoop/hadoop-2.4.1/ root@hadoop07:/hadoop/

4.4.7 启动zookeeper集群

分别在hadoop05、hadoop06、tcast07上启动zk

1
2
3
4
5
6
7
cd /hadoop/zookeeper-3.4.5/bin/

./zkServer.sh start

# 查看状态：一个leader，两个follower

./zkServer.sh status

4.4.8 启动journalnode

分别在在hadoop05、hadoop06、tcast07上执行

1
2
3
4
5
cd /hadoop/hadoop-2.4.1

sbin/hadoop-daemon.sh start journalnode

# 运行jps命令检验，hadoop05、hadoop06、hadoop07上多了JournalNode进程

4.4.9 格式化HDFS

1
2
3
4
5
6
7
# 在hadoop01上执行命令:

hdfs namenode -format

# 格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/hadoop/hadoop-2.4.1/tmp，然后将/hadoop/hadoop-2.4.1/tmp拷贝到hadoop02的/hadoop/hadoop-2.4.1/下。

scp -r tmp/ hadoop02:/hadoop/hadoop-2.4.1/

4.4.10 格式化ZK(在hadoop01上执行即可)

1
hdfs zkfc -formatZK

4.4.11 启动HDFS(在hadoop01上执行)

1
sbin/start-dfs.sh

4.4.12 启动YARN

在hadoop03上执行start-yarn.sh，把namenode和resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就要分别在不同的机器上启动

1
sbin/start-yarn.sh

到此，hadoop-2.4.1配置完毕，可以统计浏览器访问:

http://192.168.1.201:50070

NameNode ‘hadoop01:9000’ (active)

http://192.168.1.202:50070

NameNode ‘hadoop02:9000’ (standby)

4.5 验证

4.5.1 验证HDFS HA

首先向hdfs上传一个文件

hadoop fs -put /etc/profile /profile

hadoop fs -ls /

然后再kill掉active的NameNode

kill -9

通过浏览器访问：http://192.168.1.202:50070

NameNode ‘hadoop02:9000’ (active)

这个时候hadoop02上的NameNode变成了active

在执行命令：

hadoop fs -ls /

-rw-r–r– 3 root supergroup 1926 2014-02-06 15:36 /profile

刚才上传的文件依然存在！！！

手动启动那个挂掉的NameNode

sbin/hadoop-daemon.sh start namenode

通过浏览器访问：http://192.168.1.201:50070

NameNode ‘hadoop01:9000’ (standby)

4.5.2 验证YARN：

运行一下hadoop提供的demo中的WordCount程序：

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar wordcount /profile /out

5. Hive 安装

Hive只在一个节点上安装即可

5.1 上传tar包

5.2 解压

1
tar -zxvf hive-0.9.0.tar.gz -C /cloud/

5.3.配置mysql metastore（切换到root用户）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 配置HIVE_HOME环境变量

rpm -qa | grep mysql

rpm -e mysql-libs-5.1.66-2.el6_3.i686 --nodeps

rpm -ivh MySQL-server-5.1.73-1.glibc23.i386.rpm 

rpm -ivh MySQL-client-5.1.73-1.glibc23.i386.rpm 

# 修改mysql的密码

/usr/bin/mysql_secure_installation

#注意：删除匿名用户，允许用户远程连接

# 登陆mysql

mysql -u root -p

5.4.配置hive

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
cp hive-default.xml.template hive-site.xml 

# 修改hive-site.xml（删除所有内容，只留一个<property></property>）

# 添加如下内容：

<property>

<name>javax.jdo.option.ConnectionURL</name>

<value>jdbc:mysql://hadoop00:3306/hive?createDatabaseIfNotExist=true</value>

<description>JDBC connect string for a JDBC metastore</description>

</property>

 

<property>

<name>javax.jdo.option.ConnectionDriverName</name>

<value>com.mysql.jdbc.Driver</value>

<description>Driver class name for a JDBC metastore</description>

</property>

 

<property>

<name>javax.jdo.option.ConnectionUserName</name>

<value>root</value>

<description>username to use against metastore database</description>

</property>

 

<property>

<name>javax.jdo.option.ConnectionPassword</name>

<value>123</value>

<description>password to use against metastore database</description>

</property>

5.5. 拷贝依赖 jar

安装hive和mysq完成后，将mysql的连接jar包拷贝到$HIVE_HOME/lib目录下

1
2
3
4
5
6
7
8
9
如果出现没有权限的问题，在mysql授权(在安装mysql的机器上执行)

mysql -uroot -p

# (执行下面的语句 *.*:所有库下的所有表  %：任何IP地址或主机都可以连接)

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123' WITH GRANT OPTION;

FLUSH PRIVILEGES;

5.6 建表(默认是内部表)

1
2
3
4
5
6
7
8
9
create table trade_detail(id bigint, account string, income double, expenses double, time string) row format delimited fields terminated by '\t';

# 建分区表

create table td_part(id bigint, account string, income double, expenses double, time string) partitioned by (logdate string) row format delimited fields terminated by '\t';

# 建外部表

create external table td_ext(id bigint, account string, income double, expenses double, time string) row format delimited fields terminated by '\t' location '/td_ext';

5.7 创建分区表

1
2
3
4
5
6
7
8
9
# 普通表和分区表区别：有大量数据增加的需要建分区表
create table book (id bigint, name string) partitioned by (pubdate string) row format delimited fields terminated by '\t'; 

# 分区表加载数据
load data local inpath './book.txt' overwrite into table book partition (pubdate='2010-08-22');

load data local inpath '/root/data.am' into table beauty partition (nation="USA");

select nation, avg(size) from beauties group by nation order by avg(size);

6. HBase 安装

6.1 上传HBase安装包并解压

6.2 配置hbase集群，要修改3个文件

注意：首先zk集群已经安装好了，并且要把hadoop的hdfs-site.xml和core-site.xml 放到hbase/conf下

  1. 修改hbase-env.sh
1
2
3
4
5
export JAVA_HOME=/usr/java/jdk1.7.0_55

# 使用外部的zk 

export HBASE_MANAGES_ZK=false
  1. 修改hbase-site.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
vim hbase-site.xml

<configuration>

<!-- 指定hbase在HDFS上存储的路径 -->

   <property>

      <name>hbase.rootdir</name>

      <value>hdfs://ns1/hbase</value>

   </property>

<!-- 指定hbase是分布式的 -->

   <property>

      <name>hbase.cluster.distributed</name>

      <value>true</value>

   </property>

<!-- 指定zk的地址，多个用“,”分割 -->

   <property>

     <name>hbase.zookeeper.quorum</name>

     <value>had5:2181,had6:2181,had7:2181</value>

   </property>

</configuration>
  1. 修改 regionservers
1
2
3
4
5
6
7
vim regionservers

hadoop05

hadoop06

hadoop07

6.3 拷贝hbase到其他节点

将配置好的HBase拷贝到每一个节点并同步时间。

1
2
3
4
5
6
7
8
9
scp -r /hadoop/hbase-0.96.2-hadoop2/ hadoop02:/hadoop/

scp -r /hadoop/hbase-0.96.2-hadoop2/ hadoop03:/hadoop/

scp -r /hadoop/hbase-0.96.2-hadoop2/ hadoop04:/hadoop/

scp -r /hadoop/hbase-0.96.2-hadoop2/ hadoop05:/hadoop/

scp -r /hadoop/hbase-0.96.2-hadoop2/ hadoop06:/hadoop/

6.4 启动所有的hbase

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 分别启动zk
./zkServer.sh start

# 启动hbase集群
start-dfs.sh

# 启动hbase，在主节点上运行：
start-hbase.sh

# 启动集群中所有的regionserver
./hbase-daemons.sh start regionserver

# 启动某个regionserver
./hbase-daemon.sh start regionserver

6.5 通过浏览器访问hbase管理页面

192.168.1.201:60010

6.6 为保证集群的可靠性，要启动多个HMaster

1
hbase-daemon.sh start master

7. Flume 安装

7.1 将flume 安装包上传到服务器

7.2 解压文件

7.3 配置文件 cd conf

1
2
3
4
5
6
7
# 将flume-env.sh.template 改名

mv flume-env.sh.template flume-env.sh 

# 导入javahome vim     flume-env.sh 

JAVA_HOME=JAVAHOME

7.4 配置采集数据 hdfs sink

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
vim a4.conf

# 定义agent名， source、channel、sink的名称

a4.sources = r1

a4.channels = c1

a4.sinks = k1

 

# 具体定义source

a4.sources.r1.type = spooldir

a4.sources.r1.spoolDir = /home/hadoop/logs

 

# 具体定义channel

a4.channels.c1.type = memory

# channel 能容纳多少条数据

a4.channels.c1.capacity = 10000

a4.channels.c1.transactionCapacity = 100

 

# 定义拦截器，为消息添加时间戳（拦截一些无效的数据）

这里将数据添加时间戳

a4.sources.r1.interceptors = i1

a4.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder

 

 

# 具体定义sink

# 定义hdfs sink

a4.sinks.k1.type = hdfs

# 配置的是nodeservice

# 这里的时间与定义拦截器的时间一致

a4.sinks.k1.hdfs.path = hdfs://ns1/flume/%Y%m%d

# 日志前缀

a4.sinks.k1.hdfs.filePrefix = events-

# 存文本的方式 

a4.sinks.k1.hdfs.fileType = DataStream

# 不按照条数生成文件（多少条flash成一个文件）

a4.sinks.k1.hdfs.rollCount = 0

# HDFS上的文件达到128M时生成一个文件

a4.sinks.k1.hdfs.rollSize = 134217728

# HDFS上的文件达到60秒生成一个文件

a4.sinks.k1.hdfs.rollInterval = 60

 

# 组装source、channel、sink

a4.sources.r1.channels = c1

a4.sinks.k1.channel = c1

7.5 添加依赖

  1. hadoop-common.jar 导入到lib文件夹下
  2. 将commons-configuretion.jar 导入到lib文件夹下
  3. 将hadoop-auth.jar 导入到lib文件夹下
  4. 将hadoop-hdfs.jar 导入到lib文件夹下
  5. 将hadoop 配置文件拷贝到flume conf文件夹下告诉flume 到底要向那台机器找namenode

7.6 启动flume

bin/flume-hg agent -n a4 -c conf -f conf/a4.conf -Dflume.root.logger=INFO.console

文章作者: hnbian
文章链接: https://www.hnbian.cn/posts/fdea61c2.html
版权声明: 本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 hnbian !
hadoop
评论
  目录