搭建Hadoop（v2.7.1）单节点伪模式， 集群（2 节点）及 集群（5 节点）

一    前言：

目的： 熟悉一下Hadoop 集群搭建的过程， 哪怕 2 台机器也来趟一遍。通过学习集群的 log，熟悉集群的流程。为以后有条件搭建和维护上百台的集群环境（我想应该是没这个可能的），迈出一小步。

二    先来熟悉一下 单节点伪模式（standalone）搭建步骤:

1) 安装ssh和 rsync

sudo yum install openssh
sudo yum install rsync

2) 进入~目录，创建ssh免密

mkdir .ssh
chmod 700 -R .ssh
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys
ssh localhost
ssh 0.0.0.0

3）安装JDK 

下载 jdk8u-server-release-1708 并解压到 ~/.local/bin

4)  下载并编译 Hadoop

下载：wget http://archive.apache.org/dist/hadoop/core/hadoop-2.7.1/hadoop-2.7.1.tar.gz

编译：如果不需要支持snappy，可以去掉。网上可以搜索支持snappy的编译方法，这里不做介绍。

sudo /home/xxx/.local/bin/apache-maven-3.0.5/bin/mvn clean package -Pdist,native -DskipTests -Dtar -Dbundle.snappy -Dsnappy.lib=/usr/lib64 

5)  创建相关的目录和设置相关的环境变量(如果有多个磁盘，添加多份)

mkdir -p ~/data
mkdir ~/data/hdfs
mkdir ~/data/hdfs/namenode
mkdir ~/data/hdfs/datanode
添加下面环境变量到 .bashrc

export MY_LOCAL_BIN=${HOME}/.local/bin
#JAVA
export JAVA_HOME=${MY_LOCAL_BIN}/jdk8u-server-release-1708
export M2_HOME=~/.local/bin/apache-maven-3.0.5/
export PATH=$PATH:$JAVA_HOME/bin

#HADOOP
export HADOOP_HOME=$MY_LOCAL_BIN/Hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME

#不需要spark的，这部分可省略
export SPARK_HOME=$MY_LOCAL_BIN/Spark
export PATH=$PATH:$SPARK_HOME/bin
export PATH=$PATH:$SPARK_HOME/sbin


export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
export SPARK_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

#Scala
export SCALA_HOME=${MY_LOCAL_BIN}/scala-2.11.12
export PATH=$PATH:$SCALA_HOME/bin

#HiBench
export HIBENCH_HOME=$MY_LOCAL_BIN/HiBench

 

6)需要在HiBench上跑Hadoop的可以直接安装HiBench或者编译HiBench来安装

启动Hadoop 后可以看到如下进程：

$ jps
2581 DataNode
3592 JobHistoryServer
2859 SecondaryNameNode
3307 NodeManager
3149 ResourceManager
3933 Jps
2398 NameNode 

三    集群（2 节点，其中一台机器既做master又做slave）搭建步骤:

集群规划
主机名                        ip                安装的软件         进程
master(master机器)        10.64.16.27 jdk、hadoop         NameNode ResourceManager JobHistoryServer
slave1(master机器)        10.64.16.27 jdk、hadoop         DataNode NodeManager
slave2(slave机器) 10.64.16.28 jdk、hadoop         DataNode NodeManager SecondaryNameNode

为了便于理解，配一张集群（YARN）原理图：

HDFS集群原理图：

1） ssh 集群 免密

在master 节点上运行 ssh-copy-id  slave2(10.64.16.28)

ssh slave2确认是否成功。

2） Hadoop 集群的配置文件

    core-site.xml
   
        fs.defaultFS
        hdfs://master:9000
   

hdfs-site.xml

dfs.namenode.http-address
master:50070



dfs.namenode.secondary.http-address
slave2:50090



yarn-site.xml

yarn.resourcemanager.hostname
master



3） 在 Hadoop/etc/hadoop/ 目录下创建  masters 和 slaves 文件

3.1)  master机器
masters  文件
master

slaves 文件
master
slave2

3.2)  slave机器

masters 文件
master

slaves 文件
slave2

4） scp 复制 hostname 、环境变量(.bashrc) 及 Hadoop 配置文件 到其他主机

4.1） hostname 

4.1.1） hostname DNS解析
/etc/hosts 文件内容如下：

    10.64.16.28 slave2
    10.64.16.27 master
    127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
    ::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

scp /etc/hosts slave2:/etc/
例如：
scp -r /etc/hosts 10.64.16.28:/etc/

4.1.2）hostname永久生效（重启生效）
修改/etc/sysconfig/network下的HOSTNAME变量     --需要重启生效，永久性修改。

4.1.3）hostname 命令修改立即生效，其对应/proc/sys/kernel/hostname的值
例如：master机器上运行 hostname master；slave 机器上运行 hostname slave2

4.2） scp 复制Hadoop配置文件
scp -r ~/Hadoop/etc/hadoop 10.64.16.28:/home/xxx/Hadoop/etc/

 

4.3） scp 复制环境变量文件
scp -r ~/.bashrc 10.64.16.28:/home/xxx/.bashrc
 

5） master及slave2机器的Hadoop 软连接及实际路径一致， 启动时否则报错：
/home/xxx/.local/bin/hadoop-2.7.1-linux4.14.15 与下面不一致
/home/xxx/.local/bin/hadoop-2.7.1-src-arm-compiled/

报错如下：10.64.16.28: bash: line 0: cd: /home/xxx/.local/bin/hadoop-2.7.1-linux4.14.15: No such file or directory

6）修改~/HiBench/conf/hadoop.conf 和 ~/HiBench/conf/hibench.conf

6.1）修改 HiBench/conf/hadoop.conf
# The root HDFS path to store HiBench data
hibench.hdfs.master       hdfs://master:9000

6.2） 修改 HiBench/conf/hibench.conf
hibench.masters.hostnames    master
hibench.slaves.hostnames     slave2

6.3） scp 复制 HiBench  配置文件到 slave2 机器
#HiBench
scp -r ~/HiBench/conf 10.64.16.28:/home/xxx/HiBench/

7）修改~/HiBench/conf/spark.conf 

spark.eventLog.dir                 hdfs://master:9000/sparklogs

四    集群（2节点）测试：

1)   启动 Hadoop,

        $HADOOP_HOME/sbin/start-dfs.sh
        $HADOOP_HOME/sbin/start-yarn.sh
        $HADOOP_HOME/sbin/mr-jobhistory-daemon.sh start historyserver

2)  Master机器上可以看到如下进程：

$jps

10800 NameNode
10977 DataNode
11412 ResourceManager
27288 Jps
11561 NodeManager
11836 JobHistoryServer

3)  Slave2 机器上可以看到如下进程：

$ jps
8759 SecondaryNameNode
8602 DataNode
8875 NodeManager
26299 Jps

4）查看dfs,  http://10.64.16.27:50070/dfshealth.html#tab-overview

 

五     集群（5 节点）搭建步骤:

集群规划                                  

 

主机名	ip	安装的软件	进程
master(master机器)	10.64.16.27	jdk、hadoop	NameNode SecondaryNameNode ResourceManager JobHistoryServer
slave1	10.64.16.38	jdk、hadoop	NameNode  NodeManager
slave2	10.64.16.39	jdk、hadoop	NameNode  NodeManager
slave3	10.64.16.40	jdk、hadoop	NameNode  NodeManager
slave4	10.64.16.41	jdk、hadoop	NameNode  NodeManager

由于这次是重新安装Cent OS的，并且这次的master不再兼职slave，相比集群（2节点）需要做如下系统设置：

1）关掉防火墙：sudo systemctl stop firewalld.service && sudo systemctl disable firewalld.service

如果没有关掉防火墙出现会如下错误：

java.net.NoRouteToHostException: No route to host
        at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)
        at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:717)
        at org.apache.hadoop.net.SocketIOWithTimeout.connect(SocketIOWithTimeout.java:206)
        at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:531)
        at org.apache.hadoop.hdfs.DFSOutputStream.createSocketForPipeline(DFSOutputStream.java:1508)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.createBlockOutputStream(DFSOutputStream.java:1284)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.nextBlockOutputStream(DFSOutputStream.java:1237)
        at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.run(DFSOutputStream.java:449)

centos从7开始默认用的是firewalld，这个是基于iptables的，虽然有iptables的核心，但是iptables的服务是没安装的。所以你只要停止firewalld服务即可

2）系统的limitation，用ulimit -a 命令查看。进程数和文件打开数通常是障碍。报错如下：

WARN org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch: Failed to launch container.
java.lang.OutOfMemoryError: unable to create new native thread
        at java.lang.Thread.start0(Native Method)
        at java.lang.Thread.start(Thread.java:717)
        at org.apache.hadoop.util.Shell.runCommand(Shell.java:522)
        at org.apache.hadoop.util.Shell.run(Shell.java:456)
        at org.apache.hadoop.util.Shell$ShellCommandExecutor.execute(Shell.java:722)

临时设置：

ulimit -n 65536
ulimit -u 65536

永久生效，更改下面两个文件：/etc/security/limits.d/20-nproc.conf 和 /etc/security/limits.conf

/etc/security/limits.d/20-nproc.conf:5:*          soft    nproc     65536
/etc/security/limits.d/20-nproc.conf:6:*          hard    nproc     65536
/etc/security/limits.conf:63:  *               hard   nofile         65536       
/etc/security/limits.conf:64:  *               soft   nofile         65536

3）GC使用效率低下 ，解决这种问题两种方法是，增加参数，-XX:-UseGCOverheadLimit，关闭这个特性，或者 增加（map/reduce）heap大小

INFO mapreduce.Job: Task Id : attempt_1530262438481_0003_r_000155_1, Status : FAILED
Error: org.apache.hadoop.mapreduce.task.reduce.Shuffle$ShuffleError: Error while doing final merge
    at org.apache.hadoop.mapreduce.task.reduce.Shuffle.run(Shuffle.java:160)
    at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:376)
    at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:164)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657)
    at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)
Caused by: java.lang.OutOfMemoryError: GC overhead limit exceeded
    at org.apache.hadoop.mapreduce.task.reduce.InMemoryReader.(InMemoryReader.java:40)
    at org.apache.hadoop.mapreduce.task.reduce.MergeManagerImpl.createInMemorySegments(MergeManagerImpl.java:625)
    at org.apache.hadoop.mapreduce.task.reduce.MergeManagerImpl.finalMerge(MergeManagerImpl.java:794)
    at org.apache.hadoop.mapreduce.task.reduce.MergeManagerImpl.close(MergeManagerImpl.java:370)
    at org.apache.hadoop.mapreduce.task.reduce.Shuffle.run(Shuffle.java:158)
    ... 6 more

4） Master 和  Slave 文件如下 ：

masters:

    master.serversolution.sh.com

jps进程：

    43937 NameNode
    44516 ResourceManager
    44229 SecondaryNameNode
    44934 Jps
    44846 JobHistoryServer

slaves:

    cluster1.serversolution.sh.com
    cluster2.serversolution.sh.com
    cluster3.serversolution.sh.com
    cluster4.serversolution.sh.com

jps进程：

    2454 NodeManager
    2807 Jps
    2269 DataNode

5） Hibench 相关配置hibench.conf如下 ：

hibench.masters.hostnames   masters.serversolution.sh.com 
hibench.slaves.hostnames cluster1.serversolution.sh.com cluster2.serversolution.sh.com cluster3.serversolution.sh.com cluster4.serversolution.sh.com

如果 hibench.slaves.hostnames 配置的slave不完整，hibench的 monitor 页面显示的memory等信息将小于整个集群的资源。

hadoop.conf如下 

hibench.hdfs.master       hdfs://master.serversolution.sh.com:9000

六   总结：

1）先熟悉单节点模式搭建，然后再搭建集群。如果搭建集群出问题，请到Hadoop/logs/下查看相应log文件。注意： 如果使用HiBench, 需要HiBench的配置文件也要同步。

另外为什么有上面的配置，可参考Hadoop的启动脚本介绍（https://blog.csdn.net/g11d111/article/details/52837828）。
其中 namenode 和 secondarynamenodes 是通过 hdfs getconf -namenodes 和 hdfs getconf -secondarynamenodes 获取 hostname，然后ssh 登录启动的。 resourcemanager 由 yarn-daemon.sh 调用启动$YARN_MASTE。
datanode 和 nodemanager 最终都是通过 脚本 slaves.sh 遍历 Hadoop/etc/hadoop/slaves文件获取 hostname，然后ssh 登录启动的。nodemanager 由 yarn-daemons.sh 中间调用启动 slaves.sh。

2）iowait性能优化方面：

 a. 读写性能好的磁盘可以设置多个目录（比如：core-site.xml的 hadoop.tmp.dir 和 hdfs-site.xml的 dfs.datanode.data.dir配置）

b. blocksize 和 splitsize 可以设置大一些（默认是128m, 设置成384m）

c. 默认设置，磁盘使用率达到90%，该nodemanager 会被标志为 Unhealthy Nodes。

3）cpu 使用率优化方面：

a. 减少map (mapreduce.map.memory.mb)/reduce (mapreduce.reduce.memory.mb)的 memory 力度，增加并发性。

b. 适当增加 hibench.default.map.parallelism  和 hibench.default.shuffle.parallelism 值

4）memory 使用率优化方面：

减少map及reduce阶段的spill。

七   参考：

http://Hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/ClusterSetup.html

https://www.edureka.co/blog/setting-up-a-multi-node-cluster-in-hadoop-2.X