Hadoop 2.7.5集群安装
目录
- Hadoop介绍
- Hadoop安装
Hadoop介绍
- Hadoop最早起源于Nutch。Nutch的设计目标是构建一个大型的全网搜索引擎，包括网页抓取、索引、查询等功能，但随着抓取网页数量的增加，遇到了严重的可扩展性问题——如何解决数十亿网页的存储和索引问题。
- 2003年、2004年谷歌发表的两篇论文为该问题提供了可行的解决方案。
——分布式文件系统（GFS），可用于处理海量网页的存储
——分布式计算框架MAPREDUCE，可用于处理海量网页的索引计算问题。
- Nutch的开发人员完成了相应的开源实现HDFS和MAPREDUCE，并从Nutch中剥离成为独立项目HADOOP，到2008年1月，HADOOP成为Apache顶级项目.
狭义上来说，hadoop就是单独指代hadoop这个软件，
- HDFS ：分布式文件系统
- MapReduce : 分布式计算系统
- Yarn：分布式样集群资源管理
广义上来说，hadoop指代大数据的一个生态圈，包括很多其他的软件
1.x版本系列：hadoop版本当中的第二代开源版本，主要修复0.x版本的一些bug等
2.x版本系列：架构产生重大变化，引入了yarn平台等许多新特性
3.x版本系列: 加入多namenoode新特性
Hadoop三大发行版公司
- 免费开源版本apache:
http://hadoop.apache.org/
优点：拥有全世界的开源贡献者，代码更新迭代版本比较快，
缺点：版本的升级，版本的维护，版本的兼容性，版本的补丁都可能考虑不太周到，
apache所有软件的下载地址（包括各种历史版本）：
http://archive.apache.org/dist/
- 免费开源版本hortonWorks：
https://hortonworks.com/
hortonworks主要是雅虎主导Hadoop开发的副总裁，带领二十几个核心成员成立Hortonworks，核心产品软件HDP（ambari），HDF免费开源，并且提供一整套的web管理界面，供我们可以通过web界面管理我们的集群状态，web管理界面软件HDF网址（http://ambari.apache.org/）
- 软件收费版本ClouderaManager:
https://www.cloudera.com/
cloudera主要是美国一家大数据公司在apache开源hadoop的版本上，通过自己公司内部的各种补丁，实现版本之间的稳定运行，大数据生态圈的各个版本的软件都提供了对应的版本，解决了版本的升级困难，版本兼容性等各种问题
1.x的版本架构模型介绍
文件系统核心模块：
| NameNode | 集群当中的主节点，管理元数据(文件的大小，文件的位置，文件的权限)，主要用于管理集群当中的各种数据 |
|---|---|
| secondaryNameNode | 主要能用于hadoop当中元数据信息的辅助管理 |
| DataNode | 集群当中的从节点，主要用于存储集群当中的各种数据 |
数据计算核心模块：
| JobTracker | 接收用户的计算请求任务，并分配任务给从节点 |
|---|---|
| TaskTracker | 负责执行主节点JobTracker分配的任务 |
2.x的版本架构模型介绍
第一种：NameNode与ResourceManager单节点架构模型
文件系统核心模块：
| NameNode | 集群当中的主节点，管理元数据(文件的大小，文件的位置，文件的权限)，主要用于管理集群当中的各种数据 |
|---|---|
| secondaryNameNode | 主要能用于hadoop当中元数据信息的辅助管理 |
| DataNode | 集群当中的从节点，主要用于存储集群当中的各种数据 |
数据计算核心模块：
| ResourceManager | 接收用户的计算请求任务，并负责集群的资源分配 |
|---|---|
| NodeManager | 负责执行主节点APPmaster分配的任务 |
第二种：NameNode单节点与ResourceManager高可用架构模型
文件系统核心模块：
| NameNode | 集群当中的主节点，管理元数据(文件的大小，文件的位置，文件的权限)，主要用于管理集群当中的各种数据 |
|---|---|
| secondaryNameNode | 主要能用于hadoop当中元数据信息的辅助管理 |
| DataNode | 集群当中的从节点，主要用于存储集群当中的各种数据 |
数据计算核心模块：
| ResourceManager | 接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分，通过zookeeper实现ResourceManager的高可用 |
|---|---|
| NodeManager | 负责执行主节点ResourceManager分配的任务 |
第三种：NameNode高可用与ResourceManager单节点架构模型
文件系统核心模块：
| NameNode | 集群当中的主节点，主要用于管理集群当中的各种数据，其中nameNode可以有两个，形成高可用状态 |
|---|---|
| DataNode | 集群当中的从节点，主要用于存储集群当中的各种数据 |
| JournalNode | 文件系统元数据信息管理 |
数据计算核心模块：
| ResourceManager | 接收用户的计算请求任务，并负责集群的资源分配，以及计算任务的划分 |
|---|---|
| NodeManager | 负责执行主节点ResourceManager分配的任务 |
第四种：NameNode与ResourceManager高可用架构模型
文件系统核心模块：
| NameNode | 集群当中的主节点，主要用于管理集群当中的各种数据，一般都是使用两个，实现HA高可用 |
|---|---|
| JournalNode | 元数据信息管理进程，一般都是奇数个 |
| DataNode | 从节点，用于数据的存储 |
数据计算核心模块：
| ResourceManager | Yarn平台的主节点，主要用于接收各种任务，通过两个，构建成高可用 |
|---|---|
| NodeManager | Yarn平台的从节点，主要用于处理ResourceManager分配的任务 |
Hadoop安装
安装之前需要JDK环境安装：
https://blog.csdn.net/gcxzflgl/article/details/106373435
提供一个支持snappy压缩的包
链接：https://pan.baidu.com/s/1Cu0gNA52B2SVa0lqAFjw9w
提取码：pltb
集群规划
| 服务器IP | node01 | node02 | node03 |
|---|---|---|---|
| NameNode | Y | ||
| SecondaryNameNode | Y | ||
| dataNode | Y | Y | Y |
| ResourceManager | Y | ||
| NodeManager | Y | Y | Y |
安装过程：
第一步：上传apache hadoop包并解压
[root@node01 software]# tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/
第二步：修改配置文件
再修改之前，我们用notepad++安装一个插件，方便配置文件编写
NppFTP插件安装
打开Notepad ++ —— 插件 —— 插件管理 —— 搜索NppFTP —— 安装重启
NppFTP使用：
插件 —— NppFTP —— show NppFtp window
选择close关闭
配置文件修改：
ctrl + s 保存 NppFTP 修改的文件
配置文件所在目录
cd /export/servers/hadoop-2.7.5/etc/hadoop
core-site.xml
<configuration>
<!-- 指定集群的文件系统类型:分布式文件系统 -->
<property>
<name>fs.default.name</name>
<value>hdfs://node01:8020</value>
</property>
<!-- 指定临时文件存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/export/servers/hadoop-2.7.5/hadoopDatas/tempDatas</value>
</property>
<!-- 缓冲区大小，实际工作中根据服务器性能动态调整 -->
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
<!-- 开启hdfs的垃圾桶机制，删除掉的数据可以从垃圾桶中回收，单位分钟 -->
<property>
<name>fs.trash.interval</name>
<value>10080</value>
</property>
</configuration>
hdfs-site.xml
<configuration>
<!-- 指定secondaryNameNode的访问地址和端口 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node01:50090</value>
</property>
<!-- 指定namenode的访问地址和端口 -->
<property>
<name>dfs.namenode.http-address</name>
<value>node01:50070</value>
</property>
<!-- 指定namenode元数据的存放位置 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2
</property>
<!-- 定义dataNode数据存储的节点位置，实际工作中，一般先确定磁盘的挂载目录，然后多个目录用，进行分割 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2
</property>
<!-- 指定namenode日志文件的存放目录 -->
<property>
<name>dfs.namenode.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/nn/edits
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/snn/name
</property>
<property>
<name>dfs.namenode.checkpoint.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits
</property>
<!-- 文件切片的副本个数-->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 设置HDFS的文件权限-->
<property>
<name>dfs.permissions</name>
<value>true</value>
</property>
<!-- 设置一个文件切片的大小：128M-->
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
</configuration>
hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
mapred-site.xml
默认值mapre-site-template.xml 更新名字即可
cp mapred-site.xml.template mapred-site.xml
<configuration>
<!-- 开启MapReduce小任务模式 -->
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
<!-- 设置历史任务的主机和端口 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>node01:10020</value>
</property>
<!-- 设置网页访问历史任务的主机和端口 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node01:19888</value>
</property>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
yarn-site.xml
<configuration>
<!-- 配置yarn主节点的位置 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node01</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 开启日志聚合功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置聚合日志在hdfs上的保存时间 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
<!-- 设置yarn集群的内存分配方案 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
</configuration>
mapred-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
slaves
datanode节点
node01
node02
node03
配置文件所需目录
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/tempDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/snn/name
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits
[root@node01 hadoopDatas]# ll
总用量 0
drwxr-xr-x. 2 root root 6 6月 26 08:47 datanodeDatas
drwxr-xr-x. 2 root root 6 6月 26 08:47 datanodeDatas2
drwxr-xr-x. 3 root root 17 6月 26 08:47 dfs
drwxr-xr-x. 2 root root 6 6月 26 08:47 namenodeDatas
drwxr-xr-x. 2 root root 6 6月 26 08:47 namenodeDatas2
drwxr-xr-x. 3 root root 19 6月 26 08:47 nn
drwxr-xr-x. 3 root root 18 6月 26 08:47 snn
drwxr-xr-x. 2 root root 6 6月 26 08:47 tempDatas
[root@node01 hadoopDatas]#
第三步：分发到其他机器
cd /export/servers/
scp -r hadoop-2.7.5 node02:$PWD
scp -r hadoop-2.7.5 node03:$PWD
第四步: 设置环境变量
vim /etc/profile
export HADOOP_HOME=/export/servers/hadoop-2.7.5
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
#配置文件生效
source /etc/profile
第五步：启动集群
要启动 Hadoop 集群，需要启动 HDFS 和 YARN 两个模块。
注意： 首次启动 HDFS 时，必须对其进行格式化操作。 本质上是一些清理和准备工作，因为此时的 HDFS 在物理上还是不存在的。
hdfs namenode -format 或者 hadoop namenode –format
看到successfully 代表格式化成功
执行以下命令：
cd /export/servers/hadoop-2.7.5/
sbin/start-dfs.sh
sbin/start-yarn.sh
sbin/mr-jobhistory-daemon.sh start historyserver
node01进程
[root@node01 sbin]# jps
19282 SecondaryNameNode
19112 DataNode
19880 Jps
18985 NameNode
19433 ResourceManager
19547 NodeManager
19836 JobHistoryServer
[root@node01 sbin]#
node02进程
[root@node02 ~]#
[root@node02 ~]# jps
18822 DataNode
18934 NodeManager
19038 Jps
[root@node02 ~]#
node03进程
[root@node03 ~]# jps
19028 Jps
18922 NodeManager
18811 DataNode
[root@node03 ~]#
三个端口查看界面
http://node01:50070/explorer.html#/ 查看hdfs
http://node01:8088/cluster 查看yarn集群
http://node01:19888/jobhistory 查看历史完成的任务
至此，单节点namenode、resourcemanager集群搭建完毕！