大数据技术之Hadoop：HDFS集群安装篇（三）

目录

分布式文件系统HDFS安装篇

一、为什么海量数据需要分布式存储

二、 分布式的基础架构分析

三、 HDFS的基础架构

四 HDFS集群环境部署

4.1 下载安装包

4.2 集群规划

4.3 上传解压

4.4 配置HDFS集群

4.5 准备数据目录

4.6 分发hadoop到其他服务器

4.7 配置环境变量

4.8 为普通用户授权

4.9 对整个文件系统进行格式化

4.10 启动、停止hdfs集群

4.11 查看HDFS webUI

五、虚拟机快照

---

此为个人学习笔记，包含个人归纳总结以及结合了对网络资源的整理，初衷是为了自己复习巩固。如果能帮到各位是我的荣幸！

该总结参考了黑马教程，感兴趣的也可以去观看相关视频。第二章-01-[理解]为什么需要分布式存储_哔哩哔哩_bilibili

分布式文件系统HDFS安装篇

一、为什么海量数据需要分布式存储

假如某个文件有100TB,试想哪台服务器能存下这么大的文件？

所以我们会搭建分布式服务集群，将这100TB的文件分成几份，分别发送到不同的服务器上。

当然，分布式不仅仅是解决了能存的问题， 多台服务器协同工作带来的也是性能的横向扩展。

也相当于是磁盘写入效率、传输效率的大大增加。

总结：

数据量太大，单机存储能力有上限，需要靠数量来解决问题。

数量的提升带来的是网络传输、磁盘读写、CPU、内存等各方面的综合提升。 分布式组合在一起可以达到1+1>2的效果。

二、 分布式的基础架构分析

数量多，在现实生活中往往带来的不是提升，而是：混乱。

众多的服务器一起工作，是如何高效、不出问题呢？

大数据体系中，分布式的调度主要有2类架构模式：去中心化模式和中心化模式。

• 大数据框架，大多数的基础架构上，都是符合：中心化模式的。

  即：有一个中心节点（服务器）来统筹其它服务器的工作，统一指挥，统一调派，避免混乱。

  这种模式，也被称之为：一主多从模式，简称主从模式（Master And Slaves）

• 三、 HDFS的基础架构

什么是HDFS?

• HDFS是Hadoop三大组件(HDFS、MapReduce、YARN)之一。

• 全称是：Hadoop Distributed File System（Hadoop分布式文件系统）。

• 它是Hadoop技术栈内提供的分布式数据存储解决方案。

• 可以在多台服务器上构建存储集群，存储海量的数据。

• HDFS是一个典型的主从模式架构

• HDFS中的架构角色有哪些？

• 

  NameNode：主角色，管理HDFS集群和DataNode角色

• DataNode：从角色，负责数据的存储

• SecondaryNameNode：辅助角色，协助NameNode整理元数据

• 

• 

  四 HDFS集群环境部署

• 4.1 下载安装包

• 官方网址：https://hadoop.apache.org，课程使用当前最新的发行版：3.3.4版。

• 

• 4.2 集群规划

  

  4.3 上传解压

• 请确认已经完成前置准备中的服务器创建、固定IP、防火墙关闭、Hadoop用户创建、SSH免密、JDK部署等操作。

• 1. 上传Hadoop安装包到centos100节点中

• 

• 2. 解压缩安装包到/opt/software/hadoop/中

• tar -zxvf hadoop-3.3.4.tar.gz -C /opt/software/hadoop/
  

  

• 3. 进入hadoop-3.3.4内

  

  各个文件夹含义如下

• bin，存放Hadoop的各类程序（命令）

• etc，存放Hadoop的配置文件

• include，C语言的一些头文件

• lib，存放Linux系统的动态链接库（.so文件）

• libexec，存放配置Hadoop系统的脚本文件（.sh和.cmd）

• licenses-binary，存放许可证文件

• sbin，管理员程序（super bin）

• share，存放二进制源码（Java jar包）

4.4 配置HDFS集群

配置HDFS集群，我们主要涉及到如下文件的修改：

• workers：  配置从节点（DataNode）有哪些
• hadoop-env.sh：  配置Hadoop的相关环境变量
• core-site.xml：  Hadoop核心配置文件
• hdfs-site.xml：  HDFS核心配置文件

这些文件均存在与$HADOOP_HOME/etc/hadoop文件夹中。

ps：$HADOOP_HOME是后续我们要设置的环境变量，其指代Hadoop安装文件夹即/export/server/hadoop

配置workers文件

进入安装目录下的etc/hadoop目录。这里面存放了Hadoop的配置。编辑workers文件。

 设置为我们的服务器名称，表示集群记录了这三个节点。

 配置hadoop-env.sh文件

这个文件是Hadoop在运行时需要使用到的一些环境变量

# 填入如下内容
export JAVA_HOME=/opt/software/jdk
export HADOOP_HOME=/opt/software/hadoop/hadoop-3.3.4
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_LOG_DIR=$HADOOP_HOME/logs

• 

• 

   

   配置core-site.xml文件

  Hadoop的核心配置文件，主要配置HDFS文件系统的网络通讯地址和io操作文件缓冲区大小。

• 端口号一般大家都是用的8020，一般不建议更改。

  
    fs.defaultFS
    hdfs://centos100:8020
  

  
    io.file.buffer.size
    131072
  

配置hdfs-site.xml文件

  
    dfs.datanode.data.dir.perm
    700
  
  
    dfs.namenode.name.dir
    /data/nn
  
  
    dfs.namenode.hosts
    centos100,centos101,centos102
  
  
    dfs.blocksize
    268435456
  
  
    dfs.namenode.handler.count
    100
  
  
    dfs.datanode.data.dir
    /data/dn
  

•  

• 

  4.5 准备数据目录

• 刚刚配置文件种规定了namenode和datanode的文件存储位置，但是还没有创建该目录。所以接下来我们需要创建目录。

• 在centos100节点：

• mkdir -p /data/nn
  mkdir /data/dn
  

   在centos101节点和centos102节点：

• mkdir -p /data/dn

  

• 4.6 分发hadoop到其他服务器

  刚才我们安装、配置都是在centos100这台服务器上的，但是centos101和centos102这两台都还没有安装过hadoop，显然是不行的。

  所以，我们可以通过分发的方式，将Hadoop分发到centos101和centos102这两台服务器上。

  

  

  执行的时间可能比较长，要耐心等待。

  执行完毕后，我们去centos101和centos102这两台服务器看看，分发过来没。

  

  4.7 配置环境变量

  我们操作Hadoop的可执行命令，需要进入到它的bin目录下，然后执行对应的命令。

  但是我们觉得这样太麻烦了，能不能在任何地方都可以直接执行命令呢，当然可以。

  这需要我们配置环境变量。

  修改/etc/profile文件

  vim /etc/profile

  export HADOOP_HOME=/opt/software/hadoop/hadoop-3.3.4
  export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

  让环境变量生效

  source /etc/profile

  

   然后在另外两台服务器中都同样配置一下。

  4.8 为普通用户授权

  hadoop部署的准备工作基本完成

  为了确保安全，hadoop系统不以root用户启动，我们以普通用户hadoop来启动整个Hadoop服务

  所以，现在需要对文件权限进行授权。

  ps：请确保已经提前创建好了hadoop用户（前置准备章节中有讲述），并配置好了hadoop用户之间的免密登录

  以root身份，在centos100、centos101、centos102三台服务器上均执行如下命令:

  # 以root身份，在三台服务器上均执行
  chown -R hadoop:hadoop /data
  chown -R hadoop:hadoop /opt
  

  -R 表示对子文件夹全部执行更改

  前一个hadoop表示账号，冒号后的hadoop表示hadoop账户组

  最后是要授权的路径

  

  

• 

   

  4.9 对整个文件系统进行格式化

• 前期准备全部完成，现在对整个文件系统执行初始化。

格式化namenode

# 确保以hadoop用户执行
su - hadoop
# 格式化namenode
hadoop namenode -format

• 

  可以发现执行完成后，这个文件中就有数据了。

• 至于这些文件是什么，后续再说。

• 4.10 启动、停止hdfs集群

• 下面我们以hadoop用户，在centos100上通过命令可以一键启动停止整个hdfs集群。

• # 一键启动hdfs集群
  start-dfs.sh
  # 一键关闭hdfs集群
  stop-dfs.sh
  
  # 如果遇到命令未找到的错误，表明环境变量未配置好，可以以绝对路径执行
  /opt/oftware/hadoop/hadoop-3.3.4/sbin/start-dfs.sh
  /opt/oftware/hadoop/hadoop-3.3.4/sbin/stop-dfs.sh
  

  

  

• 通过jps去另外两台服务器查看一下，也启动成功了。

• 

• 

   停止hdfs集群试试。

• 

  4.11 查看HDFS webUI

• 我们先不要关闭集群。然后通过web访问centos100这台服务器的9870端口，即可查看HDFS的web可视化页面。

  

   当然了，如果windows系统配置了host文件，将这几个ip地址映射了服务名，也可以直接用域名:9870的方式打开。

  
  

•  

• 五、虚拟机快照

• 为了避免服务器出问题，导致我们辛辛苦苦搭建的集群崩溃掉。我们最好做一下快照保存。这样即使后面我们误操作，导致服务器崩溃掉，也可以恢复到我们当前这个阶段。
• 好了，这部分内容暂时就梳理到这里。我们下个阶段见！