HDFS完全分布式集群搭建与配置

介绍

HDFS的组成架构

架构介绍 ：
1> NameNode(nn):就是Master，它是一个主管、管理者
（1）管理HDFS的名称空间；
（2）配置副本策略；
（3）管理数据块（block）映射信息；
（4）处理客户端读写请求
2> DataNode:就是Slave。NameNode下达命令，DateNode执行实际操作。
（1）储存实际的数据块；
（2）执行数据块的写/读操作
3> Client：就是客户端
（1）文件切分。文件上传HDFS的时候。Client将文件切分成一个个的Block，然后进行上传；
（2）与NameNode交互，获取文件的位置信息；
（3）与DataNode交互，读取或者写入数据；
（4）Client提供一些命令来管理HDFS；
（5）Client 可以通过一些命令来访问HDFS；
4> Secondary NameNode:并非NameNode的热备。当NameNode挂掉的时候，它并不能马上替换NameNode并提供服务。
（1）辅助NameNode,分担其工作量；
（2）在紧急情况下，可以辅助恢复NameNode

HDFS前言

设计思想：
分而治之：将大文件、大批量文件，分布式存放在大量服务器上，以便于采取分而治之的方式对海量数据进行运算分析；
在大数据系统中作用：
为各类分布式运算框架（如：mapreduce，spark，tez，……）提供数据存储服务
重点概念：文件切块，副本存放，元数据

HDFS的概念和特性

首先，它是一个文件系统，用于存储文件，通过统一的命名空间——目录树来定位文件
其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色；
重要特性如下：

HDFS中的文件在物理上是分块存储（block），块的大小可以通过配置参数( dfs.blocksize)来规定，默认大小在hadoop2.x版本中是128M，老版本中是64M

HDFS文件系统会给客户端提供一个统一的抽象目录树，客户端通过路径来访问文件，形如：hdfs://namenode:port/dir-a/dir-b/dir-c/file.data

目录结构及文件分块信息(元数据)的管理由namenode节点承担
——namenode是HDFS集群主节点，负责维护整个hdfs文件系统的目录树，以及每一个路径（文件）所对应的block块信息（block的id，及所在的datanode服务器）

文件的各个block的存储管理由datanode节点承担
---- datanode是HDFS集群从节点，每一个block都可以在多个datanode上存储多个副本（副本数量也可以通过参数设置dfs.replication）

HDFS是设计成适应一次写入，多次读出的场景，且不支持文件的修改
(注：适合用来做数据分析，并不适合用来做网盘应用，因为，不便修改，延迟大，网络开销大，成本太高)

整体思路

1.准备三台虚拟机（以完成网络配置，主机名配置，主机域名映射,防火墙关闭并关闭重启，ssh免密，安装JDK等等）

2.在node01上安装Hadoop，配置环境变量（修改和配置一些文件，修改时一定小心错一个字母就会失败。）

3.同步配置信息（把在node01上修改的配置文件同步到node02和node03上）

4.在node01上格式化，并启动集群。

5.用jps查看启动情况，并测试上传下载是否能成功。在web端查看。

准备工作

1.检查三台虚拟机网络是否能ping通，主机名是否正确，主机映射是否正确等等准备工作是否做好。





2.创建安装目录

cd /opt
mkdir software
cd software/
mkdir hadoop
cd hadoop/
mkdir hdfs
cd hdfs/
mkdir data
mkdir name
mkdir tmp

输入yum -y install lrzsz代码下载插件，可以直接将压缩包（hadoop-2.9.2.tar.gz）上传到指定文件夹。

回到hadoop目录上传文件

cd /opt/software/hadoop/
rz

可以输入rz上传文件，也可以直接将文件拖到提前cd 到的路径下面就可以上传了。
解压文件

tar -xvzf hadoop-2.9.2.tar.gz

配置过程

三台虚拟机都已经完成的步骤

–网络配置
–主机名配置
–主机域名映射
–防火墙和selinux关闭
–ssh免密
–安装jdk

hadoop-env.sh

此处无需配置，只需修改JAVA_HOME值和HADOOP_CONF的值

配置值：

export JAVA_HOME=/usr/local/java/jdk1.8
export HADOOP_CONF_DIR=/opt/software/hadoop/hadoop-2.9.2/etc/hadoop

yarn-env.sh

配置yarn-sev.sh时需要新增JAVA_HOME的值。
在# export JAVA_HOME=/home/y/libexec/jdk1.6.0/，在此行下添加JAVA_HOME的值

配置值：

export JAVA_HOME=/usr/local/java/jdk1.8

core-site.xml

配置时需要将文件系统节点改成node01。

fs.defaultFS表示指定集群的文件系统类型是分布式文件系统（HDFS），datanode心跳发送到namenode的地址

hadoop.tmp.dir表示hadoop临时文件

配置值：

<property>
    <name>fs.defaultFS</name>
    <value>hdfs://node01:9000</value>
</property>
<property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/software/hadoop/hdfs/tmp</value>
</property>

hdfs-site.xml

dfs.replication原本配置是1，修改为3，三副本策略，表示副本数是3

dfs.name.dir和dfs.data.dir配置不变

dfs.datanode.max.locked.memory配置添加，开启缓存，配置值根据自己机器情况配置

dfs.permissions配置添加，值配置false，不开启文件权限

配置值：

<property>
    <name>dfs.replication</name>
    <value>3</value>
</property>
<property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/opt/software/hadoop/hdfs/name</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/opt/software/hadoop/hdfs/data</value>
</property>
<property>
    <name>dfs.datanode.max.locked.memory</name>
    <value>65536</value>
</property>
<property>
    <name>dfs.permissions</name>
    <value>false</value>
</property>

注：dfs.datanode.max.locked.memory不一定是65536，需要根据自己机器情况而定，可以使用ulimit-l查询参数，得到的数值是64，表示64k，就是64乘以1024=65536byte
如果是32就是32乘以1024=32768

mapred-site.xml

配置时需要把mapred-site.xml.template拷贝成map-site.xml文件进行配置(cp mapred-site.xml.template mapred-site.xml )

mapreduce.framework.name指定资源分配yarn

配置值：

<property>
	<name>mapreduce.framework.name</name>
	<value>yarn</value>
</property>

yarn-site.xml

yarn.resourcemanager.hostname:yarn相关资源服务器的主机名，使用node01

yarn.nodemanager.aux-services和MapReduce计算相关

yarn.nodemanager.vmem-check-enabled 关闭虚拟内存检查

配置值：

<property>
	<name>yarn.resourcemanager.hostname</name>
	<value>node01</value>
</property>
<property>
	<name>yarn.nodemanager.aux-services</name>
	<value>mapreduce_shuffle</value>
</property>
<property>
	<name>yarn.nodemanager.vmem-check-enabled</name>
	<value>false</value>
</property>

slaves

配置3台主机名，此配置表示三台机器都作为DataNode

配置值：

node01
node02
node03

同步配置

在node02和node03上创建 /opt/software 目录

创建software(mkdir software)

cd /opt/
mkdir software

把node01上的配置同步到node02和node03上
使用scp命令进行同步

cd /opt/software/
scp -r hadoop/ node02:$PWD
scp -r hadoop/ node03:$PWD

环境变量

之前只在node01上配置了hadoop环境变量，现在需要在node02和node03上添加hadoop环境变量

在node02和node03机器的/etc/profile环境变量中添加hadoop配置

vi /etc/profile

export HADOOP_HOME=/opt/software/hadoop/hadoop-2.9.2
export PATH=${PATH}:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin

添加配置以后记得加载配置文件，使得配置文件生效

source /etc/profile

启动集群

在node01上格式化（hdfs namenode -format），只需在node01上启动

start-dfs.sh

如果有多次格式化文件系统，需将DataNode的数据存放目录的版本信息删除以便其保持一致，否则Hadoop会启动失败。

node01上查看是否有3个进程启动（jps）,node02,node03上分别有一个进程

访问web（网址：http://192.168.67.110:50070/ ）

hdfs常用命令

HDFS使用hdfs脚本来进行操作

/opt/software/hadoop/hadoop-2.9.2/bicd 
/opt/software/hadoop/hadoop-2.9.2/bin
ls

查看文件和目录（hdfs dfs -ls/)

创建目录（hdfs dfs - mkdir /test)

上传文件（hdfs dfs -put /opt/testData/hdfs/hadoop-2.9.2.tar.gz /test）

解释：上传文件/opt/testData/hdfs/hadoop-2.9.2.tar.gz是指出要上传的文件位置，/test是指出文件上传到哪里

下载文件（hdfs dfs -get /test/hadoop-2.9.2.tar.gz /opt/testData/hdfs/）

解释：下载文件/test/hadoop-2.9.2.tar.gz是指出要下载的文件位置，/opt/testData/hdfs/是指出文件下载到哪个目录下

测试

1. 创建一个名为HDFSShell的文件夹，并查看根目录（/）

hdfs dfs -mkdir /HDFSShell

2. 将/opt/software/hadoop/hadoop-2.9.2/etc/hadoop/hdfs-site.xml上传到HDFSShell中，并查看HDFSShell目录。

cd /opt/software/hadoop/hadoop-2.9.2/etc/hadoop
hdfs dfs -put /opt/software/hadoop/hadoop-2.9.2/etc/hadoop/hdfs-site.xml /HDFSShell

3. 将2中上传的文件下载到/opt/shellTes中。

hdfs dfs -get /HDFSShell/hdfs-site.xml /opt/shellTest/
cd /opt/shellTest
ll

4. 在hdfs中查看题目2里上传的文件内容。

hdfs dfs -ls /HDFSShell/hdfs-site.xml

5. 删除HDFSShell文件夹

hdfs dfs -rm /HDFSShell/hdfs-site.xml
hdfs dfs -rmdir /HDFSShell
hdfs dfs -ls

注意事项

打开配置文件时，需要切换到指定路径。（cd /opt/software/hadoop/hadoop-2.9.2/etc/hadoop）
然后用vi 打开配置文件修改。

做配置文件时大小写，字母不要出错。

…