《黑马程序员》大数据集群（Hadoop生态）安装部署——图文讲解

大数据集群（Hadoop生态）安装部署

简介

1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2）主要解决，海量数据的存储和海量数据的分析计算问题。

Hadoop HDFS 提供分布式海量数据存储能力

Hadoop YARN 提供分布式集群资源管理能力

Hadoop MapReduce 提供分布式海量数据计算能力

前置要求

• 请确保完成了集群化环境前置准备章节的内容
• 即：JDK、SSH免密、关闭防火墙、配置主机名映射等前置操作

Hadoop集群角色

Hadoop生态体系中总共会出现如下进程角色：

1. Hadoop HDFS的管理角色：Namenode进程（仅需1个即可（管理者一个就够））
2. Hadoop HDFS的工作角色：Datanode进程（需要多个（工人，越多越好，一个机器启动一个））
3. Hadoop YARN的管理角色：ResourceManager进程（仅需1个即可（管理者一个就够））
4. Hadoop YARN的工作角色：NodeManager进程（需要多个（工人，越多越好，一个机器启动一个））
5. Hadoop 历史记录服务器角色：HistoryServer进程（仅需1个即可（功能进程无需太多1个足够））
6. Hadoop 代理服务器角色：WebProxyServer进程（仅需1个即可（功能进程无需太多1个足够））
7. Zookeeper的进程：QuorumPeerMain进程（仅需1个即可（Zookeeper的工作者，越多越好））

角色和节点分配

角色分配如下：

1. node1:Namenode、Datanode、ResourceManager、NodeManager、HistoryServer、WebProxyServer、QuorumPeerMain
2. node2:Datanode、NodeManager、QuorumPeerMain
3. node3:Datanode、NodeManager、QuorumPeerMain

安装

调整虚拟机内存

如上图，可以看出node1承载了太多的压力。同时node2和node3也同时运行了不少程序

为了确保集群的稳定，需要对虚拟机进行内存设置。

请在VMware中，对：

1. node1设置4GB或以上内存
2. node2和node3设置2GB或以上内存

大数据的软件本身就是集群化（一堆服务器）一起运行的。

现在我们在一台电脑中以多台虚拟机来模拟集群，确实会有很大的内存压力哦。

Zookeeper集群部署

略

Hadoop集群部署

1. 下载Hadoop安装包、解压、配置软链接

   # 1. 下载
   wget http://archive.apache.org/dist/hadoop/common/hadoop-3.3.0/hadoop-3.3.0.tar.gz
   
   # 2. 解压
   # 请确保目录/export/server存在
   tar -zxvf hadoop-3.3.0.tar.gz -C /export/server/
   
   # 3. 构建软链接
   ln -s /export/server/hadoop-3.3.0 /export/server/hadoop
   

2. 修改配置文件：hadoop-env.sh

   Hadoop的配置文件要修改的地方很多，请细心

   cd 进入到/export/server/hadoop/etc/hadoop，文件夹中，配置文件都在这里

   修改hadoop-env.sh文件

   此文件是配置一些Hadoop用到的环境变量

   这些是临时变量，在Hadoop运行时有用

   如果要永久生效，需要写到/etc/profile中

   # 在文件开头加入：
   # 配置Java安装路径
   export JAVA_HOME=/export/server/jdk
   # 配置Hadoop安装路径
   export HADOOP_HOME=/export/server/hadoop
   # Hadoop hdfs配置文件路径
   export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
   # Hadoop YARN配置文件路径
   export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
   # Hadoop YARN 日志文件夹
   export YARN_LOG_DIR=$HADOOP_HOME/logs/yarn
   # Hadoop hdfs 日志文件夹
   export HADOOP_LOG_DIR=$HADOOP_HOME/logs/hdfs
   
   # Hadoop的使用启动用户配置
   export HDFS_NAMENODE_USER=root
   export HDFS_DATANODE_USER=root
   export HDFS_SECONDARYNAMENODE_USER=root
   export YARN_RESOURCEMANAGER_USER=root
   export YARN_NODEMANAGER_USER=root
   export YARN_PROXYSERVER_USER=root
   

3. 修改配置文件：core-site.xml

   如下，清空文件，填入如下内容

   
   
   
   
   
   <configuration>
     <property>
       <name>fs.defaultFSname>
       <value>hdfs://node1:8020value>
       <description>description>
     property>
   
     <property>
       <name>io.file.buffer.sizename>
       <value>131072value>
       <description>description>
     property>
   configuration>
   

4. 配置：hdfs-site.xml文件

   
   
   
   
   
   
   <configuration>
       <property>
           <name>dfs.datanode.data.dir.permname>
           <value>700value>
       property>
   
     <property>
       <name>dfs.namenode.name.dirname>
       <value>/data/nnvalue>
       <description>Path on the local filesystem where the NameNode stores the namespace and transactions logs persistently.description>
     property>
   
     <property>
       <name>dfs.namenode.hostsname>
       <value>node1,node2,node3value>
       <description>List of permitted DataNodes.description>
     property>
   
     <property>
       <name>dfs.blocksizename>
       <value>268435456value>
       <description>description>
     property>
   
   
     <property>
       <name>dfs.namenode.handler.countname>
       <value>100value>
       <description>description>
     property>
   
     <property>
       <name>dfs.datanode.data.dirname>
       <value>/data/dnvalue>
     property>
   configuration>
   

5. 配置：mapred-env.sh文件

   # 在文件的开头加入如下环境变量设置
   export JAVA_HOME=/export/server/jdk
   export HADOOP_JOB_HISTORYSERVER_HEAPSIZE=1000
   export HADOOP_MAPRED_ROOT_LOGGER=INFO,RFA
   

6. 配置：mapred-site.xml文件

   
   
   
   
   
   
   <configuration>
     <property>
       <name>mapreduce.framework.namename>
       <value>yarnvalue>
       <description>description>
     property>
   
     <property>
       <name>mapreduce.jobhistory.addressname>
       <value>node1:10020value>
       <description>description>
     property>
   
   
     <property>
       <name>mapreduce.jobhistory.webapp.addressname>
       <value>node1:19888value>
       <description>description>
     property>
   
   
     <property>
       <name>mapreduce.jobhistory.intermediate-done-dirname>
       <value>/data/mr-history/tmpvalue>
       <description>description>
     property>
   
   
     <property>
       <name>mapreduce.jobhistory.done-dirname>
       <value>/data/mr-history/donevalue>
       <description>description>
     property>
   <property>
     <name>yarn.app.mapreduce.am.envname>
     <value>HADOOP_MAPRED_HOME=$HADOOP_HOMEvalue>
   property>
   <property>
     <name>mapreduce.map.envname>
     <value>HADOOP_MAPRED_HOME=$HADOOP_HOMEvalue>
   property>
   <property>
     <name>mapreduce.reduce.envname>
     <value>HADOOP_MAPRED_HOME=$HADOOP_HOMEvalue>
   property>
   configuration>
   

7. 配置：yarn-env.sh文件

   # 在文件的开头加入如下环境变量设置
   export JAVA_HOME=/export/server/jdk
   export HADOOP_HOME=/export/server/hadoop
   export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
   export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop
   export YARN_LOG_DIR=$HADOOP_HOME/logs/yarn
   export HADOOP_LOG_DIR=$HADOOP_HOME/logs/hdfs
   

8. 配置：yarn-site.xml文件

   
   
   <configuration>
   
   
   <property>
       <name>yarn.log.server.urlname>
       <value>http://node1:19888/jobhistory/logsvalue>
       <description>description>
   property>
   
     <property>
       <name>yarn.web-proxy.addressname>
       <value>node1:8089value>
       <description>proxy server hostname and portdescription>
     property>
   
   
     <property>
       <name>yarn.log-aggregation-enablename>
       <value>truevalue>
       <description>Configuration to enable or disable log aggregationdescription>
     property>
   
     <property>
       <name>yarn.nodemanager.remote-app-log-dirname>
       <value>/tmp/logsvalue>
       <description>Configuration to enable or disable log aggregationdescription>
     property>
   
   
   
     <property>
       <name>yarn.resourcemanager.hostnamename>
       <value>node1value>
       <description>description>
     property>
   
     <property>
       <name>yarn.resourcemanager.scheduler.classname>
       <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairSchedulervalue>
       <description>description>
     property>
   
     <property>
       <name>yarn.nodemanager.local-dirsname>
       <value>/data/nm-localvalue>
       <description>Comma-separated list of paths on the local filesystem where intermediate data is written.description>
     property>
   
   
     <property>
       <name>yarn.nodemanager.log-dirsname>
       <value>/data/nm-logvalue>
       <description>Comma-separated list of paths on the local filesystem where logs are written.description>
     property>
   
   
     <property>
       <name>yarn.nodemanager.log.retain-secondsname>
       <value>10800value>
       <description>Default time (in seconds) to retain log files on the NodeManager Only applicable if log-aggregation is disabled.description>
     property>
   
   
   
     <property>
       <name>yarn.nodemanager.aux-servicesname>
       <value>mapreduce_shufflevalue>
       <description>Shuffle service that needs to be set for Map Reduce applications.description>
     property>
   configuration>
   

9. 修改workers文件

   # 全部内容如下
   node1
   node2
   node3
   

10. 分发hadoop到其它机器

# 在node1执行
cd /export/server

scp -r hadoop-3.3.0 node2:`pwd`/
scp -r hadoop-3.3.0 node2:`pwd`/

11. 在node2、node3执行

    # 创建软链接
    ln -s /export/server/hadoop-3.3.0 /export/server/hadoop
    

12. 创建所需目录

    • 在node1执行：

      mkdir -p /data/nn
      mkdir -p /data/dn
      mkdir -p /data/nm-log
      mkdir -p /data/nm-local
      

    • 在node2执行：

      mkdir -p /data/dn
      mkdir -p /data/nm-log
      mkdir -p /data/nm-local
      

    • 在node3执行：

      mkdir -p /data/dn
      mkdir -p /data/nm-log
      mkdir -p /data/nm-local
      

13. 配置环境变量

    在node1、node2、node3修改/etc/profile

    export HADOOP_HOME=/export/server/hadoop
    export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
    

    执行source /etc/profile生效

14. 格式化NameNode，在node1执行

    hadoop namenode -format
    

    hadoop这个命令来自于：$HADOOP_HOME/bin中的程序

    由于配置了环境变量PATH，所以可以在任意位置执行hadoop命令哦

15. 启动hadoop的hdfs集群，在node1执行即可

    start-dfs.sh
    
    # 如需停止可以执行
    stop-dfs.sh
    

    start-dfs.sh这个命令来自于：$HADOOP_HOME/sbin中的程序

    由于配置了环境变量PATH，所以可以在任意位置执行start-dfs.sh命令哦

16. 启动hadoop的yarn集群，在node1执行即可

    start-yarn.sh
    
    # 如需停止可以执行
    stop-yarn.sh
    

17. 启动历史服务器

    mapred --daemon start historyserver
    
    # 如需停止将start更换为stop
    

18. 启动web代理服务器

    yarn-daemon.sh start proxyserver
    
    # 如需停止将start更换为stop
    

验证Hadoop集群运行情况

1. 在node1、node2、node3上通过jps验证进程是否都启动成功

2. 验证HDFS，浏览器打开：http://node1:9870

   创建文件test.txt，随意填入内容，并执行：

   hadoop fs -put test.txt /test.txt
   
   hadoop fs -cat /test.txt
   

3. 验证YARN，浏览器打开：http://node1:8088

   执行：

   # 创建文件words.txt，填入如下内容
   itheima itcast hadoop
   itheima hadoop hadoop
   itheima itcast
   
   # 将文件上传到HDFS中
   hadoop fs -put words.txt /words.txt
   
   # 执行如下命令验证YARN是否正常
   hadoop jar /export/server/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount -Dmapred.job.queue.name=root.root /words.txt /output