Hadoop集群搭建（完全分布式版本）

一、准备工作

• 三台虚拟机：master、node1、node2

• 时间同步

  ntpdate ntp.aliyun.com

• 调整时区

  cp  /usr/share/zoneinfo/Asia/Shanghai  /etc/localtime

• jdk1.8（三台都要配置）

  java -version

• 修改主机名

  三台分别执行 vim /etc/hostname 并将内容指定为对应的主机名

• 关闭防火墙：systemctl stop firewalld (三台机器都要检查) （第二步）

  • 查看防火墙状态：systemctl status firewalld （第一步）

  • 取消防火墙自启：systemctl disable firewalld （第三步）

• 静态IP配置（三台机器都要检查）

  • 直接使用图形化界面配置（不推荐）

  • 手动编辑配置文件进行配置

    1、编辑网络配置文件
    vim /etc/sysconfig/network-scripts/ifcfg-ens33
    ​
    TYPE=Ethernet
    BOOTPROTO=static
    HWADDR=00:0C:29:E2:B8:F2
    NAME=ens33
    DEVICE=ens33
    ONBOOT=yes
    IPADDR=192.168.190.100
    GATEWAY=192.168.190.2
    NETMASK=255.255.255.0
    DNS1=192.168.190.2
    DNS2=223.6.6.6
    ​
    需要修改：HWADDR（mac地址,centos7不需要手动指定mac地址）
            IPADDR（根据自己的网段，自定义IP地址）
            GATEWAY（根据自己的网段填写对应的网关地址）
    ​
    2、关闭NetworkManager，并取消开机自启
    systemctl stop NetworkManager
    systemctl disable NetworkManager
    ​
    3、（如果上面的网络做了操作）重启网络服务
    systemctl restart network

• 免密登录

  # 1、生成密钥
  ssh-keygen -t rsa
  # 2、配置免密登录
  ssh-copy-id master的ip地址
  ssh-copy-id node1的ip地址
  ssh-copy-id node2的IP地址
  # 3、测试免密登录
  ssh node1

• 配置好映射文件：/etc/hosts

  192.168.190.100 master
  192.168.190.101 node1
  192.168.190.102 node2

二、搭建Hadoop集群

NameNode：接受客户端的读/写服务,收集 DataNode 汇报的 Block 列表信息

DataNode：真实数据存储的地方（block）

SecondaryNameNode：做持久化的时候用到

进程	master（主）	node1（从）	node2（从）
NameNode	√
SecondaryNameNode	√
ResourceManager	√
DataNode		√	√
NodeManager		√	√

2.1 完全分布式搭建

1、上传安装包并解压

# 使用xftp上传压缩包至master的/usr/local/soft/
cd /urs/local/soft/
# 解压
tar -zxvf hadoop-2.7.6.tar.gz 

2、配置环境变量

vim /etc/profile
​
JAVA_HOME=/usr/local/soft/jdk1.8.0_171
HADOOP_HOME=/usr/local/soft/hadoop-2.7.6
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

​
# 重新加载环境变量
source /etc/profile 

3、修改Hadoop配置文件

• cd /usr/local/soft/hadoop-2.7.6/etc/hadoop/

• core-site.xml

  fs.defaultFS： 默认文件系统的名称。其方案和权限决定文件系统实现的URI。uri的方案确定命名文件系统实现类的配置属性（fs.scheme.impl）。uri的权限用于确定文件系统的主机、端口等。

  hadoop.tmp.dir：是 hadoop文件系统依赖的基本配置，很多配置路径都依赖它，它的默认位置是在 /tmp/{$user}下面，注意这是个临时目录！！！

  因此，它的持久化配置很重要的！ 如果选择默认，一旦因为断电等外在因素影响，/tmp/{$user}下的所有东西都会丢失。

  fs.trash.interval：启用垃圾箱配置，dfs命令删除的文件不会立即从HDFS中删除。相反，HDFS将其移动到垃圾目录（每个用户在/user//.Trash下都有自己的垃圾目录）。只要文件保留在垃圾箱中，文件可以快速恢复。

      
          fs.defaultFS
          hdfs://master:9000
      
  ​
      
          hadoop.tmp.dir
          /usr/local/soft/hadoop-2.7.6/tmp
      
  ​
      
          fs.trash.interval
          1440
      

• 

• hadoop-env.sh

  在JAVA_HOME=后填写自己的jdk路径

• hdfs-site.xml

• dfs.replication：每个datanode上只能存放一个副本。我这里就2个datanode

  dfs.permissions：如果为“true”，则在HDFS中启用权限检查。如果为“false”，则关闭权限检查，但所有其他行为保持不变。从一个参数值切换到另一个参数值不会更改文件或目录的模式、所有者或组。启用权限检查时会影响执行速度，不建议开启。

      
          dfs.replication
          1
      
  ​
      
          dfs.permissions
          false
      

• 

• mapred-site.xml.template

• mapreduce.framework.name：用于执行MapReduce作业的运行时框架。

  mapreduce.jobhistory.address：Hadoop自带了一个历史服务器，可以通过历史服务器查看已经运行完的Mapreduce作业记录，比如用了多少个Map、用了多少个Reduce、作业提交时间、作业启动时间、作业完成时间等信息。默认情况下，Hadoop历史服务器是没有启动的，我们可以通过*mr-jobhistory-daemon.sh start historyserver命令来启动Hadoop历史服务器。我们可以通过Hadoop jar的命令来实现我们的程序jar包的运行，关于运行的日志，我们一般都需要通过启动一个服务来进行查看，就是我们的JobHistoryServer，我们可以启动一个进程，专门用于查看我们的任务提交的日志。mapreduce.jobhistory.address和mapreduce.jobhistory.webapp.address默认的值分别是0.0.0.0:10020和0.0.0.0:19888

  # 1、重命名文件
  cp mapred-site.xml.template mapred-site.xml
  vim mapred-site.xml
  # 2、修改
      
          mapreduce.framework.name
          yarn
      
  ​
        
          mapreduce.jobhistory.address  
          master:10020  
        
  ​
        
          mapreduce.jobhistory.webapp.address  
          master:19888  
       

• 

• slaves

• 从节点的信息

  node1
  node2

• 

• yarn-site.xml

• yarn.resourcemanager.hostname：指定yarn主节点

yarn.nodemanager.aux-services：NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序。默认值：“”

yarn.log-aggregation-enable：yarn日志聚合功能开关

yarn.log-aggregation.retain-seconds：日志保留时限，默认7天

      
          yarn.resourcemanager.hostname
          master
      
  
      
          yarn.nodemanager.aux-services
          mapreduce_shuffle
      
  
      
          yarn.log-aggregation-enable
          true
      
  
      
          yarn.log-aggregation.retain-seconds
          604800
      

     

4、分发Hadoop到node1、node2

cd /usr/local/soft/
scp -r hadoop-2.7.6/ node1:`pwd`
scp -r hadoop-2.7.6/ node2:`pwd`

5、格式化namenode（第一次搭建完之后启动之前需要执行）（在主节点中执行！！！）

hdfs namenode -format

6、启动Hadoop集群

start-all.sh

7、检查master、node1、node2上的进程

• master：

  [root@master soft]# jps
  1618 ResourceManager
  1875 Jps
  1274 NameNode
  1466 SecondaryNameNode
  

• node1：

  [root@node1 jdk1.8.0_171]# jps
  2465 DataNode
  2694 Jps
  2573 NodeManager

• node2：

  [root@node2 ~]# jps
  2516 NodeManager
  2409 DataNode
  2649 Jps
  

• 此时如果发现有个别的进程没有启动，去到Hadoop安装目录下的log目录下查看对应进程的日志
  例如：namenode进程无法正常启动
  #查看日志最后的200行，找到无法启动的原因
  tail -n 200 hadoop-root-namenode-master.log

8、访问HDFS的WEB界面

http://master:50070

9、访问YARN的WEB界面

http://master:8088

Hadoop中的常见的shell命令
​
1、如何将linux本地的数据上传到HDFS中呢？
hadoop fs -put 本地的文件 HDFS中的目录
hdfs dfs -put 本地的文件 HDFS中的目录
​
2、如何创建HDFS中的文件夹呢？
需求：想创建/shujia/bigdata17
hadoop fs -mkdir /shujia/bigdata17
hdfs dfs -mkdir /shujia/bigdata17
​
3、查看当前HDFS目录下的文件和文件夹
hadoop fs -ls /shujia/bigdata17
hdfs dfs -ls /shujia/bigdata17
​
4、将HDFS的文件下载到Linux本地中
hadoop fs -get HDFS中的文件目录 本地要存放文件的目录
hdfs dfs -get HDFS中的文件目录 本地要存放文件的目录
​
5、删除命令（如果垃圾回收站大小小于被删除文件的大小，直接被删除，不经过回收站）
hadoop fs -rm ....  # 仅删除文件
hadoop fs -rmr .... # 删除文件夹
​
​
6、移动文件
hadoop fs -mv 目标文件  目的地路径
​
7、HDFS内部复制文件
hadoop fs -cp [-p] ... ... # 如果想复制文件夹，加上-p参数

强制格式化集群（遇到问题的简单暴力的方法）

1、停止正在运行的集群

stop-all.sh

2、删除所有节点hadoop根目录中的tmp文件夹

3、在主节点（master）中hadoop的根目录中的bin目录下，重新格式化HDFS

./hdfs namenode -format

4、启动集群

start-all.sh

2.2 进程理解

HDFS相关（NN,DN,SSN）

NameNode(NN)

功能：

1、接受客户端的读/写服务

因为NameNode知道数据文件与DataNode的对应关系

2、保存文件的时候会保存文件的元数据信息

a. 文件的归属

b. 文件的权限

c. 文件的大小，时间

d. Block信息，但是block的位置信息不会持久化，需要每次开启集群的时候DN向NN汇报。（带同学们画图讲解，引出这4个点）

3、收集Block的位置信息

3.1 系统启动

a. NN关机的时候是不会存储任何的Block与DataNode的映射信息的

b. DN启动的时候会自动将自己节点上存储的Block信息汇报给NN

c. NN接收请求之后会重新生成映射关系

File ----> Block

Block---> DN

d. 如果数据块的副本数小于设置数，那么NN会将这个副本拷贝到其他节点

3.2 集群运行中

a. NN与DN保持心跳机制，三秒钟发送一次

b. 如果客户端需要读取或者上传数据的时候，NN可以知道DN的健康情况

c. 可以让客户端读取存活的DN节点

d. 如果NN与DN三秒没有心跳则认为DN出现异常,此时不会让新的数据写到这个异常的DN中,客户端访问的时候不提供异常DN节点地址

e. 如果超过十分钟没有心跳，那么NN会将当前DN节点存储的数据转移到其他的节点

4、NameNode为了效率，将所有的操作都在内存中进行

a. 执行速度快

b. NameNode不会和磁盘进行任何的数据交换

但是会存在两个问题：

1）数据的持久化

2）数据保存在内存中，断电丢失

DataNode(DN)

1、存放的是文件的数据信息(block块的信息)，以及验证文件完整性的校验信息（.meta）

2、数据会存放在硬盘上

a. 1m=1条元数据

b. 1G=1条元数据

c. NameNode非常排斥存储小文件（能存，但是不推荐！！面试必问）

一般小文件在存储之前需要进行压缩,合并成大文件等操作

3、汇报

1）启动时

汇报之前会验证Block文件是否被损坏

向NN汇报当前DN上block的信息

2）运行中

向NN保持心跳机制

4、当客户端读写数据的时候，首先会先去NN查询file与block与DN的映射，然后客户端直接与DN建立连接，然后读写数据

SecondaryNameNode（SNN）

1、传统的内存持久化方案

1）日志机制

a. 做任何操作之前先记录日志

b. 在数据改变之前先记录对应的日志，当NN停止的时候

c. 当我下次启动的时候，只需要重新按照以前的日志“重做一遍”即可

缺点：

a. log日志文件的大小不可控，随着时间的发展，集群启动的时间会越来越长

b. 有可能日志中存在大量的无效日志

优点：

a. 绝对不会丢失数据

2）拍摄快照

a. 我们可以将内存中的数据写出到硬盘上（序列化）

b. 启动时还可以将硬盘上的数据写回到内存中（反序列化）

缺点：

a. 关机时间过长

b. 如果是异常关机，数据还在内存中，没法写入到硬盘

c. 如果写出的频率过高，导致内存使用效率低

优点：

启动时间较短

2、SNN的解决方案（面试题）

1）解决思路

a. 让日志大小可控（每64M）

b. 快照需要定时保存(每隔1h)

c. 日志+快照

 

2）解决方案

a. 当我们启动一个集群的时候，会产生4个文件 ..../name/current/

 

b. 我们每次操作都会记录日志-->edits-inprogress- edits_00000001，随着时间的推移，日志文件会越来越大-当达到阈值的时候（64M或3600秒），会生成新的日志文件，edits_inprogress-000000001 -->edits_0000001，创建新的日志文件 edits_inprogress-0000000016。

 

 

2.3 安全模式

安全模式是 HDFS 的一种工作状态，处于安全模式的状态下，只向客户端提供文件的只读视图，不接受对命名空间的修改；同时 NameNode 节点也不会进行数据块的复制或者删除， NameNode 启动时， 1）首先将镜像文件（ fsimage ）载入内存，并执行编辑日志（ edits ）中的各项操作。 2）一旦在内存中成功建立文件系统元数据的映射，则创建一个新的 fsimage 文件和一个空的编辑日志。 3）NameNode 开始监听 RPC 和 Http 请求。 4）此时 NameNode 处于安全模式，只接受客户端的读请求。

5）处于这个状态是为了保护数据的安全所以只能被客户端访问读取数据

# 对安全模式的理解
# 1.工作流程
    a.启动 NameNode，NameNode 加载 fsimage 到内存，对内存数据执行 edits log 日 志中的事务操作。
    b.文件系统元数据内存镜像加载完毕，进行 fsimage 和 edits log 日志的合并，并创 建新的 fsimage 文件和一个空的 edits log 日志文件。
    c.NameNode 等待 DataNode 上传 block 列表信息，直到副本数满足最小副本条件。
    d.当满足了最小副本条件，再过 30 秒，NameNode 就会退出安全模式。最小副本条件指 整个文件系统中有 99.9%的 block 达到了最小副本数（默认值是 1，可设置）
# 在 NameNode 安全模式（safemode）
    对文件系统元数据进行只读操作
    当文件的所有 block 信息具备的情况下，对文件进行只读操作
    不允许进行文件修改（写，删除或重命名文件）
# 2.注意事项
    a.NameNode 不会持久化 block 位置信息；DataNode 保存各自存储的 block 列表信息。 正常操作时，NameNode 在内存中有一个 blocks 位置的映射信息（所有文件的所有文 件块的位置映射信息）。
    b.NameNode 在安全模式，NameNode 需要给 DataNode 时间来上传 block 列表信息到 NameNode。如果 NameNode 不等待 DataNode 上传这些信息的话，则会在 DataNode 之间进行 block 的复制，而这在大多数情况下都是非必须的（因为只需要等待 DataNode 上传就行了），还会造成资源浪费。
    c.在安全模式 NameNode 不会要求 DataNode 复制或删除 block。
    d.新格式化的 HDFS 不进入安全模式，因为 DataNode 压根就没有 block。
# 4.命令操作
# 通过命令查看 namenode 是否处于安全模式：
hdfs dfsadmin -safemode get
Safe mode is ON HDFS 的前端 webUI 页面也可以查看 NameNode 是否处于安全模式。 有时候我们希望等待安全模式退出，之后进行文件的读写操作，尤其是在脚本中，此时：
`hdfs dfsadmin -safemode wait`
# your read or write command goes here 管理员有权在任何时间让 namenode 进入或退出安全模式。进入安全模式：
`hdfs dfsadmin -safemode enter`
Safe mode is ON 这 样 做 可 以 让 namenode 一 直 处 于 安 全 模 式 ， 也 可 以 设 置 `dfs.namenode.safemode.threshold-pct` 为 1 做到这一点。 离开安全模式：
`hdfs dfsadmin -safemode leave`
Safe mode is OFF

系统中的数据块的位置并不是由 NameNode 维护的，而是以块列表的形式存储在 DataNode 中。 [root@node01 ~]# rm -rf /var/yjx/hadoop/full/dfs/name/current/* [root@node01 ~]# scp -r root@node02:/var/yjx/hadoop/full/dfs/namesecondary/current/* /var/yjx/hadoop/full/dfs/name/current

安全模式下 a. 安全模式下，各个 DataNode 会向 NameNode 发送自身的数据块列表 b. 当 NameNode 有足够的数据块信息后，便在 30 秒后退出安全模式 c. NameNode 发现数据节点过少会启动数据块复制过程 如果 NN 收集的 Block 信息没有达到最少副本数，就会将缺失的副本 , 从有的 DN 上拷贝到其他 DN a. dfs.replication.min=2 b. 但是默认最低副本数为 1 c. 在拷贝的过程中系统还是处于安全模式 安全模式相关命令 hadoop dfsadmin -safemode leave 强制 NameNode 退出安全模式 hadoop dfsadmin -safemode enter 进入安全模式 hadoop dfsadmin -safemode get 查看安全模式状态 hadoop dfsadmin -safemode wait 等待一直到安全模式结束

2.4 HDFS的权限

HDFS对权限的控制

a. 只能防止好人做错事

b. 不能防止坏人做坏事

但是告诉你是谁，他就认为你是谁！！

2.5 机架感知

机架感知是为了保证副本在集群中的安全性 我们需要将block块下放在不同的DN节点上，节点也需要一定的考量 可靠性，可用性，带宽消耗 第一个节点： 集群内部（优先考虑和客户端相同的节点作为第一个节点） 集群外部（选择资源丰富且不繁忙的节点作为第一个节点） 第二个节点： 第二个节点选择与第一个节点不同机架的其他节点 第三个节点： 与第二个相同机架相同的其他节点 第N个节点： 与前面节点不重复的其他节点

第一种模式：

 

第二种模式：

 

2.6 HDFS的读写流程（重点！）

写数据

写数据就是将客户端上的数据上传到HDFS

2.6.1 宏观过程

 

1.客户端向HDFS发送写数据请求

hdfs dfs -put students.txt /shujia/

2. Filesystem通过rpc调用namenode的put方法

a. nn首先检查是否有足够的空间权限等条件创建这个文件,或者这个路径是否已经存在，权限

b. 有：NN会针对这个文件创建一个空的Entry对象,并返回成功状态给DFS

c. 没有：直接抛出对应的异常，给予客户端错误提示信息

3.如果DFS接收到成功的状态，会创建一个FSDataOutputStream的对象给客户端使用

4.客户端要向nn询问第一个Block存放的位置

NN通过机架感知策略 (node1 node 2 node3)

5.需要将客户端和DN节点创建连接

pipeline(管道)

客户端 和 node1 创建连接 socket node1 和 node2 创建连接 socket node2 和 Node3 创建连接 socket 6.客户端按照文件块切分数据，但是按照packet发送数据 默认一个packet大小为64K,Block128M为2048个packet

7.客户端通过pipeline管道开始使用FDSOutputStream对象将数据输出

   1. 客户端首先将一个 packet 发送给 node1, 同时给予 node1 一个 ack 状态
   2. node1接受数据后会将数据继续传递给 node2, 同时给予 node2 一个 ack 状态
   3. node2接受数据后会将数据继续传递给 node3, 同时给予 node3 一个 ack 状态
   4. node3将这个 packet 接受完成后，会响应这个 ack 给 node2 为 true
   5. node2会响应给 node1 , 同理 node1 响应给客户端

8.客户端接收到成功的状态 , 就认为某个 packet 发送成功了，直到当前块所有的 packet 都发送完成

1. 如果客户端接收到最后一个 pakcet 的成功状态 , 说明当前 block 传输完成，管道就会被撤销

2. 客户端会将这个消息传递给 NN ， NN 确认传输完成

1. NN会将 block 的信息记录到 Entry, 客户端会继续向 NN 询问第二个块的存储位置 , 依次类推

block1 (node1 node2 node3)

block2 (node1 node3 node6)

....

blockn(node1 node4 node6)

3. 当所有的 block 传输完成后， NN 在 Entry 中存储所有的 File 与 Block 与 DN 的映射关系关闭

FsDataOutPutStream

2.6.2 微观过程（如何保证package发送的时候不出错呢？）

 

1.客户端首先从自己的硬盘中以流的形式将自己的数据读取到缓存中 2.然后将缓存中的数据以chunk(512B)和checksum(4B)的方式放入到packet（64k)

1. chunk:checksum=128:1
2. checksum:在数据处理和数据通信领域中，用于校验目的的一组数据项的和
3. Packet中的数据分为两类，一类是实际数据包，另一类是 header 包。
4. 一个 Packet 数据包的组成结构（分两类，一类是实际的数据包，另一类是header包。）

一个数据包的组成结构：

 

参数理解：

 

3.（默认生成的快，发送的慢）当packet满的时候添加到dataqueue 4.datastreamer开始从dataqueue队列上读取一个packet,通过FDSDataOPS发送到Poepleline 在取出的时候，也会将 packet 加入到 ackQueue, 典型的生产者消费者模式

客户端发送一个 Packet 数据包以后开始接收 ack ，会有一个用来接收 ack 的 ResponseProcessor 进 程，如果收到成功的 ack

1. 如果某一个 packet 的 ack 为 true, 那么就从 ackqueue 删除掉这个 packet
2. 如果某一个 packet 的 ack 为 false, 将 ackqueue 中所有的 packet 重新挂载到 发送队列 , 重新发送

最终DFS保存的数据格式：

 

读数据

 

1.首先客户端发送请求到 DFS ，申请读取某一个文件 2.DFS 去 NN 查找这个文件的信息 ( 权限 , 文件是否存在 ) 如果文件不存在，抛出指定的错误 如果文件存在，返回成功状态 3.DFS 创建 FSDataInputStream 对象，客户端通过这个对象读取数据 4.客户端获取文件第一个 Block 信息 , 返回 DN1 DN2 DN8 5.客户端直接就近原则选择 DN1 对应的数据即可 6.依次类推读取其他块的信息，直到最后一个块 , 将 Block 合并成一个文件 7.关闭 FSDataInputStream