网站导航
> 文档中心 > 大型分布式存储系统架构 之 Apache Hadoop 完全分布式集群搭建

大型分布式存储系统架构 之 Apache Hadoop 完全分布式集群搭建

网友: 文档中心 2022-04-16 19:48:44

Apache Hadoop 完全分布式集群搭建

  • 软件和操作系统版本
    Hadoop框架是采用Java语言编写，需要java环境（jvm）JDK版本：JDK8版本

  • Hadoop搭建方式（统一使用vmware虚拟机虚拟三台linux节点，linux操作系统：Centos7）

    • 单机模式：单节点模式，非集群，生产不会使用这种方式
    • 单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
    • 完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）

虚拟机环境准备

  1. 三台虚拟机（静态IP，关闭防火墙，修改主机名，配置免密登录，集群时间同步）

  2. 在/opt目录下创建文件夹

    mkdir -p /opt/learn/software --软件安装包存放目录 mkdir -p /opt/learn/servers --软件安装目录

  3. Hadoop下载地址，Hadoop官网地址

  4. 上传hadoop安装文件到/opt/learn/software

集群规划

框架 linux121 linux122 linux123
HDFS NameNode、DataNode DataNode SecondaryNameNode、DataNode
YARN NodeManager NodeManager NodeManager、ResourceManager

安装Hadoop

  • 登录linux121节点；进入/opt/learn/software，解压安装文件到/opt/learn/servers

    cd /opt/learn/softwaretar -zxvf hadoop-2.9.2.tar.gz -C /opt/learn/servers

  • 查看是否解压成功

    ll /opt/learn/servers/hadoop-2.9.2

  • 添加Hadoop到环境变量 vim /etc/profile

    ##HADOOP_HOME export HADOOP_HOME=/opt/learn/servers/hadoop-2.9.2 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin

  • 使环境变量生效

    source /etc/profile

  • 验证hadoop

    hadoop version

    检验结果：
    大型分布式存储系统架构 之 Apache Hadoop 完全分布式集群搭建

  • hadoop目录

drwxr-xr-x. 2 root root 194 Nov 13 2018 bin drwxr-xr-x. 3 root root 20 Nov 13 2018 etc drwxr-xr-x. 2 root root 106 Nov 13 2018 includedrwxr-xr-x. 3 root root 20 Nov 13 2018 lib drwxr-xr-x. 2 root root 239 Nov 13 2018 libexec -rw-r--r--. 1 root root 106210 Nov 13 2018 LICENSE.txt -rw-r--r--. 1 root root 15917 Nov 13 2018 NOTICE.txt -rw-r--r--. 1 root root 1366 Nov 13 2018 README.txt drwxr-xr-x. 3 root root 4096 Nov 13 2018 sbin drwxr-xr-x. 4 root root 31 Nov 13 2018 share 1. bin目录：对Hadoop进行操作的相关命令，如hadoop,hdfs等 2. etc目录：Hadoop的配置文件目录，入hdfs-site.xml,core-site.xml等3. lib目录：Hadoop本地库（解压缩的依赖） 4. sbin目录：存放的是Hadoop集群启动停止相关脚本，命令 5. share目录：Hadoop的一些jar,官方案例jar，文档等

集群配置

Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置

  • HDFS集群配置

    • 将JDK路径明确配置给HDFS（修改hadoop-env.sh）

      cd /opt/learn/servers/hadoop-2.9.2/etc/hadoopvim hadoop-env.sh export JAVA_HOME=/opt/learn/servers/jdk1.8.0_231

    • 指定NameNode节点以及数据存储目录（修改core-site.xml，默认配置地址）

      vim core-site.xml
      <property> <name>fs.defaultFS</name> <value>hdfs://linux121:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/opt/learn/servers/hadoop-2.9.2/data/tmp</value> </property>

    • 指定SecondaryNameNode节点（修改hdfs-site.xml），官方默认配置

      vim hdfs-site.xml
       <property> <name>dfs.namenode.secondary.http-address</name> <value>linux123:50090</value> </property>  <property><name>dfs.replication</name> <value>3</value> </property>

    • 指定DataNode从节点（修改etc/hadoop/slaves文件，每个节点配置信息占一行）

      vim slaves linux121 linux122 linux123

      注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

  • MapReduce集群配置

    • 将JDK路径明确配置给MapReduce（修改mapred-env.sh）

      vim mapred-env.sh export JAVA_HOME=/opt/learn/servers/jdk1.8.0_231

    • 指定MapReduce计算框架运行Yarn资源调度框架（修改mapred-site.xml，默认配置）

      mv mapred-site.xml.template mapred-site.xml vim mapred-site.xml 
       <property><name>mapreduce.framework.name</name> <value>yarn</value> </property>

  • Yarn集群配置

    • 将JDK路径明确配置给Yarn（修改yarn-env.sh）

      vim yarn-env.shexport JAVA_HOME=/opt/learn/servers/jdk1.8.0_231

    • 指定ResourceManager老大节点所在计算机节点（修改yarn-site.xml，默认配置）

      vim yarn-site.xml
      <property><name>yarn.resourcemanager.hostname</name> <value>linux123</value> </property>  <property><name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property>

    • 指定NodeManager节点（会通过slaves文件内容确定）

注意：
Hadoop安装目录所属用户和所属用户组信息，默认是501 dialout，而我们操作Hadoop集群的用户使用的是虚拟机的root用户，所以为了避免出现信息混乱，修改Hadoop安装目录所属用户和用户组！！

chown -R root:root /opt/learn/servers/hadoop-2.9.2

分发配置

编写集群分发脚本rsync-script

  • rsync 远程同步工具
    rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。
    rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。

    • 基本语法

      rsync  -rvl  $pdir/$fname      $user@$host:$pdir/$fname

      命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称

    • 选项参数说明

    选项 功能
    -r 递归
    -v 显示复制过程
    -l 拷贝符号连接

  • rsync案例

    • 三台虚拟机安装rsync (执行安装需要保证机器联网)

      [root@linux121 ~]# yum install -y rsync

    • 把linux121机器上的/opt/learn/software目录同步到linux122服务器的root用户下的/opt/目录

      [root@linux121 opt]$ rsync -rvl /opt/learn/software/ root@linux122:/opt/learn/software

  • 集群分发脚本编写

    • 循环复制文件到集群所有节点的相同目录下
      rsync命令原始拷贝：

      rsync -rvl /opt/module root@linux123:/opt/

    • 期望脚本
      脚本+要同步的文件名称

    • 说明：在/usr/local/bin这个目录下存放的脚本，root用户可以在系统任何地方直接执行

    • 脚本实现
      在/usr/local/bin目录下创建文件rsync-script，文件内容如下

      [root@linux121 bin]$ touch rsync-script [root@linux121 bin]$ vim rsync-script

      • 在文件中编写shell代码

        #!/bin/bash #1 获取命令输入参数的个数，如果个数为0，直接退出命令 paramnum=$# if((paramnum==0)); then echo no params; exit; fi#2 根据传入参数获取文件名称 p1=$1 file_name=`basename $p1` echo fname=$file_name #3 获取输入参数的绝对路径 pdir=`cd -P $(dirname $p1); pwd` echo pdir=$pdir #4 获取用户名称 user=`whoami` #5 循环执行rsync for((host=121; host<124; host++)); do echo ------------------- linux$host -------------- rsync -rvl $pdir/$file_name $user@linux$host:$pdir done

      • 修改脚本 rsync-script 具有执行权限

        [root@linux121 bin]$ chmod 777 rsync-script

      • 调用脚本形式：rsync-script 文件名称

        [root@linux121 bin]$ rsync-script /home/root/bin

      • 调用脚本分发Hadoop安装目录到其它节点

        [root@linux121 bin]$ rsync-script /opt/learn/servers/hadoop-2.9.2

启动集群

注意：如果集群是第一次启动，需要在Namenode所在节点格式化NameNode，非第一次不用执行格式化Namenode操作！！

单节点启动

[root@linux121 hadoop-2.9.2]$ hadoop namenode -format

格式化命令执行效果：
在这里插入图片描述
格式化后创建的文件：/opt/learn/servers/hadoop-2.9.2/data/tmp/dfs/name/current
在这里插入图片描述

  1. 在linux121上启动NameNode

    [root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode [root@linux121 hadoop-2.9.2]$ jps

  2. 在linux121、linux122以及linux123上分别启动DataNode

    [root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@linux121 hadoop-2.9.2]$ jps 3461 NameNode 3608 Jps 3561 DataNode[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@linux122 hadoop-2.9.2]$ jps 3190 DataNode 3279 Jps [root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@linux123 hadoop-2.9.2]$ jps 3237 Jps 3163 DataNode

  3. web端查看Hdfs界面
    在这里插入图片描述

  4. 查看HDFS集群正常节点
    在这里插入图片描述

  5. Yarn集群单节点启动

    [root@linux123 servers]# yarn-daemon.sh start resourcemanager[root@linux123 servers]# jps 7881 ResourceManager 8094 Jps [root@linux122 servers]# yarn-daemon.sh start nodemanager [root@linux122 servers]# jps 8166 NodeManager 8223 Jps [root@linux121 servers]# yarn-daemon.sh start nodemanager [root@linux121 servers]# jps 8166 NodeManager 8223 Jps

集群群起

  1. 如果已经单节点方式启动了Hadoop,可以先停止之前的启动的Namenode与Datanode进程,如果之前Namenode没有执行格式化，这里需要执行格式化!!!

    hadoop namenode -format

  2. 启动HDFS

    [root@linux121 hadoop-2.9.2]$ sbin/start-dfs.sh [root@linux121 hadoop-2.9.2]$ jps 4166 NameNode 4482 Jps 4263 DataNode[root@linux122 hadoop-2.9.2]$ jps 3218 DataNode 3288 Jps [root@linux123 hadoop-2.9.2]$ jps 3221 DataNode 3283 SecondaryNameNode 3364 Jps

  3. 启动YARN

    [root@linux123 hadoop-2.9.2]$ sbin/start-yarn.sh

注意：NameNode和ResourceManger不是在同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

Hadoop集群启动停止命令汇总

  1. 各个服务组件逐一启动/停止

    1. 分别启动/停止HDFS组件

      hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode

    2. 启动/停止YARN

      yarn-daemon.sh start / stop resourcemanager / nodemanager
  2. 各个模块分开启动/停止（配置ssh是前提）常用

    1. 整体启动/停止HDFS

      start-dfs.sh / stop-dfs.sh

    2. 整体启动/停止YARN

      start-yarn.sh / stop-yarn.sh

集群测试

  1. HDFS 分布式存储初体验
    从linux本地文件系统上传下载文件验证HDFS集群工作正常

    hdfs dfs -mkdir -p /test/input #本地hoome目录创建一个文件cd /root vim test.txt hello hdfs #上传linxu文件到Hdfs hdfs dfs -put /root/test.txt /test/input #从Hdfs下载文件到linux本地 hdfs dfs -get /test/input/test.txt

  2. MapReduce 分布式计算初体验

    • 在HDFS文件系统根目录下面创建一个wcinput文件夹

      [root@linux121 hadoop-2.9.2]$ hdfs dfs -mkdir /wcinput

    • 在/root/目录下创建一个wc.txt文件(本地文件系统)

      [root@linux121 hadoop-2.9.2]$ cd /root/ [root@linux121 wcinput]$ touch wc.txt

    • 编辑wc.txt文件

      [root@linux121 wcinput]$ vi wc.txt

    • 在文件中输入如下内容

      hadoop mapreduce yarn hdfs hadoop mapreduce mapreduce yarn learnlearnlearn

    • 保存退出

      : wq!

    • 上传wc.txt到Hdfs目录/wcinput下

      hdfs dfs -put wc.txt /wcinput

    • 回到Hadoop目录/opt/learn/servers/hadoop-2.9.2

    • 执行程序

      [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

    • 查看结果

      [root@linux121 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000 hadoop 2 hdfs 1 learn 3 mapreduce 3 yarn 2

配置历史服务器

在Yarn中运行的任务产生的日志数据不能查看，为了查看程序的历史运行情况，需要配置一下历史日志服务器。具体配置步骤如下

  1. 配置mapred-site.xml

    [root@linux121 hadoop]$ vi mapred-site.xml

    在该文件里面增加如下配置。

     <property> <name>mapreduce.jobhistory.address</name> <value>linux121:10020</value> </property>  <property> <name>mapreduce.jobhistory.webapp.address</name> <value>linux121:19888</value> </property>

  2. 分发mapred-site.xml到其它节点

    rsync-script mapred-site.xml

  3. 启动历史服务器

    [root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

  4. 查看历史服务器是否启动

    [root@linux121 hadoop-2.9.2]$ jps

  5. 查看JobHistory

    http://linux121:19888/jobhistory

配置日志的聚集

日志聚集：应用(Job)运行完成以后，将应用运行日志信息从各个task汇总上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和
HistoryManager。

开启日志聚集功能具体步骤如下：

  1. 配置yarn-site.xml

    [root@linux121 hadoop]$ vi yarn-site.xml

    在该文件里面增加如下配置。

    <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property>  <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property>

  2. 分发yarn-site.xml到集群其它节点

    rsync-script yarn-site.xml

  3. 关闭NodeManager 、ResourceManager和HistoryManager

    [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop resourcemanager [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop nodemanager [root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver

  4. 删除HDFS上已经存在的输出文件

    [root@linux121 hadoop-2.9.2]$ bin/hdfs dfs -rm -R /wcoutput

  5. 执行WordCount程序

    [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop- mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

  6. 查看日志，如图所示
    在这里插入图片描述
    在这里插入图片描述

网络标签：

相关问题