hadoop完全分布式搭建

hadoop完全分布式搭建

1 完全分布式介绍

Hadoop运行模式包括：本地模式（计算的数据存在Linux本地，在一台服务器上 自己测试）、伪分布式模式（和集群接轨 HDFS yarn，在一台服务器上执行）、完全分布式模式。

本地模式：（hadoop默认安装后启动就是本地模式，就是将来的数据存在Linux本地，并且运行MR程序的时候也是在本地机器上运行）

伪分布式模式：伪分布式其实就只在一台机器上启动HDFS集群，启动YARN集群，并且数据存在HDFS集群上，以及运行MR程序也是在YARN上运行，计算后的结果也是输出到HDFS上。本质上就是利用一台服务器中多个java进程去模拟多个服务

完全分布式：完全分布式其实就是多台机器上分别启动HDFS集群，启动YARN集群，并且数据存在HDFS集群上的以及运行MR程序也是在YARN上运行，计算后的结果也是输出到HDFS上。

在真实的企业环境中，服务器集群会使用到多台机器，共同配合，来构建一个完整的分布式文件系统。而在这样的分布式文件系统HDFS相关的守护进程也会分布在不同的机器上，例如：

• NameNode守护进程，尽可能的单独部署在一台硬件性能较好的机器中。
• 其他的每台机器上都会部署一个Datanode守护进程，一般的硬件环境即可。
• SecondaryNameNode守护进程最好不要和NameNode在同一台机器上

2 部署环境

2.1 搭建环境&软件

软件 & 平台	备注
宿主系统	windows10
虚拟机软件、系统	vmware17，centos7.5
虚拟机	主机名：node1， ip：192.168.149.111 主机名：node2 ， ip：192.168.149.112 主机名：node3 ， ip：192.168.149.113
hadoop版本	hadoop-3.3.0-Centos7-64-with-snappy.tar.gz
SSH远程连接工具	xshell7
软件安装包上传路径	/export/software
软件安装路径	/export/software/jdk 、 /export/software/hadoop
jdk环境	jdk-8u241-linux-x64

2.2 守护进程布局

	NameNode	DataNode	SecondaryNameNode
hadoop1	√	√
hadoop2		√
hadoop3		√	√

3 准备工作

1. 三台机器的防火墙必须是关闭的.
2. 确保三台机器的网络配置畅通(NAT模式，静态IP，主机名的配置)
3. 确保/etc/hosts文件配置了ip和hostname的映射关系
4. 确保配置了三台机器的免密登陆认证（克隆会更加方便）
5. 确保所有机器时间同步
6. jdk和hadoop的环境变量配置

3.0 安装ifconfig 和vim

如果没有ifconfig
yum search ifconfig
yum install net-tools.x86_64

yum -y install vim

3.1 关闭防火墙

# 三台虚拟机均操作
systemctl status firewalld  # 查看防火墙状态
systemctl stop firewalld    # 关闭防火墙
systemctl disable firewalld # 禁止使用防火墙

3.2 配置静态ip

# 三台虚拟机均操作
vim/etc/sysconfig/network-scripts/ifcfg-ens32 

IPADDR="192.168.149.111"
NETMASK="255.255.255.0"
GATEWAY="192.168.149.2"
DNS1="114.114.114.114"

3.3 配置hostname的映射关系

# 三台虚拟机均操作
# 1. 修改主机名
vim /etc/hostname
node1

# 或者 
hostnamectl --static set-hostname node1

# 2. 修改映射
vim /etc/hosts

127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

192.168.149.111 node1
192.168.149.112 node2
192.168.149.113 node3

3.4 免密登陆认证

# ssh免密登录（只需要配置node1至node1、node2、node3即可）

	# 1. node1生成公钥私钥 (一路回车)
	ssh-keygen  
	
	# 2. node1配置免密登录到node1 node2 node3
	ssh-copy-id node1
	ssh-copy-id node2
	ssh-copy-id node3
	sh
	# 如果失败，查看/root目录下的.ssh
	ls -la
	# 将已有的.ssh删除，重复上述操作
	
	 # 3. 进行验证 
	 ssh node1
	 ssh node2
	 ssh node3
	 
# 同时配置其余两台机器

3.5 时间同步

# 集群时间同步
yum -y install ntpdate
ntpdate ntp5.aliyun.com

3.6 jdk环境变量配置

# 1. 将jdk安装包上传到/export/software/jdk
# 2. 解压jdk安装包
tar -xvf  jdk-8u241-linux-x64.tar.gz 

# 3. 配置环境变量
vim /etc/profile
	
export JAVA_HOME=/export/software/jdk/jdk1.8.0_241
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
	
# 4. 重新加载环境变量文件
source /etc/profile

# 5. 查看jdk环境
java -version

3.7 hadoop安装与环境变量配置

# 1. 将hadoop安装包上传到/export/software/hadoop
# 2. 解压hadoop
tar -zxvf hadoop-3.3.0-Centos7-64-with-snappy.tar.gz 
# 3 .配置环境变量
vim /etc/profile

export HADOOP_HOME=/export/software/hadoop/hadoop-3.3.0
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile

4 hadoop文件配置

配置文件位置： /$HADOOP_HOME/etc/hadoop

4.1 core-site.xml

<!-- 设置namenode节点 -->
<!-- 设置默认使用的文件系统 Hadoop支持file、HDFS、GFS、ali|Amazon云等文件系统 -->
<!-- 注意: hadoop1.x时代默认端口9000 hadoop2.x时代默认端口8020 hadoop3.x时代默认端口 9820 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://node1:9820</value>
</property>

<!-- 设置Hadoop本地保存数据路径 
	 hdfs基础路径，被其他属性所依赖的路径
-->
<property>
    <name>hadoop.tmp.dir</name>
    <value>/export/software/hadoop/hadoop-3.3.0/tmp</value>
</property>

<!-- 设置HDFS web UI用户身份 -->
<property>
    <name>hadoop.http.staticuser.user</name>
    <value>root</value>
</property>

<!-- 整合hive 用户代理设置 -->
<property>
    <name>hadoop.proxyuser.root.hosts</name>
    <value>*</value>
</property>

<property>
    <name>hadoop.proxyuser.root.groups</name>
    <value>*</value>
</property>

<!-- 文件系统垃圾桶保存时间 -->
<property>
    <name>fs.trash.interval</name>
    <value>1440</value>
</property>

4.2 hdfs-site.xml

<!-- 块的副本数量 --> 
<property> 
    <name>dfs.replication</name> 
    <value>3</value>
</property> 

<!-- 设置SNN进程运行机器位置信息
secondarynamenode守护进程的http地址：主机名和端口号。参考守护进程布局 --> 
<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>node2:9868</value>
</property>

<!-- namenode守护进程的http地址：主机名和端口号。参考守护进程布局 --> 
<property> 
    <name>dfs.namenode.http-address</name>
    <value>node1:9870</value> 
</property>

4.3 hadoop-env.sh

#文件最后添加
export JAVA_HOME=/export/software/jdk/jdk1.8.0_241

# Hadoop3中，需要添加如下配置，设置启动集群角色的用户是谁
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 

4.4 workers

node1
node2
node3

4.5 mapred-site.xml

<!-- 设置MR程序默认运行模式： yarn集群模式 local本地模式 -->
<property>
  <name>mapreduce.framework.name</name>
  <value>yarn</value>
</property>

<!-- MR程序历史服务地址 -->
<property>
  <name>mapreduce.jobhistory.address</name>
  <value>node1:10020</value>
</property>
 
<!-- MR程序历史服务器web端地址 -->
<property>
  <name>mapreduce.jobhistory.webapp.address</name>
  <value>node1:19888</value>
</property>

<property>
  <name>yarn.app.mapreduce.am.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>

<property>
  <name>mapreduce.map.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>

<property>
  <name>mapreduce.reduce.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>

4.6 yarn-site.xml

<!-- 设置YARN集群主角色运行机器位置 -->
<property>
	<name>yarn.resourcemanager.hostname</name>
	<value>node1</value>
</property>

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

<!-- 是否将对容器实施物理内存限制 -->
<property>
    <name>yarn.nodemanager.pmem-check-enabled</name>
    <value>false</value>
</property>

<!-- 是否将对容器实施虚拟内存限制。 -->
<property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
</property>

<!-- 开启日志聚集 -->
<property>
  <name>yarn.log-aggregation-enable</name>
  <value>true</value>
</property>

<!-- 设置yarn历史服务器地址 -->
<property>
    <name>yarn.log.server.url</name>
    <value>http://node1:19888/jobhistory/logs</value>
</property>

<!-- 历史日志保存的时间 7天 -->
<property>
  <name>yarn.log-aggregation.retain-seconds</name>
  <value>604800</value>
</property>

5 启动hadoop

5.1 格式化namenode

（首次启动）格式化namenode

hdfs namenode -format

5.2 启动服务

start-dfs.sh # 启动HDFS所有进程(NameNode、SecondaryNameNode、DataNode)
stop-dfs.sh # 停止HDFS所有进程(NameNode、SecondaryNameNode、DataNode)

hadoop-daemon.sh start namenode # 只开启NameNode
hadoop-daemon.sh start secondarynamenode # 只开启SecondaryNameNode
hadoop-daemon.sh start datanode # 只开启DataNode

hadoop-daemon.sh stop namenode # 只关闭NameNode
hadoop-daemon.sh stop secondarynamenode # 只关闭SecondaryNameNode
hadoop-daemon.sh stop datanode # 只关闭DataNode


start-all.sh  # 启动所有服务
stop-all.sh   # 关闭所有服务

5.3 查看节点

jps

# node1
6371 NameNode
7461 Jps
7094 NodeManager
6519 DataNode
6942 ResourceManager

# node2
3617 DataNode
3938 Jps
3731 SecondaryNameNode
3815 NodeManager

# node3
3594 Jps
3355 DataNode
3471 NodeManager

5.4 开启页面

Web UI页面

• HDFS集群：http://192.168.149.111:9870/
• YARN集群：http://192.168.149.111:8088/