Hadoop 集群搭建

目录

  • 集群简介

  • 服务器准备

  • 环境和服务器设置

  • JDK环境安装

  • Hadoop安装部署

  • 启动集群

  • 测试

集群简介

在进行集群搭建前，我们需要大概知道搭建的集群都是些啥玩意。

HADOOP集群具体来说包含两个集群：HDFS集群和YARN集群，两者在逻辑上分离，但物理上常在一起（啥意思？就是说：HDFS集群和YARN集群，他们俩是两个不同的玩意，但很多时候都会部署在同一台物理机器上）

  • HDFS集群：负责海量数据的存储，集群中的角色主要有

  • NameNode （DataNode的管理者，负责保存元数据）

  • DataNode （负责保存具体的数据内容）

  • YARN集群：负责海量数据运算时的资源调度，集群中的角色主要有

  • ResourceManager （NodeManager的管理者，负责NodeManager的调用等）

  • NodeManager （当ResourceManager进行调用时，负责调用本地的运算资源等）

那mapreduce是什么呢？它其实是集群中一个应用程序开发包，放在yarn集群上面跑。

搭建构思

本集群搭建案例，以3节点为例进行搭建，角色分配如下：

服务器 角色1 角色2 角色3
note1 NameNode ResourceManager
note2 DataNode NodeManager SecondaryNameNode
note3 DataNode NodeManager

解析：

note1服务器担任的角色为NameNode和ResourceManager（即note1服务器为HDFS集群的NameNode节点，同时也是YARN集群的ResourceManager节点）
note2 服务器担任的角色为 DataNode 、 NodeManager 和 SecondaryNameNode（同上）
note3 服务器担任的角色为 DataNode 和 NodeManager（同上）

(ps:本来节点名字想打node的，错打成note，懒得改.)

服务器准备

本案例使用虚拟机服务器来搭建HADOOP集群，所用软件及版本：

  • Vmware12.0

  • Centos6.5 64bit

下载安装过程就省略啦，网上链接和教程一大把。

环境和服务器设置

在进行网络准备的前提，是安装Vmware，新建三台虚拟机。

注：以下操作在root用户下操作。

  • 配置虚拟机桥接方式，采用NAT方式联网

  • 配置Linux的网络配置文件，具体设置步骤如下：

  • 1、配置/etc/sysconfig/network-scripts/ifcfg-eth0

     `shell> su root #切换为root用户`   `shell> vi /etc/sysconfig/network-scripts/ifcfg-eth0 #编辑配置文件`  配置内容如下(修改下面有值的项，没有的加上)： > DEVICE="..."   > BOOTPROTO="static" #设置为静态IP   > HWADDR="....."   > IPV6INIT="..."   > NM_CONTROLLED="...."   > ONBOOT="yes"   > TYPE="......"   > UUID=".........."   > IPADDR="192.168.88.3" #IP地址   > NETMASK="255.255.255.0" # 子网掩码   > GATEWAY="192.168.88.1" #网关地址

  • 2、重启网络服务，使配置生效。

     `shell> service network restart # 重启网络服务`

  • 添加hadoop用户并添加sudo权限

    shell> useradd hadoop #添加用户hadoop 

    shell> passwd hadoop #设置用户hadoop的密码 
    shell> chmod u+w /etc/sudoers # 添加写权限
    shell> vi /etc/sudoers

    进入编辑模式，找到这一 行："root ALL=(ALL) ALL"在起下面添加"hadoop ALL=(ALL) ALL"，然后保存退出。

    shell> chmod u-w /etc/sudoers #撤销写权限

  • 设置服务器时间同步

    date -s "2016-08-18 12:21:00

  • 修改主机名

    shell> vi /etc/sysconfig/network

    配置内容如下:

    NETWORKING=yes

    HOSTNAME=note1

  • 配置内网域名映射

    配置/etc/hosts配置文件:

    shell> vi /etc/hosts

    配置内容如下：

    192.168.88.3 note1

    192.168.88.4 note2
    192.168.88.5 note3

  • 配置ssh免密登陆

    生成ssh免登陆密钥
    shell> cd ~/.ssh #进入到我的home目录 
    shell> ssh-keygen -t rsa #（四个回车）

    执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）

    将公钥拷贝到要免密登陆的目标机器上
    shell> ssh-copy-id localhost

  • 配置防火墙

    因为需要进行免密登录，所以要对防火墙进行关闭。
    shell> service iptables status #查看防火墙状态 
    shell> service iptables stop #关闭防火墙 
    shell> chkconfig iptables --list #查看防火墙开机启动状态 
    shell> chkconfig iptables off #关闭防火墙开机启动 
    shell> reboot # 重启

JDK环境安装

  • 解压jdk

    创建一个目录app来放置解压后的文件
    shell> mkdir /home/hadoop/app #创建文件夹 
    shell> tar -zxvf jdk-7u55-linux-i586.tar.gz -C /home/hadoop/app #解压

  • 配置环境变量

    解压完毕后需要将java添加到环境变量中，并使其生效
    shell> vi /etc/profile 
    在文件最后添加一下内容：

    export JAVA_HOME=/home/hadoop/app/jdk-7u_65-i585

    export PATH=$PATH:$JAVA_HOME/bin

    刷新配置,使其生效

    shell> source /etc/profile

Hadoop安装部署

  • 解压Hadoop安装包

    解压到app目录下

    shell> tar -zxvf hadoop-2.7.3.tar.gz -C /home/hadoop/app #解压

  • 修改配置文件

    配置文件都放在解压目录下的etc/hadoop/目录下（我这里的目录为/home/hadoop/app/hadoop-2.7.3/etc/hadoop/）,但我们只对一部分的项进行配置，没有配置的项都将使用默认值。配置项是以xml的格式来进行的，最简化配置如下：

  • 配置hadoop-env.sh

    shell> vi hadoop-env.sh

    在hadoop-env.sh配置文件中加入以下内容：

    export JAVA_HOME=/home/hadoop/apps/jdk1.7.0_51 # JDK路径

  • 配置core-site.xml

    shell> vi core-site.xml

    在core-site.xml配置文件中加入以下内容：

    <configuration> 

    `<property>` `<name>fs.defaultFS</name>` `<value>hdfs://note1:9000</value>` `</property>` 
    <property> 
    <name>hadoop.tmp.dir</name> 
    <value>/home/HADOOP/apps/hadoop-2.6.1/tmp</value> 
    </property> 
    </configuration>

  • 配置hdfs-site.xml

    在用户目录下（/home/hadoop）创建一个data目录，用来存放HDFS产生的数据。然后对hdfs-site.xml进行配置
    shell> mkdir /home/hadoop/data 
    shell> vi hdfs-site.xml

    在hdfs-site.xml配置文件中加入以下内容：

    <configuration> 

    `<property>` `<name>dfs.namenode.name.dir</name>` `<value>/home/hadoop/data/name</value>` `</property>`
    <property> 
    <name>dfs.datanode.data.dir</name> 
    <value>/home/hadoop/data/data</value> 
    </property> 
    `<property>` `<name>dfs.replication</name>` `<value>3</value>` `</property>` 
    <property> 
    <name>dfs.secondary.http.address</name> 
    <value>note2:50090</value> 
    </property> 
    </configuration>

  • 配置mapred-site.xml

    shell> vi mapred-site.xml

    在mapred-site.xml配置文件中加入以下内容：

    <configuration> 

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

  • 配置yarn-site.xml

    shell> vi yarn-site.xml

    在yarn-site.xml配置文件中加入以下内容：

    <configuration>

    `<property>` `<name>yarn.resourcemanager.hostname</name>` `<value>hadoop01</value>` `</property>`
    <property> 
    <name>yarn.nodemanager.aux-services</name> 
    <value>mapreduce_shuffle</value> 
    </property> 
    </configuration>

  • 配置salves

    salves文件配置的内容是集群的主机地址
    shell> vi salves

    在salves配置文件中加入以下内容：

    note1 #主机名，通过/etc/hosts文件映射为IP地址

    note2
    note3

注意：以上所有配置（除了免密登录外，免密登录只需要在NameNode节点配置即可）都要在所有节点服务器进行配置。

启动集群

  • 初始化HDFS集群

    bin/hadoop namenode -format

  • 启动HDFS集群

    sbin/start-dfs.sh

  • 启动YARN集群

    sbin/start-yarn.sh

当然，你也可以使用sbin/start-all.sh这个命令同时把HDFS和YARN集群启动，但是在做实验时不建议这样做，因为这样启动出现问题就不好定位了。在实际生产中，如果集群数量比较大，可以使用脚本进行启动。

注意：一般情况下HDFS和YARN集群的主节点（NameNode和ResourceManager物理上都是在同一服务器的）使用命令进行启动即可，其他节点会被主节点通过免密登录自动启动的。

测试

1、启动HDFS集群成功，通过jps命令查看，进程2521 为NameNode进程

700

启动HDFS集群

2、启动Yarn集群成功，通过jps命令查看，进程2803位 ResourceManager进程

700

启动yarn集群

3、在浏览器查看HDFS集群(访问主节点的50070端口即可)，浏览器中输入192.168.88.3:50070

700

HDFS集群信息

4、停止Hadoop集群，可以分别停止（分别使用stop-dfs.sh和stop-yarn.sh）,当然你也可以一步停止集群（使用stop-all.sh）

560

停止集群

至此，Hadoop集群搭建完毕。