Apache Hadoop 是一个支持数据密集型分布式应用程序的开源软件框架,能在大型集群上运行应用程序。Hadoop 框架实现了 MapReduce 编程范式,把应用程序分成许多小部分,每个部分能在任意节点上运行。并且 Hadoop 提供了分布式文件系统存储所有计算节点的数据,为集群带来非常高的带宽。
Apache Hadoop 是一个支持数据密集型分布式应用程序的开源软件框架,能在大型集群上运行应用程序。Hadoop 框架实现了 MapReduce 编程范式,把应用程序分成许多小部分,每个部分能在任意节点上运行。并且 Hadoop 提供了分布式文件系统存储所有计算节点的数据,为集群带来非常高的带宽。
本文几乎所有操作都需要在三台服务器上进行同样的操作,所以为了便于表示,在需要三台服务器上进行同样操作的时候会使用 x3 进行标注。
命令当中的 # 代表 root 用户执行。
命令当中的 $ 代表 hadoop 用户执行。
### 为该命令的注释。
注:可在一台机子上配置好后利用 scp 命令进行复制,若在虚拟机则可直接复制虚拟机。
NodeName | OS | CPU | RAM | Disk | IP |
---|---|---|---|---|---|
NameNode | CentOS 7.2 | E7-4830 v3 @ 2.10GHz x2 | 2G | 100G | 192.168.1.69 |
DataNode1 | CentOS 7.2 | E7-4830 v3 @ 2.10GHz x2 | 2G | 500G | 192.168.1.70 |
DataNode2 | CentOS 7.2 | E7-4830 v3 @ 2.10GHz x2 | 2G | 500G | 192.168.1.7 |
Software | Version |
---|---|
JDK | Oracle JDK 1.8.0_131(非OpenJDK) |
Hadoop | 2.8.0 |
# mkdir -p /usr/local/java
# cd /usr/local/java
# wget http://download.oracle.com/otn-pub/java/jdk/8u131-b11/d54c1d3a095b4ff2b6607d096fa80163/jdk-8u131-linux-x64.tar.gz
# tar -xvzf jdk-8u131-linux-x64.tar.gz
### 设置新的 JDK 为默认 JDK,如果机器已经安装 OpenJDK,可能需要先卸载。
# echo "export JAVA_HOME=/usr/local/java/jdk1.8.0_131/" >> /etc/profile
# echo "export PATH=$PATH:$JAVA_HOME/bin" >> /etc/profile
# source /etc/profile
# $JAVA_HOME/bin/java -version ### 测试运行
java version "1.8.0_131"Java(TM) SE Runtime Environment (build 1.8.0_131-b11)Java HotSpot(TM) 64-Bit Server VM (build 25.131-b11, mixed mode)
直接关闭整个防火墙不是一个明智的选择,在具体环境中应该挑选出需要的端口,进行放行,本文由于篇幅原因,不再详细讨论,故采用直接关闭防火墙的方法。
# systemctl stop firewalld.service
# systemctl disable firewalld.service
# hostnamectl set-hostname namenode ### 为 namenode 节点设置 hostname
# hostnamectl set-hostname datanode1 ### 为 datanode1 节点设置 hostname
# hostnamectl set-hostname datanode2 ### 为 datanode2 节点设置 hostname
# echo "192.168.1.69 namenode" >> /etc/hosts
# echo "192.168.1.70 datanode1" >> /etc/hosts
# echo "192.168.1.71 datanode2" >> /etc/hosts
# groupadd hadoop
# useradd -m -g hadoop hadoop
# passwd hadoop
Hadoop 在 namenode 节点中使用 ssh 来访问各节点服务器,例如开启或关闭 hadoop。显然在大型集群中,不可能手动逐个输入密码,在这种情况下,我们可以利用 ssh-agent 代理我们输入密码。
注:该设置只需要在 namenode 节点设置。
配置 ssh-agent 开机自动运行
# echo 'eval $(ssh-agent)' >> /etc/profile
# source /etc/profile
在 namenode 节点上登录 hadoop 用户
$ ssh-keygen -t rsa -f ~/.ssh/id_rsa ### 输入密钥
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ chmod 644 ~/.ssh/authorized_keys
$ ssh-copy-id datanode1 ### 将公钥 copy 到 datanode1
$ ssh-copy-id datanode2 ### 将公钥 copy 到 datanode2
$ ssh-add ~/.ssh/id_rsa ### 使用 ssh-agent 实现免密登录
$ ssh datanode1 ### 测试无需密码即可登录 datanode1
# mkdir /home/hadoop/hdfs
# mount /dev/sdb1 /home/hadoop/hdfs/
# chown -R hadoop:hadoop /home/hadoop/hdfs/
# echo "/dev/sdb1 /home/hadoop/hdfs ext4 defaults 0 0" >> /etc/fstab
# cd /usr/local
# wget https://mirrors.scau.edu.cn/hadoop/hadoop-2.8.0.tar.gz ### 使用自己的镜像源
# wget https://mirrors.ustc.edu.cn/apache/hadoop/common/hadoop-2.8.0/hadoop-2.8.0.tar.gz
# tar -xvzf hadoop-2.8.0.tar.gz
# chown -R hadoop:hadoop hadoop-2.8.0
复制默认配置文件,在升级 hadoop 版本时可独立出来。
$ mkdir ~/config/
$ cp -r /usr/local/hadoop-2.8.0/etc/hadoop/ ~/config/
指定 hadoop 运行所使用的 JDK 与配置目录, vim ~/config/hadoop/hadoop-env.sh
$ export JAVA_HOME=/usr/local/java/jdk1.8.0_131/
$ export HADOOP_CONF_DIR=/home/hadoop/config/hadoop/
# echo "export HADOOP_CONF_DIR=/home/hadoop/config/hadoop/" >> /etc/profile ### 最好将该环境变量也加入 /etc/profile
修改 hadoop log 存储位置。
$ echo "export HADOOP_LOG_DIR=~/log/hadoop" >> ~/config/hadoop/hadoop-env.sh
修改 YARN log 存储位置,
$ vim config/hadoop/yarn-env.sh。 ###进行如下修改YARN_LOG_DIR="/home/hadoop/log/yarn/"
$ vim ~/config/hadoop/core-site.xml ###进行如下修改
<configuration><property><description>默认文件系统及端口description> <name>fs.defaultFSname><value>hdfs://namenode/value><final>truefinal>property>
configuration>
$ vim ~/config/hadoop/hdfs-site.xml ###进行如下修改
<configuration><property><description>namedoe 存储永久性的元数据目录列表description> <name>dfs.namenode.name.dirname><value>/home/hadoop/hdfs/name/value><final>truefinal>property><property><description>datanode 存放数据块的目录列表description> <name>dfs.datanode.data.dirname><value>/home/hadoop/hdfs/data/value><final>truefinal>property>
configuration>
$ vim ~/config/hadoop/mapred-site.xml ###进行如下修改
<configuration><property> <description>MapReduce 执行框架设为 Hadoop YARN. description> <name>mapreduce.framework.namename> <value>yarnvalue> property><property> <description>Map 和 Reduce 执行的比例&#xff0c;Map 执行到百分之几后开始 Reduce 作业description> <name>mapreduce.job.reduce.slowstart.completedmapsname> <value>1.0value> property>
configuration>
$ vim ~/config/hadoop/yarn-site.xml ###进行如下修改
<configuration>
<property> <description>The address of the applications manager interface in the RM.description> <name>yarn.resourcemanager.addressname> <value>namenode:8032value> property> <property> <name>yarn.nodemanager.aux-servicesname> <value>mapreduce_shufflevalue> property> <property> <description>存储中间数据的本地目录description><name>yarn.nodemanager.local-dirsname> <value>/home/hadoop/nm-local-dirvalue> <final>truefinal>property> <property> <description>每个容器可在 RM 申请的最大内存description><name>yarn.scheduler.maximum-allocation-mbname> <value>2048value> <final>truefinal>property> <property> <description>每个容器可在 RM 申请的最小内存description><name>yarn.scheduler.minimum-allocation-mbname> <value>300value> <final>truefinal>property> <property><description>自动检测节点 CPU 与 Memdescription> <name>yarn.nodemanager.resource.detect-hardware-capabilitiesname> <value>truevalue> property> <property> <description>The address of the scheduler interface.description> <name>yarn.resourcemanager.scheduler.addressname> <value>namenode:8030value> property> <property> <description>The address of the RM web application.description> <name>yarn.resourcemanager.webapp.addressname> <value>namenode:8088value> property> <property> <description>The address of the resource tracker interface.description> <name>yarn.resourcemanager.resource-tracker.addressname> <value>namenode:8031value> property><property> <description>The hostname of the RM.description> <name>yarn.resourcemanager.hostnamename> <value>namenodevalue> property>
configuration>
$ vim ~/config/hadoop/slaves &#xff03;&#xff03;&#xff03;进行如下修改namenode
datanode1
datanode2
$ echo "export PATH&#61;$PATH:/usr/local/hadoop-2.8.0/bin/:/usr/local/hadoop-2.8.0/sbin/" >> ~/.bash_profile
$ source ~/.bash_profile
测试之前最好重启一遍三台机器&#xff0c;以确保配置都生效&#xff0c;并且没有其他问题。
登录 namenode 节点
$ ssh-add ~/.ssh/id_rsa ### 验证密钥
$ hadoop namenode -format ### 初始化集群
$ start-dfs.sh ### 启动 HDFS
$ start-yarn.sh ### 启动 YARN
NodeName | Web | Address |
---|---|---|
namenote | HDFS | http://192.168.1.69:50070 |
RM | http://192.168.1.69:8088 | |
NM | http://192.168.1.69:8042 | |
datanode1 | HDFS | http://192.168.1.70:50075 |
NM | http://192.168.1.70:8042 | |
datanode2 | HDFS | http://192.168.1.71:50075 |
NM | http://192.168.1.71:8042 |
hadoop 自带了许多测试用例&#xff0c;所以可以很方便的快速测试集群是否搭建成功。
$ yarn jar /usr/local/hadoop-2.8.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.0.jar randomwriter random-data
执行上述命令后&#xff0c;打开 RM 以及 NM 的 URL &#xff0c;查看任务是否被执行&#xff0c;如执行&#xff0c;则搭建成功。
本文从零开始搭建了具有三个节点服务器的 Hadoop 集群&#xff0c;示范了 Hadoop 搭建集群的基本配置。并且从中我们可以知道 Hadoop 集群的每台机子的配置几乎是相同的&#xff0c;这是大量重复性的劳动&#xff0c;因此使用 docker 会大大加快集群的部署。文中的配置文件&#xff0c;是我根据我自己的三台服务器的机器硬件所决定的参数&#xff0c;读者应该根据自己的实际情况选择参数的设置&#xff0c;下文的参考资料给出了各种属性的说明以及默认值。