hadoop-2.2.0安装配置


18台机器：1台namenode+17台datanode

！！！配置hadoop时候先部署namenode，再利用rsync把hadoop目录同步到所有的datanode上面！！！


1. 安装JDK：

  • mkdir -p /usr/local/java; 
  • wget http://100.100.144.187/jdk-7u51-linux-x64.gz;
  • tar xzvf jdk-7u51-linux-x64.gz -C /usr/local/java;            
  • echo "export JAVA_HOME=/usr/local/java/jdk1.7.0_51" >> /etc/profile;            
  • echo "export CLASSPATH=$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tool.jar:$JAVA_HOME/jre/lib/rt.jar:." >> /etc/profile; 
  • echo "export PATH=$JAVA_HOME/bin/:$PATH" >> /etc/profile;            
  • rm -f jdk-7u51-linux-x64.gz; 
  • java -version;
2. 设置SSH免密码：

  • ssh-keygen -t  rsa 之后一路回 车（产生秘钥）
  • 把id_rsa.pub 追加到授权的 key 里面去（cat id_rsa.pub >> authorized_keys）
  • 重启 SSH 服 务命令使其生效 :service sshd restart

3. 设置hosts:修改/etc/hosts 文件 ip1 namenode-0 ip2 datanode-0 ... ip18 datanode-17 4. 关闭防火墙：
  • service iptables stop;
  • chkconfig iptables off;
5. 修改hadoop配置文件(/data/hadoop/hadoop-2.2.0/etc/hadoop)： 5.1 修改hadoop-env.sh(记录脚本要用的环境变量)：export JAVA_HOME=/usr/local/java/jdk1.7.0_51 5.2 修改yarn-env.sh()：export JAVA_HOME=/usr/local/java/jdk1.7.0_51 5.3 修改slaves: 把datanode-0到datanode-17加入到slaves 5.4 修改core-site.xml(Hadoop核心配置项) 
<configuration>
	<property>
         <name>fs.defaultFS</name>
         <value>hdfs://namenode-0:9000</value>
    </property>

    <property>
         <name>io.file.buffer.size</name>
         <value>131072</value>
    </property>

    <property>
         <name>hadoop.tmp.dir</name>
         <value>file:/home/hadoop/temp</value>
         <description>Abase for other temporary directories.</description>
    </property>

    <property>
         <name>hadoop.proxyuser.hadoop.hosts</name>
         <value>*</value>
    </property>

    <property>
         <name>hadoop.proxyuser.hadoop.groups</name>
         <value>*</value>
    </property>
</configuration>
5.5 修改hdfs-site.xml(Hadoop守护进程配置项，例如namenode，secondarynamenode和datanode等) 
<configuration>
	<property>
	<name>dfs.namenode.secondary.http-address</name>
         <value>namenode-0:9001</value>
	</property>

	<property>
	<name>dfs.namenode.name.dir</name>
	<value>file:/home/hadoop/dfs/name</value>
    </property>

	<property>
	    <name>dfs.datanode.data.dir</name>
	    <value>file:/home/hadoop/dfs/data</value>
    </property>

    <property>
	    <name>dfs.replication</name>
	    <value>3</value>
    </property>

     <property>
	    <name>dfs.webhdfs.enabled</name>
	    <value>true</value>
	</property>
</configuration>
5.6 修改mapred-site.xml(MapReduce守护进程配置项，包括jobtracker和tasktracker。) 
<configuration>
	<property>
		<name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>

    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>namenode-0:10020</value>
    </property>

    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>namenode-0:19888</value>
    </property>
</configuration>
5.7 修改yarn-site.xml 
<configuration>
<!-- Site specific YARN configuration properties -->
	<property>
		<name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>

    <property>
        <name>yarn.resourcemanager.address</name>
        <value>namenode-0:8032</value>
    </property>

    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>namenode-0:8030</value>
    </property>

    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>namenode-0:8031</value>
    </property>

    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value>namenode-0:8033</value>
    </property>

    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>namenode-0:8088</value>
    </property> 
</configuration>

6. 启动验证：
  • 格式化namenode：hadoop namenode -format
  • 在namenode上面启动hadoop集群：start-all.sh；
  • 在namenode执行jps命令可以看到：
  • 在datanode执行jps命令，可以看到：

 常用配置文件：
  • hadoop-env.sh：记录脚本要用的环境变量。
  • core-site.xml：Hadoop核心配置项
  • hdfs-site.xml：Hadoop守护进程配置项，例如namenode，secondarynamenode和datanode等。
  • mapred-site.xml：MapReduce守护进程配置项，包括jobtracker和tasktracker。
  • master：运行secondarynamenode（而不是namenode）的机器列表（每行一个）。只在namenode或jobtracker节点上使用，无需同步到各节点。
  • slave：运行datanode和tasktracker的机器列表（每行一个）。只在namenode或jobtracker节点上使用，无需同步到各节点。

1. 配置管理

hadoop支持为所有的节点采用同一套配置文件，这样管理会变得非常简单，不过这对于某些集群来说并不适合。例如在扩展集群时，如果新机器的硬件和现有机器不同，则需要为新机器创建一套新的配置文件，以充分利用新硬件资源。所以，非常推荐在每个节点保存一套配置文件，并由管理员完成这些配置文件的同步工作。hadoop提供了一个基本工具来进行同步配置，即rsync。

这种情况下，需要引入“机器类”的概念，为不同的机器类分别维护一套配置文件。不过hadoop并没有提供执行这个操作的工具，需要借助外部工具，例如Chef,Puppet,cfengine和bcfg2等。

2. 控制脚本

  • start-dfs.sh：在本地节点启动namenode，在slave文件指定的每个节点启动datanode，在master文件指定的每个节点启动secondarynamenode
  • start-mapred.sh：在本地节点启动jobtracker，在slave文件指定的每个节点启动tasktracker。
  • start-all.sh：依次调用start-dfs.sh和start-mapred.sh
  • stop-dfs.sh/stop-mapred.sh/stop-all.sh：前面的start脚本对应的关闭脚本。
  • hadoop-daemon.sh：上述脚本调用它来执行启动和终止hadoop守护进程。如果用户需要从其他系统或自己编写脚本控制hadoop守护进程，可以调用它。
  • hadoop-daemons.sh：用于在多个主机上启动同一hadoop守护进程。

3. 守护进程管理

对于小型集群（几十个节点），可以将namenode、secondarynamenode、jobtracker放到单独一台机器上，但对于大型集群，最好分别放到不同的机器上。

  • namenode：在内存中保存整个命名空间的所有文件和块元数据，它的内存需求很大。
  • secondnamenode：保存一份最新的检查点，记录文件系统的元数据，有助于在数据丢失或系统崩溃时恢复namenode的元数据；它在大多时候空闲，但它创建检查时的内存需求和namenode差不多。一旦文件系统包含大量文件，单台主机可能无法同时运行namenode和secondarynamenode。
  • jobtracker：在一个运行大量mapreduce作业的高负载集群上，jobtracker会使用大量内存和CPU资源，因此它最好运行在一个专用节点上。

相关内容