阿里云服务器的部署,搭建hadoop集群服务器有什么要求
Hadoop集群搭建
Hadoop框架采用Java语言编写,需要Java环境
服务器环境准备
三台服务器,三个服务器网络互通,相互可以免密登陆
集群规划
修改每台服务器的 /etc/hosts
使用ifconfig命令查看自己的IP,改为自己服务器的IP
172.18.0.5 linux121
172.18.0.6 linux122
172.18.0.7 linux123
SSH无密码登陆
在每台服务器上都执行以下命令,执行后会有多个输入提示,不用输入任何内容,全部直接回车即可
ssh-keygen
输入下面命令时,需要用到该服务器的密码
ssh-copy-id -i /root/.ssh/id_rsa -p 22 root@linux121
ssh-copy-id -i /root/.ssh/id_rsa -p 22 root@linux122
ssh-copy-id -i /root/.ssh/id_rsa -p 22 root@linux123
安装JDK、HADOOP
下载jdk,去官网即可,下载1.8版本
下载hadoop包
wget https://mirrors.bfsu.edu.cn/apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
解压,jdk、hadoop
tar -zxvf hadoop-2.9.2.tar.gz -C ../servers
tar -zxvf jdk-8u231-linux-x64.tar.gz -C ../servers
修改/etc/profile,配置环境变量
#### JAVA_HOME
export JAVA_HOME=/opt/servers/jdk1.8.0_231
export PATH=$PATH:$JAVA_HOME/bin
##HADOOP_HOME
export HADOOP_HOME=/opt/servers/hadoop-2.9.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
重新加载/etc/profile
source /etc/profile
验证
java -version
hadoop version
hadoop 目录
Hadoop目录.png
- bin 目录:对hadoop进行操作的相关命令,如hadoop、hdfd等
- etc目录:存放hadoop的配置文件目录
- include目录
- lib目录:存放hadoop本地库(解压缩)
- linexec目录
- sbin目录:存放的是hadoop集群启动、停止相关脚本命令
- share目录:官方案例jar,文档
集群配置
Hadoop集群的配置=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)
- 指定NameNode节点数以及数据存储目录(修改core-site.xml)
- 指定SecondaryNameNode节点(修改hdfs-site.xml)
- 指定DataNode从节点(修改/etc/hadoop/slaves文件,每个节点配置信息占一行)
- MapReduce集群配置
- 将JDK路径明确配置给MapReduce(修改mapred-env.sh)
- 指定MapReduce计算框架运行Yarn资源调度的框架(修改mapred-site.xml)
- Yarn集群配置
- 将JDK路径明确配置给Yarn(修改yarn-env.sh)
- 指定ResourceManager老大节点所在计算机节点(修改yarn-site.xml)
- 指定NodeManager节点,会通过slaves文件内容确定
HDFS集群配置
将JDK路径明确配置给HDFS(修改hadoop-env.sh)
vim hadoop-env.sh
#找到export JAVA_HOME=${JAVA_HOME},将${JAVA_HOME}换成自己的java路径
指定NameNode节点数以及数据存储目录(修改core-site.xml)
vim core-site.xml
在中添加
<!--指定HDFS中NameNode地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://linux121:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件存储的目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>file:/opt/servers/hadoop-2.9.2/data/tmp</value>
</property>
指定SecondaryNameNode节点(修改hdfs-site.xml)
vim hdfs-site.xml
在中添加
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>linux123:50090</value>
</property>
<!-- 副本数量 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
官方默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfs- default.xml
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
删除原来的localhost,写入下面的信息
linux121
linux122
linux123
MapReduce集群配置
将JDK路径明确配置给MapReduce(修改mapred-env.sh)
vim mapred-env.sh
放开export JAVA_HOME=… 的注释,修改为自己的Java home 路径
指定MapReduce计算框架运行Yarn资源调度的框架(修改mapred-site.xml)
由于本身没有mapred-site.xml,只有 mapred-site.xml.template文件,所以执行:
cp mapred-site.xml.template mapred-site.xml
复制一个文件
vim mapred-site.xml
在中添加
<!-- 指定MR运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
mapred-site.xml默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduce- client-core/mapred-default.xml
Yarn集群配置
将JDK路径明确配置给Yarn(修改yarn-env.sh)
放开export JAVA_HOME=… 的注释,修改为自己的Java home 路径
指定ResourceManager老大节点所在计算机节点(修改yarn-site.xml)
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>linux123</value>
</property>
<!-- Reducer获取数据的方式 -->
<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
slaves文件已修改
修改权限
chown -R root:root /opt/servers/hadoop-2.9.2
分发配置
rsync 和 scp 都可以复制,但是rsync速度快,只复制内容有差异的文件
下载rsync
yum install -y rsync
编写脚本
## 需求:循环复制文件到集群所有节点的相同节点的相同目录下
## 使用方式:脚本+需要复制的文件名称
#!/bin/bash
#1、获取脚本传入参数,参数个数,如果传入的参数为0个,退出
paramnum=$#
if((paramnum==0));
exit;
fi
## 获取文件名称
#### 获取第一个参数
p1=$1
###获取文件名称。如传入参数为/opt/servers/hadoop,则file_name 为 hadoop
file_name=`basename $p1`
### 输出
echo f_name = ${file_name}
#### 获取文件路径
#### 该方式适用于参数为绝对路径/opt/servers/hadoop
### dir_name=`dirname $p1`
#### 如传相对路径
dir_name=`cd -P $(dirname $p1);pwd`
##输出
echo dirname=${dir_name}
### 获取用户信息
user=`whoami`
#执行rsync命令,循化执行,要把数据发送到集群中所有的节点中
for((host=121;host<124;host++));
do
##输出
echo -------target hostname=linux${host}--------
###执行rsync命令
rsync -rvl ${dir_name}/${file_name} ${user}@linux${host}:${dir_name}
done
集群群起
如果集群是第一次启动,需要在NameNode所在的节点格式化,非第一次不用执行格式化NameNode操作
hadoop namenode -format
在linux121服务器上执行
start-dfs.sh
在linux123服务器上执行
start-yarn.sh
注意:NameNode和ResourceManager不在同一个机器,不能在NameNode上启动Yarn,应该在ResourceManager所在的机器上启动Yarn
集群测试
HDFS分布式文件存储初体验
从本地文件系统上传下载文件验证HDFS集群工作
### 在hadoop中创建一个目录
hdfs dfs -mkdir -p /test/input
### 在本地创建一个文件
cd /root
vim test.txt
### 在test.txt文件上写入
hello hefs
###保存退出后,上传文件到HDFS
hdfs dfs -put /root/test.txt /test/input
###上传成功后。可以将/root下的test.txt删除后下载
hdfs dfs -get /test/input/test.txt
MapReduce初体验
统计单词
###在HDFS文件系统根目录下创建一个wcinput文件夹
hdfs dfs -mkdir /wcinput
###本地生成一个文件
cd /root
vim wc.txt
### 写入内容:
hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn
###保存退出后,上传wc.txt到HDFS的/wcinput目录下
hdfs dfs -put /root/wc.txt /wcinput
### 执行hadoop自带的example
hadoop jar hadoop-2.9.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput
##查看结果
hdfs dfs -cat /wcoutput/part-r-00000
### 结果为
hadoop 2
hdfs 1
mapreduce 3
yarn 2
配置历史服务器
配置mapred-site.xml
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>linux121:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>linux121:19888</value>
</property>
分发mapred-site.xml到其它节点
rsync-script mapred-site.xml
启动历史服务器
mr-jobhistory-daemon.sh start historyserver
查看历史服务器石是否启动
jps
查看JobHistory
http://linux121:19888/jobhistory
配置日志的聚集
开启日志聚集的好处就是将运行日志汇总到HDFS系统中,方便开发调试
配置yarn-site.xml
<!-- 日志聚集功能使用 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
分发
rsync-script yarn-site.xml
在ResourceManager服务器上停止Yarn集群
stop-yarn.sh
重启jobhistory
mr-jobhistory-daemon.sh stop historyserver
mr-jobhistory-daemon.sh start historyserver
在ResourceManager服务器启动Yarn集群
start-yarn.sh
删除HDFS已经存在的输出文件
hdfs dfs -rm -R /wcoouput
重新执行wordCount程序
hadoop jar hadoop-2.9.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput
查看日志
http://linux121:19888/jobhistory
发布于:2023-01-18,除非注明,否则均为
原创文章,转载请注明出处。
发表评论