hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

jopen 9年前

 

在准备之前说一下本次搭建的各节点角色，进程。

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

nameNode 进程：NameNode

dataNode  进程：DataNode

resourceManager ：ResourceManager

nodeManeger ： NodeManager

zkfc：DFSZKFailoverController

journalnode： JournalNode

zookeeper： QuorumPeerMain

我的IP:

192.168.79.101 hadoop1

192.168.79.102 hadoop2

192.168.79.103 hadoop3

192.168.79.104 hadoop4

一：准备

1. 修改Linux主机名：

命令：vim /etc/sysconfig/network

hadoop2.x 完全分布式详细集群搭建(图文：4台机器) HOSTNAME 主机名

2. 修改IP为静态IP:

(第一种方式)

进入图形界面 -> 点击右上角的俩个小电脑图标 -> 右键 -> edit connections -> ipv4 -> manual -> 点击add按钮 -> 添加IP，NETMASK, GATEWAY，如果可以的话建议使用第一种方式。

(第二种通过修改文件)   vim /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE="eth0"

BOOTPROTO="static"        ###

HWADDR="00:0C:29:3C:BF:E7"

IPV6INIT="yes"

NM_CONTROLLED="yes"

ONBOOT="yes"

TYPE="Ethernet"

UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"

IPADDR="192.168.1.119"    ###

NETMASK="255.255.255.0"   ###

GATEWAY="192.168.1.1"     ###

3. 配置主机名和IP的映射关系，每个机器都是这样一个文件。

命令：vim /etc/hosts

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

4. 关闭防火墙

service iptables stop

#查看防火墙开机启动状态

chkconfig iptables --list

#关闭防火墙开机启动

chkconfig iptables off

5. 配置各个节点之间的免登陆。

生成ssh免登陆密钥 ： ssh-keygen -t rsa为了简单，一直回车即可。各个节点都执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）

我这里以hadoop1 到2,3,4为例。其余各节点操作一样。

将公钥拷贝到要免登陆的机器上

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

或

ssh-copy-id -i hadoop1

将公钥拷贝到其他节点，包括自己(期间会提示输入密码)：

ssh-copy-id -i hadoop1

ssh-copy-id -i hadoop2

ssh-copy-id -i hadoop3

ssh-copy-id -i hadoop4

其他节点同样操作。最后每个机器的 /root/.ssh 中 authorized_keys文件会有四个公钥。

在hadoop1上执行  ssh hadoop2

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

二： 各节点安装JDK，hadoop，（hadoop1，hadoop2，hadoop3上安装zookeeper），并配置环境变量

1. 上传jdk，hadoop，zookeeper

2. 添加执行权限

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

3. 解压。我把他们解压到 /usr/local/tools 下

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

4. 各个节点配置环境变量：

命令： vim /etc/profile

针对我自己的路径,配置如下：

export JAVA_HOME=/usr/local/tools/jdk1.7.0_75

export HADOOP_HOME=/usr/local/tools/hadoop-2.2.0

export ZK_HOME=/usr/local/tools/zookeeper-3.4.5

export CLASSPATH=.:%JAVA_HOME%/lib/dt.jar:%JAVA_HOME%/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZK_HOME/bin

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

然后执行  source /etc/profile 使其生效。验证，例如执行  java -version

三：配置hadoop

基本要配置4个配置文件，core-site.xml，hdfs-site.xml，yarn-site.xml，mapred-site.xml

1. 配置core-site.xml: 

<configuration>    <property>      <name>fs.defaultFS</name>      <value>hdfs://ns1</value>    </property>    <property>      <name>hadoop.tmp.dir</name>      <value>/usr/local/hadoop/tmp</value>    </property>      <property>      <name>ha.zookeeper.quorum</name>      <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value>    </property>    <property>      <name>io.file.buffer.size</name>      <value>131072</value>    </property>  </configuration>

fs.defaultFS：指定hdfs的nameservice为ns1

hadoop.tmp.dir：指定hadoop临时目录

ha.zookeeper.quorum：指定zookeeper地址

2. 配置hdfs-site.xml 

<configuration>    <property>      <name>dfs.nameservices</name>      <value>ns1</value>    </property>    <property>      <name>dfs.ha.namenodes.ns1</name>      <value>nn1,nn2</value>    </property>    <property>      <name>dfs.namenode.rpc-address.ns1.nn1</name>      <value>hadoop1:9000</value>    </property>    <property>      <name>dfs.namenode.http-address.ns1.nn1</name>      <value>hadoop1:50070</value>    </property>    <property>      <name>dfs.namenode.rpc-address.ns1.nn2</name>      <value>hadoop2:9000</value>    </property>    <property>      <name>dfs.namenode.http-address.ns1.nn2</name>      <value>hadoop2:50070</value>    </property>    <property>        <name>dfs.namenode.shared.edits.dir</name>        <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/ns1</value>    </property>    <property>      <name>dfs.ha.automatic-failover.enabled.ns1</name>      <value>true</value>    </property>    <property>      <name>dfs.client.failover.proxy.provider.ns1</name>      <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>    </property>    <property>      <name>dfs.journalnode.edits.dir</name>      <value>/usr/local/journal</value>    </property>    <property>      <name>dfs.ha.fencing.methods</name>      <value>sshfence</value>    </property>    <property>      <name>dfs.ha.fencing.ssh.private-key-files</name>      <value>/root/.ssh/id_rsa</value>    </property>    <property>      <name>dfs.data.dir</name>      <value>/usr/local/data</value>    </property>    <property>      <name>dfs.datanode.socket.write.timeout</name>      <value>0</value>    </property>    <property>      <name>dfs.replication</name>      <value>3</value>    </property>  </configuration>

dfs.nameservices： 指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致

dfs.ha.namenodes.ns1：ns1下面有两个NameNode，分别是nn1，nn2

dfs.namenode.rpc-address.ns1.nn1： nn1的RPC通信地址

dfs.namenode.http-address.ns1.nn1： nn1的http通信地址

dfs.namenode.shared.edits.dir：指定NameNode的元数据在JournalNode上的存放位置

dfs.journalnode.edits.dir : 指定JournalNode在本地磁盘存放数据的位置

dfs.ha.automatic-failover.enabled: true是开启NameNode失败自动切换

dfs.client.failover.proxy.provider.ns1：配置失败自动切换实现方式

dfs.ha.fencing.ssh.private-key-files：使用sshfence隔离机制时需要ssh免登陆

3. 配置yarn-site.xml 

<configuration>    <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.nodemanager.local-dirs</name>        <value>/opt/yarn/hadoop/nmdir</value>      </property>           <property>        <name>yarn.nodemanager.log-dirs</name>        <value>/opt/yarn/logs</value>      </property>           <property>        <name>yarn.log-aggregation-enable</name>        <value>true</value>      </property>            <property>        <description>Where to aggregate logs</description>        <name>yarn.nodemanager.remote-app-log-dir</name>        <value>hdfs://ns1/var/log/hadoop-yarn/apps</value>      </property>           <!-- Resource Manager Configs -->      <property>        <name>yarn.resourcemanager.connect.retry-interval.ms</name>        <value>2000</value>      </property>           <property>        <name>yarn.resourcemanager.ha.enabled</name>        <value>true</value>      </property>           <property>        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>        <value>true</value>      </property>           <property>        <name>yarn.resourcemanager.ha.automatic-failover.embedded</name>        <value>true</value>      </property>           <property>        <name>yarn.resourcemanager.cluster-id</name>        <value>ns1</value>      </property>           <property>        <name>yarn.resourcemanager.ha.rm-ids</name>        <value>rm1,rm2</value>      </property>           <property>        <name>yarn.resourcemanager.ha.id</name>        <value>rm1</value>      </property>           <property>        <name>yarn.resourcemanager.scheduler.class</name>        <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>      </property>           <property>        <name>yarn.resourcemanager.recovery.enabled</name>        <value>true</value>      </property>        <property>        <name>yarn.resourcemanager.zk.state-store.address</name>        <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value>      </property>           <property>        <name>yarn.app.mapreduce.am.scheduler.connection.wait.interval-ms</name>        <value>5000</value>      </property>           <!-- RM1 configs -->          <property>        <name>yarn.resourcemanager.address.rm1</name>        <value>hadoop1:23140</value>      </property>          <property>        <name>yarn.resourcemanager.scheduler.address.rm1</name>        <value>hadoop1:23130</value>      </property>          <property>        <name>yarn.resourcemanager.webapp.https.address.rm1</name>        <value>hadoop1:23189</value>      </property>          <property>        <name>yarn.resourcemanager.webapp.address.rm1</name>        <value>hadoop1:23188</value>      </property>        <property>        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>        <value>hadoop1:23125</value>      </property>          <property>        <name>yarn.resourcemanager.admin.address.rm1</name>        <value>hadoop1:23141</value>      </property>         <!-- RM2 configs -->           <property>        <name>yarn.resourcemanager.address.rm2</name>        <value>hadoop2:23140</value>      </property>           <property>        <name>yarn.resourcemanager.scheduler.address.rm2</name>        <value>hadoop2:23130</value>      </property>           <property>        <name>yarn.resourcemanager.webapp.https.address.rm2</name>        <value>hadoop2:23189</value>      </property>           <property>        <name>yarn.resourcemanager.webapp.address.rm2</name>        <value>hadoop2:23188</value>      </property>           <property>        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>        <value>hadoop2:23125</value>      </property>           <property>        <name>yarn.resourcemanager.admin.address.rm2</name>        <value>hadoop2:23141</value>           </property>         <!-- Node Manager Configs -->      <property>        <description>Address where the localizer IPC is.</description>        <name>yarn.nodemanager.localizer.address</name>        <value>0.0.0.0:23344</value>      </property>           <property>        <description>NM Webapp address.</description>        <name>yarn.nodemanager.webapp.address</name>        <value>0.0.0.0:23999</value>      </property>           <property>        <name>yarn.nodemanager.local-dirs</name>        <value>/opt/yarn/nodemanager/yarn/local</value>      </property>           <property>        <name>yarn.nodemanager.log-dirs</name>        <value>/opt/yarn/nodemanager/yarn/log</value>      </property>           <property>        <name>mapreduce.shuffle.port</name>        <value>23080</value>      </property>           <property>        <name>yarn.resourcemanager.zk-address</name>        <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value>      </property>  </configuration>

4. 配置mapred-site.xml 
<configuration>    <property>    <name>mapreduce.framework.name</name>    <value>yarn</value>    </property>  <!-- configure historyserver -->    <property>    <name>mapreduce.jobhistory.address</name>    <value>hadoop4:10020</value>    </property>  <property>    <name>mapreduce.jobhistory.webapp.address</name>    <value>hadoop4:19888</value>  </property>  <property>    <name>mapred.job.reuse.jvm.num.tasks</name>    <value>-1</value>  </property>  <property>    <name>mapreduce.reduce.shuffle.parallelcopies</name>    <value>20</value>  </property>  </configuration>

5. 配置slaves文件

和上述文件在同一个目录中的slaves文件，写入： 

hadoop1  hadoop2  hadoop3  hadoop4

四：启动hadoop集群（步骤很重要）

1. 启动zookeeper集群(hadoop1,hadoop2,hadoop3上执行)

执行 ： zkServer.sh start

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

三个节点都启动后查看状态，一个 leader  两个follower

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

此时执行jps查看进程，启动了QuorumPeerMain

2. 启动journalnode (hadoop1,hadoop2,hadoop3上执行)

执行： hadoop-daemon.sh start journalnode

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

此时查看进程，多了JournalNode进程

3. 格式化HDFS(hadoop1上执行)

执行： hdfs namenode -format

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

4. 格式化ZK

执行：hdfs zkfc -formatZK

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

5. 启动hadoop1的namenode，zkfc

执行： hadoop-daemon.sh start namenode   ， hadoop-daemon.sh start zkfc

此时查看进程，zkfc，namenode都启动了。

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

6. hadoop2上数据同步格式化的hadoop1上的hdfs

执行： hdfs namenode -bootstrapStandby

然后同hadoop1一样启动namenode和zkfc。

7. 启动HDFS：

执行：start-dfs.sh

8. 启动YARN

执行：start-yarn.sh

9. hadoop4上启动 JobHistoryServer

执行： mr-jobhistory-daemon.sh start historyserver

现在全部启动好了。然后看看各节点功能和进程是否对应启动好。

至此。都已启动好。可通过浏览器访问：

1. http://192.168.79.101:50070

NameNode 'hadoop1:9000' (standby)

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

2.   http://192.168.79.102:50070

NameNode 'hadoop2:9000' (active)

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

3. http://192.168.79.104:19888/

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

4. http://192.168.79.102:8088/

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

五. 验证

1. 验证hdfs HA

首先向hdfs上传一个文件：    hadoop fs -put /usr/local/soft/jdk-7u75-linux-x64.gz /soft

然后查看： hadoop fs -ls /

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

然后再kill掉active的NameNode。然后浏览器访问 看到  hadoop1变成active的了。

在执行命令：hadoop fs -ls /

文件还在。然后再启动刚才停掉的namenode 。然后访问，变成standby的了。

2. 验证YARN

运行一下hadoop提供的demo中的WordCount程序：

自己写了个word.txt  写入几个单词测试 :

hello jerry

hello tom

hello world

上传word.txt 到hdfs：  hadoop fs -put /home/word.txt /input

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

然后运行： hadoop jar /usr/local/tools/hadoop-2.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /input /out

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

成功后查看:  按照自己的目录，我的命令是写入到out 目录 。

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

hadoop2.x 完全分布式详细集群搭建(图文：4台机器)

OK,至此就完成hadoop学习的第一课了。