Hadoop安装--完全分布式运行模式

Derrick_1707

已于 2022-12-02 19:02:05 修改

阅读量854

点赞数 1

分类专栏：大数据环境安装文章标签： hadoop 分布式大数据

于 2022-11-27 17:53:45 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_41654961/article/details/128066953

版权

大数据环境安装专栏收录该内容

3 篇文章

订阅专栏

一、Hadoop部署

1.集群部署规划

NameNode和SecondaryNameNode不要安装在同一台服务器，ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

linux01

linux02

linux03

HDFS

NameNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

2.解压

# tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
# mv /opt/module/hadoop-3.1.3 /opt/module/hadoop

3.配置环境变量

# sudo vim /etc/profile.d/my_env.sh
## 末位添加
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
# source /etc/profile.d/my_env.sh

注意：三台机器都需要修改，或者修改一份分发过去

二、配置集群

hadoop的配置文件在HADOOP_HOME下的etc/hadoop中

# cd /opt/module/hadoop/etc/hadoop/

1.配置core-site.xml

	<!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://linux01:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
            <name>hadoop.tmp.dir</name>
            <value>/opt/module/hadoop/data</value>
    </property> 

    <!-- 配置HDFS网页登录使用的静态用户为admin -->
    <property>
            <name>hadoop.http.staticuser.user</name>
            <value>admin</value>
    </property>
    
    <!-- 配置该admin(superUser)允许通过代理访问的主机节点 -->
    <property>
            <name>hadoop.proxyuser.admin.hosts</name>
            <value>*</value>
    </property>

    <!-- 配置该admin(superUser)允许通过代理用户所属组 -->
    <property>
            <name>hadoop.proxyuser.admin.groups</name>
            <value>*</value>
    </property>
    
    <!-- 配置该admin(superUser)允许通过代理的用户-->
    <property>
            <name>hadoop.proxyuser.admin.users</name>
            <value>*</value>
    </property>

2.配置hdfs-site.xml

    <!-- nn web端访问地址-->
    <property>
        <name>dfs.namenode.http-address</name>
        <value>linux01:9870</value>
    </property>
    
    <!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>linux03:9868</value>
    </property>
    
    <!-- 测试环境指定HDFS副本的数量1 -->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>

3.配置mapred-site.xml

    <!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <!-- 历史服务器端地址 -->
    <property>
      <name>mapreduce.jobhistory.address</name>
      <value>linux01:10020</value>
    </property>

    <!-- 历史服务器web端地址 -->
    <property>
      <name>mapreduce.jobhistory.webapp.address</name>
      <value>linux01:19888</value>
    </property>

4.配置yarn-site.xml

    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    
    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>linux02</value>
    </property>
    
    <!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
    
    <!--yarn单个容器允许分配的最大最小内存 -->
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>512</value>
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>6144</value>
    </property>
    
    <!-- yarn容器允许管理的物理内存大小 -->
    <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>6144</value>
    </property>
    
    <!-- 关闭yarn对虚拟内存的限制检查 -->
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>

    <!-- 开启日志聚集功能 -->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    
    <!-- 设置日志聚集服务器地址 -->
    <property>  
        <name>yarn.log.server.url</name>  
        <value>http://linux01:19888/jobhistory/logs</value>
    </property>
    
    <!-- 设置日志保留时间为7天 -->
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
    </property>

5.配置workers

linux01
linux02
linux03

6.分发hadoop

[admin@linux01 hadoop]$ cd /opt/module/
[admin@linux01 module]$ scp -r hadoop/ admin@linux02:/opt/module
[admin@linux01 module]$ scp -r hadoop/ admin@linux03:/opt/module

7.群起集群

（1）如果集群是第一次启动，需要在linux01节点格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

[admin@linux01 module]$ hdfs namenode -format

（2）启动HDFS

[admin@linux01 module]$ start-dfs.sh

（3）在配置了ResourceManager的节点（linux02）启动YARN

[admin@linux01 module]$ start-yarn.sh

8.编写一键启动脚本

#!/bin/bash
if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi
case $1 in
"start")
        echo " =================== 启动 hadoop集群 ==================="

        echo " --------------- 启动 hdfs ---------------"
        ssh linux01 "/opt/module/hadoop/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh linux02 "/opt/module/hadoop/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh linux01 "/opt/module/hadoop/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh linux01 "/opt/module/hadoop/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh linux02 "/opt/module/hadoop/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh linux01 "/opt/module/hadoop/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac