从伪分布式到完全分布式Hadoop集群搭建指南
本文档详细介绍了如何从伪分布式配置逐步转变为完全分布式Hadoop集群。内容包括配置静态IP、修改hostname、创建用户、设置sudo权限、建立主机与IP映射、安装JDK和Hadoop，并探讨了伪分布式与完全分布式集群的区别，以及在3台服务器上的角色分配。此外，还提到了两个用于检查和同步的脚本。
#从0搭建伪分布式
==root用户
1.准备虚拟机
2.修改静态ip
DEVICE=“eth0”
BOOTPROTO=“static”
HWADDR=“00:0C:29:A2:3B:C9”
IPV6INIT=“yes”
NM_CONTROLLED=“yes”
ONBOOT=“yes”
TYPE=“Ethernet”
UUID=“0202b9d4-9762-4348-aa0c-7ce122f50d9e”
#IP地址
IPADDR=192.168.1.111 （自己配置）
#网关
GATEWAY=192.168.1.2
#域名解析器
DNS1=114.114.114.114
DNS2=8.8.8.8
service network restart 重启一下
ifconfig 查看IP是否变化，没有变化重启
修改hostname主机
vim /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=hadoop01 (主机名)
hostname主机重启后生效
- 添加用户
useradd jinghang
passwd jinghang
4.创建目录module（解压的安装包）、software（压缩的安装包）
mkdir /opt/module /opt/software
修改文件所属主和组
chown -R jinghang:jinghang /opt/module /opt/software
5.给普通用户添加sudo权限
vim /etc/sudoers
在93行添加
jinghang ALL=(ALL) NOPASSWD:ALL
6.添加主机和IP的映射关系
vim /etc/hosts
静态ip 主机名
192.168.1.111 hadoop01
192.168.1.112 hadoop02
192.168.1.113 hadoop03
7.关机拍快照（conf_step1）
==============第七步之后普通用户操作
8.安装jdk和hadoop
将jdk-8u144-linux-x64.tar和hadoop-2.7.2.tar上传到/opt/software（打开xshell连接SFTP拖动文件到/opt/software）
安装jdk
1.解压jdk
tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/
2.配置环境变量
sudo vim /etc/profile
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin
注意：如果之前存在java安装包，需要先卸载
rpm -qa | grep java 查看
rpm -e 安装包 --nodeps 卸载
安装hadoop
1.解压hadoop
tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
2.配置环境变量
sudo vim /etc/profile
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
激活环境变量
source /etc/profile
检查是否安装成功
java -version
java version "1.8.0_144"
Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)
hadoop version
Hadoop 2.7.2
Subversion Unknown -r Unknown
Compiled by root on 2017-05-22T10:49Z
Compiled with protoc 2.5.0
From source with checksum d0fda26633fa762bff87ec759ebe689c
This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar
伪分布式配置
1.添加JAVA_HOME
hadoop-env.sh
mapred-env.sh
yarn-env.sh
在以上三个文件中添加
export JAVA_HOME=/opt/module/jdk1.8.0_144
2.设置namenode节点所在的服务器地址和临时文件的存储目录
vim core-site.xml
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://自己服务器的主机名:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
3.配置文件的副本数
vim hdfs-site.xml
<!-- 指定HDFS副本的数量hadoop集群默认是3个副本 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
4.配置yarn-site.xml
vim yarn-site.xml
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>自己服务器的主机名</value>
</property>
<!-- 日志聚集功能使能 -->
<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>
5.配置mapred-site.xml
vim mapred-site.xml
<!-- 指定MR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>自己的主机名:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>自己的主机名:19888</value>
</property>
以上配置完毕就可以启动集群
1.格式化namenode(只在集群启动的时候格式化一次)
bin/hdfs namenode -format
注意：不小心进行了两次格式话(所有的节点服务都需要停掉)
step1 rm -rf data/ logs/
step2 bin/hdfs namenode -format
2.启动namenode
sbin/hadoop-daemon.sh start namenode
3.启动datanode
sbin/hadoop-daemon.sh start datanode
4.启动resourcemanager
sbin/yarn-daemon.sh start resourcemanager
5.一定要去启动nodemanager
sbin/yarn-daemon.sh start nodemanager
6.开启历史服务
sbin/mr-jobhistory-daemon.sh start historyserver
查看你的datanode web服务(注意2.7.2：50070 3.2.1:9870)
https://hadoop.apache.org/docs/r3.2.1/hadoop-project-dist/hadoop-common/ClusterSetup.html
https://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-common/ClusterSetup.html
如果要使用
主机名:50070 需要在windowns中的 C:\Windows\System32\drivers\etc 添加 hosts（主机和ip的映射关系）
也可以
ip:50070
查看yarn的web服务
主机名:8088
查看历史服务器web端
主机名:19888
可以完成如下操作：
（a）在HDFS文件系统上创建一个input文件夹
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -mkdir -p /input
（b）将测试文件内容上传到文件系统上
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -put wcinput/wc.input /input
（c）查看上传的文件是否正确
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -ls /input
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /input/wc.input
（d）运行MapReduce程序
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /input /output
（e）查看输出结果
命令行查看：
[jinghang@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /output/*
以上操作只是配置了伪分布式，上产环境会用完全分布式
============一下将伪分布式修改为完全分布式=
伪分布式其实就是将：namenode、datanode、resourcemanager、nodemanager、historyserver放在了一台服务器上。（模拟了完全分布式的工作流程）
设计集群
hdfs： namenode(存储元数据) datanode（存储数据块） secondarynamenode（辅助namenode）
yarn: resourcenamnager（负责整体的资源调度） nodemanager(接受resourcenamnager的命令，运行MR)
historyserver
3台（hadoop默认的副本数是3）
hadoop01 hadoop02 hadoop03
namenode resourcenamnager secondarynamenode
datanode datanode datanode
nodemanager nodemanager nodemanager
historyserver
2.设置namenode节点所在的服务器地址和临时文件的存储目录
vim core-site.xml
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop01:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
3.配置文件的副本数
vim hdfs-site.xml
<!-- 指定HDFS副本的数量hadoop集群默认是3个副本 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop03:50090</value>
</property>
4.配置mapred-site.xml
vim mapred-site.xml
<!-- 指定MR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>hadoop01:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop01:19888</value>
</property>
5.配置yarn-site.xml
vim yarn-site.xml
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop02</value>
</property>
<!-- 日志聚集功能使能 -->
<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>
//到此位置修改完全分布式完毕
注意：集群中的其他节点和hadoop01上的配置保持一致
将hadoop01上的jdk、hadoop、profile、.ssh全部分发到hadoop02、hadoop03上
然后启动
1.单点启动
2.群起
（1）必须实现服务器之间的免密登录
（2）修改hadoop2.7.2文件夹下的etc/hadoop/slaves文件
添加集群服务器的主机名
hadoop01
hadoop02
hadoop03
将hadoop01 修改hadoop2.7.2文件夹下的etc/hadoop/slaves文件分发到hadoop02、hadoop03
执行群起(cd /opt/module/hadoop-2.7.2)
群起hdfs
sbin/start-dfs.sh | sbin/stop-dfs.sh
群起yarn
sbin/start-yarn.sh | sbin/stop-yarn.sh
两个脚本文件
脚本1
jpsall
#!/bin/bash
for((i=1;i<4;i++))
do
echo ----------------------hadoop0$i----------------------------
ssh hadoop0$i "source /etc/profile && jps"
done
脚本2
myrsync
#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if ((pcount==0)); then
echo no args;
exit;
fi
#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname
#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir
#4 获取当前用户名称
user=`whoami`
#5 循环
for((host=2; host<4; host++)); do
echo ------------------- hadoop0$host --------------
rsync -av $pdir/$fname $user@hadoop0$host:$pdir
done
扫一扫
746
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
