不在折騰----hadoop-2.4.1徹底分佈式集羣搭建
前言
* hadoop2.0已經發布了穩定版本了，增長了不少特性，好比HDFS HA、YARN等。最新的hadoop-2.4.1又增長了YARN HA * 注意：apache提供的hadoop-2.4.1的安裝包是在32位操做系統編譯的，由於hadoop依賴一些C++的本地庫，因此若是在64位的操做上安裝hadoop-2.4.1就須要從新在64操做系統上從新編譯（建議第一次安裝用32位的系統，我將編譯好的64位的也上傳到羣共享裏了，若是有興趣的能夠本身編譯一下）
前期準備
* 修改Linux主機名
* 修改IP
* 修改主機名和IP的映射關係
> 注意: 若是大家公司是租用的服務器或是使用的雲主機（如華爲用主機、阿里雲主機等）
/etc/hosts裏面要配置的是內網IP地址和主機名的映射關係
* 關閉防火牆
* ssh免登錄
* 安裝JDK，配置環境變量等
集羣規劃：
主機名 IP 安裝的軟件 運行的進程 weekend01 192.168.1.201 jdk、hadoop NameNode、DFSZKFailoverController(zkfc) weekend02 192.168.1.202 jdk、hadoop NameNode、DFSZKFailoverController(zkfc) weekend03 192.168.1.203 jdk、hadoop ResourceManager weekend04 192.168.1.204 jdk、hadoop ResourceManager weekend05 192.168.1.205 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain weekend06 192.168.1.206 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain weekend07 192.168.1.207 jdk、hadoop、zookeeper DataNode、NodeManager、JournalNode、QuorumPeerMain
說明：
* 在hadoop2.0中一般由兩個NameNode組成，一個處於active狀態，另外一個處於standby狀態。Active NameNode對外提供服務， 而StandbyNameN ode則不對外提供服務，僅同步active namenode的狀態，以便可以在它失敗時快速進行切換。 * hadoop2.0官方提供了兩種HDFS HA的解決方案，一種是NFS，另外一種是QJM。這裏咱們使用簡單的QJM。 在該方案中，主備NameNode之間經過一組JournalNode同步元數據信息，一條數據只要成功寫入多數JournalNode 即認爲寫入成功。一般配置奇數個JournalNode * 這裏還配置了一個zookeeper集羣，用於ZKFC（DFSZKFailoverController）故障轉移， 當Active NameNode掛掉了，會自動切換Standby NameNode爲standby狀態 * hadoop-2.2.0中依然存在一個問題，就是ResourceManager只有一個，存在單點故障，hadoop-2.4.1解決了這個問題， 有兩個ResourceManager，一個是Active，一個是Standby，狀態由zookeeper進行協調
安裝步驟
* 在yarn05,yarn06,yarn07上安裝zookeeper
* 安裝配置hadoop集羣（在weekend01上操做）
* 修改hadoo-env.sh
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_55
* 修改core-site.xml
<configuration>
<!-- 指定hdfs的nameservice爲ns1 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://ns1/</value>
</property>
<!-- 指定hadoop臨時目錄 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/app/hadoop-2.4.1/tmp</value>
</property>
<!-- 指定zookeeper地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>weekend05:2181,weekend06:2181,weekend07:2181</value>
</property>
</configuration>
* 修改hdfs-site.xml
<configuration>
<!--指定hdfs的nameservice爲ns1，須要和core-site.xml中的保持一致 -->
<property>
<name>dfs.nameservices</name>
<value>ns1</value>
</property>
<!-- ns1下面有兩個NameNode，分別是nn1，nn2 -->
<property>
<name>dfs.ha.namenodes.ns1</name>
<value>nn1,nn2</value>
</property>
<!-- nn1的RPC通訊地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn1</name>
<value>weekend01:9000</value>
</property>
<!-- nn1的http通訊地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn1</name>
<value>weekend01:50070</value>
</property>
<!-- nn2的RPC通訊地址 -->
<property>
<name>dfs.namenode.rpc-address.ns1.nn2</name>
<value>weekend02:9000</value>
</property>
<!-- nn2的http通訊地址 -->
<property>
<name>dfs.namenode.http-address.ns1.nn2</name>
<value>weekend02:50070</value>
</property>
<!-- 指定NameNode的元數據在JournalNode上的存放位置 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://weekend05:8485;weekend06:8485;weekend07:8485/ns1</value>
</property>
<!-- 指定JournalNode在本地磁盤存放數據的位置 -->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/home/hadoop/app/hadoop-2.4.1/journaldata</value>
</property>
<!-- 開啓NameNode失敗自動切換 -->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!-- 配置失敗自動切換實現方式 -->
<property>
<name>dfs.client.failover.proxy.provider.ns1</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!-- 配置隔離機制方法，多個機制用換行分割，即每一個機制暫用一行-->
<property>
<name>dfs.ha.fencing.methods</name>
<value>
sshfence
shell(/bin/true)
</value>
</property>
<!-- 使用sshfence隔離機制時須要ssh免登錄 -->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/home/hadoop/.ssh/id_rsa</value>
</property>
<!-- 配置sshfence隔離機制超時時間 -->
<property>
<name>dfs.ha.fencing.ssh.connect-timeout</name>
<value>30000</value>
</property>
</configuration>
* 修改mapred-site.xml
<configuration>
<!-- 指定mr框架爲yarn方式 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
*修改yarn-site.xml
<configuration>
<!-- 開啓RM高可用 -->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 指定RM的cluster id -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yrc</value>
</property>
<!-- 指定RM的名字 -->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 分別指定RM的地址 -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>weekend03</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>weekend04</value>
</property>
<!-- 指定zk集羣地址 -->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>weekend05:2181,weekend06:2181,weekend07:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
* 修改slaves(slaves是指定子節點的位置，由於要在weekend01上啓動HDFS、在weekend03啓動yarn，
因此weekend01上的slaves文件指定的是datanode的位置，weekend03上的slaves文件指定的是nodemanager的位置)
weekend05
weekend06
weekend07
* 配置免密碼登錄
#首先要配置weekend01到weekend0二、weekend0三、weekend0四、weekend0五、weekend0六、weekend07的免密碼登錄
#在weekend01上生產一對鑰匙
ssh-keygen -t rsa
#將公鑰拷貝到其餘節點，包括本身
ssh-coyp-id weekend01
ssh-coyp-id weekend02
ssh-coyp-id weekend03
ssh-coyp-id weekend04
ssh-coyp-id weekend05
ssh-coyp-id weekend06
ssh-coyp-id weekend07
#配置weekend03到weekend0四、weekend0五、weekend0六、weekend07的免密碼登錄
#在weekend03上生產一對鑰匙
ssh-keygen -t rsa
#將公鑰拷貝到其餘節點
ssh-coyp-id weekend04
ssh-coyp-id weekend05
ssh-coyp-id weekend06
ssh-coyp-id weekend07
#注意：兩個namenode之間要配置ssh免密碼登錄，別忘了配置weekend02到weekend01的免登錄
在weekend02上生產一對鑰匙
ssh-keygen -t rsa
ssh-coyp-id -i weekend01
* 將配置好的hadoop拷貝到其餘節點
scp -r /weekend/ weekend02:/
scp -r /weekend/ weekend03:/
scp -r /weekend/hadoop-2.4.1/ hadoop@weekend04:/weekend/
scp -r /weekend/hadoop-2.4.1/ hadoop@weekend05:/weekend/
scp -r /weekend/hadoop-2.4.1/ hadoop@weekend06:/weekend/
scp -r /weekend/hadoop-2.4.1/ hadoop@weekend07:/weekend/
嚴格按照下面的步驟
* 啓動zookeeper集羣（分別在weekend0五、weekend0六、tcast07上啓動zk）
cd /weekend/zookeeper-3.4.5/bin/
./zkServer.sh start
#查看狀態：一個leader，兩個follower
./zkServer.sh status
* 啓動journalnode（分別在在weekend0五、weekend0六、tcast07上執行）
cd /weekend/hadoop-2.4.1
sbin/hadoop-daemon.sh start journalnode
#運行jps命令檢驗，weekend0五、weekend0六、weekend07上多了JournalNode進程
* 格式化HDFS
#在weekend01上執行命令:
hdfs namenode -format
#格式化後會在根據core-site.xml中的hadoop.tmp.dir配置生成個文件，
這裏我配置的是/weekend/hadoop-2.4.1/tmp，而後將/weekend/hadoop-2.4.1/tmp
拷貝到weekend02的/weekend/hadoop-2.4.1/下。
scp -r tmp/ weekend02:/home/hadoop/app/hadoop-2.4.1/
#也能夠這樣，建議hdfs namenode -bootstrapStandby
* 格式化ZKFC(在weekend01上執行便可)
hdfs zkfc -formatZK
* 啓動HDFS(在weekend01上執行)
sbin/start-dfs.sh
* 啓動YARN(在weekend03上執行start-yarn.sh，把namenode和resourcemanager分開是由於性能問題，
由於他們都要佔用大量資源，因此把他們分開了，他們分開了就要分別在不一樣的機器上啓動)
sbin/start-yarn.sh
到此，hadoop-2.4.1配置完畢，
* 能夠經過瀏覽器訪問:
http://192.168.1.201:50070
NameNode 'weekend01:9000' (active)
http://192.168.1.202:50070
NameNode 'weekend02:9000' (standby)
* 驗證HDFS HA
首先向hdfs上傳一個文件
hadoop fs -put /etc/profile /profile
hadoop fs -ls /
而後再kill掉active的NameNode
kill -9 <pid of NN>
經過瀏覽器訪問：http://192.168.1.202:50070
NameNode 'weekend02:9000' (active)
這個時候weekend02上的NameNode變成了active
在執行命令：
hadoop fs -ls /
-rw-r--r-- 3 root supergroup 1926 2014-02-06 15:36 /profile
剛纔上傳的文件依然存在！！！
手動啓動那個掛掉的NameNode
sbin/hadoop-daemon.sh start namenode
經過瀏覽器訪問：http://192.168.1.201:50070
NameNode 'weekend01:9000' (standby)
* 驗證YARN：
運行一下hadoop提供的demo中的WordCount程序：
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.4.1.jar wordcount /profile /out
OK，大功告成！！！
測試集羣工做狀態的一些指令 ：
* bin/hdfs dfsadmin -report : 查看hdfs的各節點狀態信息 * bin/hdfs haadmin -getServiceState nn1:獲取一個namenode節點的HA狀態 * sbin/hadoop-daemon.sh start namenode : 單獨啓動一個namenode進程 * ./hadoop-daemon.sh start zkfc :單獨啓動一個zkfc進程
相關文章
- 1. hadoop徹底分佈式集羣搭建
- 2. 搭建hbase1.2.5徹底分佈式集羣
- 3. hadoop2.7.3徹底分佈式集羣搭建
- 4. Haddop徹底分佈式集羣搭建
- 5. hadoop 徹底分佈式集羣搭建
- 6. hadoop2.6.5徹底分佈式集羣搭建
- 7. Hadoop徹底分佈式集羣搭建
- 8. Hadoop3.1.3 徹底分佈式集羣搭建
- 9. hadoop2.7.2搭建徹底分佈式集羣
- 10. spark集羣搭建（徹底分佈式）
- 更多相關文章...
- • Swarm 集羣管理 - Docker教程
- • Swift 環境搭建 - Swift 教程
- • 再有人問你分佈式事務，把這篇扔給他
- • 常用的分佈式事務解決方案
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
