专栏名称: 36大数据
关注大数据和互联网趋势,最大,最权威,最干货的大数据微信号(dashuju36)。大数据第一科技媒体。不发软文,只做知识分享。
目录
相关文章推荐
大数据分析和人工智能  ·  北京大学这5份资料让你深入了解DeepSeek ·  昨天  
数据派THU  ·  原创 | Deepseek R1技术思考 ·  昨天  
天池大数据科研平台  ·  “同西游,见万相” ... ·  2 天前  
大数据文摘  ·  我把我的文章手搓成了Token炸弹,发现这样 ... ·  4 天前  
大数据文摘  ·  比美国Figure ... ·  5 天前  
51好读  ›  专栏  ›  36大数据

零基础搭建Hadoop大数据处理-集群安装

36大数据  · 公众号  · 大数据  · 2017-05-14 08:02

正文

经过一系列的前期环境准备,现在可以开始Hadoop的安装了,在这里去apache官网下载2.7.3的版本 http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

不需要下载最新的3.0版本, 与后续Hive最新版本有冲突,不知道是不是自己的打开方式不对。

hadoop有三种运行方式:单机、伪分布式、完全分布式,本文介绍完全分布式。

安装Hadoop


现在有三个机器,一个Master H32,两个Slaver H33、H34。

将下载的压缩包上传到解压并移动至Master机器的相应目录。

将软件放置/usr/local目录下:

tar -zxvf hadoop-2.7.3.tar.gz
mv hadoop-2.7.3 hadoop273

创建hadoop用户组和用户

[root@H32 local]# groupadd hadoop #添加hadoop组
[root@H32 local]# useradd -g hadoop hadoop -s /bin/false

将该hadoop文件夹的属主用户设为hadoop

sudo chown -R hadoop:hadoop /usr/local/hadoop273
  配置文件之前先大体介绍一下hadoop2目录中的各个文件夹,注意区分与Hadoop1中的改变。
  • 外层的启动脚本在sbin目录

  • 内层的被调用脚本在bin目录

  • Native的so文件都在lib/native目录

  • 配置程序文件都放置在libexec

  • 配置文件都在etc目录,对应以前版本的conf目录

  • 所有的jar包都在share/hadoop目录下面

创建Hadoop数据目录:

mkdir -p /usr/local/hadoop273/hdfs/name
mkdir -p /usr/local/hadoop273/hdfs/data

若不配置,Hadoop默认将数据存储在tmp文件夹中,重启会清空tmp数据,因此单独配置其数据存储文件夹,具体使用配置在下面XML中。

配置环境变量


/etc/profile 增加如下内容:

export HADOOP_HOME=/usr/local/hadoop273
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

export HADOOP_MAPARED_HOME=${HADOOP_HOME}
export HADOOP_COMMON_HOME=${HADOOP_HOME}
export HADOOP_HDFS_HOME=${HADOOP_HOME}
export HADOOP_YARN_HOME=${HADOOP_HOME}
export YARN_HOME=${HADOOP_HOME}
export YARN_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export HDFS_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export LD_LIBRARY_PATH=${HADOOP_HOME}/lib/native/:$LD_LIBRARY_PATH
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"

执行执行source /etc/profile,使之生效

修改slaves文件,添加子节点服务名或IP


$HADOOP_HOME/etc/hadoop/slaves (Master主机特有,子节点可以不加)

H33 
H34

 或写对应的IP

192.168.80.33

192.168.80.34

hadoop-env.sh中配置java_home

export JAVA_HOME=/usr/local/java/jdk1.8.0_101

让环境变量配置生效source

source /usr/local/hadoop3/etc/hadoop/hadoop-env.sh

Hadoop配置文件在conf目录下,之前的版本的配置文件主要是Hadoop-default.xml和Hadoop-site.xml。

由于Hadoop发展迅速,代码量急剧增加,代码开发分为了core,hdfs和map/reduce三部分,配置文件也被分成了三个core-site.xml、hdfs-site.xml、mapred-site.xml。

core-site.xml和hdfs-site.xml是站在HDFS角度上配置文件;core-site.xml和mapred-site.xml是站在MapReduce角度上配置文件。

core-site.xml配置如下 (经过多次坑最后能稳定跑的配置,说多了都是泪)



  fs.default.name
  hdfs://H32:9000


hadoop.tmp.dir
/usr/local/hadoop273/hadoop_tmp


hadoop.proxyuser.root.hosts
*


hadoop.proxyuser.root.groups
*


hadoop.proxyuser.sqoop2.hosts
*


hadoop.proxyuser.sqoop2.groups
*

单独创建tmp文件夹hadoop_tmp 给 hadoop.tmp.dir 用于跟普通数据隔离。

hdfs-site.xml



dfs.namenode.secondary.http-address
H32:9001


   dfs.replication
   1


  dfs.tmp.dir
  /usr/local/hadoop273/hadoop_tmp


   dfs.namenode.name.dir
   file:/usr/local/hadoop273/hdfs/name


    dfs.datanode.data.dir
    file:/usr/local/hadoop273/hdfs/data


    dfs.permissions
    false


    dfs.webhdfs.enabled
    true


dfs.datanode.max.xcievers
4096

mapred-site.xml


 
mapreduce.framework.name 
yarn 


mapreduce.application.classpath
/usr/local/hadoop273/etc/hadoop,/usr/local/hadoop273/share/hadoop/common/*,/usr/local/hadoop273/share/hadoop/common/lib/*,/usr/local/hadoop273/share/hadoop/hdfs/*,/usr/local/hadoop273/share/hadoop/hdfs/lib/*,/usr/local/hadoop273/share/hadoop/mapreduce/*,/usr/local/hadoop273/share/hadoop/mapreduce/lib/*,/usr/local/hadoop273/share/hadoop/yarn/*,/usr/local/hadoop273/share/hadoop/yarn/lib/*


mapreduce.jobhistory.address
H32:10020


mapreduce.jobhistory.webapp.address
H32:19888


mapreduce.map.memory.mb
1536


mapreduce.map.java.opts
-Xmx3072M


mapreduce.reduce.memory.mb
3072


mapreduce.reduce.java.opts
-Xmx6144M


mapreduce.cluster.map.memory.mb
-1


mapreduce.cluster.reduce.memory.mb
-1

yarn-site.xml





yarn.resourcemanager.address
H32:8032


yarn.resourcemanager.scheduler.address
H32:8030


yarn.resourcemanager.resource-tracker.address
H32:8031
   

yarn.resourcemanager.admin.address
H32:8033
   

yarn.resourcemanager.webapp.address
H32:8088
  
 
  yarn.nodemanager.aux-services 
  mapreduce_shuffle 
   
 
  yarn.nodemanager.aux-services.mapreduce.shuffle.class 
  org.apache.hadoop.mapred.ShuffleHandler 


mapreduce.application.classpath
/usr/local/hadoop273/etc/hadoop,/usr/local/hadoop273/share/hadoop/common/*,/usr/local/hadoop273/share/hadoop/common/lib/*,/usr/local/hadoop273/share/hadoop/hdfs/*,/usr/local/hadoop273/share/hadoop/hdfs/lib/*,/usr/local/hadoop273/share/hadoop/mapreduce/*,/usr/local/hadoop273/share/hadoop/mapreduce/lib/*,/usr/local/hadoop273/share/hadoop/yarn/*,/usr/local/hadoop273/share/hadoop/yarn/lib/*
 

yarn.nodemanager.vmem-pmem-ratio
3

注意黄色标志,要classpath一定是绝对路径,不要用$HADOOP_HOME,运行会一直提示找不到相关类错误,至此master节点的hadoop搭建完毕。

搭建剩余节点


现在在Master机器上的Hadoop配置就结束了,剩下的就是配置Slave机器上的Hadoop。


将 Master上配置好的hadoop所在文件夹”/usr/local/hadoop273″复制到所有的Slave的”/usr/local”目录下(实际上Slave机器上的slavers文件是不必要的, 复制了也没问题)。用下面命令格式进行。(备注:此时用户可以为hadoop也可以为root)


把H32的hadoop目录下的logs和tmp删除,再把H32中的jdk、hadoop文件夹复制到H33和H34节点

scp -r /usr/local/hadoop273 root@H33:/usr/local

例如:从”Master.Hadoop”到”Slave1.Hadoop”复制配置Hadoop的文件。

上图中以root用户进行复制,当然不管是用户root还是hadoop,虽然Master机器上的”/usr/local/hadoop273″文件夹用户hadoop有权限,但是Slave1上的hadoop用户却没有”/usr/local”权限,所以没有创建文件夹的权限。所以无论是哪个用户进行拷贝,右面都是”root@机器IP”格式。因为我们只是建立起了hadoop用户的SSH无密码连接,所以用root进行”scp”时,扔提示让你输入”Slave1.Hadoop”服务器用户root的密码。

查看”Slave1.Hadoop”服务器的”/usr/local”目录下是否已经存在”hadoop”文件夹,确认已经复制成功。

hadoop文件夹确实已经复制了,但是我们发现hadoop权限是root,所以我们现在要给”Slave1.Hadoop”服务器上的用户hadoop添加对”/usr/local/hadoop”读权限。

以上配置完成后,将hadoop整个文件夹复制到其他机器。

启动hadoop


1.格式化namenode


hdfs namenode -format 只需一次,下次启动不再需要格式化,只需 start-all.sh
若没有设置路径$HADOOP_HOME/bin为环境变量,则需在$HADOOP_HOME路径下执行

bin/hdfs namenode -format

2.启动dfs及yarn


start-dfs.sh 在启动前关闭集群中所有机器的防火墙,不然会出现datanode开后又自动关闭(暂未发现) service iptables stop

start-yarn.sh

若没有设置路径$HADOOP_HOME/sbin为环境变量,则需在$HADOOP_HOME路径下执行

sbin/start-dfs.sh
sbin/start-yarn.sh
或 直接start-all.sh都启动

另外还要启动history服务,不然在面板中不能打开history链接。

sbin/mr-jobhistory-daemon.sh start historyserver

停止集群

sbin/stop-dfs.sh
sbin/stop-yarn.sh
或 直接stop-all.sh

下面使用jps命令查看启动进程:
4504 ResourceManager
4066 DataNode
4761 NodeManager
5068 JobHistoryServer
4357 SecondaryNameNode
3833 NameNode
5127 Jps

打开监控页面


现在便可以打开页面http://192.168.80.32:8088及http://192.168.80.32:50070;看到下面两个页面时说明安装成功。

测试


hdfs测试:


在root中创建文件:

~/hadoop-test-data.txt

向hdfs中上传文件:

bin/hadoop fs -put ~/hadoop-test-data.txt /tmp/input

查看hdfs文件目录:

hdfs dfs –ls /

移除文件命令:

hadoop fs -rm -r /tmp/input

Yarn测试:


运行WordCount测试程序,output为输出文件。

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /tmp/input output

运行过程出现下面内容,没有错误提示说明正常:

具体查看结果:


查看生成列表,会有两个文件,主要查看part-r-00000

hadoop fs -ls output/

hadoop fs -cat output/part-r-00000

结果显示:


hadoop 1
hello 2
java 4
jsp 1

到这里,hadoop-2环境搭建结束,配置文件根据具体需求,具体配置。

查看集群状态:

[root@H32 hadoop273]$ ./bin/hdfs dfsadmin -report

MapReduce Application Master界面:

Map Task运行状况:

某个Node上各个Container状态:

扩展


以下列布署过程中遇到的几个常见问题,加了网上一些网友的内容。

解决”no datanode to stop”问题


当停止Hadoop时发现如下信息:


原因:每次namenode format会重新创建一个namenodeId,而tmp/dfs/data下包含了上次format下的id,namenode format清空了namenode下的数据,但是没有清空datanode下的数据,导致启动时失败,所要做的就是每次fotmat前,清空tmp一下的所有目录。

第一种解决方案如下:

1)先删除”/usr/hadoop/tmp” rm -rf /usr/hadoop/tmp
2)创建”/usr/hadoop/tmp”文件夹 mkdir /usr/hadoop/tmp
3)删除”/tmp”下以”hadoop”开头文件 rm -rf /tmp/hadoop*
4)重新格式化hadoop hadoop namenode -format
5)启动hadoop start-all.sh

使用第一种方案,有种不好处就是原来集群上的重要数据全没有了。假如说Hadoop集群已经运行了一段时间。建议采用第二种。

第二种方案如下:

1)修改每个Slave的namespaceID使其与Master的namespaceID一致。
2)修改Master的namespaceID使其与Slave的namespaceID一致。







请到「今天看啥」查看全文