搭建两个节点的大数据集群-1.hdfs集群

0.规划

两个节点：

ip	部署的程序	备注
192.168.56.2/bigdata.lzf	namenode,datanode,NodeManager，hive,presto,mysql,hive-metastore,presto-cli	主节点
192.168.56.3/bigdata.dn1.lzf	secondarynode,resourceManager,NodeManager,hive,presto,presto-cli	资源管理节点

hive由于不存在主从的问题，虽然metastore也可以部署多个。

如果有必要resourceManager也可以部署多个。

1.公共操作

1.1 创建用户

group add hadoop

useradd hadoop -G hadoop

1.2 设置ssh互通

使用rsa的互通

1.2.1 分别在2,3机器上执行如下（hadoop用户下)

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa

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

chmod 0600 ~/.ssh/authorized_keys

1.2.2 把3的id_rsa.pub 复制到 2的id_rsa.pub_sl

ssh bigdata.dn1.lzf

cd .ssh

scp id_rsa.pub hadoop@bigdata.lzf:~/.ssh/id_rsa.pub_sl

1.2.3 把2的 id_rsa.pub_sl 追加都2的authorized_keys

cd .ssh

cat id_rsa.pub_sl>> authorized_keys

1.2.4 把2的authorized_keys复制到到3的/home/hadoop/.ssh/下

之后进行验证：

chmod 700 ~/.ssh

chmod 600 ~/.ssh/authorized_keys

在2下执行ssh bigdata.dn1.lzf

在3下执行ssh bigdata.lzf

成功，则可以继续了。

注：

a.如果有更多的节点，操作时类似的，就是把所有的id_rsa.pub合并在一起，然后追加到主机的 authorized_keys ,最后把主机authorized_keys复制到各个节点上即可。

b.至于使用rsa还是dsa看具体情况。

1.3 目录

以hadoop身份执行

mkdir -p /home/hadoop/data_hadoop/hdfs/name

mkdir -p /home/hadoop/data_hadoop/hdfs/data

mkdir -p /home/hadoop/data_hadoop/tmp

1.4 安装软件

在/home/haoop下安装

hadoop-2.8.0

1.5 环境变量配置

export JAVA_HOME=/usr/local/jdk1.8.0_131

export HADOOP_HOME=/home/hadoop/hadoop-2.8.0

export HADOOP_CONF_DIR=/home/hadoop/hadoop-2.8.0/etc/hadoop

export HADOOP_YARN_HOME=$HADOOP_HOME

export HADOOP_MAPRED_HOME=$HADOOP_HOME

export HADOOP_PREFIX=$HADOOP_HOME

export PATH=$PATH:$HOME/.local/bin:$HOME/bin:$JAVA_HOME/bin:$HADOOP_HOME/bin

1.6 修改各个env.sh和日志

根据单机的配置即可。

修改 etc/hadoop/log4j.properties 添加如下：

log4j.logger.org.apache.hadoop.util.NativeCodeLoader=DEBUG

2.节点配置

2.1 192.168.56.2 配置

core-site.xml

<property>

<name>fs.defaultFS</name>

<value>hdfs://bigdata.lzf:9001</value>

<description>HDFS的URI，文件系统://namenode标识:端口号,默认是9000</description>

</property>

<property>

<name>hadoop.tmp.dir</name>

<value>/home/hadoop/data_hadoop/tmp</value>

<description>namenode上本地的hadoop临时文件夹</description>

</property>

<property>

<name>ipc.client.connect.max.retries</name>

<value>100</value>

<description>默认10次，现在配置100次</description>

</property>

<property>

<name>ipc.client.connect.retry.interval</name>

<value>10000</value>

<description>连接间隔1秒钟，默认是0.1秒</description>

</property>

--为了权限，例如通过beeline之类的通过访问

添加以下内容：

<property>

<name>hadoop.proxyuser.hadoop.hosts</name>

<value>*</value>

</property>

<property>

<name>hadoop.proxyuser.hadoop.groups</name>

<value>*</value>

</property>

hdfs-site.xml

<name> dfs.namenode.name.dir</name>

<value>/home/hadoop/data_hadoop/hdfs/name</value>

<description>namenode上存储hdfs名字空间元数据 </description>

</property>

<name> dfs.datanode.data.dir</name>

<value>/home/hadoop/data_hadoop/hdfs/data</value>

<description>datanode上数据块的物理存储位置</description>

</property>

<name>dfs.replication</name>

<description>副本个数，配置默认是3,应小于datanode机器数量</description>

</property>

<name>dfs.namenode.rpc-address</name>

<value>bigdata.lzf:9001</value>

<description>RPC address that handles all clients requests。有人说需要和fs.defaultFS 一样端口</description>

</property>

<property>
<name>dfs.namenode.http-address</name>
<value>bigdata.lzf:50070</value>
<description>
The address and the base port where the dfs namenode web ui will listen on.
If the port is 0 then the server will start on a free port.
</description>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>bigdata.dn1.lzf:50090</value>
</property>

slaves

#有两个节点

bigdata.lzf

bigdata.dn1.lzf

yarn-site.xml

#只是用于nodemanager

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

2.2 .192.168.56.3 配置

core-site.xml

<property>

<name>fs.defaultFS</name>

<value>hdfs://bigdata.lzf:9001</value>

<description>HDFS的URI，文件系统://namenode标识:端口号,默认是9000</description>

</property>

<property>

<name>hadoop.tmp.dir</name>

<value>/home/hadoop/data_hadoop/tmp</value>

<description>namenode上本地的hadoop临时文件夹</description>

</property>

<property>

<name>ipc.client.connect.max.retries</name>

<value>100</value>

<description>默认10次，现在配置100次</description>

</property>

<property>

<name>ipc.client.connect.retry.interval</name>

<value>10000</value>

<description>连接间隔1秒钟，默认是0.1秒</description>

</property>

--为了权限，例如通过beeline之类的通过访问

添加以下内容：

<property>

<name>hadoop.proxyuser.hadoop.hosts</name>

<value>*</value>

</property>

<property>

<name>hadoop.proxyuser.hadoop.groups</name>

<value>*</value>

</property>

hdfs-site.xml

<name> dfs.namenode.name.dir</name>

<value>/home/hadoop/data_hadoop/hdfs/name</value>

<description>namenode上存储hdfs名字空间元数据 </description>

</property>

<name> dfs.datanode.data.dir</name>

<value>/home/hadoop/data_hadoop/hdfs/data</value>

<description>datanode上数据块的物理存储位置</description>

</property>

<name>dfs.replication</name>

<description>副本个数，配置默认是3,应小于datanode机器数量</description>

</property>

<name>dfs.namenode.rpc-address</name>

<value>bigdata.lzf:9001</value>

<description>RPC address that handles all clients requests。有人说需要和fs.defaultFS 一样端口</description>

</property>

slaves

#有两个节点

bigdata.lzf

bigdata.dn1.lzf

yarn-site.xml

#resourceManager,nodemanager

<property>
   <name>yarn.resourcemanager.address</name>
   <value>bigdata.dn1.lzf:8032</value>
   <description>资源管理器地址</description>
</property>

<name>yarn.resourcemanager.hostname</name>

<value>bigdata.dn1.lzf</value>

<description>资源管理器节点名称 </description>

</property>

<name>yarn.resourcemanager.scheduler.class</name>

<value> org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>

</property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.resourcemanager.webapp.address</name>

<value>bigdata.dn1.lzf:8099</value>

<description>用于管理集群的资源，可以通过浏览器访问 </description>

</property>

<name>yarn.nodemanager.webapp.address</name>

<value>bigdata.dn1.lzf:8042</value>

<description>用于管理节点，可以通过浏览器访问 </description>

</property>

</configuration>

3.初始化

在2节点上执行

hdfs namenode -format

不需要执行hdfs secondarynamenode -format

4.启动

4.1启动dfs

在主节点2行执行start-dfs.sh即可：

[hadoop@bigdata sbin]$ ./start-dfs.sh

17/07/21 17:28:44 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
17/07/21 17:28:44 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library
Starting namenodes on [bigdata.lzf]
bigdata.lzf: starting namenode, logging to /home/hadoop/hadoop-2.8.0/logs/hadoop-hadoop-namenode-bigdata.lzf.out
bigdata.dn1.lzf: starting datanode, logging to /home/hadoop/hadoop-2.8.0/logs/hadoop-hadoop-datanode-bigdata.dn1.lzf.out
bigdata.lzf: starting datanode, logging to /home/hadoop/hadoop-2.8.0/logs/hadoop-hadoop-datanode-bigdata.lzf.out
Starting secondary namenodes [bigdata.dn1.lzf]
bigdata.dn1.lzf: starting secondarynamenode, logging to /home/hadoop/hadoop-2.8.0/logs/hadoop-hadoop-secondarynamenode-bigdata.dn1.lzf.out
17/07/21 17:29:05 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
17/07/21 17:29:05 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library

然后可以在2,3上使用jps，分别可以看到以下内容

5620 Jps
5239 NameNode
5373 DataNode

---

4069 DataNode
4261 Jps
4167 SecondaryNameNode

4.2 启动yarn

然后在节点3上执行：start-yarn.sh

注意：3节点才是配置为资源管理器节点的，所以只能从3启动，而不是从2

译注: 也许以后的版本不需要如此了！

如果在2上执行start-yarn.sh也可以启动yarn集群，但rm就是2，而不是3了。

5.测试

创建目录

[hadoop@bigdata sbin]$ hadoop fs -mkdir /tmp
17/07/21 17:33:03 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
17/07/21 17:33:03 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library
[hadoop@bigdata sbin]$ hadoop fs -ls /
17/07/21 17:33:16 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
17/07/21 17:33:16 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library
Found 1 items
drwxr-xr-x - hadoop supergroup 0 2017-07-21 17:33 /tmp

---

上传文件

[hadoop@bigdata sbin]$ hadoop fs -copyFromLocal -f start-dfs.sh hdfs://bigdata.lzf:9001/tmp
17/07/21 17:35:29 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
17/07/21 17:35:29 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library

查看

这个是在3上执行的，前面创建目录和上传是在2执行的。

[hadoop@bigdata ~]$ hadoop fs -tail hdfs://bigdata.lzf:9001/tmp/start-dfs.sh

17/07/21 17:41:18 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...

17/07/21 17:41:18 DEBUG util.NativeCodeLoader: Loaded the native-hadoop library

----------------------------------------

# quorumjournal nodes (if any)

SHARED_EDITS_DIR=$($HADOOP_PREFIX/bin/hdfs getconf -confKey dfs.namenode.shared.edits.dir 2>&-)

case "$SHARED_EDITS_DIR" in

qjournal://*)

  JOURNAL_NODES=$(echo "$SHARED_EDITS_DIR" | sed 's,qjournal://\([^/]*\)/.*,\1,g; s/;/ /g; s/:[0-9]*//g')

  echo "Starting journal nodes [$JOURNAL_NODES]"

  "$HADOOP_PREFIX/sbin/hadoop-daemons.sh" \

      --config "$HADOOP_CONF_DIR" \

      --hostnames "$JOURNAL_NODES" \

      --script "$bin/hdfs" start journalnode ;;

esac

#---------------------------------------------------------

# ZK Failover controllers, if auto-HA is enabled

AUTOHA_ENABLED=$($HADOOP_PREFIX/bin/hdfs getconf -confKey dfs.ha.automatic-failover.enabled)

if [ "$(echo "$AUTOHA_ENABLED" | tr A-Z a-z)" = "true" ]; then

  echo "Starting ZK Failover Controllers on NN hosts [$NAMENODES]"

  "$HADOOP_PREFIX/sbin/hadoop-daemons.sh" \

    --config "$HADOOP_CONF_DIR" \

    --hostnames "$NAMENODES" \

    --script "$bin/hdfs" start zkfc

fi

# eof

http访问

50070 默认是访问集群中的数据节点

http://bigdata.lzf:50070/explorer.html#/tmp 可以直接访问 hdfs://bigdata.lzf:9001/tmp在的文件。

50075 用户访问具体的数据节点

http://bigdata.lzf:50075,http://bigdata.dn1.lzf:50075

hadoop 的 wordcount 测试

hadoop jar /home/hadoop/hadoop-2.8.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.0.jar grep hdfs://bigdata.lzf:9001/tmp/hadoop-hadoop-namenode-bigdata.lzf.log output '(lzf)'

17/07/24 11:44:04 INFO mapreduce.Job: Counters: 29

	File System Counters

		FILE: Number of bytes read=604458

		FILE: Number of bytes written=1252547

		FILE: Number of read operations=0

		FILE: Number of large read operations=0

		FILE: Number of write operations=0

		HDFS: Number of bytes read=1519982

		HDFS: Number of bytes written=0

		HDFS: Number of read operations=12

		HDFS: Number of large read operations=0

		HDFS: Number of write operations=5

	Map-Reduce Framework

		Combine input records=0

		Combine output records=0

		Reduce input groups=0

		Reduce shuffle bytes=0

		Reduce input records=0

		Reduce output records=0

		Spilled Records=0

		Shuffled Maps =0

		Failed Shuffles=0

		Merged Map outputs=0

		GC time elapsed (ms)=0

		Total committed heap usage (bytes)=169222144

	Shuffle Errors

		BAD_ID=0

		CONNECTION=0

		IO_ERROR=0

		WRONG_LENGTH=0

		WRONG_MAP=0

		WRONG_REDUCE=0

	File Output Format Counters

		Bytes Written=0

根据测试，输出的内容会放在/user/hadoop/output目录下，事先不创建也没有关系。

6.遇到问题

6.1 ip地址变更的问题

由于其中的主节点原来是承担了所有的角色，而且ip地址和现有的也不同。

其次，重新格式化之后，并没有删除掉原来的元数据目录。

所以，只好手动删除掉

rm -Rf   /home/hadoop/data_hadoop/hdfs/name

rm -Rf   /home/hadoop/data_hadoop/hdfs/data

rm -Rf   /home/hadoop/data_hadoop/hdfs/tmp

mkdir -p  /home/hadoop/data_hadoop/hdfs/name

mkdir -p   /home/hadoop/data_hadoop/hdfs/data

mkdir -p /home/hadoop/data_hadoop/tmp

6.2 区分namenode和secondarynamenode 的关键

hdfs-site.xml中改配置如下

通过这个最简单的配置，了解hadoop中集群的简单工作原理。

后续的研究，包括：

1.增加数据节点

2.搭建ha-hadoop集群

3.搭建基于yarn的presto集群

搭建两个节点的大数据集群-1.hdfs集群的更多相关文章

大数据学习之hdfs集群安装部署04
1-> 集群的准备工作 1)关闭防火墙(进行远程连接) systemctl stop firewalld systemctl -disable firewalld 2)永久修改设置主机名 vi ...
vivo 万台规模 HDFS 集群升级 HDFS 3.x 实践
vivo 互联网大数据团队-Lv Jia Hadoop 3.x的第一个稳定版本在2017年底就已经发布了,有很多重大的改进. 在HDFS方面,支持了Erasure Coding.More than 2 ...
HDFS集群和YARN集群
Hadoop集群环境搭建(一) 1集群简介 HADOOP集群具体来说包含两个集群:HDFS集群和YARN集群,两者逻辑上分离,但物理上常在一起 HDFS集群: 负责海量数据的存储,集群中的角色主要 ...
大数据-HDFS 集群搭建的配置文件
1.HDFS简单版集群搭建相关配置文件 1.core-site.xml文件 <property> <name>fs.defaultFS</name> <val ...
大数据集群环境 zookeeper集群环境安装
大数据集群环境 zookeeper集群环境准备 zookeeper集群安装脚本,如果安装需要保持zookeeper保持相同目录,并且有可执行权限,需要准备如下编写脚本: vi zkInstall.s ...
大数据（2）---HDFS集群搭建
一.准备工作 1.准备几台机器,我这里使用VMware准备了四台机器,一个name node,三个data node. VMware安装虚拟机:https://www.cnblogs.com/niju ...
elasticsearch系列八：ES 集群管理（集群规划、集群搭建、集群管理）
一.集群规划搭建一个集群我们需要考虑如下几个问题: 1. 我们需要多大规模的集群? 2. 集群中的节点角色如何分配? 3. 如何避免脑裂问题? 4. 索引应该设置多少个分片? 5. 分片应该设置几个 ...
大数据【一】集群配置及ssh免密认证
八月迷情,这个月会对大数据进行一个快速的了解学习. 一.所需工具简介首先我是在大数据实验一体机上进行集群管理学习,管理五台实验机,分别为master,slave1,slave2,slave3,cli ...
elasticsearch 集群管理（集群规划、集群搭建、集群管理）
一.集群规划搭建一个集群我们需要考虑如下几个问题: 1. 我们需要多大规模的集群? 2. 集群中的节点角色如何分配? 3. 如何避免脑裂问题? 4. 索引应该设置多少个分片? 5. 分片应该设置几个 ...

随机推荐

IO流之转换流
转换流 OutputStreamWriter类查阅OutputStreamWriter的API介绍,OutputStreamWriter 是字符流通向字节流的桥梁:可使用指定的字符编码表,将要写入流 ...
asp and javascript: sql server export data to csv and to xls
<%@LANGUAGE="JAVASCRIPT" CODEPAGE="65001"%> <% //塗聚文 //20131021 functio ...
easyui datagrid 显示 footer
1.设置 showFooter为true $grid = $dg.datagrid({ // fit: true, //fitColumns: true, // pagination: false, ...
纯CSS实现Tab切换标签效果代码
在线演示地址如下: http://demo.jb51.net/js/2015/css-tab-bq-style-cha-codes/ <!DOCTYPE html PUBLIC "-/ ...
git取消本地commit
如果不小心commit了一个不需要commit的文件,可以对其进行撤销. 先使用git log 查看 commit日志 commit 422bc088a7d6c5429f1d0760d008d86c5 ...
linux里终端安转视频播放器的操作及显示
[enilu@enilu ~]$ mplayerbash: mplayer: command not found[enilu@enilu ~]$ yum list | grep mplayer^C^C ...
Android 环信(Android)设置头像和昵称的方法
最近,经常有朋友问到,如何集成环信头像,怎么才能快速显示头像,因时间紧急,很多朋友都没有时间慢慢的研究代码,这里大家稍微花10分钟看一下文章,看完后再花5分钟改一下代码,即可达到你们所要的效果. 当然 ...
mybooklist.cn 书单de故事六月十六日
1.我的30年30本书刘苏里书单北京万圣书园总经理,以经营人文社科类图书著称.生于1960年,1983年毕业于北京大学国际政治系,1986年毕业于中国政法大学研究生院.
maven学习（一）setting.xml配置文件详解
maven环境搭建: 1.官网下载zip包,解压至任意目录(如:E:\wly\apache-maven-3.2.5) 2.环境变量MAVEN_HOME(E:\wly\apache-maven-3.2. ...
checkpoint(sqlserver数据库检查点)
关于检查点的解释: 出于性能方面的考虑,数据库引擎对内存(缓冲区缓存)中的数据库页进行修改,但在每次更改后不将这些页写入磁盘.相反,数据库引擎定期发出对每个数据库的检查点命令.“检查点”将当前内存 ...

搭建两个节点的大数据集群-1.hdfs集群

搭建两个节点的大数据集群-1.hdfs集群的更多相关文章

随机推荐

热门专题