每一次 Hadoop 生态的更新都是如此令人激动

像是 hadoop3x 精简了内核，spark3 在调用 R 语言的 UDF 方面，速度提升了 40 倍

所以该文章肯定得配备上最新的生态

hadoop 生态简介

期待目标

环境

OS ：

CentOS 7.4

组件：

Hadoop 3x 及生态
- Yarn
- Mapreduce
- HDFS
Zookeeper 3.6.3

可选项

Hive

Flume 1.9

Sqoop 2

kafka 2x

Spark 3x

RDMS：

MySQL 5.7 or 8

开发语言：

JDK 8
Python 3.6 64bit
Scala 2.0 及以上

集群规划

建议：Zookeeper、JournalNode 节点为奇数

防止由脑裂造成的集群不可用

leader 选举，要求可用节点数量 > 总节点数量/2 ,节省资源

注意

Hadoop 安装有如下三种方式：

单机模式：安装简单，几乎不用做任何配置，但仅限于调试用途。
伪分布模式：在单节点上同时启动 NameNode、DataNode、JobTracker、TaskTracker、Secondary Namenode 等 5 个进程，模拟分布式运行的各个节点。
完全分布式模式：正常的 Hadoop 集群，由多个各司其职的节点构成。
HA ：在 Hadoop 2.0 之前,在 HDFS 集群中 NameNode 存在单点故障 (SPOF：A Single Point of Failure)。对于只有一个 NameNode 的集群，如果 NameNode 机器出现故障(比如宕机或是软件、硬件升级)，那么整个集群将无法使用，直到 NameNode 重新启动

此文采用 HA方案进行部署

可选方案：

多台物理机
虚拟机多开

Centos 安装

环境

此文采用多台物理机方案

内存 2G
硬盘 20G

共 4 台物理设备

镜像下载：

此文采用版本：Centos7.4 x64

中科大源

官方源

建议：百度网盘 centos7.4 密码: 8jwf

安装：

镜像刻录不进行介绍

请参考：

linux

windows

mac

选择语言：

采用最小安装方案

> >

设置 root 密码

点击 ROOT PASSWORD 设置 root 密码，不用添加用户

> >

等待完成

完成之后点击Reboot > >

虚拟机帮助

该节点为虚拟机的朋友提供帮助

网络配置

虚拟机配置修改

1）共享网络

2）选择桥接模式

centos 网络配置文件修改

1）查找配置文件

find / -name ifcfg-*

2）修改你 etc 目录下，并以你网卡名结尾的文件

# 这里举例我的

vi /etc/sysconfig/network-scripts/ifcfg-ens33

动态 IP 修改操作：

启用 dhcp

注释 ipaddr 和 gateway

onboot 设置为 yes

建议做如下修改

修改为静态 IP

# 修改

BOOTPROTO="static" #dhcp改为static

ONBOOT="yes" #开机启用本配置

# 添加

IPADDR=192.168.x.x #静态IP

GATEWAY=192.168.x.x  #默认网关

NETMASK=255.255.255.0 #子网掩码

DNS1=你本机的dns配置 #DNS 配置

3）重启服务

service network restart

4）ping 一下我的博客试试

ping uiuing.com

客户端连接

安装 net-tools

yum -y install net-tools

查看 ip

ifconfig

打开客户端终端进行 ssh 连接

ssh root@yourip

安装开发环境

Mysql

此文采用版本：mysql5.7

安装依赖

登陆 centos

安装主要依赖

yum -y install gcc gcc-c++ ncurses ncurses-devel cmake

安装 boost 库（可选）

Mysql5.7 版本更新后有很多变化，安装必须要 BOOST 库（版本需为 1.59.0）

boost 库下载地址：boost

1）下载

wget https://jaist.dl.sourceforge.net/project/boost/boost/1.59.0/boost_1_59_0.tar.gz

2）检查 MD5 值，若不匹配则需要重新下载

md5sum boost_1_59_0.tar.gz

3）解压

tar -vxzf boost_1_59_0.tar.gz

4）存储

mv boost_1_59_0 /usr/local/boost_1_59_0

下载

安装 wget

yum -y install wget

官方下载地址：mysql

1）下载

wget https://dev.mysql.com/get/Downloads/MySQL-5.7/mysql-5.7.21.tar.gz

2）检查 MD5 值，若不匹配则需要重新下载

md5sum mysql-5.7.21.tar.gz

编译安装

1）解压

tar -vxzf mysql-5.7.21.tar.gz

2）编译

cmake .\

make

3）安装

make install

配置 mysql

启动

systemctl start mysqld

或者

systemctl start | stop

查看 mysql 状态

systemctl status mysqld

或者

systemctl status

开机自启（可选）

systemctl enable mysqld

重载配置（可选）

systemctl daemon-reload

配置 root 密码

1）生成默认密码

grep 'temporary password' /var/log/mysqld.log

localhost 后面的就是你的 root 密码

2）修改密码

登陆 mysql

mysql -uroot -p你的密码

修改密码

ALTER USER 'root'@'localhost' IDENTIFIED BY '你的密码';

注意：mysql 5.7 默认安装了密码安全检查插件（validate_password），默认密码检查策略要求密码必须包含：大小写字母、数字和特殊符号，并且长度不能少于8位

以后可以用 update 更新密码

use mysql;

update user set password=PASSWORD('你的密码') where user='root';

flush privileges;

添加远程用户（可选）

GRANT ALL PRIVILEGES ON *.* TO '用户名'@'%' IDENTIFIED BY '密码' WITH GRANT OPTION;

use mysql;

UPDATE user SET Host='%' WHERE User='用户名';

flush privileges;

配置文件：/etc/my.cnf

日志文件：/var/log/mysqld.log

服务启动脚本：/usr/lib/systemd/system/mysqld.service

socket 文件：/var/run/mysqld/mysqld.pid

JDK

此文采用版本：JDK8

下载

安装文本编辑器 vim

yum -y install vim

JDK 官方下载地址：oracle jdk

使用命令下载：

wget https://download.oracle.com/otn/java/jdk/8u291-b10/d7fc238d0cbf4b0dac67be84580cfb4b/jdk-8u291-linux-x64.tar.gz?AuthParam=1619936099_3a37c8b389365d286242f4b1aa4967b0

因为 oracle 公司不允许直接通过 wget 下载官网上的 jdk 包

正确做法：

通过搜索引擎搜索 jdk 官网下载，进入 oracle 官网
勾选 accept licence agreement ，并选择你系统对应的版本
点击对应的版本下载，弹出如下下载框，然后复制下载链接

这个复制的链接结算我们 wget 命令的地址。
正确的下载链接会有”AuthParam“，这个就是 oracle 公司需要用户在下载时提供的注册信息。而且这个信息是用时间限制的，过了一段时间后就会失效，如果你想再次下载 jdk 包，只能再次重复上面的操作。

检查大小

ls -lht

设置环境变量

查看文件名（用于解压）

ls

创建文件夹

mkdir /usr/local/java

解压

tar -zxvf 你的jdk包名 -C /usr/local/java/

查看文件名（用于配置环境变量）

ls  /usr/local/java

打开配置文件

vi /etc/profile

在末尾添加

# jdk8

	# 添加jdk地址变量

	JAVA_HOME=/usr/local/java

	# 添加jre地址变量

	JRE_HOME=${JAVA_HOME}/jre

	# 添加java官方库地址变量

	CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

	# 添加PATH地址变量

	PATH=${JAVA_HOME}/bin:$PATH

	# 使变量生效

	export JAVA_HOME JRE_HOME CLASSPATH PATH

刷新配置文件

source /etc/profile

添加软链接（可选）

ln -s /usr/local/java/jdk1.8.0_291/bin/java  /usr/bin/java

检查

java -version

Python

此文采用版本：Python3.6

我们已经掌握了二进制包安装的方法，所以我们直接通过 yum 来安装 Python

yum -y install python36

依赖：python36-libs

安装 pip3（默认已安装）

yum install python36-pip -y

检查

python3 --version

Scala

此文采用版本：Scala2.11.7

请确保已安装JDK8或者JDK11

下载

Scala 官方下载地址：Scala

使用命令下载：

wget https://downloads.lightbend.com/scala/2.11.7/scala-2.11.7.tgz

检查大小

ls -lht

设置环境变量

查看文件名（用于解压）

ls

创建文件夹

mkdir /usr/local/scala

解压

tar -zxvf 你的jdk包名 -C /usr/local/scala/

查看文件名（用于配置环境变量）

ls  /usr/local/scala

打开配置文件

vi /etc/profile

在末尾添加

# scala 2.11.7

	# 添加scala执行文件地址变量

	SCALA_HOME=/usr/local/scala/scala-2.11.7

	# 添加PATH地址变量

	PATH=$PATH:$SCALA_HOME/bin

	# 使变量生效

	export SCALA_HOME PATH

刷新配置文件

source /etc/profile

检查

scala -version

配置 Hadoop Cluster

集群复刻

使用虚拟机的朋友请直接克隆

切记要返回第四步骤更改各节点ip，不然会发生ip冲突

1）备份

前往根目录

cd /

备份

tar cvpzf backup.tgz / --exclude=/proc --exclude=/lost+found --exclude=/mnt --exclude=/sys --exclude=backup.tgz

备份完成后，在文件系统的根目录将生成一个名为“backup.tgz”的文件，它的尺寸有可能非常大。你可以把它烧录到 DVD 上或者放到你认为安全的地方去

在备份命令结束时你可能会看到这样一个提示：’tar: Error exit delayed from previous

errors’，多数情况下你可以忽略

2）准备

别忘了到其他设备下重新创建那些在备份时被排除在外的目录（如果不存在）：

mkdir proc

mkdir lost+found

mkdir mnt

mkdir sys

3）复刻

可选前提：

将备份文件拷贝至外存储
到其他设备下挂在外存储

到其他物理机上恢复文件

tar xvpfz backup.tgz -C /

恢复 SELinux 文件属性

restorecon -Rv /

集群互联

HOST 配置

1）修改 hostname

到各设备下执行

# 设备 1 （立即生效）

hostnamectl set-hostname master

# 设备 2 （立即生效）

hostnamectl set-hostname slave1

# 设备 3 （立即生效）

hostnamectl set-hostname slave2

# 设备 4 （立即生效）

hostnamectl set-hostname slave3

2）配置 host 文件

查看各设备 ip（到各设备下执行）

ifconfig

到 master 下打开 host 文件

vim /etc/hosts

末尾追加

master设备的ip  master

slave1设备的ip  master

slave2设备的ip  master

slave3设备的ip  master

3）通过 scp 传输 host 文件

scp 语法：

scp 文件名远程主机用户名@远程主机名或ip:存放路径

到 master 下执行

scp /etc/hosts root@SlaveIP:/etc/

注意：请按照 slave 个数，对其 ip 枚举传输

ping 一下

ping -c 4 slave1

能 ping 通就没问题

配置无密码 SSH

以下操作均在master下执行

1）到各设备下生成密钥

ssh-keygen -t rsa

一路回车

到 master 生成公钥

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

之后将各设备的密钥全复制到authorized_keys文件里

2）通过 scp 传输公钥

到 master 下执行

scp authorized_keys root@SlaveNumbe:~/.ssh/

注意：请按照之前设置的 hostname ，对其 ip 枚举传输

例如： scp authorized_keys root@slave1:~/.ssh/

注意，如果各节点下没有 ~/.ssh/ 目录则会配置失败

检查

ssh slave1

中断该 ssh 连接（可选）

exit

客户端配置（建议）

该配置主要方便客户端远程操作

无论是用虚拟机进行学习的朋友，还是工作的朋友都强烈推荐

以下操作均在客户端（MAC OS）上执行

修改 hots 文件

sudo vim /etc/hosts

将 master 设备下/etc/hosts 之前追加的内容，copy 追加到客户端 hosts 末尾

ping 一下，能 ping 通就没问题

windows 修改 host 教程

免密钥 ssh 登陆

客户端生产密钥：

sudo ssh-keygen -t rsa

打开密钥

vim ~/.ssh/id_rsa

将密钥的内容追加到 master 设备的 ~/.ssh/authorized_keys 文件内

到 master 内向各节点申请同步

scp authorized_keys root@SlaveNumbe:~/.ssh/

windows ssh 目录：C:\Users\your_userName.ssh

检查

ssh master

部署 ZooKeeper

此文采用版本 ZooKeepr3.6.3

官方下载地址：Zookeeper

记得下载带bin字样的

准备

从客户端上下载压缩包

到 master 节点上创建 zookeeper 文件夹

mkdir /usr/local/zookeeper

从客户端上传到 master

scp 你下载的Zookeeper路径 root@master:/usr/local/zookeeper

以下操作切换至master节点上

解压

 cd /usr/local/zookeeper

 tar xf apache-zookeeper-3.6.3-bin.tar.gz

添加环境变量

打开配置文件

vim /etc/profile

在末尾添加

# ZooKeeper3.6.3

	# 添加zookeeper地址变量

	ZOOKEEPER_HOME=/usr/local/zookeeper/apache-zookeeper-bin.3.6.3

	# 添加PATH地址变量

	PATH=$ZOOKEEPER_HOME/bin:$PATH

	# 使变量生效

	export ZOOKEEPER_HOME PATH

刷新配置文件

source /etc/profile

修改配置

创建数据目录

mkdir /zookeeper

mkdir /zookeeper/data

mkdir /zookeeper/logs

# 同步

# 自行枚举

添加配置文件

cp $ZOOKEEPER_HOME/conf/zoo_sample.cfg $ZOOKEEPER_HOME/conf/zoo.cfg

vim $ZOOKEEPER_HOME/conf/zoo.cfg

修改和添加

tickTime=2000

initLimit=10

syncLimit=5

dataDir=/zookeeper/data

dataLogDir=/zookeeper/logs

clientPort=2181

server.1=master:2888:3888

server.2=slea1:2888:3888

server.3=slea2:2888:3888

server.4=slea3:2888:3888:observer

集群部署：

到 master 下执行

请根据节点个数枚举执行

同步文件

scp /etc/profile root@slave1:/etc/

scp -r /zookeeper root@slave1:/

scp -r /usr/local/zookeeper root@slave1:/usr/local/

配置节点标识

参考资资料：leader 选举

ssh master "echo "9" > /zookeeper/data/myid"

ssh slave1 "echo "1" > /zookeeper/data/myid"

ssh slave2 "echo "2" > /zookeeper/data/myid"

ssh slave3 "echo "3" > /zookeeper/data/myid"

防火墙配置

#开放端口

firewall-cmd --add-port=2181/tcp --permanent

firewall-cmd --add-port=2888/tcp --permanent

firewall-cmd --add-port=3888/tcp --permanent

#重新加载防火墙配置

firewall-cmd --reload

节点批量执行

# master节点

ssh master "firewall-cmd --add-port=2181/tcp --permanent && firewall-cmd --add-port=2888/tcp --permanent && firewall-cmd --add-port=3888/tcp --permanent && firewall-cmd --reload "

# slave1节点 其他请自行枚举执行

ssh slave1 "firewall-cmd --add-port=2181/tcp --permanent && firewall-cmd --add-port=2888/tcp --permanent && firewall-cmd --add-port=3888/tcp --permanent && firewall-cmd --reload "

启动 ZooKeeper

sh  $ZOOKEEPER_HOME/bin/zkServer.sh start

编写批量启动 shell

vim /bin/zk && chmod 777 /bin/zk

#! /bin/sh

case $1 in

"start"){

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

        echo -e "\e[32m...master-start...\033[0m"

        ssh master "sh $ZOOKEEPER_HOME/bin/zkServer.sh start"

        echo -e "\e[32m...slave1-start...\033[0m"

        ssh slave1 "sh $ZOOKEEPER_HOME/bin/zkServer.sh start"

        echo -e "\e[32m...slave2-start...\033[0m"

        ssh slave2 "sh $ZOOKEEPER_HOME/bin/zkServer.sh start"

        echo -e "\e[32m...slave3-start...\033[0m"

        ssh slave3 "sh $ZOOKEEPER_HOME/bin/zkServer.sh start"

        echo -e "\e[32m...all-start-end...\033[0m"

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

};;

"stop"){

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

        echo -e "\e[32m...master-stop...\033[0m"

        ssh master "sh $ZOOKEEPER_HOME/bin/zkServer.sh stop"

        echo -e "\e[32m...slave1-start...\033[0m"

        ssh slave1 "sh $ZOOKEEPER_HOME/bin/zkServer.sh stop"

        echo -e "\e[32m...slave2-start...\033[0m"

        ssh slave2 "sh $ZOOKEEPER_HOME/bin/zkServer.sh stop"

        echo -e "\e[32m...slave3-start...\033[0m"

        ssh slave3 "sh $ZOOKEEPER_HOME/bin/zkServer.sh stop"

        echo -e "\e[32m...all-stop-end...\033[0m"

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

};;

"status"){

        echo -e "\e[32m---------------------------------------------------------------------------"

        echo -e "\e[32m...master-status...\033[0m"

        ssh master "sh $ZOOKEEPER_HOME/bin/zkServer.sh status"

        echo -e "\e[32m...slave1-start...\033[0m"

        ssh slave1 "sh $ZOOKEEPER_HOME/bin/zkServer.sh status"

        echo -e "\e[32m...slave2-start...\033[0m"

        ssh slave2 "sh $ZOOKEEPER_HOME/bin/zkServer.sh status"

        echo -e "\e[32m...slave3-start...\033[0m"

        ssh slave3 "sh $ZOOKEEPER_HOME/bin/zkServer.sh status"

        echo -e "\e[32m...all-status-end...\033[0m"

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

};;

esac

命令

# 启动

zk start

# 查看状态

zk status

# 关闭

zk stop

启动之后 MODE 和我的显示一样就算成功了

部署 Hadoop

此文采用版本 Hadoop3.2.2

官方下载地址：Hadoop

准备

从客户端上下载压缩包

到 master 节点上创建 Hadoop 文件夹

mkdir /usr/local/hadoop

从客户端上传到 master

scp 你下载的hadoop路径 root@master:/usr/local/hadoop

以下操作切换至master节点上

解压

 cd /usr/local/hadoop

 tar xf hadoop包名

添加环境变量

打开配置文件

vim /etc/profile

在末尾添加

# Hadoop 3.2.2

        # 添加hadoop地址变量

        HADOOP_HOME=/usr/local/hadoop/hadoop-3.3.0

        # 添加PATH地址变量

        PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

        # 使变量生效

        export HADOOP_HOME PATH

# IF HADOOP >= 3x / for root

        # HDFS

        HDFS_DATANODE_USER=root

        HADOOP_SECURE_DN_USER=hdfs

        HDFS_NAMENODE_USER=root

        HDFS_SECONDARYNAMENODE_USER=root

        HDFS_ZKFC_USER=root

        # YARN

        YARN_RESOURCEMANAGER_USER=root

        HADOOP_SECURE_DN_USER=yarn

        YARN_NODEMANAGER_USER=root

        # run

        export HDFS_DATANODE_USER HADOOP_SECURE_DN_USER HDFS_NAMENODE_USER HDFS_SECONDARYNAMENODE_USER HDFS_ZKFC_USER YARN_RESOURCEMANAGER_USER HADOOP_SECURE_DN_USER YARN_NODEMANAGER_USER

请自行使用scp将文件同步至各节点

刷新配置文件

source /etc/profile

配置

创建数据目录

mkdir /hadoop

mkdir /hadoop/journaldata

mkdir /hadoop/hadoopdata

# 同步

# 自行枚举

添加 Jdk 环境

打开文件

vim /usr/local/hadoop/hadoop-3.3.0/etc/hadoop/hadoop-env.sh

添加或修改

export JAVA_HOME=/usr/local/java

接下来我们要修改的文件：

core-site.xml
hadoop-env.sh
mapred-env.sh
yarn-env.sh
workers

前往配置文件目录

cd /usr/local/hadoop/hadoop-3.3.0/etc/hadoop/

core-site.xml

<configuration>

        <!--指定hdfs nameservice-->

        <property>

                <name>fs.defaultFS</name>

                <value>hdfs://jed</value>

        </property>

        <!--指定hadoop工作目录-->

        <property>

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

                <value>/hadoop/hadoopdata</value>

        </property>

        <!--指定zookeeper集群访问地址-->

        <property>

                <name>ha.zookeeper.quorum</name>

                <value>master:2181,slave1:2181,slave2:2181,slave3:2181</value>

        </property>

</configuration>

hdfs-site.xml

<configuration>

	<!--不超过datanode节点数的副本数-->

	<property>

		<name>dfs.replication</name>

		<value>2</value>

	</property>

	<!--与core-site.xml中一致的hdfs nameservice-->

	<property>

        	<name>dfs.nameservices</name>

        	<value>jed</value>

    	</property>

    	<!--jed的NameNode，nn1，nn2 -->

    	<property>

        	<name>dfs.ha.namenodes.jed</name>

        	<value>nn1,nn2</value>

    	</property>

    	<!-- nn1 的 RPC 通信地址 -->

    	<property>

        	<name>dfs.namenode.rpc-address.jed.nn1</name>

        	<value>master:9000</value>

    	</property>

	<!-- nn1 的 http 通信地址 -->

    	<property>

        	<name>dfs.namenode.http-address.jed.nn1</name>

        	<value>master:50070</value>

    	</property>

	<!-- nn2 的 RPC 通信地址 -->

    	<property>

        	<name>dfs.namenode.rpc-address.jed.nn2</name>

        	<value>slave1:9000</value>

    	</property>

    	<!-- nn2 的 http 通信地址 -->

    	<property>

        	<name>dfs.namenode.http-address.jed.nn2</name>

        	<value>slave1:50070</value>

    	</property>

    	<!-- 指定NameNode的edits元数据在JournalNode 上的存放位置 -->

    	<property>

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

        	<value>qjournal://master:8485;slave1:8485;slave2:8485/jed</value>

    	</property>

    	<!-- 指定 JournalNode 在本地磁盘存放数据的位置 -->

    	<property>

        	<name>dfs.journalnode.edits.dir</name>

        	<value>/hadoop/journaldata</value>

    	</property>

    	<!-- 开启 NameNode 失败自动切换 -->

    	<property>

        	<name>dfs.ha.automatic-failover.enabled</name>

        	<value>true</value>

    	</property>

    	<!-- 配置失败自动切换实现方式 -->

    	<!-- 此处配置较长，在安装的时候切记检查不要换行-->

    	<property>

        	<name>dfs.client.failover.proxy.provider.jed</name>

        	<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

    	</property>

    	<!-- 配置隔离机制方法，多个机制用换行分割，即每个机制占用一行-->

    	<property>

        	<name>dfs.ha.fencing.methods</name>

        	<value>

            		sshfence

           		shell(/bin/true)

        	</value>

    	</property>

    	<!-- 使用 sshfence 隔离机制时需要 ssh 免登陆 -->

    	<property>

        	<name>dfs.ha.fencing.ssh.private-key-files</name>

        	<value>/var/root/.ssh/id_rsa</value>

    	</property>

    	<!-- 配置 sshfence 隔离机制超时时间(20s) -->

    	<property>

        	<name>dfs.ha.fencing.ssh.connect-timeout</name>

        	<value>20000</value>

    	</property>

</configuration>

mapred-site.xml

<configuration>

	<!-- 指定 mr 框架为 yarn 方式 -->

    	<property>

        	<name>mapreduce.framework.name</name>

        	<value>yarn</value>

    	</property>

    	<!-- 设置 mapreduce 的历史服务器地址和端口号 -->

    	<property>

        	<name>mapreduce.jobhistory.address</name>

        	<value>master:10020</value>

    	</property>

    	<!-- mapreduce 历史服务器的 web 访问地址 -->

    	<property>

        	<name>mapreduce.jobhistory.webapp.address</name>

        	<value>master:19888</value>

    	</property>

    	<!--给mapreduce & app配置路径-->

    	<property>

  			<name>yarn.app.mapreduce.am.env</name>

  			<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>

		</property>

		<property>

  			<name>mapreduce.map.env</name>

  			<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>

		</property>

		<property>

  			<name>mapreduce.reduce.env</name>

  			<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>

		</property>

</configuration>

yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->

	<!-- 开启 RM 高可用 -->

    	<property>

        	<name>yarn.resourcemanager.ha.enabled</name>

        	<value>true</value>

    	</property>

    	<!-- 指定 RM 的 cluster id，可以自定义-->

    	<property>

        	<name>yarn.resourcemanager.cluster-id</name>

        	<value>Cyarn</value>

    	</property>

    	<!-- 指定 RM 的名字，可以自定义 -->

    	<property>

        	<name>yarn.resourcemanager.ha.rm-ids</name>

        	<value>rm1,rm2</value>

    	</property>

    	<!-- 分别指定 RM 的地址 -->

    	<property>

        	<name>yarn.resourcemanager.hostname.rm1</name>

        	<value>slave2</value>

    	</property>

        <property>

        	<name>yarn.resourcemanager.webapp.address.rm1</name>

        	<value>slave2</value>

    	</property>

    	<property>

        	<name>yarn.resourcemanager.hostname.rm2</name>

        	<value>slave3</value>

    	</property>

	    <property>

	        <name>yarn.resourcemanager.webapp.address.rm2</name>

	        <value>slave3</value>

	    </property>

    	<!-- 指定 zk 集群地址 -->

    	<property>

        	<name>yarn.resourcemanager.zk-address</name>

        	<value>master:2181,slave1:2181,slave2:2181,slave3:2181</value>

    	</property>

    	<!-- 要运行 MapReduce 程序必须配置的附属服务 -->

    	<property>

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

        	<value>mapreduce_shuffle</value>

    	</property>

    	<!-- 开启 YARN 集群的日志聚合功能 -->

    	<property>

        	<name>yarn.log-aggregation-enable</name>

        	<value>true</value>

    	</property>

    	<!-- YARN 集群的聚合日志最长保留时长 -->

    	<property>

        	<name>yarn.log-aggregation.retain-seconds</name>

        	<!--1天-->

        	<value>86400</value>

    	</property>

    	<!-- 启用自动恢复 -->

    	<property>

        	<name>yarn.resourcemanager.recovery.enabled</name>

    		<value>true</value>

    	</property>

    	<!-- 制定 resourcemanager 的状态信息存储在 zookeeper 集群上-->

    	<property>

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

        	<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>

    	</property>

</configuration>

workers

注意！在Hadoop3x以前的版本是 slaves 文件

master

slave1

slave2

slave3

使用 scp 分发给其他节点

scp -r /usr/local/hadoop slave1:/usr/local/

请自行枚举执行

检查

使用之前的 zk 脚本启动 zeekeeper 集群

zk start

分别在每个 journalnode 节点上启动 journalnode 进程

# master slave1 slave2

hadoop-daemon.sh start journalnode

在第一个 namenode 节点上格式化文件系统

 hadoop namenode -format

同步两个 namenode 的元数据

查看你配置的 hadoop.tmp.dir 这个配置信息，得到 hadoop 工作的目录，我的是/hadoop/hadoopdata/

把 master 上的 hadoopdata 目录发送给 slave1 的相同路径下，这一步是为了同步两个 namenode 的元数据

scp -r /hadoop/hadoopdata slave1:/hadoop/

也可以在 slave1 执行以下命令：

hadoop namenode -bootstrapStandby

格式化 ZKFC(任选一个 namenode 节点格式化)

hdfs zkfc -formatZK

启动 hadoop 集群

start-all.sh

相关命令请前往 $HADOOP_HOME/sbin/ 查看

启动 mapreduce 任务历史服务器

mr-jobhistory-daemon.sh start historyserver

编写 jps 集群脚本

vim /bin/jpall && chmod 777 /bin/jpall

#! /bin/sh

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

        echo -e "\e[32m...master-jps...\033[0m"

        ssh master "jps"

        echo -e "\e[32m...slave1-jps...\033[0m"

        ssh slave1 "jps"

        echo -e "\e[32m...slave2-jps...\033[0m"

        ssh slave2 "jps"

        echo -e "\e[32m...slave3-jps...\033[0m"

        ssh slave3 "jps"

        echo -e "\e[32m...all-jps-end...\033[0m"

        echo -e "\e[32m---------------------------------------------------------------------------\033[0m"

运行

jpall

查看各节点的主备状态

hdfs haadmin -getServiceState nn1

查看 HDFS 状态

hdfs dfsadmin -report

WEB 访问可以直接浏览器： IP:50070

测试

HDFS

上传一个文件

hdfs dfs -put test.out

check

hdfs dfs -ls /user/root

hadoop fs -rm -r -skipTrash /user/root/test.out

删除

Mapreduce

我们使用 hadoop 自带的圆周率测试

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar pi 5 5

运行结果

高可用

查看进程

jps

杀死进程

kill -9 5114

现在 master 已不是 namenode 了

现在 slave1 变成了主节点

恢复 master 节点

hadoop-daemon.sh start namenode

master 变成了 standby，什么 HA 具备

Hadoop HA 集群的重装

删除所有节点中 hadoop 的工作目录(core-site.xml 中配置的 hadoop.tmp.dir 那个目录）
如果你在 core-site.xml 中还配置了 dfs.datanode.data.dir 和 dfs.datanode.name.dir 这两个配置，那么把这两个配置对应的目录也删除
删除所有节点中 hadoop 的 log 日志文件，默认在 HADOOP_HOME/logs 目录下
删除 zookeeper 集群中所关于 hadoop 的 znode 节点

图中的红色框中 rmstore 这个节点不能删除，删除另外两个就可以

重新格式化 ZKFC 的时候会询问是否覆盖 rmstore 这个节点，输入 yes 即可
删除所有节点中的 journaldata，路径是在 hdfs-site.xml 中的 dfs.journalnode.edits.dir 中配置的
按照上面安装集群的步骤重新安装即可

Hadoop HA集群与开发环境部署的更多相关文章

在 Ubuntu 上搭建 Hadoop 分布式集群 Eclipse 开发环境
一直在忙Android FrameWork,终于闲了一点,利用空余时间研究了一下Hadoop,并且在自己和同事的电脑上搭建了分布式集群,现在更新一下blog,分享自己的成果. 一 .环境 1.操作系统 ...
基于zookeeper的高可用Hadoop HA集群安装
(1)hadoop2.7.1源码编译 http://aperise.iteye.com/blog/2246856 (2)hadoop2.7.1安装准备 http://aperise.iteye.com ...
hadoop ha集群搭建
集群配置: jdk1.8.0_161 hadoop-2.6.1 zookeeper-3.4.8 linux系统环境:Centos6.5 3台主机:master.slave01.slave02 Hado ...
利用Redis实现集群或开发环境下SnowFlake自动配置机器号
前言: SnowFlake 雪花ID 算法是推特公司推出的著名分布式ID生成算法.利用预先分配好的机器ID,工作区ID,机器时间可以生成全局唯一的随时间趋势递增的Long类型ID.长度在17-19位. ...
全网最详细的Hadoop HA集群启动后，两个namenode都是active的解决办法（图文详解）
不多说,直接上干货! 这个问题,跟全网最详细的Hadoop HA集群启动后,两个namenode都是standby的解决办法(图文详解) 是大同小异. 欢迎大家,加入我的微信公众号:大数据躺过的坑 ...
全网最详细的Hadoop HA集群启动后，两个namenode都是standby的解决办法（图文详解）
不多说,直接上干货! 解决办法因为,如下,我的Hadoop HA集群. 1.首先在hdfs-site.xml中添加下面的参数,该参数的值默认为false: <property> < ...
KafKa简介和利用docker配置kafka集群及开发环境
KafKa的基本认识,写的很好的一篇博客:https://www.cnblogs.com/sujing/p/10960832.html 问题:1.kafka是什么?Kafka是一种高吞吐量的分布式发布 ...
hadoop HA集群搭建步骤
NameNode DataNode Zookeeper ZKFC JournalNode ResourceManager NodeManager node1 √ √ √ √ node2 ...
Hadoop HA集群的搭建
HA 集群搭建的难度主要在于配置文件的编写, 心细,心细,心细! ha模式下,secondary namenode节点不存在... 集群部署节点角色的规划(7节点)------------------ ...

随机推荐

HashMap扩容和ConcurrentHashMap
HashMap 存储结构 HashMap是数组+链表+红黑树(1.8)实现的. (1)Node[] table,即哈希桶数组.Node是内部类,实现了Map.Entry接口,本质是键值对. stati ...
三步搞定IDEA集成热部署
第一步.在你的SpringBoot项目中添加DevTools依赖  <dependency> <groupId>org.sp ...
第30篇-main()方法的执行
在第7篇详细介绍过为Java方法创建的栈帧,如下图所示. 调用完generate_fixed_frame()函数后一些寄存器中保存的值如下: rbx:Method* ecx:invocation co ...
常用SQL函数大全
数学函数 mod(x,y) 返回x/y的模(余数)mod(5,3)=2,mod(3,5)=3 floor(x) 返回小于x的最大整数值ceiling(3)=3,ceiling(3.1)=3 cei ...
java链接并操作数据库
链接准备 MySQL数据库驱动(连接器).mysql-connector-java-x.x.xx.jar会在MySQL安装时提供,若Mysql是默认安装路径,则连接器在:C:\Program File ...
IEEE 754舍入的问题
写在前面本文的舍入方法只适用于保留0位或1位小数,个人水平所限,暂时没有发现保留更多小数位的舍入的规律- IEEE 754的舍入模式 IEEE 754标准提供了2类,5种舍入模式,在默认情况下一般是 ...
4.1 The Example Domain 领域示例代码
4.1 The Example Domain 领域示例代码 The examples will use some concepts those are used by GitHub, like Iss ...
在Windows上使用Docker 创建MongoDB 副本集的极简方法(翻译)
这篇博客介绍下在Windows上使用Docker 创建MongoDB 三节点副本集的最简单的方法.以下命令需要Docker for Windows并使用Linux 容器. 1: 为每个节点创建数据卷 ...
这样学BAT必面之软件设计原则，还不会就是我的问题
学习设计原则是学习设计模式的基础.在实际开发过程中,并不要求所有代码都遵循设计原则,我们要考虑人力.时间.成本.质量,不能刻意追求完美,但要在适当的场景遵循设计原则,这体现的是一种平衡取舍,可以帮助我 ...
92.反转链表II
题目给你单链表的头指针 head 和两个整数 left 和 right ,其中 left <= right .请你反转从位置 left 到位置 right 的链表节点,返回反转后的链表 . ...

Hadoop HA集群 与 开发环境部署

hadoop 生态简介

期待目标

环境

注意

Centos 安装

环境

镜像下载：

安装：

选择语言：

采用最小安装方案

设置 root 密码

等待完成

虚拟机帮助

网络配置

虚拟机配置修改

centos 网络配置文件修改

客户端连接

安装开发环境

Mysql

安装依赖

安装主要依赖

安装 boost 库（可选）

下载

编译安装

配置 mysql

JDK

下载

设置环境变量

Python

Scala

下载

设置环境变量

配置 Hadoop Cluster

集群复刻

集群互联

HOST 配置

配置无密码 SSH

客户端配置（建议）

部署 ZooKeeper

准备

添加环境变量

修改配置

集群部署：

部署 Hadoop

准备

添加环境变量

配置

检查

测试

HDFS

Mapreduce

高可用

Hadoop HA 集群的重装

Hadoop HA集群 与 开发环境部署的更多相关文章

随机推荐

热门专题

Hadoop HA集群与开发环境部署

Hadoop HA集群与开发环境部署的更多相关文章