【Hadoop离线基础总结】完全分布式环境搭建

完全分布式环境搭建

服务规划

适用于工作当中正式环境搭建

安装步骤

第一步：安装包解压

停止之前的Hadoop集群的所有服务，并删除所有机器的Hadoop安装包，然后重新解压Hadoop压缩包

三台机器都执行

rm -rf /export/servers/hadoop-2.7.5/

在第一台机器解压压缩包

cd /export/softwares

tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/

第二步：配置文件的修改

进入到一下文件夹，并用notepad++或者finalshell等脚本编辑工具打开一下文件

cd /export/servers/hadoop-2.7.5/etc/hadoop

修改core-site.xml

<configuration>

<!-- 指定NameNode的HA高可用的zk地址  -->

	<property>

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

		<value>node01:2181,node02:2181,node03:2181</value>

	</property>

 <!-- 指定HDFS访问的域名地址  -->

	<property>

		<name>fs.defaultFS</name>

		<value>hdfs://ns</value>

	</property>

 <!-- 临时文件存储目录  -->

	<property>

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

		<value>/export/servers/hadoop-2.7.5/data/tmp</value>

	</property>

	 <!-- 开启hdfs垃圾箱机制，指定垃圾箱中的文件七天之后就彻底删掉

			单位为分钟

	 -->

	<property>

		<name>fs.trash.interval</name>

		<value>10080</value>

	</property>

</configuration>

修改hdfs-site.xml

<configuration>

<!--  指定命名空间  -->

	<property>

		<name>dfs.nameservices</name>

		<value>ns</value>

	</property>

<!--  指定该命名空间下的两个机器作为我们的NameNode  -->

	<property>

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

		<value>nn1,nn2</value>

	</property>

	<!-- 配置第一台服务器的namenode通信地址  -->

	<property>

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

		<value>node01:8020</value>

	</property>

	<!--  配置第二台服务器的namenode通信地址  -->

	<property>

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

		<value>node02:8020</value>

	</property>

	<!-- 所有从节点之间相互通信端口地址 -->

	<property>

		<name>dfs.namenode.servicerpc-address.ns.nn1</name>

		<value>node01:8022</value>

	</property>

	<!-- 所有从节点之间相互通信端口地址 -->

	<property>

		<name>dfs.namenode.servicerpc-address.ns.nn2</name>

		<value>node02:8022</value>

	</property>

	<!-- 第一台服务器namenode的web访问地址  -->

	<property>

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

		<value>node01:50070</value>

	</property>

	<!-- 第二台服务器namenode的web访问地址  -->

	<property>

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

		<value>node02:50070</value>

	</property>

	<!-- journalNode的访问地址，注意这个地址一定要配置 -->

	<property>

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

		<value>qjournal://node01:8485;node02:8485;node03:8485/ns1</value>

	</property>

	<!--  指定故障自动恢复使用的哪个java类 -->

	<property>

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

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

	</property>

	<!-- 故障转移使用的哪种通信机制 -->

	<property>

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

		<value>sshfence</value>

	</property>

	<!-- 指定通信使用的公钥  -->

	<property>

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

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

	</property>

	<!-- journalNode数据存放地址  -->

	<property>

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

		<value>/export/servers/hadoop-2.7.5/data/dfs/jn</value>

	</property>

	<!-- 启用自动故障恢复功能 -->

	<property>

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

		<value>true</value>

	</property>

	<!-- namenode产生的文件存放路径 -->

	<property>

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

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/name</value>

	</property>

	<!-- edits产生的文件存放路径 -->

	<property>

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

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/edits</value>

	</property>

	<!-- dataNode文件存放路径 -->

	<property>

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

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/dn</value>

	</property>

	<!-- 关闭hdfs的文件权限 -->

	<property>

		<name>dfs.permissions</name>

		<value>false</value>

	</property>

	<!-- 指定block文件块的大小 -->

	<property>

		<name>dfs.blocksize</name>

		<value>134217728</value>

	</property>

</configuration>

修改hadoop-env.sh

# The java implementation to use.

export JAVA_HOME=/export/servers/jdk1.8.0_141

修改mapred-site.xml

<configuration>

	<!--指定运行mapreduce的环境是yarn -->

	<property>

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

        <value>yarn</value>

	</property>

	<!-- MapReduce JobHistory Server IPC host:port -->

	<property>

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

        <value>node03:10020</value>

	</property>

	<!-- MapReduce JobHistory Server Web UI host:port -->

	<property>

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

        <value>node03:19888</value>

	</property>

	<!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->

	<property>

        <name>mapreduce.jobtracker.system.dir</name>

        <value>/export/servers/hadoop-2.7.5/data/system/jobtracker</value>

	</property>

	<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->

	<property>

        <name>mapreduce.map.memory.mb</name>

        <value>1024</value>

	</property>

	<!-- <property>

                <name>mapreduce.map.java.opts</name>

                <value>-Xmx1024m</value>

        </property> -->

	<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->

	<property>

        <name>mapreduce.reduce.memory.mb</name>

        <value>1024</value>

	</property>

	<!-- <property>

               <name>mapreduce.reduce.java.opts</name>

               <value>-Xmx2048m</value>

        </property> -->

	<!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认情况下，分配给每个合并流1MB，给个合并流应该寻求最小化。默认值100-->

	<property>

        <name>mapreduce.task.io.sort.mb</name>

        <value>100</value>

	</property>

	<!-- <property>

        <name>mapreduce.jobtracker.handler.count</name>

        <value>25</value>

        </property>-->

	<!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->

	<property>

        <name>mapreduce.task.io.sort.factor</name>

        <value>10</value>

	</property>

	<!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->

	<property>

        <name>mapreduce.reduce.shuffle.parallelcopies</name>

        <value>25</value>

	</property>

	<property>

        <name>yarn.app.mapreduce.am.command-opts</name>

        <value>-Xmx1024m</value>

	</property>

	<!-- MR AppMaster所需的内存总量。默认值1536-->

	<property>

        <name>yarn.app.mapreduce.am.resource.mb</name>

        <value>1536</value>

	</property>

	<!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->

	<property>

        <name>mapreduce.cluster.local.dir</name>

        <value>/export/servers/hadoop-2.7.5/data/system/local</value>

	</property>

	</configuration>

修改yarn-site.xml

<configuration>

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

<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->

<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->

<!-- 用户可以通过应用程序时间服务器访问日志 -->

<!-- 启用日志聚合功能，应用程序完成后，收集各个节点的日志到一起便于查看 -->

	<property>

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

			<value>true</value>

	</property>

	<!--开启resource manager HA,默认为false-->

	<property>

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

        <value>true</value>

	</property>

	<!-- 集群的Id，使用该值确保RM不会做为其它集群的active -->

	<property>

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

        <value>mycluster</value>

	</property>

	<!--配置resource manager  命名-->

	<property>

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

        <value>rm1,rm2</value>

	</property>

	<!-- 配置第一台机器的resourceManager -->

	<property>

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

        <value>node03</value>

	</property>

	<!-- 配置第二台机器的resourceManager -->

	<property>

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

        <value>node02</value>

	</property>

	<!-- 配置第一台机器的resourceManager通信地址 -->

	<property>

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

        <value>node03:8032</value>

	</property>

	<property>

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

        <value>node03:8030</value>

	</property>

	<property>

        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>

        <value>node03:8031</value>

	</property>

	<property>

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

        <value>node03:8033</value>

	</property>

	<property>

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

        <value>node03:8088</value>

	</property>

	<!-- 配置第二台机器的resourceManager通信地址 -->

	<property>

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

        <value>node02:8032</value>

	</property>

	<property>

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

        <value>node02:8030</value>

	</property>

	<property>

        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>

        <value>node02:8031</value>

	</property>

	<property>

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

        <value>node02:8033</value>

	</property>

	<property>

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

        <value>node02:8088</value>

	</property>

	<!--开启resourcemanager自动恢复功能-->

	<property>

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

        <value>true</value>

	</property>

	<!--在node1上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项-->

	<property>

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

		<value>rm1</value>

       <description>If we want to launch more than one RM in single node, we need this configuration</description>

	</property>

	   <!--用于持久存储的类。尝试开启-->

	<property>

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

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

	</property>

	<property>

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

        <value>node02:2181,node03:2181,node01:2181</value>

        <description>For multiple zk services, separate them with comma</description>

	</property>

	<!--开启resourcemanager故障自动切换，指定机器-->

	<property>

        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>

        <value>true</value>

        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>

	</property>

	<property>

        <name>yarn.client.failover-proxy-provider</name>

        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>

	</property>

	<!-- 允许分配给一个任务最大的CPU核数，默认是8 -->

	<property>

        <name>yarn.nodemanager.resource.cpu-vcores</name>

        <value>4</value>

	</property>

	<!-- 每个节点可用内存,单位MB -->

	<property>

        <name>yarn.nodemanager.resource.memory-mb</name>

        <value>512</value>

	</property>

	<!-- 单个任务可申请最少内存，默认1024MB -->

	<property>

        <name>yarn.scheduler.minimum-allocation-mb</name>

        <value>512</value>

	</property>

	<!-- 单个任务可申请最大内存，默认8192MB -->

	<property>

        <name>yarn.scheduler.maximum-allocation-mb</name>

        <value>512</value>

	</property>

	<!--多长时间聚合删除一次日志 此处-->

	<property>

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

        <value>2592000</value><!--30 day-->

	</property>

	<!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->

	<property>

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

        <value>604800</value><!--7 day-->

	</property>

	<!--指定文件压缩类型用于压缩汇总日志-->

	<property>

        <name>yarn.nodemanager.log-aggregation.compression-type</name>

        <value>gz</value>

	</property>

	<!-- nodemanager本地文件存储目录-->

	<property>

        <name>yarn.nodemanager.local-dirs</name>

        <value>/export/servers/hadoop-2.7.5/yarn/local</value>

	</property>

	<!-- resourceManager  保存最大的任务完成个数 -->

	<property>

        <name>yarn.resourcemanager.max-completed-applications</name>

        <value>1000</value>

	</property>

	<!-- 逗号隔开的服务列表，列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->

	<property>

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

        <value>mapreduce_shuffle</value>

	</property>

	<!--rm失联后重新链接的时间-->

	<property>

        <name>yarn.resourcemanager.connect.retry-interval.ms</name>

        <value>2000</value>

	</property>

</configuration>

修改slaves

node01

node02

node03

第三步：启动集群

将第一台机器的hadoop安装包分发到第二台、第三台机器上

cd /export/servers

scp -r hadoop-2.7.5/ node02:$PWD

scp -r hadoop-2.7.5/ node03:$PWD

三台机器都创建一下所需的文件夹

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

更改node的rm2

在第二台机器执行

cd /export/servers/hadoop-2.7.5/etc/hadoop

vim yarn-site.xml

	<!--在node3上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，

	但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项

	注意我们现在有两个resourceManager  第三台是rm1   第二台是rm2

	这个配置一定要记得去node02上面改好

	-->

	<property>

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

		<value>rm2</value>

       <description>If we want to launch more than one RM in single node, we need this configuration</description>

	</property>

启动HDFS

在第一台机器执行

cd /export/servers/hadoop-2.7.5

bin/hdfs zkfc -formatZK		-> 格式化zk

sbin/hadoop-daemons.sh start journalnode		-> 启动journalnode

bin/hdfs namenode -format		-> 格式化NameNode上面所有的数据

bin/hdfs namenode -initializeSharedEdits -force			-> 强制初始化元数据信息

sbin/start-dfs.sh

在第二台机器执行

cd /export/servers/hadoop-2.7.5

bin/hdfs namenode -bootstrapStandby		-> 设置NameNode为StandBy状态

sbin/hadoop-daemon.sh start namenode

启动YARN

在第三台机器上执行

cd /export/servers/hadoop-2.7.5

sbin/start-yarn.sh

在第二台机器上执行

cd /export/servers/hadoop-2.7.5

sbin/start-yarn.sh

查看resourceManager状态

在第三台机器上执行

cd /export/servers/hadoop-2.7.5

bin/yarn rmadmin -getServiceState rm1

cd /export/servers/hadoop-2.7.5

bin/yarn rmadmin -getServiceState rm2

在node03启动JobHistory

cd /export/servers/hadoop-2.7.5

sbin/mr-jobhistory-daemon.sh start historyserver

tips

node01机器查看hdfs状态：node01:50070

node02机器查看hdfs状态：node02:50070

yarn集群访问查看：node03:8088

历史任务浏览界面：node03:19888

【Hadoop离线基础总结】完全分布式环境搭建的更多相关文章

Hadoop基础教程之分布式环境搭建
前面,我们已经在单机上把Hadoop运行起来了,但我们知道Hadoop支持分布式的,而它的优点就是在分布上突出的,所以我们得搭个环境模拟一下. 在这里,我们采用这样的策略来模拟环境,我们使用3台ubu ...
【Hadoop离线基础总结】CDH版本Hadoop 伪分布式环境搭建
CDH版本Hadoop 伪分布式环境搭建服务规划步骤第一步:上传压缩包并解压 cd /export/softwares/ tar -zxvf hadoop-2.6.0-cdh5.14.0.tar ...
【Hadoop基础教程】4、Hadoop之完全分布式环境搭建
上一篇blog我们完成了Hadoop伪分布式环境的搭建,伪分布式模式也叫单节点集群模式, NameNode.SecondaryNameNode.DataNode.JobTracker.TaskTrac ...
Hadoop学习笔记(3)——分布式环境搭建
Hadoop学习笔记(3) ——分布式环境搭建前面,我们已经在单机上把Hadoop运行起来了,但我们知道Hadoop支持分布式的,而它的优点就是在分布上突出的,所以我们得搭个环境模拟一下. 在这里, ...
攻城狮在路上（陆）-- hadoop分布式环境搭建(HA模式)
一.环境说明: 操作系统:Centos6.5 Linux node1 2.6.32-431.el6.x86_64 #1 SMP Fri Nov 22 03:15:09 UTC 2013 x86_64 ...
Hadoop学习笔记1：伪分布式环境搭建
在搭建Hadoop环境之前,请先阅读如下博文,把搭建Hadoop环境之前的准备工作做好,博文如下: 1.CentOS 6.7下安装JDK , 地址: http://blog.csdn.net/yule ...
【转】Hadoop HDFS分布式环境搭建
原文地址 http://blog.sina.com.cn/s/blog_7060fb5a0101cson.html Hadoop HDFS分布式环境搭建最近选择给大家介绍Hadoop HDFS系统 ...
【Hadoop】伪分布式环境搭建、验证
Hadoop伪分布式环境搭建: 自动部署脚本: #!/bin/bash set -eux export APP_PATH=/opt/applications export APP_NAME=Ares ...
hadoop学习(三)----hadoop2.x完全分布式环境搭建
今天我们来完成hadoop2.x的完全分布式环境搭建,话说学习本来是一件很快乐的事情,可是一到了搭环境就怎么都让人快乐不起来啊,搭环境的时间比学习的时间还多.都是泪.话不多说,走起. 1 准备工作开 ...

随机推荐

使用pandas读取csv文件和写入文件
这是我的CSV文件读取其中得tempo这一列 import pandas as pd #导入pandas包 data = pd.read_csv("E:\\毕设\\情感识别\\Music- ...
Daily Scrum 1/7/2015
Process: Zhaoyang: Do some code intergration and test the total feature in the IOS APP. Yandong: Cod ...
A - Oil Deposits DFS
The GeoSurvComp geologic survey company is responsible for detecting underground oil deposits. GeoSu ...
kafka高吞吐量之消息压缩
背景保证kafka高吞吐量的另外一大利器就是消息压缩.就像上图中的压缩饼干. 压缩即空间换时间,通过空间的压缩带来速度的提升,即通过少量的cpu消耗来减少磁盘和网络传输的io. 消息压缩模型消息格 ...
jest enzyme unit test react
1. 测试类型单元测试:指的是以原件的单元为单位,对软件进行测试.单元可以是一个函数,也可以是一个模块或一个组件,基本特征就是只要输入不变,必定返回同样的输出.一个软件越容易些单元测试,就表明它的模 ...
2020年必须掌握的硬核技能k8s
Kubernetes 是一个软件系统,使你在数以万计的电脑节点上运行软件时就像所有节点是以单个大节点一样, 它将底层基础设施抽象,这样做同时简化了应用开发.部署,以及对开发和运维团队的管理. Kub ...
CentOS 7 + Win 双系统的安装遇到的重要问题
前言:对于刚学linux的朋友们,多多小小因为各种原因需要装双系统,亦或者爱好使然.多数是问题解决,第一次装系统者不推荐看-. 那么现在内德在此就说说在本本上装双系统会遇到的问题及其解决方法. 环境准 ...
c语言字符串大小写转换
https://www.programmingsimplified.com/c/program/c-program-change-case https://docs.microsoft.com/en- ...
Openstack object list 一次最多有一万个 object
When you request a list of containers or objects, Object Storage returns a maximum of 10,000 names f ...
Android xUtils3.0使用手册（二） - 数据库操作
步骤: (1). 创建数据表: (2). DaoConfig 获取数据库的配置信息: (3). 获取数据库实例: x.getDb(daoConfig); (4). 数据库的增删改查. 1. 创建 ...