hadoop(2):搭建hadoop完全分布式_hdfs分布式环境搭建

一、环境配置需求

服务器数量：需要3台服务器节点，一台NameNode节点，两台DataNode节点，另外还需要一个SecondaryNameNode，可放在DataNode节点里

服务器作用：
1）NameNode：保存数据的存储位置，不保存数据。
完全基于内存存储和管理文件元数据、目录结构、文件block映射，提供了副本放置策略，与SecondaryNameNode配合实现持久化方案保证数据可靠性

2）DataNode：保存数据。
基于本地磁盘存储block(文件形式)，并保存block的校验和数据保证block的可靠性，与NameNode保持心跳，汇报block列表状态

3）SecondaryNameNode：周期性实现NameNode镜像和日志的合并。
日志保存的信息比较完全但恢复启动慢，镜像的恢复启动比较快但更新速度有限，所以要周期性地将日志的信息更新到镜像中，然后删除日志，最后使用镜像+日志进行NameNode的启动。SecondaryNameNode可以周期完成对Namenode的EditLog向FsImage合并，减少EditLog大小，减少Namenode启动时间
备份原理：
- NameNode格式化会生成一个空的FsImage，用来存储内存所有的元数据状态
- 任何对文件系统元数据产生修改的操作，都会使用EditLog事务日志记录下来，然后写FsNameSystem内存
- SecondaryNameNode周期性下载EditLog，同时把FsImage下载下来，完成对EditLog向FsImage合并形成新的FsImage，然后替换旧的FsImage，删除旧的EditLog，减少EditLog大小
- 使用本地磁盘保存EditLog和FsImage，Namenode启动时，它从硬盘中读取EditLog和FsImage

二、hadoop完全分布式搭建

1.基础环境配置（3个节点都需配置）

#临时关掉NetworkManager
systemctl stop NetworkManager
#永久关掉NetworkManager
systemctl disable NetworkManager
#关闭防火墙
systemctl disable --now firewalld
setenforce 0
#关闭dnsmasq
systemctl disable --now dnsmasq
#开启service服务
systemctl start network.service
service network restart
1
2
3
4
5
6
7
8
9
10
11
12

2.网卡配置

三个节点分别命名分别为master01，node01，node02，并配置对应ip，启动对应的节点服务
master01：192.168.132.101(NameNode)
node01：192.168.132.102(SecondaryNameNode,DataNode)
node02：192.168.132.103(DataNode)

1）配置服务器名(3个节点的HOSTNAME分别设置为master01，node01，node02)：/etc/sysconfig/network

#NETWORKING表示系统是否使用网络ipv4
NETWORKING=yes
HOSTNAME=master01
1
2
3

2）网卡ip配置(3个节点的IPADDR分别配置为192.168.132.101，192.168.132.102，192.168.132.103)：/etc/sysconfig/network-scripts/ifcfg-ens33

TYPE=Ethernet
BOOTPROTO=static
NAME=ens33
DEVICE=ens33
ONBOOT=yes
IPADDR=192.168.132.101
NETMASK=255.255.255.0
GATEWAY=192.168.132.2
DNS1=8.8.8.8
1
2
3
4
5
6
7
8
9

3）DNS配置（3个节点相同配置）： /etc/resolv.conf

nameserver 8.8.8.8
1

4）重启网卡（3个节点都需重启网卡）

systemctl restart network
1

3.新建用户并添加sudo权限（3台节点分别建master01，node01，node02用户）

1）添加用户：useradd 用户名
master01节点添加master01用户
node01节点添加node01用户
node02节点添加node02用户

useradd master01
1

2）修改密码：passwd 用户名
master01节点修改master01用户密码
node01节点修改node01用户密码
node02节点修改node02用户密码

passwd master01
1

3）修改sudoers文件，给用户sudo权限
master01节点在sudoers下添加一行：master01 ALL=(ALL) ALL
node01节点在sudoers下添加一行：node01 ALL=(ALL) ALL
node02节点在sudoers下添加一行：node02 ALL=(ALL) ALL

#修改sudoers权限
chmod 777 /etc/sudoers
#修改sudoers文件
vi /etc/sudoers
#在文件/etc/sudoers的root ALL=(ALL) ALL下添加一行
master01 ALL=(ALL)      ALL
#将sudoers文件权限改回来
chmod 440 /etc/sudoers
1
2
3
4
5
6
7
8

4）修改hosts文件（3个节点都需修改）

#修改hosts文件
vi /etc/hosts
#在/etc/hosts下添加
192.168.132.101 master01
192.168.132.102 node01
192.168.132.103 node02
1
2
3
4
5
6

5）修改hostname文件（3个节点都需修改为对应服务器名）

#修改/etc/hostname文件
vi /etc/hostname
#将/etc/hostname的文本修改为对应服务器名（master01，node01，node02）
master01
1
2
3
4

4.时间修改，避免节点心跳时间对不上导致出错（3个节点都需配置）

#修改时区
ln -sf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
#修改时间
#查看硬件的时间
hwclock --show
#设置硬件时间，正常修改时区就够了，如有需要，可以定一个固定的时间
hwclock --set --date '2024-02-...'
#设置系统时间和硬件时间同步
hwclock --hctosys
#保存时钟
clock -w
1
2
3
4
5
6
7
8
9
10
11

5.安装jdk环境（3个节点都需配置）

下载地址：https://www.oracle.com/downloads/graalvm-downloads.html
jdk8下载地址：https://www.oracle.com/java/technologies/downloads/#java8

#解压
tar -zxvf jdk-8u401-linux-x64.tar.gz
#新建放jdk的文件夹
mkdir -p /usr/java
mv jdk1.8.0_401 /usr/java/jdk
#编辑/etc/profile文件
vi /etc/profile
#添加环境变量
export JAVA_HOME=/usr/java/jdk
export PATH=$JAVA_HOME/bin:$PATH
#刷新环境变量
source /etc/profile
#验证
java -version
1
2
3
4
5
6
7
8
9
10
11
12
13
14

6.安装hadoop（3个节点都需配置）

下载地址：https://dlcdn.apache.org/hadoop/common

#解压
tar -zxvf hadoop-3.3.6.tar.gz
#移动hadoop到对应的文件夹
mv hadoop-3.3.6 /usr/hadoop
#编辑/etc/profile文件
vi /etc/profile
#添加环境变量
export HADOOP_HOME=/usr/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
#刷新环境变量
source /etc/profile
#验证
hdfs version
1
2
3
4
5
6
7
8
9
10
11
12
13

7.ssh免密（3个节点都需配置，NameNode和SecondaryNameNode需要能免密到所有节点）

1）安装ssh

#安装ssh
yum install ssh
1
2

2）生成RSA密钥和公钥
需要先进入对应用户再生成密钥和公钥
master01节点进入master01用户
node01节点进入node01用户
node02节点进入node02用户

su master01
1

生成密钥和公钥

#生成RSA密钥和公钥，-t表示type
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
1
2

3）在~/.ssh文件夹下新增config，配置需要ssh的服务器信息

#编辑~/.ssh/config
vi ~/.ssh/config
1
2

在~/.ssh/config文件下添加ssh的服务器信息

Host master01
HostName 192.168.132.101
User master01
IdentitiesOnly yes

Host node01
HostName 192.168.132.102
User node01
IdentitiesOnly yes

Host node02
HostName 192.168.132.103
User node02
IdentitiesOnly yes
1
2
3
4
5
6
7
8
9
10
11
12
13
14

修改下config的权限

chmod 600 ~/.ssh/config
1

4）将公钥发送到对应服务器，实现对对应服务器的免密登录

#将公钥发给自己
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
#在master01上执行，将master01的公钥发给所有node节点，让master01能直接免密登录到其他node节点
ssh-copy-id node01
ssh-copy-id node02
#在node01上执行，作为SecondaryNameNode节点也需要连其他节点
ssh-copy-id master01
ssh-copy-id node02
#修改下authorized_keys的权限，否则会无法免密登录
chmod 600 ~/.ssh/authorized_keys
1
2
3
4
5
6
7
8
9
10

5）master01上验证免密登录

#验证是否免密成功localhost
ssh localhost
#退出免密的localhost（上一步只是验证，验证后退出下）
exit
#验证是否免密成功node01
ssh node01
#退出免密的node01
exit
#验证是否免密成功node02
ssh node02
#退出免密的node02
exit
1
2
3
4
5
6
7
8
9
10
11
12

8.hadoop配置hdfs(3个节点可以用同一份配置)

1）修改hadoop-env.sh文件，添加启动的java路径，分布式部署后，每个地方的java路径不一定相同

#编辑hadoop-env.sh文件
vi $HADOOP_HOME/etc/hadoop/hadoop-env.sh
#取消对应注释并修改为对应java路径
export JAVA_HOME=/usr/java/jdk
1
2
3
4

2）修改core-site.xml文件，添加启动的namenode节点和对应端口

#编辑core-site.xml文件
vi $HADOOP_HOME/etc/hadoop/core-site.xml
#修改并添加namenode启动ip为localhost，端口为9000
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master01:9000</value>
    </property>
    <property>
        <!--指定数据默认存储地址-->
        <name>hadoop.tmp.dir</name>
        <value>/bigdata/hadoop/tmp</value>
    </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14

3）编辑workers，指定从哪些节点里启动DataNode（2.x版本是编辑slaves）

#编辑workers文件
vi $HADOOP_HOME/etc/hadoop/workers
#在workers文件里修改并添加DataNode启动节点(把里面默认的localhost去掉)
node01
node02
1
2
3
4
5

4）修改hdfs-site.xml文件，添加副本数量、hdfs的web访问地址、SecondaryNameNode的web访问地址等配置

#编辑hdfs-site.xml文件
vi $HADOOP_HOME/etc/hadoop/hdfs-site.xml
#设置namenode，datanode文件存储地址，web地址，secondarynamenode镜像地址
<configuration>
  <property>
    <!--指定namenode文件存储地址-->
    <name>dfs.namenode.name.dir</name>
    <value>/bigdata/hadoop/hdfs_name</value>
  </property>
  <property>
    <!--指定datanode文件存储地址-->
    <name>dfs.datanode.data.dir</name>
    <value>/bigdata/hadoop/hdfs_data</value>
  </property>
  <property>
    <!--指定hdfs web 端访问地址-->
    <name>dfs.http.address</name>
    <value>master01:50070</value>
  </property>
  <property>
    <!--指定SecondaryNameNode web 端访问地址-->
    <name>dfs.namenode.secondary.http-address</name>
    <value>node01:50070</value>
  </property>
  <property>
    <!--指定secondarynamenode存放临时镜像的目录-->
    <name>dfs.namenode.checkpoint.dir</name>
    <value>/bigdata/hadoop/hdfs_secondary</value>
  </property>
  <property>
    <!--设置副本数-->
    <name>dfs.replication</name>
    <value>2</value>
  </property>
  <property>
    <!-- 修改datanode通讯端口 -->
    <name>dfs.datanode.address</name>
    <value>0.0.0.0:8088</value>
  </property>
  <property>
    <!--是否允许在namenode和datanode中启用WebHDFS (REST API)-->
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
  </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

9.格式化namenode并启动hdfs（只需namenode节点进行格式化就行）

1）修改hadoop文件权限
master01上执行

chown -R master01 /usr/hadoop
chmod -R 760 /usr/hadoop
1
2

node01上执行

chown -R node01 /usr/hadoop
chmod -R 760 /usr/hadoop
1
2

node02上执行

chown -R node02 /usr/hadoop
chmod -R 760 /usr/hadoop
1
2

2）创建数据存储文件夹(3个节点都需创建)

mkdir -p /bigdata/hadoop
1

3）修改数据存储文件夹权限
master01上执行

chown -R master01 /bigdata/hadoop
chmod -R 760 /bigdata/hadoop
1
2

node01上执行

chown -R node01 /bigdata/hadoop
chmod -R 760 /bigdata/hadoop
1
2

node02上执行

chown -R node02 /bigdata/hadoop
chmod -R 760 /bigdata/hadoop
1
2

4）master01节点切换到对应用户准备启动

su master01
1

5）格式化namenode（master01节点执行就行）

hdfs namenode -format
1

6）启动hdfs

start-dfs.sh
1

7）查询是否启动（对应节点需要切换到对应用户再执行jps）
master01上有：NameNode
node01上有：SecondaryNameNode和DataNode
node02上有：DataNode

master01上执行

#切换用户
su master01
#查询启动的节点服务
jps
1
2
3
4

node01上执行

#切换用户
su node01
#查询启动的节点服务
jps
1
2
3
4

node02上执行

#切换用户
su node02
#查询启动的节点服务
jps
1
2
3
4

6）可以通过http://192.168.132.101:50070查看hdfs管理页面，ip是对应服务器的ip

7）可以通过http://192.168.132.102:50070查看SecondaryNameNode管理页面，ip是对应服务器的ip

10.MapReduce的Yarn原理

MapReduce主要用于分布式计算，分为ResourceManager和NodeManager。
ResourceManager：主要用于资源管理。
NodeManager：每个DataNode节点上都会有NodeManager，会定时向ResourceManager汇报自身DataNode的资源情况。
执行原理：
1）用户向yarn的ResourceManager提交应用
2）ResourceManager通知一台不忙的NodeManager启动一个Container，在里面启动一个AppMaster。
3）AppMaster启动后从hdfs下载对应的切片清单，然后向ResourceManager请求获取切片清单对应的资源
4）ResourceManager收到AppMaster的请求后，会根据自己掌握的资源情况找到对应合适的NodeManager分配一个Container并反向注册到AppMaster
5）AppMaster将任务Task发送给Container
6）Container会反射相应的Task类为对象，调用方法执行

11.hadoop配置MapReduce(3个节点可以用同一份配置)

1）修改mapred-site.xml

#编辑mapred-site.xml
vi $HADOOP_HOME/etc/hadoop/mapred-site.xml
#设置MapReduce作业的运行时框架
<configuration>
  <property>
    <!--指定执行MapReduce作业的运行时框架，可以是local，classic，yarn，默认为local-->
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>
1
2
3
4
5
6
7
8
9
10

2）修改yarn-site.xml

#编辑yarn-site.xml
vi $HADOOP_HOME/etc/hadoop/yarn-site.xml
#设置MapReduce通过shuffle进行分发，管理resourcemanager的地址等配置
<configuration>
  <property>
    <!-- 设置从map到reduce通过shuffle进行分发 -->
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <!-- 指定混洗技术对应的字节码文件 -->
    <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
  </property>
  <property>
    <!--指定resourcemanager应用程序管理器接口的地址-->
    <name>yarn.resourcemanager.address</name>
    <value>master01:8032</value>
  </property>
  <property>
    <!-- 用于指定调度程序接口的地址 -->
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>master01:8030</value>
  </property>
  <property>
    <!-- 用于指定resourcemanager下的resource-tracker地址 -->
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>master01:8031</value>
  </property>
  <property>
    <!-- 用于指定resourcemanager的管理地址 -->
    <name>yarn.resourcemanager.admin.address</name>
    <value>master01:8033</value>
  </property>
  <property>
    <!-- 用于指定resourcemanager的web访问地址 -->
    <name>yarn.resourcemanager.webapp.address</name>
    <value>master01:8088</value>
  </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

3）编辑workers，指定从哪些节点里启动DataNode的同时指定了NodeManager从哪些节点启动

12.启动并验证MapReduce

1）启动

start-yarn.sh
1

2）查询是否启动（对应节点需要切换到对应用户再执行jps）
master01上有：NameNode、ResourceManager
node01上有：SecondaryNameNode、DataNode和NodeManager
node02上有：DataNode、NodeManager
3）可以通过http://192.168.132.101:8088查看resourcemanager的管理页面