Hadoop3 - 集群搭建_hadoop3集群搭建

一、Hadoop

上篇文章对 Hadoop 进行了简单的介绍，并搭建了单机版的 HDFS ，本篇文章继续搭建集群版本的 HDFS 以及 YARN，下面是上篇文章地址：

https://blog.csdn.net/qq_43692950/article/details/127152446

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，集群中的角色主要有：NameNode、DataNode、SecondaryNameNode

YARN集群负责海量数据运算时的资源调度，集群中的角色主要有：ResourceManager、NodeManager

下面准备在三台服务器上安装 HDFS集群和YARN集群，安装架构：

三台主机需具备 Java 环境。

二、集群安装

1. 环境准备

• 修改 /etc/hosts 增加映射

vi /etc/hosts
1

192.168.40.172   node1
192.168.40.173   node2
192.168.40.174   node3
1
2
3

• 关闭防火墙

 #关闭防火墙
systemctl stop firewalld.service  
#禁止防火墙开启自启
systemctl disable firewalld.service 
1
2
3
4

• ssh免密登录（node1执行 -> node1|node2|node3）

#4个回车 生成公钥、私钥
ssh-keygen 
# 将公钥给三台主机
ssh-copy-id node1
ssh-copy-id node2
ssh-copy-id node3
1
2
3
4
5
6

• 集群时间同步（3台机器）

yum -y install ntpdate
ntpdate ntp4.aliyun.com
1
2

• 创建统一工作目录（3台机器）

mkdir -p {/export/server/,/export/data/,/export/software/}
1

• 下载官方安装包，这里我使用的为 3.1.4 版本，将下载好的安装包，先上传至 node1 服务器上 /export/server/ 下，修改完配置后再同步到另两台机器中：

https://archive.apache.org/dist/hadoop/common/

2. 集群配置修改

• 进入到 /export/server/hadoop-3.1.4/etc/hadoop/ 下，此处存放的为 hadoop 的配置文件，修改 hadoop-env.sh ：

文件中设置的是Hadoop运行时需要的环境变量。JAVA_HOME是必须设置的，即使我们当前的系统中设置了JAVA_HOME，它也是不认识的，因为Hadoop即使是在本机上执行，它也是把当前的执行环境当成远程服务器。

vi hadoop-env.sh
1

# The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/java-1.8.0
 
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
1
2
3
4
5
6
7
8

• 修改 core-site.xml

hadoop 的核心配置文件，有默认的配置项 core-default.xml。
core-default.xml与core-site.xml的功能是一样的，如果在core-site.xml里没有配置的属性，则会自动会获取core-default.xml里的相同属性的值。

vi core-site.xml
1

<!-- 默认文件系统的名称。通过URI中schema区分不同文件系统。-->
<!-- file:///本地文件系统 hdfs:// hadoop分布式文件系统 gfs://。-->
<!-- hdfs文件系统访问地址：http://nn_host:8020。-->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://node1:8020</value>
</property>
<!-- hadoop本地数据存储目录 format时自动生成 -->
<property>
    <name>hadoop.tmp.dir</name>
    <value>/export/data/hadoop-3.1.4</value>
</property>
<!-- 在Web UI访问HDFS使用的用户名。-->
<property>
    <name>hadoop.http.staticuser.user</name>
    <value>root</value>
</property>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• 修改 hdfs-site.xml

HDFS的核心配置文件，主要配置HDFS相关参数，有默认的配置项hdfs-default.xml。
hdfs-default.xml与hdfs-site.xml的功能是一样的，如果在hdfs-site.xml里没有配置的属性，则会自动会获取hdfs-default.xml里的相同属性的值。

vi hdfs-site.xml
1

<!-- 设定SNN运行主机和端口。-->
<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>node2:9868</value>
</property>
1
2
3
4
5

• 修改 mapred-site.xml

MapReduce的核心配置文件，Hadoop默认只有个模板文件mapred-site.xml.template,需要使用该文件复制出来一份mapred-site.xml文件

vi mapred-site.xml
1

<!-- mr程序默认运行方式。yarn集群模式 local本地模式-->
<property>
  <name>mapreduce.framework.name</name>
  <value>yarn</value>
</property>
<!-- MR App Master环境变量。-->
<property>
  <name>yarn.app.mapreduce.am.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<!-- MR MapTask环境变量。-->
<property>
  <name>mapreduce.map.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<!-- MR ReduceTask环境变量。-->
<property>
  <name>mapreduce.reduce.env</name>
  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

• 修改 yarn-site.xml 我三台主机用的虚拟机，没有多大内存，如果资源充足可相应填大一些：

YARN的核心配置文件

vi yarn-site.xml
1

<!-- yarn集群主角色RM运行机器。-->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>node1</value>
</property>
<!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle,才可运行MR程序。-->
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<!-- 每个容器请求的最小内存资源（以MB为单位）。-->
<property>
  <name>yarn.scheduler.minimum-allocation-mb</name>
  <value>512</value>
</property>
<!-- 每个容器请求的最大内存资源（以MB为单位）。-->
<property>
  <name>yarn.scheduler.maximum-allocation-mb</name>
  <value>2048</value>
</property>
<!-- 容器虚拟内存与物理内存之间的比率。-->
<property>
  <name>yarn.nodemanager.vmem-pmem-ratio</name>
  <value>4</value>
</property>
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

• 修改 workers

workers文件里面记录的是集群主机名。一般有以下两种作用：

1. 配合一键启动脚本如start-dfs.sh、stop-yarn.sh用来进行集群启动。这时候slaves文件里面的主机标记的就是从节点角色所在的机器。
2. 可以配合hdfs-site.xml里面dfs.hosts属性形成一种白名单机制。
   dfs.hosts指定一个文件，其中包含允许连接到NameNode的主机列表。必须指定文件的完整路径名,那么所有在workers中的主机才可以加入的集群中。如果值为空，则允许所有主机。

vi workers
1

node1
node2
node3
1
2
3

• 将修改后的安装包，上传至 node2、node3 主机：

cd /export/server/
scp -r hadoop-3.1.4 root@node2:/export/server/
scp -r hadoop-3.1.4 root@node3:/export/server/
1
2
3

• 添加 Hadoop 的环境变量，修改 /etc/profile

vim /etc/profile
1

export HADOOP_HOME=/export/server/hadoop-3.1.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
1
2

• 将修改后的环境变量同步至 node2，node3 主机

scp /etc/profile root@node2:/etc/
scp /etc/profile root@node3:/etc/
1
2

• 重新加载环境变量（3台机器都需要操作）

source /etc/profile
1

• 验证环境是否生效：

hadoop version
1

3. 集群安装

• 格式化 NameNode，首次启动HDFS时，必须对其进行格式化操作。本质上是一些清理和准备工作，因为此时的HDFS在物理上还是不存在的。

hdfs namenode -format
1

注意点：

• 首次启动之前需要format操作
• format只能进行一次 后续不再需要
• 如果多次format除了造成数据丢失外
• 还会导致hdfs集群主从角色之间互不识别
• 通过删除所有机器hadoop.tmp.dir目录重新forma解决

出现下面日志则格式化成功：

4. 集群启动

集群启动有两种方式，一种是在每台主机中启动相应的组件，另一种 hadoop 为我们提供了一键启停脚本，前提是配置好机器之间的SSH免密登录和workers文件。

在每台主机上单独启动组件

启动为 start ，停止为 stop：

• node1 节点启动：

hdfs --daemon start namenode
hdfs --daemon start datanode
yarn --daemon start resourcemanager
yarn --daemon start nodemanager
1
2
3
4

• node2 节点启动：

hdfs --daemon start secondarynamenode
hdfs --daemon start datanode
yarn --daemon start nodemanager
1
2
3

• node3 节点启动：

hdfs --daemon start datanode
yarn --daemon start nodemanager
1
2

通过脚本一键启动

• HDFS集群

# 启动
start-dfs.sh
# 关闭
stop-dfs.sh
1
2
3
4

• YARN集群

# 启动
start-yarn.sh
# 关闭
stop-yarn.sh
1
2
3
4

• Hadoop集群，启停 HDFS 和 YARN

# 启动
start-all.sh
# 关闭
stop-all.sh
1
2
3
4

5. 可视化页面验证集群是否安装成功

• HDFS UI页面

访问地址：http://192.168.40.172:9870

• YARN集群 UI页面

访问地址：http://192.168.40.172:8088

三、测试

• 测试上传文件：

创建一个 txt 文件，将其上传至 HDFS 中：

 echo "hello" > a.txt
1

上传 a.txt

hadoop fs -put a.txt  /bxc
1

web 页面查看是否上传成功：

• 运行mapreduce程序

在Hadoop安装包的share/hadoop/mapreduce下有官方自带的mapreduce程序。我们可以使用如下的命令进行运行测试。（示例程序jar:hadoop-mapreduce-examples-3.1.4.jar计算圆周率）

yarn jar /export/server/hadoop-3.1.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.4.jar pi 2 50
1