您的位置：首页 > 大数据 > Hadoop

CentOS7搭建Hadoop-3.3.0集群手记

2020-12-14 00:41 2536 查看

前提

这篇文章是基于

Linux
系统
CentOS7
搭建
Hadoop-3.3.0
分布式集群的详细手记。

基本概念

Hadoop
中的
HDFS
和
YARN
都是主从架构，主从架构会有一主多从和多主多从两种架构，这里为了简化搭建集群的流程，这里使用一主多从的架构。
Hadoop
集群中各个角色的名称如下：

服务 主节点 从节点 
HDFS
 
NameNode
 
DataNode
 
YARN
 
ResourceManager
 
NodeManager

还有SecondaryNameNode，其实是NameNode的备用节点，定时合并和处理日志并且反馈到NameNode上。一般NameNode和SecondaryNameNode尽量不要放在同一个节点。

 

HDFS
服务和
YARN
其实是分离的，一者是数据存储，另一者是资源调度，
Hadoop
集群可以只启用
YARN
集群做资源调度。

测试集群服务器规划

测试的

Hadoop
集群使用了
3
台基于
VirtualBox
搭建的
CentOS7
虚拟机：

内网IP 主机名 用户 虚拟磁盘空间 HDFS角色 YARN角色 
192.168.56.200
 
hadoop01
 
hadoop
 
30GB
 
NameNode
、
DataNode
 
NodeManager
 
192.168.56.201
 
hadoop02
 
hadoop
 
30GB
 
DataNode
 
NodeManager
 
192.168.56.202
 
hadoop03
 
hadoop
 
30GB
 
SecondaryNameNode
、
DataNode
 
ResourceManager
、
NodeManager

前置软件安装或者准备工作

主要包括必要的软件安装、用户创建和网络配置等等。

关闭防火墙

为了避免出现部分端口无法访问，内网环境下每台虚拟机都可以直接关闭防火墙：

# 停止防火墙进程
systemctl stop firewalld.service

# 禁用防火墙开机启动
systemctl disable firewalld.service

JDK安装

JDK
的安装比较简单，这里过程略过。笔者使用的
JDK
是
OpenJDK
，版本是
1.8.0_252-b09
，
JDK
路径配置如下：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.252.b09-2.el7_8.x86_64
export PATH=$JAVA_HOME/bin:$PATH

确保集群所有机器的

JDK
安装位置相同，并且
JDK
版本尽可能大版本选择
8
，经过大量测试发现
Hadoop
暂时不兼容
JDK9+
。

[root@localhost]# java -version
openjdk version "1.8.0_252"
OpenJDK Runtime Environment (build 1.8.0_252-b09)
OpenJDK 64-Bit Server VM (build 25.252-b09, mixed mode)

这个JDK安装位置和安装包名称是不是看起来比较奇怪？没错，是笔者偷懒用yum直接安装的OpenJDK。

修改主机名

三个节 ad8 点分别通过

hostnamectl set-hostname $hostname
修改主机名：

# 节点192.168.56.200
hostnamectl set-hostname hadoop01
reboot

# 节点192.168.56.201
hostnamectl set-hostname hadoop02
reboot

# 节点192.168.56.202
hostnamectl set-hostname hadoop03
reboot

最终效果如下：

Connecting to 192.168.56.200:22...
Connection established.
To escape to local shell, press 'Ctrl+Alt+]'.

WARNING! The remote SSH server rejected X11 forwarding request.
Last login: Sun Dec 13 06:42:42 2020 from 192.168.56.1
[root@hadoop01 ~]#

Connecting to 192.168.56.201:22...
Connection established.
To escape to local shell, press 'Ctrl+Alt+]'.

WARNING! The remote SSH server rejected X11 forwarding request.
Last login: Sun Dec 13 07:51:28 2020 from 192.168.56.1
[root@hadoop02 ~]#

Connecting to 192.168.56.202:22...
Connection established.
To escape to local shell, press 'Ctrl+Alt+]'.

WARNING! The remote SSH server rejected X11 forwarding request.
Last login: Sun Dec 13 07:52:01 2020
[root@hadoop03 ~]#

修改hosts文件

在每个节点的

hosts
文件具体是
/etc/hosts
尾部添加：

192.168.56.200 hadoop01
192.168.56.201 hadoop02
192.168.56.202 hadoop03

方便后面可以直接通过主机名访问对应的机器。可以在任意一台机器用通过主机名

ping
任意的主机名：

ping hadoop01
ping hadoop02
ping hadoop03

添加hadoop用户

添加用户的操作需要在

root
用户下进行。添加一个用户分组、命名和密码都为
hadoop
的用户：

useradd hadoop
# 设置密码需要手动输入两次密码，笔者这里也暂时设定密码为hadoop
passwd hadoop

通过

mkdir -p /data/hadoop
创建一个新目录，后面的
hadoop
相关的数据等文件都放在
/data/hadoop
目录下。设置目录
/data/hadoop
的拥有者为
hadoop
用户：

chown hadoop:hadoop /data/hadoop

最后设置

hadoop
用户可以不输入密码直接通过
sudo su
提升为
root
用户：

chmod u+w /etc/sudoers

vim /etc/sudoers

# 在sudoers文件的root用户一行后面添加下面内容并且保存
hadoop ALL=(ALL) NOPASSWD:ALL

chmod u-w /etc/sudoers

效果如下：

验证一下是否成功：

# 在root用户下切换hadoop用户
su hadoop

# 在hadoop用户下无密码切换root用户
sudo su

# 效果
[root@localhost]# su hadoop
[hadoop@localhost]$ sudo su
[root@localhost]#

创建hadoop用户需要在集群中每台机器操作一次。

设置集群机器SSH免登

设置集群机器

SSH
免登这一步十分重要，无论是
scp
命令去拷贝文件到各个机器，还是集群启动和通讯过程都依赖这一步。集群中每个机器都进行下面步骤操作：

  • 使用
    su hadoop
    切换到
    hadoop
    用户
  • 使用
    ssh-keygen -t rsa
    命令，接着连按几次回车，生成公钥，执行完毕后
    /home/hadoop/.ssh/
    目录下会多了一个
    id_rsa.pub
  • 收集集群中所有节点的
    /home/hadoop/.ssh/id_rsa.pub
    内容，汇总合并成一个
    authorized_keys
    文件，再拷贝该文件到所有集群节点的
    /home/hadoop/.ssh/ssh
    目录下
  • 授权
    chmod 700 /home/hadoop/.ssh/ && chmod 700 /home/hadoop/ && chmod 600 /home/hadoop/.ssh/authorized_keys

最终笔者的

/home/hadoop/.ssh/authorized_keys
文件内容如下：

可以使用下面的脚本替代手工操作：

# 拷贝三个节点的RSA公钥到authorized_keys中，可以在第一个节点中执行即可
for a in {1..3}; do sudo ssh hadoop@hadoop0$a cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys; done
# 拷贝authorized_keys到三个节点中，可以在第一个节点中执行即可
for a in {1..3}; do sudo scp /home/hadoop/.ssh/authorized_keys hadoop@hadoop0$a:/home/hadoop/.ssh/authorized_keys ; done

最终的效果如下：

安装Hadoop

主要在

hadoop01
节点中安装即可，安装完毕可以通过
scp
命令直接拷贝文件分发到不同的节点中。赋予用户
/data/hadoop
目录的读写权限：

su hadoop
sudo chmod -R a+w /data/hadoop

这一步极其重要，否则容易导致运行集群的时候创建文件夹权限不足。这里记住不要主动创建

Hadoop
文件系统中的目录，否则容易导致
DataNode
启动失败。

1、解压安装

切换目录和用户：

  • su hadoop
  • cd /data/hadoop

下载和解压

hadoop-3.3.0
：

wget https://mirror.bit.edu.cn/apache/hadoop/common/hadoop-3.3.0/hadoop-3.3.0.tar.gz
tar -zxvf hadoop-3.3.0.tar.gz

解压完毕后，

/data/hadoop
目录下会多了一个
hadoop-3.3.0
文件夹。

2、环境变量配置

重命名一下文件夹

mv hadoop-3.3.0 app
，也就是最终的
HADOOP_HOME
为
/data/hadoop/app
，可以先提前修改一下用户配置
vim ~/.bashrc
（所有节点都要添加），添加：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.252.b09-2.el7_8.x86_64
export PATH=$JAVA_HOME/bin:$PATHexport HADOOP_HOME=/data/hadoop/app
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

刷新一下用户配置

source ~/.bashrc
。

3、查看版本

调用

hadoop version
：

[hadoop@ha
3d74
doop01 hadoop]$ hadoop version
Hadoop 3.3.0
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r aa96f1871bfd858f9bac59cf2a81ec470da649af
Compiled by brahma on 2020-07-06T18:44Z
Compiled with protoc 3.7.1
From source with checksum 5dc29b802d6ccd77b262ef9d04d19c4
This command was run using /data/hadoop/app/share/hadoop/common/hadoop-common-3.3.0.jar

这样就能确定

JDK
和
Hadoop
的位置配置没有问题，接着开始配置
Hadoop
中的应用配置。

4、Hadoop配置

配置

core-site.xml
（具体是
/data/hadoop/app/etc/hadoop/core-site.xml
）：

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop01:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/data/hadoop/temp</value>
</property>
</configuration>
  • fs.defaultFS
    ：
    nameNode
    的
    HDFS
    协议的文件系统通信地址
  • hadoop.tmp.dir
    ：
    Hadoop
    集群在工作的时候存储的一些临时文件的目录

配置

hdfs-site.xml
（具体是
/data/hadoop/app/etc/hadoop/hdfs-site.xml
）：

<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/data/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/data/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.secondary.http.address</name>
<value>hadoop03:50090</value>
</property>
<property>
<name>dfs.http.address</name>
<value>192.168.56.200:50070</value>
</property>
</configuration>
  • dfs.namenode.name.dir
    ：
    NameNode
    的数据存放目录
  • dfs.datanode.data.dir
    ：
    DataNode
    的数据存放目录
  • dfs.replication
    ：
    HDFS
    的副本数
  • dfs.secondary.http.address
    ：
    SecondaryNameNode
    节点的
    HTTP
    入口地址
  • dfs.http.address
    ：通过
    HTTP
    访问
    HDFS
    的
    Web
    管理界面的地址

配置

mapred-site.xml
（具体是
/data/hadoop/app/etc/hadoop/mapred-site.xml
）:

<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<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>
  • mapreduce.framework.name
    ：选用
    yarn
    ，也就是
    MR
    框架使用
    YARN
    进行资源调度。

配置

yarn-site.xml
（具体是
/data/hadoop/app/etc/hadoop/yarn-site.xml
）：

<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop03</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
  • yarn.resourcemanager.hostname
    ：指定
    ResourceManager
    所在的主机名
  • yarn.nodemanager.aux-services
    ：指定
    YARN
    集群为
    MapReduce
    程序提供
    Shuffle
    服务

配置

workers
文件（这个文件在旧版本叫
slaves
，因为技术政治化运动被改为
workers
，具体是
/data/hadoop/app/etc/hadoop/workers
：

hadoop01
hadoop02
hadoop03

至此，核心配置基本完成。

5、分发Hadoop安装包到其他节点

重点提示三次：

  • 所有节点的
    Hadoop
    安装包位置和配置信息必须一致
  • 所有节点的
    Hadoop
    安装包位置和配置信息必须一致
  • 所有节点的
    Hadoop
    安装包位置和配置信息必须一致

在节点

hadoop01
使用
scp
命令进行分发：

## 分发节点2
scp -r /data/hadoop/app hadoop@hadoop02:/data/hadoop

## 分发节点3
scp -r /data/hadoop/app hadoop@hadoop03:/data/hadoop

6、格式化NameNode

规划中是

hadoop01
作为
NameNode
，在该机器下进行格式化：

hadoop namenode -format

格式化

NameNode
成功的控制台日志如下：

7、启动和停止HDFS

可以在任意一个节点中启动和停止

HDFS
，为了简单起见还是在
hadoop01
节点中操作：

  • 启动：
    start-dfs.sh
  • 停止：
    stop-dfs.sh

调用启动命令后，控制台输出如下：

[hadoop@hadoop01 hadoop]$ start-dfs.sh
Starting namenodes on [hadoop01]
Starting datanodes
Starting secondary namenodes [hadoop03]

8、启动和停止YARN

YARN
集群的启动命令必须在
ResourceManager
节点中调用，规划中的对应角色的节点为
hadoop03
，在该机器执行
YARN
相关命令：

  • 启动：
    start-yarn.sh
  • 停止：
    stop-yarn.sh

执行启动命令后，控制台输出如下：

[hadoop@hadoop03 data]$ start-yarn.sh
Starting resourcemanager
Starting nodemanagers

9、查看所有节点的进程状态

分别查看集群中所有节点的进程状态，可以直接使用

jps
工具，具体结果如下：

[hadoop@hadoop01 hadoop]$ jps
8673 NameNode
8823 DataNode
9383 NodeManager
9498 Jps

[hadoop@hadoop02 hadoop]$ jps
4305 DataNode
4849 Jps
4734 NodeManager

[hadoop@hadoop03 data]$ jps
9888 Jps
9554 NodeManager
5011 DataNode
9427 ResourceManager
5125 SecondaryNameNode

可见进程是正常运行的。

10、通过WEB管理界面查看集群状态

访问入口如下：

  • HDFS
    入口：
    http://192.168.56.200:50070
    （来自于
    hdfs-site.xml
    的
    dfs.http.address
    配置项）
  • YARN
    入口：
    http://192.168.56.202:8088/cluster
    （
    ResourceManager
    所在节点的
    8088
    端口）

数据节点状态如下：

YARN
集群状态如下：

使用Hadoop

通过几个简单的例子尝试使用

Hadoop
集群。

创建目录和展示目录

测试一下创建目录和展示目录：

[hadoop@hadoop01 hadoop]$ hadoop fs -mkdir -p /test
[hadoop@hadoop01 hadoop]$ hadoop fs -ls /
Found 1 items
drwxr-xr-x   - hadoop supergroup          0 2020-12-13 10:55 /test

上传和下载文件

创建一个

words.txt
，写入内容并且上传到上一小节创建的
test
文件夹中：

cd /data/hadoop
touch words.txt
echo 'hello world' >> words.txt
hadoop fs -put words.txt /test

然后在

HDFS
的
WEB
界面中查看：

下载该文件到

/data/hadoop/download.txt
：

[hadoop@hadoop01 hadoop]$ hadoop fs -get /test/words.txt /data/hadoop/download.txt && \
cat /data/hadoop/download.txt
hello world

执行WordCount程序

上传一个文件到

HDFS
的
/test/input
目录：

cd /data/hadoop && \
hadoop fs -mkdir -p /test/input && \
touch words-input.txt && \
echo 'hello world' >> words-input.txt && \
echo 'hello java' >> words-input.txt && \
echo 'hello hadoop' >> words-input.txt && \
hadoop fs -put words-input.txt /test/input

自带的例子在目录

/data/hadoop/app/share/hadoop/mapreduce
的
hadoop-mapreduce-examples-3.3.0.jar
中，通过命令运行
WordCount
程序：

hadoop jar /data/hadoop/app/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount /test/input /test/output

MR
的执行过程如下：

查看

YARN
管理界面对应的
Job
状态：

可知任务最终的执行状态为成功。最后可以通过

hadoop fs -cat
命令查看结果：

[hadoop@hadoop01 hadoop]$ hadoop fs -ls /test/output
Found 2 items
-rw-r--r--   3 hadoop supergroup          0 2020-12-13 11:19 /test/output/_SUCCESS
-rw-r--r--   3 hadoop supergroup         32 2020-12-13 11:19 /test/output/part-r-00000
[hadoop@hadoop01 hadoop]$ hadoop fs -cat /test/output/part-r-00000
hadoop	1
hello	3
java	1
world	1

小结

本文花了大量时间详细记录了如何从零开始搭建一个

Hadoop
集群，基于此才能进一步学习和使用
Hadoop
生态中的组件如
Hive
、
Sqoop
和
Hbase
等等，后续会逐个击破。

（本文完 c-2-d e-a-20201213）

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航