本地Hadoop集群搭建
什么是Hadoop?
Hadoop是一个开源的Apache项目,通常用来进行大数据处理。
Hadoop集群的架构:
master节点维护分布式文件系统的所有信息,并负责调度资源分配,在Hadoop集群中node-master
就是master的角色,其包括两个服务:
- NameNode: 负责管理分布式文件系统,维护了数据块在集群中的存储信息;
- ResourceManager: 管理YARN任务,同时负责在worker节点的调度和执行。
worker节点负责存放数据,并提供执行任务的能力。在worker节点上包含两个进程:
- DataNode: 管理在该节点上存放的物理数据,称为
NameNode
; - NodeManager: 管理在该节点上运行的任务。
机器设置
以下配置都是针对Ubuntu系统的。我准备了3台机器:
- node-master: 192.168.0.113
- node1: 192.168.0.114
- node2: 192.168.0.115
用户hadoop创建
- 创建用户
hadoop
,并设置密码:
sudo adduser hadoop
- 把
hadoop
用户添加到sudo
用户组获取管理员权限:
sudo adduser hadoop sudo
安装JDK
我安装的是JDK8,安装方式略。
host文件配置
为了节点之间可以方便的通过名字来通信,我们在hosts文件中加入如下内容:
192.168.0.113 node-master
192.168.0.114 node1
192.168.0.115 node2
192.168.0.116 node3
配置ssh免密登录
配置了ssh证书后,master阶段通过ssh免密登录其他节点。
- 使用
hadoop
用户登录到mastr机器,并创建SSH证书:
ssh-keygen -b 4096 -C 'hadoop-yarn'
- 查看生成的公钥,并复制下公钥的内容:
cat /home/hadoop/.ssh/id_rsa.pub
- 在每个机器的
/home/hadoop/.ssh
文件夹下创建名为master.pub
的文件,并将上面复制的公钥信息粘贴到里面; - 将证书信息拷贝到已授权秘钥文件中:
cat ~/.ssh/master.pub >> ~/.ssh/authorized_keys
Hadoop安装
登录到node-master
,下载hadoop,并解压:
http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-3.1.3/hadoop-3.1.3.tar.gz
tar -xzf hadoop-3.1.3.tar.gz
ln -s hadoop-3.1.3 hadoop
环境变量设置
- 添加Hadoop可执行目录到PATH。修改
/home/hadoop/.profile
,添加如下内容:
PATH=/home/hadoop/hadoop/bin:/home/hadoop/hadoop/sbin:$PATH
- 添加hadoop到shell的PATH路径。修改
.bashrc
,添加下面的内容:
export HADOOP_HOME=/home/hadoop/hadoop
export PATH=${PATH}:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin
MASTER节点设置
设置JAVA_HOME
这里我安装的是ORACLE版本的JDK,目录/usr/local/jdk
,修改~/hadoop/etc/hadoop-env.sh
,设置JAVA_HOME:
export JAVA_HOME=/usr/local/jdk
设置NameNode的位置
修改~/hadoop/etc/hadoop/core-site.xml
文件,设置NameNode的路径为node-master的9000端口:
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://node-master:9000</value>
</property>
</configuration>
设置HDFS路径
修改hdfs-site.xml
,内容如下:
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/home/hadoop/data/nameNode</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/home/hadoop/data/dataNode</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
最后一个属性dfs.replication
表示该集群上的数据被冗余多少倍。注意replication的值不要超过worker节点的实际数量。
设置YARN作为任务调度器
修改mapred-site.xml
,设置YARN作为默认的MapReduce操作的框架:
<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>
配置YARN
修改yarn-site.xml
。yarn.resourcemanager.hostname
的值设置为node-master的ip地址:
<configuration>
<property>
<name>yarn.acl.enable</name>
<value>0</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>203.0.113.0</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
设置Worker
创建一个名为workers
的启动脚本,用来启动需要的进程。修改~/hadoop/etc/hadoop/workers
,把所有的worker节点都加进去。
修改内存分配
默认的内存分配对于内存小于8GB的机器并不合适,所有对低内存的机器需要做一些特殊配置。
一个YARN任务的执行会用用到两种类型的资源:
- 应用MASTER(AM)负责监控应用并协调集群中的exector;
- AM创建的Executor才会真正的执行任务。对MapReduce任务,exectors上会并行的执行map或者reduce的操作。
两者都是运行在worker节点上。每个worker节点运行一个NodeManager的进程,该进程负责在该节点上创建容器。整个集群被ResourceManager管理,ResourceManger在所有的worker节点上根据容量需求以及当前的负载,进行容器的分配与创建。
为了集群能够正常工作,下面4个配置必须合理的配置:
- 单个节点上YARN容器最多可以分配多少内存。这个配置的值需要比其他的都大,否则容器分配会被拒,application会失败。但是,这个值不应该是该节点的实际内存大小。该配置是
yarn.nodemanager.resource.memory-mb
,配置在yarn-site.xml
中; - 每个容器可以分配的最大最小内存。如果一个容器申请的内存超过设置的最大值,否则分配会失败,并会被分配成最小内存的整数倍。配置
yarn.scheduler.maximum-allocation-mb
和yarn.scheduler.minimum-allocation-mb
,都在yarn-site.xml
文件中配置; - ApplicationMaster分配的内存大小。
yarn.app.mapreduce.am.resource.mb
,配置在mapred-site.xml
中; - 每个map或者reduce操作可以分配的内存大小。这个值需要小于最大内存大小。
mapreduce.map.memory.mb
和mapreduce.reduce.memory.mb
,都配置在mapred-site.xml
。
以上四个类型的配置之间的关系如下图:
以2G内存的节点为例,可行的配置如下:
属性 | 值 |
---|---|
yarn.nodemanager.resource.memory-mb | 1536 |
yarn.scheduler.maximum-allocation-mb | 1536 |
yarn.scheduler.minimum-allocation-mb | 128 |
yarn.app.mapreduce.am.resource.mb | 512 |
mapreduce.map.memory.mb | 256 |
mapreduce.reduce.memory.mb | 256 |
- 修改
home/hadoop/hadoop/etc/hadoop/yarn-site.xml
,添加如下配置:
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>1536</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>1536</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>128</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
最后一个配置禁用虚拟内存检查。
- 修改
/home/hadoop/hadoop/etc/hadoop/mapred-site.xml
, 添加如下内容:
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>512</value>
</property>
<property>
<name>mapreduce.map.memory.mb</name>
<value>256</value>
</property>
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>256</value>
</property>
格式化HDFS
和正常的单机文件系统一样,HDFS在使用之前也需要格式化。在node-master上,运行如下命令:
hdfs namenode -format
到这里,hadoop的安装完成了,可以运行了。
运行和监控
接下来看下如何在NameNode和DataNodes上启动HDFS,以及如何进行监控。
HDFS的启停
- 在node-master上运行下面的命令启动HDFS:
start-dfs.sh
这个命令会在node-master上启动NameNode
和SecondaryNameNode
进程,同时在数据节点上创建DataNode
进程。数据节点根据workers
文件中的配置。
- 检查node-master和其他节点上的进程情况,可以通过
jps
命令来查看。在node-master上运行jps,可以看到NameNode和SecondaryNameNode,在worker节点上运行jps课题看到DataNode进程。 - 在node-master上通过下面的命令开停止hdfs:
stop-dfs.sh
监控HDFS集群
- 通过
hdfs dfsadmin
命令可以获得一些有用的信息: - 另外HDFS提供了一个Web UI来查看hdfs集群的状态,访问地址: http://node-master-IP:9870
参考资料
本地Hadoop集群搭建的更多相关文章
- 大数据 --> Hadoop集群搭建
Hadoop集群搭建 1.修改/etc/hosts文件 在每台linux机器上,sudo vim /etc/hosts 编写hosts文件.将主机名和ip地址的映射填写进去.编辑完后,结果如下: 2. ...
- Hadoop(二) HADOOP集群搭建
一.HADOOP集群搭建 1.集群简介 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 Na ...
- 三节点Hadoop集群搭建
1. 基础环境搭建 新建3个CentOS6.5操作系统的虚拟机,命名(可自定)为masternode.slavenode1和slavenode2.该过程参考上一篇博文CentOS6.5安装配置详解 2 ...
- 大数据初级笔记二:Hadoop入门之Hadoop集群搭建
Hadoop集群搭建 把环境全部准备好,包括编程环境. JDK安装 版本要求: 强烈建议使用64位的JDK版本,这样的优势在于JVM的能够访问到的最大内存就不受限制,基于后期可能会学习到Spark技术 ...
- 大数据学习——HADOOP集群搭建
4.1 HADOOP集群搭建 4.1.1集群简介 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 ...
- 环境搭建-Hadoop集群搭建
环境搭建-Hadoop集群搭建 写在前面,前面我们快速搭建好了centos的集群环境,接下来,我们就来开始hadoop的集群的搭建工作 实验环境 Hadoop版本:CDH 5.7.0 这里,我想说一下 ...
- Hadoop集群搭建-03编译安装hadoop
Hadoop集群搭建-05安装配置YARN Hadoop集群搭建-04安装配置HDFS Hadoop集群搭建-03编译安装hadoop Hadoop集群搭建-02安装配置Zookeeper Hado ...
- Hadoop集群搭建(完全分布式版本) VMWARE虚拟机
Hadoop集群搭建(完全分布式版本) VMWARE虚拟机 一.准备工作 三台虚拟机:master.node1.node2 时间同步 ntpdate ntp.aliyun.com 调整时区 cp /u ...
- Hadoop 集群搭建
Hadoop 集群搭建 2016-09-24 杜亦舒 目标 在3台服务器上搭建 Hadoop2.7.3 集群,然后测试验证,要能够向 HDFS 上传文件,并成功运行 mapreduce 示例程序 搭建 ...
随机推荐
- Python连接SQLServer2000或连接mysql代码示例
1.Python连接SQLServer2000 # 获取连接 import pymssql db = pymssql.connect('127.0.0.1', 'sa', 'ddh123', &quo ...
- fscanf使用心得
好久没碰C语言了.从现在开始,要开始刷题了. (1)int fscanf( FILE* stream, const char* format, ... ); https://www.programiz ...
- 简单说说PHP优化
我们在编写程序时,总是想要使自己的程序占用资源最小,运行速度更快,代码量更少.往往我们在追求这些的同时却失去了很多东西.下面我想讲讲我对PHP优化的理解.优化的目的是花最少的代价换来最快的运行速度与最 ...
- JavaScript的数据类型有哪些?
<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title> ...
- Spring中@Resorce和@Autowired的区别
@Resource的作用相当于@Autowired,只不过@Autowired按byType自动注入,而@Resource默认按 byName自动注入罢了.@Resource有两个属性是比较重要的,分 ...
- 配置Maven本地仓库
以本机为例: 系统:Windows 开发工具:IDEA 如果想在dos窗口输mvn命令,需配置环境变量. 1. 在D盘新建repository文件夹,该目录用作maven的本地库. 2. 打开D:\P ...
- sql性能优化浅谈
sql性能优化总结: 最近随着数据越来越多,数据库性能问题暴露的越来越严重.几百万,上千万,甚至过亿的数据处理速度会非常的慢. 下面对工作中遇到的问题做下总结,希望以后能对日后的工作有所帮助. 不同的 ...
- SQL语言基础及数据库的创建
一.数据类型:1.二进制数据二进制数据以十六进制形式存储.二进制数据最多能存8000个英文字符,4000个汉字字符. 2.字符数据char:存100,不足100补足.varcha:存多少占多少. 3. ...
- loadrunner通过web的post请求方法测接口 1
loadrunner通过web的post请求方法测接口 loginapi() { web_url("rest", "URL=http://192 ...
- 年薪5w和50w的人,区别到底在哪?
年薪5w和50w的人,区别到底在哪? 2017-02-22 阿青 360投资圈 文/ 阿青 许多人在职场摸爬滚打很多年并不顺利,薪酬一直上不去.职场鸡汤喝了不少,也掌握了不少职场技能,工作经验也颇为丰 ...