02 HDFS 分布式环境实战

HDFS的主要设计理念

1、存储超大文件 这里的“超大文件”是指几百MB、GB甚至TB级别的文件。 
2、最高效的访问模式是 一次写入、多次读取(流式数据访问)
3、运行在普通廉价的服务器上 HDFS设计理念之一就是让它能运行在普通的硬件之上，即便硬件出现故障，也可以通过容错策略来保证数据的高可用。

HDFS的缺点

1、将HDFS用于对数据访问要求低延迟的场景 由于HDFS是为高数据吞吐量应用而设计的，必然以高延迟为代价。
2、存储大量小文件 HDFS中元数据（文件的基本信息）存储在namenode的内存中，而namenode为单点，小文件 数量大到一定程度，namenode内存就吃不消了

HDFS分布式文件系统

hdfs：分布式文件系统
hdfs有着文件系统共同的特征：
1、有目录结构，顶层目录是：  /
2、系统中存放的就是文件
3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

hdfs跟普通的单机文件系统有区别：
1、单机文件系统中存放的文件，是在一台机器的操作系统中
2、hdfs的文件系统会横跨N多的机器
3、单机文件系统中存放的文件，是在一台机器的磁盘上
4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：
1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

搭建hdfs分布式集群

一、首先需要准备N台linux服务器

学习阶段，用虚拟机即可！

先准备4台虚拟机：1个namenode节点  + 3 个datanode 节点

二、修改各台机器的主机名和ip地址

主机名： hdp-01       对应的ip地址： 192.168.11.25

主机名： hdp-02      对应的ip地址： 192.168.11.26

主机名： hdp-03         对应的ip地址： 192.168.11.27

主机名： hdp-04         对应的ip地址： 192.168.11.28

三、从windows中用CRT软件进行远程连接

在windows中将各台linux机器的主机名配置到的windows的本地域名映射文件中：

c:/windows/system32/drivers/etc/hosts

192.168.11.25    hdp-01

192.168.11.26    hdp-02

192.168.11.27    hdp-03

192.168.11.28    hdp-04

用crt连接上后，修改一下crt的显示配置（字号，编码集改为UTF-8）：

四、配置linux服务器的基础软件环境

关闭防火墙

关闭防火墙：systemctl  stop  firewalld
关闭防火墙自启动： systemctl  disable  firewalld

安装JDK

1)利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口

2)然后在linux中将jdk压缩包解压到/root/apps 下

3)配置环境变量：JAVA_HOME   PATH
vi /etc/profile   在文件的最后，加入：
export JAVA_HOME=/root/apps/jdk1.8.0_60
export PATH=$PATH:$JAVA_HOME/bin

4)修改完成后，记得 source /etc/profile使配置生效

5)检验：在任意目录下输入命令： java -version 看是否成功执行

6)将安装好的jdk目录用scp命令拷贝到其他机器

7)将/etc/profile配置文件也用scp命令拷贝到其他机器并分别执行source命令

在hdp-01上，vi /etc/hosts

192.168.11.25   hdp-01
192.168.11.26   hdp-02
192.168.11.27   hdp-03
192.168.11.28   hdp-04

将hosts文件拷贝到集群中的所有其他机器上

scp /etc/hosts hdp-02:/etc/
scp /etc/hosts hdp-03:/etc/
scp /etc/hosts hdp-04:/etc/

五、 安装hdfs集群

1、上传hadoop安装包到hdp-01

1)利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
2)然后在linux中将hadoop-2.8.0压缩包解压到/root/apps下

2、修改配置文件

核心配置参数：
1)指定hadoop的默认文件系统为：hdfs

2)指定hdfs的namenode节点为哪台机器

3)指定namenode软件存储元数据的本地目录

4)指定datanode软件存放文件块的本地目录

hadoop的配置文件在：/root/apps/hadoop安装目录/etc/hadoop/

1)修改hadoop-env.sh
export JAVA_HOME=/root/apps/jdk1.8.0_60

2) 修改core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hdp01:9000</value>
</property>
</configuration>

3) 修改hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/root/dfs/name</value>
</property>

<property>
<name>dfs.datanode.data.dir</name>
<value>/root/dfs/data</value>
</property>

</configuration>

4) 拷贝整个hadoop安装目录到其他机器
scp -r /root/apps/hadoop-2.8.0  hdp02:/root/apps/
scp -r /root/apps/hadoop-2.8.0  hdp03:/root/apps/
scp -r /root/apps/hadoop-2.8.0  hdp04:/root/apps/

5) 启动HDFS
首先，初始化namenode的元数据目录
要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录
hadoop namenode -format
创建一个全新的元数据存储目录
生成记录元数据的文件fsimage
生成集群的相关标识：如：集群id——clusterID

然后，启动namenode进程（在hdp-01上）
hadoop-daemon.sh start namenode
启动完后，首先用jps查看一下namenode的进程是否存在

然后，在windows中用浏览器访问namenode提供的web端口：50070
http://hdp-01:50070

然后，启动众datanode们（在任意地方）
hadoop-daemon.sh start datanode

6) 用自动批量启动脚本来启动HDFS
a.先配置hdp01到集群中所有机器（包含自己）的免密登陆
b.配完免密后，可以执行一次  ssh 0.0.0.0
c.修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）
hdp-01
hdp-02
hdp-03
hdp-04
d.在hdp01上用脚本：start-dfs.sh 来自动启动整个集群
e.如果要停止，则用脚本：stop-dfs.sh