【Hadoop离线基础总结】完全分布式环境搭建

完全分布式环境搭建

服务规划

适用于工作当中正式环境搭建

安装步骤

第一步：安装包解压

停止之前的Hadoop集群的所有服务，并删除所有机器的Hadoop安装包，然后重新解压Hadoop压缩包

三台机器都执行

rm -rf /export/servers/hadoop-2.7.5/

在第一台机器解压压缩包

cd /export/softwares

tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/

第二步：配置文件的修改

进入到一下文件夹，并用notepad++或者finalshell等脚本编辑工具打开一下文件

cd /export/servers/hadoop-2.7.5/etc/hadoop

修改core-site.xml

<configuration>

<!-- 指定NameNode的HA高可用的zk地址  -->

	<property>

		<name>ha.zookeeper.quorum</name>

		<value>node01:2181,node02:2181,node03:2181</value>

	</property>

 <!-- 指定HDFS访问的域名地址  -->

	<property>

		<name>fs.defaultFS</name>

		<value>hdfs://ns</value>

	</property>

 <!-- 临时文件存储目录  -->

	<property>

		<name>hadoop.tmp.dir</name>

		<value>/export/servers/hadoop-2.7.5/data/tmp</value>

	</property>

	 <!-- 开启hdfs垃圾箱机制，指定垃圾箱中的文件七天之后就彻底删掉

			单位为分钟

	 -->

	<property>

		<name>fs.trash.interval</name>

		<value>10080</value>

	</property>

</configuration>

修改hdfs-site.xml

<configuration>

<!--  指定命名空间  -->

	<property>

		<name>dfs.nameservices</name>

		<value>ns</value>

	</property>

<!--  指定该命名空间下的两个机器作为我们的NameNode  -->

	<property>

		<name>dfs.ha.namenodes.ns</name>

		<value>nn1,nn2</value>

	</property>

	<!-- 配置第一台服务器的namenode通信地址  -->

	<property>

		<name>dfs.namenode.rpc-address.ns.nn1</name>

		<value>node01:8020</value>

	</property>

	<!--  配置第二台服务器的namenode通信地址  -->

	<property>

		<name>dfs.namenode.rpc-address.ns.nn2</name>

		<value>node02:8020</value>

	</property>

	<!-- 所有从节点之间相互通信端口地址 -->

	<property>

		<name>dfs.namenode.servicerpc-address.ns.nn1</name>

		<value>node01:8022</value>

	</property>

	<!-- 所有从节点之间相互通信端口地址 -->

	<property>

		<name>dfs.namenode.servicerpc-address.ns.nn2</name>

		<value>node02:8022</value>

	</property>

	<!-- 第一台服务器namenode的web访问地址  -->

	<property>

		<name>dfs.namenode.http-address.ns.nn1</name>

		<value>node01:50070</value>

	</property>

	<!-- 第二台服务器namenode的web访问地址  -->

	<property>

		<name>dfs.namenode.http-address.ns.nn2</name>

		<value>node02:50070</value>

	</property>

	<!-- journalNode的访问地址，注意这个地址一定要配置 -->

	<property>

		<name>dfs.namenode.shared.edits.dir</name>

		<value>qjournal://node01:8485;node02:8485;node03:8485/ns1</value>

	</property>

	<!--  指定故障自动恢复使用的哪个java类 -->

	<property>

		<name>dfs.client.failover.proxy.provider.ns</name>

		<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

	</property>

	<!-- 故障转移使用的哪种通信机制 -->

	<property>

		<name>dfs.ha.fencing.methods</name>

		<value>sshfence</value>

	</property>

	<!-- 指定通信使用的公钥  -->

	<property>

		<name>dfs.ha.fencing.ssh.private-key-files</name>

		<value>/root/.ssh/id_rsa</value>

	</property>

	<!-- journalNode数据存放地址  -->

	<property>

		<name>dfs.journalnode.edits.dir</name>

		<value>/export/servers/hadoop-2.7.5/data/dfs/jn</value>

	</property>

	<!-- 启用自动故障恢复功能 -->

	<property>

		<name>dfs.ha.automatic-failover.enabled</name>

		<value>true</value>

	</property>

	<!-- namenode产生的文件存放路径 -->

	<property>

		<name>dfs.namenode.name.dir</name>

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/name</value>

	</property>

	<!-- edits产生的文件存放路径 -->

	<property>

		<name>dfs.namenode.edits.dir</name>

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/edits</value>

	</property>

	<!-- dataNode文件存放路径 -->

	<property>

		<name>dfs.datanode.data.dir</name>

		<value>file:///export/servers/hadoop-2.7.5/data/dfs/dn</value>

	</property>

	<!-- 关闭hdfs的文件权限 -->

	<property>

		<name>dfs.permissions</name>

		<value>false</value>

	</property>

	<!-- 指定block文件块的大小 -->

	<property>

		<name>dfs.blocksize</name>

		<value>134217728</value>

	</property>

</configuration>

修改hadoop-env.sh

# The java implementation to use.

export JAVA_HOME=/export/servers/jdk1.8.0_141

修改mapred-site.xml

<configuration>

	<!--指定运行mapreduce的环境是yarn -->

	<property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

	</property>

	<!-- MapReduce JobHistory Server IPC host:port -->

	<property>

        <name>mapreduce.jobhistory.address</name>

        <value>node03:10020</value>

	</property>

	<!-- MapReduce JobHistory Server Web UI host:port -->

	<property>

        <name>mapreduce.jobhistory.webapp.address</name>

        <value>node03:19888</value>

	</property>

	<!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->

	<property>

        <name>mapreduce.jobtracker.system.dir</name>

        <value>/export/servers/hadoop-2.7.5/data/system/jobtracker</value>

	</property>

	<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->

	<property>

        <name>mapreduce.map.memory.mb</name>

        <value>1024</value>

	</property>

	<!-- <property>

                <name>mapreduce.map.java.opts</name>

                <value>-Xmx1024m</value>

        </property> -->

	<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->

	<property>

        <name>mapreduce.reduce.memory.mb</name>

        <value>1024</value>

	</property>

	<!-- <property>

               <name>mapreduce.reduce.java.opts</name>

               <value>-Xmx2048m</value>

        </property> -->

	<!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认情况下，分配给每个合并流1MB，给个合并流应该寻求最小化。默认值100-->

	<property>

        <name>mapreduce.task.io.sort.mb</name>

        <value>100</value>

	</property>

	<!-- <property>

        <name>mapreduce.jobtracker.handler.count</name>

        <value>25</value>

        </property>-->

	<!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->

	<property>

        <name>mapreduce.task.io.sort.factor</name>

        <value>10</value>

	</property>

	<!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->

	<property>

        <name>mapreduce.reduce.shuffle.parallelcopies</name>

        <value>25</value>

	</property>

	<property>

        <name>yarn.app.mapreduce.am.command-opts</name>

        <value>-Xmx1024m</value>

	</property>

	<!-- MR AppMaster所需的内存总量。默认值1536-->

	<property>

        <name>yarn.app.mapreduce.am.resource.mb</name>

        <value>1536</value>

	</property>

	<!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->

	<property>

        <name>mapreduce.cluster.local.dir</name>

        <value>/export/servers/hadoop-2.7.5/data/system/local</value>

	</property>

	</configuration>

修改yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->

<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->

<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->

<!-- 用户可以通过应用程序时间服务器访问日志 -->

<!-- 启用日志聚合功能，应用程序完成后，收集各个节点的日志到一起便于查看 -->

	<property>

			<name>yarn.log-aggregation-enable</name>

			<value>true</value>

	</property>

	<!--开启resource manager HA,默认为false-->

	<property>

        <name>yarn.resourcemanager.ha.enabled</name>

        <value>true</value>

	</property>

	<!-- 集群的Id，使用该值确保RM不会做为其它集群的active -->

	<property>

        <name>yarn.resourcemanager.cluster-id</name>

        <value>mycluster</value>

	</property>

	<!--配置resource manager  命名-->

	<property>

        <name>yarn.resourcemanager.ha.rm-ids</name>

        <value>rm1,rm2</value>

	</property>

	<!-- 配置第一台机器的resourceManager -->

	<property>

        <name>yarn.resourcemanager.hostname.rm1</name>

        <value>node03</value>

	</property>

	<!-- 配置第二台机器的resourceManager -->

	<property>

        <name>yarn.resourcemanager.hostname.rm2</name>

        <value>node02</value>

	</property>

	<!-- 配置第一台机器的resourceManager通信地址 -->

	<property>

        <name>yarn.resourcemanager.address.rm1</name>

        <value>node03:8032</value>

	</property>

	<property>

        <name>yarn.resourcemanager.scheduler.address.rm1</name>

        <value>node03:8030</value>

	</property>

	<property>

        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>

        <value>node03:8031</value>

	</property>

	<property>

        <name>yarn.resourcemanager.admin.address.rm1</name>

        <value>node03:8033</value>

	</property>

	<property>

        <name>yarn.resourcemanager.webapp.address.rm1</name>

        <value>node03:8088</value>

	</property>

	<!-- 配置第二台机器的resourceManager通信地址 -->

	<property>

        <name>yarn.resourcemanager.address.rm2</name>

        <value>node02:8032</value>

	</property>

	<property>

        <name>yarn.resourcemanager.scheduler.address.rm2</name>

        <value>node02:8030</value>

	</property>

	<property>

        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>

        <value>node02:8031</value>

	</property>

	<property>

        <name>yarn.resourcemanager.admin.address.rm2</name>

        <value>node02:8033</value>

	</property>

	<property>

        <name>yarn.resourcemanager.webapp.address.rm2</name>

        <value>node02:8088</value>

	</property>

	<!--开启resourcemanager自动恢复功能-->

	<property>

        <name>yarn.resourcemanager.recovery.enabled</name>

        <value>true</value>

	</property>

	<!--在node1上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项-->

	<property>

		<name>yarn.resourcemanager.ha.id</name>

		<value>rm1</value>

       <description>If we want to launch more than one RM in single node, we need this configuration</description>

	</property>

	   <!--用于持久存储的类。尝试开启-->

	<property>

        <name>yarn.resourcemanager.store.class</name>

        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>

	</property>

	<property>

        <name>yarn.resourcemanager.zk-address</name>

        <value>node02:2181,node03:2181,node01:2181</value>

        <description>For multiple zk services, separate them with comma</description>

	</property>

	<!--开启resourcemanager故障自动切换，指定机器-->

	<property>

        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>

        <value>true</value>

        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>

	</property>

	<property>

        <name>yarn.client.failover-proxy-provider</name>

        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>

	</property>

	<!-- 允许分配给一个任务最大的CPU核数，默认是8 -->

	<property>

        <name>yarn.nodemanager.resource.cpu-vcores</name>

        <value>4</value>

	</property>

	<!-- 每个节点可用内存,单位MB -->

	<property>

        <name>yarn.nodemanager.resource.memory-mb</name>

        <value>512</value>

	</property>

	<!-- 单个任务可申请最少内存，默认1024MB -->

	<property>

        <name>yarn.scheduler.minimum-allocation-mb</name>

        <value>512</value>

	</property>

	<!-- 单个任务可申请最大内存，默认8192MB -->

	<property>

        <name>yarn.scheduler.maximum-allocation-mb</name>

        <value>512</value>

	</property>

	<!--多长时间聚合删除一次日志 此处-->

	<property>

        <name>yarn.log-aggregation.retain-seconds</name>

        <value>2592000</value><!--30 day-->

	</property>

	<!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->

	<property>

        <name>yarn.nodemanager.log.retain-seconds</name>

        <value>604800</value><!--7 day-->

	</property>

	<!--指定文件压缩类型用于压缩汇总日志-->

	<property>

        <name>yarn.nodemanager.log-aggregation.compression-type</name>

        <value>gz</value>

	</property>

	<!-- nodemanager本地文件存储目录-->

	<property>

        <name>yarn.nodemanager.local-dirs</name>

        <value>/export/servers/hadoop-2.7.5/yarn/local</value>

	</property>

	<!-- resourceManager  保存最大的任务完成个数 -->

	<property>

        <name>yarn.resourcemanager.max-completed-applications</name>

        <value>1000</value>

	</property>

	<!-- 逗号隔开的服务列表，列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->

	<property>

        <name>yarn.nodemanager.aux-services</name>

        <value>mapreduce_shuffle</value>

	</property>

	<!--rm失联后重新链接的时间-->

	<property>

        <name>yarn.resourcemanager.connect.retry-interval.ms</name>

        <value>2000</value>

	</property>

</configuration>

修改slaves

node01

node02

node03

第三步：启动集群

将第一台机器的hadoop安装包分发到第二台、第三台机器上

cd /export/servers

scp -r hadoop-2.7.5/ node02:$PWD

scp -r hadoop-2.7.5/ node03:$PWD

三台机器都创建一下所需的文件夹

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

更改node的rm2

在第二台机器执行

cd /export/servers/hadoop-2.7.5/etc/hadoop

vim yarn-site.xml

	<!--在node3上配置rm1,在node2上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，

	但这个在YARN的另一个机器上一定要修改，其他机器上不配置此项

	注意我们现在有两个resourceManager  第三台是rm1   第二台是rm2

	这个配置一定要记得去node02上面改好

	-->

	<property>

		<name>yarn.resourcemanager.ha.id</name>

		<value>rm2</value>

       <description>If we want to launch more than one RM in single node, we need this configuration</description>

	</property>

启动HDFS

在第一台机器执行

cd /export/servers/hadoop-2.7.5

bin/hdfs zkfc -formatZK		-> 格式化zk

sbin/hadoop-daemons.sh start journalnode		-> 启动journalnode

bin/hdfs namenode -format		-> 格式化NameNode上面所有的数据

bin/hdfs namenode -initializeSharedEdits -force			-> 强制初始化元数据信息

sbin/start-dfs.sh

在第二台机器执行

cd /export/servers/hadoop-2.7.5

bin/hdfs namenode -bootstrapStandby		-> 设置NameNode为StandBy状态

sbin/hadoop-daemon.sh start namenode

启动YARN

在第三台机器上执行

cd /export/servers/hadoop-2.7.5

sbin/start-yarn.sh

在第二台机器上执行

cd /export/servers/hadoop-2.7.5

sbin/start-yarn.sh

查看resourceManager状态

在第三台机器上执行

cd /export/servers/hadoop-2.7.5

bin/yarn rmadmin -getServiceState rm1

cd /export/servers/hadoop-2.7.5

bin/yarn rmadmin -getServiceState rm2

在node03启动JobHistory

cd /export/servers/hadoop-2.7.5

sbin/mr-jobhistory-daemon.sh start historyserver

tips

node01机器查看hdfs状态：node01:50070

node02机器查看hdfs状态：node02:50070

yarn集群访问查看：node03:8088

历史任务浏览界面：node03:19888

【Hadoop离线基础总结】完全分布式环境搭建的更多相关文章

Hadoop基础教程之分布式环境搭建
前面,我们已经在单机上把Hadoop运行起来了,但我们知道Hadoop支持分布式的,而它的优点就是在分布上突出的,所以我们得搭个环境模拟一下. 在这里,我们采用这样的策略来模拟环境,我们使用3台ubu ...
【Hadoop离线基础总结】CDH版本Hadoop 伪分布式环境搭建
CDH版本Hadoop 伪分布式环境搭建服务规划步骤第一步:上传压缩包并解压 cd /export/softwares/ tar -zxvf hadoop-2.6.0-cdh5.14.0.tar ...
【Hadoop基础教程】4、Hadoop之完全分布式环境搭建
上一篇blog我们完成了Hadoop伪分布式环境的搭建,伪分布式模式也叫单节点集群模式, NameNode.SecondaryNameNode.DataNode.JobTracker.TaskTrac ...
Hadoop学习笔记(3)——分布式环境搭建
Hadoop学习笔记(3) ——分布式环境搭建前面,我们已经在单机上把Hadoop运行起来了,但我们知道Hadoop支持分布式的,而它的优点就是在分布上突出的,所以我们得搭个环境模拟一下. 在这里, ...
攻城狮在路上（陆）-- hadoop分布式环境搭建(HA模式)
一.环境说明: 操作系统:Centos6.5 Linux node1 2.6.32-431.el6.x86_64 #1 SMP Fri Nov 22 03:15:09 UTC 2013 x86_64 ...
Hadoop学习笔记1：伪分布式环境搭建
在搭建Hadoop环境之前,请先阅读如下博文,把搭建Hadoop环境之前的准备工作做好,博文如下: 1.CentOS 6.7下安装JDK , 地址: http://blog.csdn.net/yule ...
【转】Hadoop HDFS分布式环境搭建
原文地址 http://blog.sina.com.cn/s/blog_7060fb5a0101cson.html Hadoop HDFS分布式环境搭建最近选择给大家介绍Hadoop HDFS系统 ...
【Hadoop】伪分布式环境搭建、验证
Hadoop伪分布式环境搭建: 自动部署脚本: #!/bin/bash set -eux export APP_PATH=/opt/applications export APP_NAME=Ares ...
hadoop学习(三)----hadoop2.x完全分布式环境搭建
今天我们来完成hadoop2.x的完全分布式环境搭建,话说学习本来是一件很快乐的事情,可是一到了搭环境就怎么都让人快乐不起来啊,搭环境的时间比学习的时间还多.都是泪.话不多说,走起. 1 准备工作开 ...

随机推荐

F - Make It Equal CodeForces - 1065C
题目大意:有n座塔,塔高h[i],每次给定高度H对他们进行削切,要求每次削掉的所有格子数不能超过k个,输出最少削几次才能使所有塔的高度相同. 思路一:差分+贪心对于每一个高度h,用一个数组让1~h的 ...
深度学习之文本分类模型-前馈神经网络(Feed-Forward Neural Networks)
目录 DAN(Deep Average Network) Fasttext fasttext文本分类 fasttext的n-gram模型 Doc2vec DAN(Deep Average Networ ...
Mybatis源码详解系列(四)--你不知道的Mybatis用法和细节
简介这是 Mybatis 系列博客的第四篇,我本来打算详细讲解 mybatis 的配置.映射器.动态 sql 等,但Mybatis官方中文文档对这部分内容的介绍已经足够详细了,有需要的可以直接参考. ...
Des对称可逆加密
/// <summary> /// DES AES Blowfish /// 对称加密算法的优点是速度快, /// 缺点是密钥管理不方便,要求共享密钥. /// 可逆对称加密密钥长 ...
python 进阶篇 python 的值传递
值传递和引用传递值传递,通常就是拷贝参数的值,然后传递给函数里的新变量,这样,原变量和新变量之间互相独立,互不影响. 引用传递,通常是指把参数的引用传给新的变量,这样,原变量和新变量就会指向同一块内 ...
使用Reactor响应式编程
介绍响应式编程响应式编程不同于我们熟悉的命令式编程,我们熟悉的命令式编程即代码就是一行接一行的指令,按照它们的顺序一次一条地出现.一个任务被执行,程序就需要等到它执行完了,才能执行下一个任务.每一 ...
php中session_id()函数详细介绍,会话id生成过程及session id长度
php中session_id()函数原型及说明session_id()函数说明:stringsession_id([string$id])session_id() 可以用来获取/设置当前会话 ID. ...
配置IIS5.5/6.0 支持 Silverlight
在安装完Silverlight1.1 Alpha后,要使自己的IIS服务器支持Silverlight的浏览还需要配置一下IIS网站的 Http头->MIME映射添加内容如下:扩展名 ...
STL训练 HDU - 1716 Ray又对数字的列产生了兴趣：
HDU - 1716 Ray又对数字的列产生了兴趣: 现有四张卡片,用这四张卡片能排列出很多不同的4位数,要求按从小到大的顺序输出这些4位数. Input 每组数据占一行,代表四张卡片上的数字(0&l ...
CF1335F Robots on a Grid
比较简单的倍增但还是看了题解才会题意给出一个 $n\times m$ 的网格,每个格子有颜色,$0$ 黑 $1$ 白,每个格子还有一个方向,表示这个格子上的机器人会向那个方向走,并保 ...