Hadoop 集群的三种方式

1,Local(Standalone) Mode 单机模式

  $ mkdir input

  $ cp etc/hadoop/*.xml input

  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar grep input output 'dfs[a-z.]+'

  $ cat output/*

  解析$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar grep input output 'dfs[a-z.]+'
  input 夹下面的文件 ：capacity-scheduler.xml  core-site.xml  hadoop-policy.xml  hdfs-site.xml  httpfs-site.xml  yarn-site.xml

  bin/hadoop    hadoop 命令
  jar           这个命令在jar包里面
  share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar  具体位置
  grep          grep 函数
  input         grep 函数的目标文件夹
  output        grep 函数结果的输出文件夹
  'dfs[a-z.]+'  grep 函数的匹配正则条件

  直译：将input文件下面的文件中包含 'dfs[a-z.]+' 的字符串给输出到output 文件夹中
  输出结果：part-r-00000  _SUCCESS
  cat part-r-00000：1 dfsadmin
  在hadoop-policy.xml 存在此字符串

2,Pseudo-Distributed Operation 伪分布式

在 etc/hadoop/core.site.xml 添加以下属性
<configuration>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://hella-hadoop.chris.com:8020</value>   hella-hadoop.chris.com是主机名，已经和ip相互映射

    </property>

还需要覆盖默认的设定,mkdir -p data/tmp
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/modules/hadoop-2.5.0/data/tmp</value>   hella-hadoop.chris.com是主机名，已经和ip相互映射
    </property>

 垃圾箱设置删除文件保留时间（分钟）
    <property>
        <name>fs.trash.interval</name>
        <value>10080</value>
    </property>

</configuration>

etc/hadoop/hdfs-site.xml: 伪分布式1个备份
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
配置从节点
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>主机名:50090</value>
    </property> 
</configuration>

格式化元数据，进入到安装目录下

bin/hdfs namenode -format

启动namenode,所有的命令都在sbin下，通过ls sbin/ 可以查看

sbin/hadoop-daemon.sh start namenode hadoop 的守护线程启动(主数据)

sbin/hadoop-daemon.sh start datanode 启动datanode（从数据）

nameNode都有个web网页,端口50070

创建hdfs 文件夹，创建在用户名下面

bin/hdfs dfs -mkdir -p /user/chris

查看文件夹

bin/hdfs dfs -ls -R / 回调查询

本地新建文件夹mkdir wcinput mkdir wcoutput vi wc.input创建wc.input文件，并写入内容

hdfs文件系统新建文件夹

bin/hdfs dfs -mkdir -p /user/chris/mapreduce/wordcount/input

本地文件上传hdfs文件系统

bin/hdfs dfs -put wcinput/wc.input /user/chris/mapreduce/wordcount/input/

在hdfs文件系统上使用mapreduce

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /user/chris/mapreduce/wordcount/input /user/chris/mapreduce/wordcount/output

红色代表：读取路径

蓝色代表：输出路径

所以mapreduce的结果已经写到了hdfs的输出文件里面去了

Yarn on a Single Node

/opt/modules/hadoop-2.5.0/etc/hadoop/yarn-site.xml 在hadoop的安装路径下

<configuration>

   <property>

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

  <value>hella-hadoop.chris.com</value>

   </property>

   <property>

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

  <value>mapreduce_shuffle</value>

   </property>

</configuration>

yarn 的配置已经完成

在同一目录下slave文件上添加主机名或者主机ip,默认是localhost

yarn-env.sh 和 mapred-env.sh把JAVA_HOME 更改下，防止出错

export JAVA_HOME=/home/chris/software/jdk1.8.0_201

将mapred-site.xml.template 重命名为mapred-site.xml,同时添加以下配置

<configuration>

    <property>

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

        <value>yarn</name>

    </property>

</configuration>

先将/user/chris/mapreduce/wordcount/output/删除

再次执行$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /user/chris/mapreduce/wordcount/input /user/chris/mapreduce/wordcount/output

伪分布式执行完毕，mapreduce 执行在了yarn 上

3，完全分布式

基于伪分布式，配置好一台机器后，分发至其它机器

step1: 配置ip 和 hostname 映射

vi /etc/hosts

192.168.178.110 hella-hadoop.chris.com hella-hadoop

192.168.178.111 hella-hadoop02.chris.com hella-hadoop02

192.168.178.112 hella-hadoop03.chris.com hella-hadoop03

同时在window以下路径也得设置

C:\Windows\System32\drivers\etc\hosts

192.168.178.110 hella-hadoop.chris.com hella-hadoop

192.168.178.111 hella-hadoop02.chris.com hella-hadoop02

192.168.178.112 hella-hadoop03.chris.com hella-hadoop03

具体可参考linux ip hostname 映射

https://www.cnblogs.com/pickKnow/p/10701914.html

step2:部署（假设三台机器）

不同机器配置不同的节点

部署：

        hella-hadoop        hella-hadoop02         hella-hadoop03

HDFS:

        NameNode

        DataNode            DataNode               DataNode

                                                   SecondaryNameNode

YARN:

                            ResourceManager

        NodeManager            NodeManager            NodeManager                                   

MapReduce:

          JobHistoryServer

配置：

     * hdfs

           hadoop-env.sh

           core.site.xml

           hdfs-site.xml

           slaves

     *yarn

           yarn-env.sh

           yarn-site.xml

           slaves

     *mapreduce

           mapred-env.sh

           mapred-site.xml

step3:修改配置文件

core.xml

<configuration>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://hella-hadoop.chris.com:8020</value>

    </property>

    <property>

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

        <value>/opt/app/hadoop-2.5.0/data/tmp</value>

    </property>

    <property>

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

        <value>10080</value>

    </property>

</configuration>

hdfs-site.xml

<configuration>

    <property>

        <name>dfs.namenode.secondary.http-address</name>

        <value>hella-hadoop03.chris.com:50090</value>

    </property>

</configuration>

slaves

hella-hadoop.chris.com

hella-hadoop02.chris.com

hella-hadoop03.chris.com

yarn-site.xml

<configuration>

   <property>

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

     <value>hella-hadoop02.chris.com</value>

   </property>

   <property>

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

     <value>mapreduce_shuffle</value>

   </property>

   <!--NodeManager Resouce -->

   <property>

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

     <value>4096</value>

   </property>

   <property>

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

     <value>4</value>

   </property>

   <property>

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

     <value>true</value>

   </property>

   <property>

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

     <value>640800</value>

   </property>

</configuration>

mapred-site.xml

<configuration>

    <property>

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

        <value>yarn</value>

    </property>

    <property>

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

        <value>hella-hadoop.chris.com:10020</value>

    </property>

    <property>

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

      <value>hella-hadoop.chris.com:19888</value>

    </property>

</configuration

step4:集群的配置路径在各个机器上要一样，用户名一样

step5: 分发hadoop 安装包至各个机器节点

scp -p 源节点目标节点

使用scp 命令需要配置ssh 无密钥登陆，博文如下：

https://www.cnblogs.com/pickKnow/p/10734642.html

step6:启动并且test mapreduce

可能会有问题No route to Host 的Error，查看hostname 以及 ip 配置，或者是防火墙有没有关闭

防火墙关闭，打开，状态查询，请参考以下博文：

https://www.cnblogs.com/pickKnow/p/10670882.html

4，完全分布式+ HA

HA全称：HDFS High Availability Using the Quorum Journal Manager 即 HDFS高可用性通过配置分布式日志管理

HDFS集群中存在单点故障（SPOF）,对于只有一个NameNode 的集群，若是NameNode 出现故障，则整个集群无法使用，知道NameNode 重新启动。

HDFS HA 功能则通过配置Active/StandBy 两个NameNodes 实现在集群中对NameNode 的热备来解决上述问题，如果出现故障，如机器崩溃或机器需要升级维护，这时可以通过此种方式将NameNode很快的切换到另一台机器.

在以上的分布式配置如下：假设有三台机器

配置要点：

* share edits

JournalNode

*NameNode

Active,Standby

*Client

proxy

*fence

隔离，同一时刻只能仅有一个NameNode对外提供服务

规划集群：

hella-hadoop.chris.com hella-hadoop02.chris.com hella-hadoop03.chris.com

NameNode NameNode

JournalNode JournalNode JournalNode

DateNode DateNode DateNode

因为NameNode有两个，一个备份，所以就不需要secondarynamenode了

配置：

core-site.xml

    <property>

      <name>fs.defaultFS</name>

      <value>hdfs://ns1</value>

    </property>

hdfs-site.xml

<!-- 代表一个nameservice -->

    <property>

      <name>dfs.nameservices</name>

      <value>ns1</value>

    </property>

    <!-- ns1 有两个namenode -->

    <property>

      <name>dfs.ha.namenodes.ns1</name>

      <value>nn1,nn2</value>

     </property>

     <!-- 分别配置namenode的地址 -->

     <property>

       <name>dfs.namenode.rpc-address.ns1.nn1</name>

       <value>hella-hadoop.chris.com:8020</value>

     </property>

     <property>

       <name>dfs.namenode.rpc-address.ns1.nn2</name>

       <value>hella-hadoop02.chris.com:8020</value>

      </property>

       <!-- 分别配置namenode web 端地址 -->

      <property>

          <name>dfs.namenode.http-address.ns1.nn1</name>

          <value>hella-hadoop.chris.com:50070</value>

      </property>

      <property>

        <name>dfs.namenode.http-address.ns1.nn2</name>

        <value>hella-hadoop02.chris.com:50070</value>

      </property>

         <!-- NameNode Shared Edits Address 即 journal node 地址 -->

    <property>

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

      <value>qjournal://hella-hadoop.chris.com:8485;hella-hadoop02.chris.com:8485;hella-hadoop03.chris.com:8485/ns1</value>

     </property>

      <!-- journal node 目录-->

     <property>

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

      <value>/opt/app/hadoop-2.5.0/data/dfs/jn</value>

     </property>

      <!-- HDFS 代理客户端 -->

    <property>

      <name>dfs.client.failover.proxy.provider.ns1</name>

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

    </property>

      <!-- fence 隔离 只允许一个namenode 激活 -->

      <!-- 如果使用fence ssh 隔离，要求机器namenode 的机器能够相互无密钥登陆-->

    <property>

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

      <value>sshfence</value>

    </property>

    <property>

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

      <value>/home/chris/.ssh/id_rsa</value>

    </property>

配置完毕,分发到其他的两台机器，开始启动

step1:在各个JournalNode 节点桑，输入以下命令启动journalnode 服务

$sbin/hadoop-daemon.sh start journalnode

step2:在【nn1】上，对其进行格式化，并启动：

$bin/hdfs namenode-format

$sbin/hadoop-daemon.sh start namenode

step3:在【nn2】上，同步nn1的元数据信息：

$bin/hdfs namenode-bootstrapStandby

step4:启动【nn2】

$sbin/hadoop-daemon.sh start namenode

step5:将【nn1】切换为Active

$bin/hdfs haadmin-transitionToActive nn1

step6:在【nn1】上，启动所有的datanode

$sbin/hadoop-daemon.sh start datanode

4，完全分布式+ HA + zookeeper

只配置HA,只是手动的故障转移，要想做到自动的故障转移，需要通过zookeeper 对集群的服务进行一个监控

zookeeper的作用：
* 启动以后两个namenode 都是standby

zookeeper 选举一个为Active

*监控

ZKFC:zookeeper failover controller

集群的守护进程更新如下：

hella-hadoop.chris.com hella-hadoop02.chris.com hella-hadoop03.chris.com

NameNode NameNode

ZKFC ZKFC

JournalNode JournalNode JournalNode

DateNode DateNode DateNode

ZKFC用来监控namenode

开始配置：

core-site.xml

<!--zookeeper集群配置-->

    <property>

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

      <value>hella-hadoop.chris.com:2181,hella-hadoop02.chris.com:2181,hella-hadoop03.chris.com:2181</value>

    </property>

hdfs-site.xml

<!-- failover 故障自动转移，依靠zookeeper 集群，zookeeper 配置在core -->

     <property>

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

      <value>true</value>

     </property>

配置完毕，开始启动并且验证：

step1：关闭所有的HDFS 服务 sbin/stop-dfs.sh

step2: 启动Zookeeper集群 bin/zkServer.sh start

step3: 初始化HA 在Zookeeper中的状态 bin/hdfs zkfc -formatZK

step4:启动HDFS服务sbin/start-dfs.sh

stepc5:在各个NameNode 节点上启动DFSZK Failover Controller,先在那台机器启动，那台机器的NameNode就是Active NameNode

sbin/hadoop-daemon.sh start zkfc

验证：

jps 查看进程，可以将Active的进程kill, kill -9 pid

可以通过50070端口号在网页上直接查看，也可以通过命令查看namenode 是否实现故障自动转移，本来是standby 的namenode 转化为active

Hadoop 集群的三种方式的更多相关文章

hadoop集群的三种运行模式
单机(本地)模式: 这种模式在一台单机上运行,没有分布式文件系统,而是直接读写本地操作系统的文件系统.在单机模式(standalone)中不会存在守护进程,所有东西都运行在一个JVM上.这里同样没有D ...
redis集群的三种方式
Redis三种集群方式:主从复制,哨兵模式,Cluster集群. 主从复制基本原理当新建立一个从服务器时,从服务器将向主服务器发送SYNC命令,接收到SYNC命令后的主服务器会进行一次BGSAVE ...
简单说明hadoop集群运行三种模式和配置文件
Hadoop的运行模式分为3种:本地运行模式,伪分布运行模式,集群运行模式,相应概念如下: 1.独立模式即本地运行模式(standalone或local mode)无需运行任何守护进程(daemon) ...
阿里云ECS服务器部署HADOOP集群（三）：ZooKeeper 完全分布式集群搭建
本篇将在阿里云ECS服务器部署HADOOP集群(一):Hadoop完全分布式集群环境搭建的基础上搭建,多添加了一个 datanode 节点 . 1 节点环境介绍: 1.1 环境介绍: 服务器:三台阿里 ...
Redis ==> 集群的三种模式
一.主从同步/复制通过持久化功能,Redis保证了即使在服务器重启的情况下也不会丢失(或少量丢失)数据,因为持久化会把内存中数据保存到硬盘上,重启会从硬盘上加载数据. 但是由于数据是存储在一台服务器 ...
WEB项目会话集群的三种办法
web集群时session同步的3种方法在做了web集群后,你肯定会首先考虑session同步问题,因为通过负载均衡后,同一个IP访问同一个页面会被分配到不同的服务器上, 如果session不同步的 ...
LVS集群的三种工作模式
LVS的三种工作模式: 1)VS/NAT模式(Network address translation) 2)VS/TUN模式(tunneling) 3)DR模式(Direct routing) 1.N ...
Redis集群的三种模式
一.主从模式通过持久化功能,Redis保证了即使在服务器重启的情况下也不会损失(或少量损失)数据,因为持久化会把内存中数据保存到硬盘上,重启会从硬盘上加载数据. 但是由于数据是存储在一台服务器上的, ...
Java 连接MongoDB集群的几种方式
先决条件先运行mongodb肯定是必须的,然后导入以下包: import com.mongodb.MongoClient; import com.mongodb.MongoClientURI; im ...

随机推荐

websocket采用tomcat方式，IOC类对象无法注入的解决方案
前言我采用的spring框架做的,主要用于IOC AOP ,spring之前采用的2.0版本.(2.0版本出错!下面有解释): 要实现websocket 实现后台主动与JSP发送数据. 具体操作在 ...
Oracle字段根据逗号分割查询数据
需求是表里的某个字段存储的值是以逗号分隔开来的,要求根据分隔的每一个值都能查出来数据,但是不能使用like查询. 数据是这样的: 查询的sql如下: select * from ( select gu ...
array_walk与array_map的区别
1.array_walk是用于用户自定义的函数,所以想用array_walk($aIds, "trim");去掉数据元素中的空格是达不到目的的只能用array_walk($aIds ...
TimeUnit类中的sleep() 和Thread.sleep()
TimeUnit是什么? TimeUnit是java.util.concurrent包下面的一个类,TimeUnit提供了可读性更好的线程暂停操作,通常用来替换Thread.sleep(),在很长一段 ...
linux下批量杀死进程
ps aux|grep python|grep -v grep|cut -c 9-15|xargs kill -15 管道符“|”用来隔开两个命令,管道符左边命令的输出会作为管道符右边命令的输入.下面 ...
win10 安装mysql
现在mysql压缩包:https://downloads.mysql.com/archives/community/ 在目录下新建data文件夹,my.ini文件,内容如下: [mysqld] bas ...
LDA总结 (一) 共轭分布
今天开始,复习一下 LDA ,记录一些 LDA 的关键步骤,为写好论文做铺垫.第一节的主题是共轭分布,回忆贝叶斯公式: \[p(\theta|X) = \frac{p(\theta) \cdot p( ...
web.py框架之基本应用
一.基本应用 1.1 Hello World! # coding:utf-8 import web urls = ( "/.*", "Tk_online" ) ...
3D Slicer Programmatically Set Slice Offset and Intersections 用代码修改Slicer中的切片偏移和交叉点显示
在3D Slicer中,当我们导入.mha/.mhd等格式的volume文件后,那么我们就可以在Axial, Sagittal, Coronal三个方向来观察我们的MRI或者CT的图像了.3D Sli ...
js中typeof与instanceof用法
今天写JS代码,遇到动态生成多个名称相同的input复选按钮需要判断其是否是数组,用到了if (typeof(document.MapCheckMgr.checkid)!="undefin ...

Hadoop 集群的三种方式

Hadoop 集群的三种方式的更多相关文章

随机推荐

热门专题