hadoop伪分布安装称为测试环境安装,多机分布称为生成环境安装。以下安装没有进行HA(热备)和Federation(联邦)。除非是性能需要,否则没必要安装Federation,HA可以一试,涉及到Zookeeper自动切换。
-
准备工作
1) linux优化
①安装虚拟机linux系统,采用1.2 中的CentOS调优所有步骤,关闭防火墙;②设置网络为桥接模式(编辑虚拟机设置—>网络适配器),查看自动分配ip或手动配置ip;③等JDK安装的JAVA_HOME(见1.3.1)和HADOOP_HOME(见2.1.6(8))配置好后,直接复制虚拟机,将whaozl001的虚拟机系统复制成3个文件夹作为DataNode的数据节点的linux主机,网卡要重新删除和编辑,见2.1.7(3);④配置NameNode节点的主机whaozl001到其他主机ssh免密码登录,见2.1.7;⑤注意:在配置过程中所有的property中的name和value值都不能存在空格、配置中的删除线部分表示可不添加进去。
2) 配置节点
对所有Node,配置vim /etc/hosts添加10.30.30.1????whaozl001等ip映射;
10.30.30.1 whaozl001
10.30.30.5 whaozl005
10.30.30.6 whaozl006
10.30.30.7 whaozl007
10.30.30.8 whaozl008
这里配置4个DataNode,1个NameNode,给每个节点主机修改主机名(虚拟机名称、ip映射名、linux主机名):
?
主机名
ip地址(内网)
linux用户名
密码
充当角色
NameNode
whaozl001
10.30.30.1
haozhulin
123456?
nn/snn/rm?
DataNode
whaozl005
10.30.30.5
haozhulin?
123456?
dn/nm?
DataNode
whaozl006
10.30.30.6
haozhulin?
123456?
dn/nm?
DataNode
whaozl007
10.30.30.7
haozhulin?
123456?
dn/nm?
DataNode
whaozl008
10.30.30.8
haozhulin?
123456?
dn/nm?虚拟机名称就是虚拟机文件夹名。用户均为haozhulin,其在linux的/home目录下有一个haozhulin文件夹(用户文件夹)。在cluster中充当的角色(namenode, secondary namenode, datanode , resourcemanager, nodemanager)。
-
解压
将安装包hadoop-2.2.0.tar.gz存放到/home/haozhulin/install/目录下,并解压
先让其有执行权限,然后直接./就可以解压
chmod
+x hadoop-2.2.0.tar.gz./hadoop-2.2.0.tar.gz
配置之前,在whaozl001主机的/home/haozhulin/install/hadoop-2.2.0/下建立三个文件夹:~/dfs/name、~/dfs/data、~/temp;
接下来修改/home/haozhulin/install/hadoop-2.2.0/etc/hadoop/下的7个文件。
hadoop-env.sh
core-site.xml
hdfs-site.xml
mapred-site.xml
yarn-site.xml
slaves
yarn-env.sh
-
修改hadoop-env.sh
配置hadoop的jdk版本环境
cd /home/haozhulin/install/hadoop-2.2.0/etc/hadoop/
vim hadoop-env.sh
hadoop-env.sh为hadoop环境变量,依赖JDK,进行如下修改
#第27行
export JAVA_HOME=/home/haozhulin/install/java/jdk1.7.0_09
-
修改core-site.xml
在其<configuration></ configuration >中插入:
<!-- 制定HDFS的老大(NameNode)的地址 -->
<property>
????<!--<name>fs.default.name</name>-->
????<name>fs.defaultFS</name>
????<value>hdfs://whaozl001:9000</value>
</property>
<!--指定hadoop运行时产生文件的存储目录-->
<property>
????<name>hadoop.tmp.dir</name>
????<value>file:///home/haozhulin/install/hadoop-2.2.0/tmp</value>
</property>
<!--指定hadoop运行的流文件的缓冲区,单位B,这里设置为128KB,默认4KB-->
<property>
????<name>io.file.buffer.size</name>
????<value>131072</value>
</property>
<property>
????<name>hadoop.proxyuser.haozhulin.hosts</name>
????<value>*</value>
</property>
<property>
????<name>hadoop.proxyuser.haozhulin.groups</name>
????<value>*</value>
</property>
-
修改hdfs-site.xml
在其<configuration></ configuration >中插入:
<!--HA就不需要secondary咯,这里不是HA,就需要配置Secondaryhtpp通信地址-->
<property>
????<name>dfs.namenode.secondary.http-address</name>
????<value> whaozl001:9001</value>
</property>
<property>
????<name>dfs.namenode.name.dir</name>
????<value>file:///home/haozhulin/install/hadoop-2.2.0/dfs/name</value>
</property>
<property>
????<name>dfs.datanode.data.dir </name>
????<value>file:///home/haozhulin/install/hadoop-2.2.0/dfs/data</value>
</property>
<!--指定HDFS存在block的副本数量,默认值是3个,现有4个DataNode,该值不大于4即可-->
<property>
????<name>dfs.replication</name>
????<value>2</value>
</property>
<property>
????<name>dfs.webhdfs.enabled</name>
????<value>true</value>
</property>
-
修改mapred-site.xml
从template命名mapred-site.xml后<configuration></configuration>中插入:
<!-- 指定mr运行在yarn上 -->
<property>
????<name>mapreduce.framework.name</name>
????<value>yarn</value>
</property>
<property>
????<name>mapreduce.jobhistory.address</name>
????<value>whaozl001:10020</value>
</property>
<property>
????<name>mapreduce.jobhistory.webapp.address</name>
????<value> whaozl001:19888</value>
</property>
-
修改yarn-site.xml
在其<configuration></ configuration >中插入:
<!-- 指定YARN的老大(ResourceManager)的地址 -->
<property>
????<name>yarn.resourcemanager.hostname</name>
????<value>whaozl001</value>
</property>
<!-- reducer获取数据的方式 -->
<property>
????<name>yarn.nodemanager.aux-services</name>
????<value>mapreduce_shuffle</value>
</property>
<property>
????<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
????<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
????<name>yarn.resourcemanager.address</name>
????<value>whaozl001:8032</value>
</property>
<property>
????<name>yarn.resourcemanager.scheduler.address</name>
????<value> whaozl001:8030</value>
</property>
<property>
????<name>yarn.resourcemanager.resource-tracker.address</name>
????<value> whaozl001:8031</value>
</property>
<property>
????<name>yarn.resourcemanager.admin.address</name>
????<value> whaozl001:8033</value>
</property>
<property>
????<name>yarn.resourcemanager.webapp.address</name>
????<value> whaozl001:8088</value>
</property>
-
修改slaves
#定位到/home/haozhulin/install/hadoop-2.2.0/etc/hadoop/slaves文件
vim etc/hadoop/slaves
#由于是单机伪分布,所以DataNode就只有localhost
#不需要修改,也可以改为127.0.0.1,都是指本机
#slaves文件中记录所有的slave节点,写入以下内容
whaozl005
whaozl006
whaozl007
whaozl008
-
修改yarn-en.sh
同修改hadoop-env.sh,修改里面的JAVA_HOME值。
-
将配置复制到其他节点
这里可以写一个shell脚本进行操作(有大量节点时比较方便)。
scp –r /home/haozhulin/install/hadoop-2.2.0 [email protected]:~/
scp –r /home/haozhulin/install/hadoop-2.2.0 [email protected]:~/
scp –r /home/haozhulin/install/hadoop-2.2.0 [email protected]:~/
scp –r /home/haozhulin/install/hadoop-2.2.0 [email protected]:~/
scp –r 表示递归到目录和目录中文件远程复制到目标主机,~表示当前用户目录(用户目录就是保存在/home下)。
-
格式化namenode
#进入hadoop位置/home/haozhulin/install/hadoop-2.2.0
cd /home/haozhulin/install/hadoop-2.2.0
#格式化namenode
./bin/hdfs namenode –format????
-
启动hadoop
#进入hadoop位置/home/haozhulin/install/hadoop-2.2.0
cd /home/haozhulin/install/hadoop-2.2.0
#启动hdfs
./sbin/start-dfs.sh
#jps可查看进程
#此时在whaozl001上面运行的进程有namenode secondarynamenode
#whaozl005/whaozl006/whaozl007/whaozl008上运行的进程有datanode
#启动yarn
./sbin/start-yarn.sh
#此时在whaozl001上面有namenode secondarynamenode resourcemanager
#whaozl005/whaozl006/whaozl007/whaozl008有:datanode nodemanaget
了解hadoop运行情况:
#查看集群状态
./bin/hdfs dfsadmin –report
#查看文件块组成
./bin/hdfsfsck / -files –blocks
#查看HDFS:
http://10.30.30.1:50070
#查看RM
http://10.30.30.1:8088
-
测试
#先在hdfs上创建一个文件夹
./bin/hdfs dfs –mkdir /input
#测试案例
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jarrandomwriter /input