一、集羣規劃
這裏搭建一個 3 節點的 Hadoop 集羣,其中三臺主機均部署 DataNode
和 NodeManager
服務,但只有 hadoop001 上部署 NameNode
和 ResourceManager
服務。
二、前置條件
Hadoop 的運行依賴 JDK,需要預先安裝。其安裝步驟單獨整理至:
三、配置免密登錄
3.1 生成密匙
在每臺主機上使用 ssh-keygen
命令生成公鑰私鑰對:
ssh-keygen
3.2 免密登錄
將 hadoop001
的公鑰寫到本機和遠程機器的 ~/ .ssh/authorized_key
文件中:
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop001
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop002
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop003
3.3 驗證免密登錄
ssh hadoop002
ssh hadoop003
四、集羣搭建
3.1 下載並解壓
下載 Hadoop。這裏我下載的是 CDH 版本 Hadoop,下載地址爲:http://archive.cloudera.com/cdh5/cdh/5/
# tar -zvxf hadoop-2.6.0-cdh5.15.2.tar.gz
3.2 配置環境變量
編輯 profile
文件:
# vim /etc/profile
增加如下配置:
export HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh5.15.2
export PATH=${HADOOP_HOME}/bin:$PATH
執行 source
命令,使得配置立即生效:
# source /etc/profile
3.3 修改配置
進入 ${HADOOP_HOME}/etc/hadoop
目錄下,修改配置文件。各個配置文件內容如下:
1. hadoop-env.sh
# 指定JDK的安裝位置
export JAVA_HOME=/usr/java/jdk1.8.0_201/
2. core-site.xml
<configuration>
<property>
<!--指定 namenode 的 hdfs 協議文件系統的通信地址-->
<name>fs.defaultFS</name>
<value>hdfs://hadoop001:8020</value>
</property>
<property>
<!--指定 hadoop 集羣存儲臨時文件的目錄-->
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>
</configuration>
3. hdfs-site.xml
<property>
<!--namenode 節點數據(即元數據)的存放位置,可以指定多個目錄實現容錯,多個目錄用逗號分隔-->
<name>dfs.namenode.name.dir</name>
<value>/home/hadoop/namenode/data</value>
</property>
<property>
<!--datanode 節點數據(即數據塊)的存放位置-->
<name>dfs.datanode.data.dir</name>
<value>/home/hadoop/datanode/data</value>
</property>
4. yarn-site.xml
<configuration>
<property>
<!--配置 NodeManager 上運行的附屬服務。需要配置成 mapreduce_shuffle 後纔可以在 Yarn 上運行 MapReduce 程序。-->
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<!--resourcemanager 的主機名-->
<name>yarn.resourcemanager.hostname</name>
<value>hadoop001</value>
</property>
</configuration>
5. mapred-site.xml
<configuration>
<property>
<!--指定 mapreduce 作業運行在 yarn 上-->
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5. slaves
配置所有從屬節點的主機名或 IP 地址,每行一個。所有從屬節點上的 DataNode
服務和 NodeManager
服務都會被啓動。
hadoop001
hadoop002
hadoop003
3.4 分發程序
將 Hadoop 安裝包分發到其他兩臺服務器,分發後建議在這兩臺服務器上也配置一下 Hadoop 的環境變量。
# 將安裝包分發到hadoop002
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/ hadoop002:/usr/app/
# 將安裝包分發到hadoop003
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/ hadoop003:/usr/app/
3.5 初始化
在 Hadoop001
上執行 namenode 初始化命令:
hdfs namenode -format
3.6 啓動集羣
進入到 Hadoop001
的 ${HADOOP_HOME}/sbin
目錄下,啓動 Hadoop。此時 hadoop002
和 hadoop003
上的相關服務也會被啓動:
# 啓動dfs服務
start-dfs.sh
# 啓動yarn服務
start-yarn.sh
3.7 查看集羣
在每臺服務器上使用 jps
命令查看服務進程,或直接進入 Web-UI 界面進行查看,端口爲 50070
。可以看到此時有三個可用的 Datanode
:
<BR/>
點擊 Live Nodes
進入,可以看到每個 DataNode
的詳細情況:
<BR/>
接着可以查看 Yarn 的情況,端口號爲 8088
:
五、提交服務到集羣
提交作業到集羣的方式和單機環境完全一致,這裏以提交 Hadoop 內置的計算 Pi 的示例程序爲例,在任何一個節點上執行都可以,命令如下:
hadoop jar /usr/app/hadoop-2.6.0-cdh5.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar pi 3 3
更多大數據系列文章可以參見 GitHub 開源項目: 大數據入門指南