文章目錄
1. hadoop的介紹
Hadoop最早起源於Nutch。Nutch的設計目標是構建一個大型的全網搜索引擎,包括網頁抓取、索引、查詢等功能,但隨着抓取網頁數量的增加,遇到了嚴重的可擴展性問題——如何解決數十億網頁的存儲和索引問題。
2003年、2004年穀歌發表的兩篇論文爲該問題提供了可行的解決方案:
-
分佈式文件系統(GFS),可用於處理海量網頁的存儲
-
分佈式計算框架MapReduce,可用於處理海量網頁的索引計算問題。
Nutch的開發人員完成了相應的開源實現hdfs和MapReduce,並從Nutch中剝離成爲獨立項目HADOOP,到2008年1月,HADOOP成爲Apache頂級項目.
建議去看一下原文,Google有三篇分佈式的論文,網上譯文很多。
HDFS操作過程
- 將文件分塊,分別存儲到不同計算機中
- 設置一臺計算機來管理和整合其他計算機
- 防止計算機宕機,每個分片數據會在多臺中保存副本
MapReduce操作過程
- 將計算任務進行拆分
- 將各部分結果彙總
狹義上的hadoop指的是HDFS(分佈式文件系統),MapReduce(分佈式計算系統)和Yarn(分佈式樣集羣資源管理 ),廣義上指的是hadoop生態圈
apache所有軟件的下載地址(包括各種歷史版本):
http://archive.apache.org/dist/
由於是開源版本,包更新較快但是穩定性不是太好。
2. hadoop架構模型
主要介紹2.x版本的架構模型,2.x一共有四種架構模型
第一種:NameNode與ResourceManager單節點架構模型
- 文件系統核心模塊:
NameNode:集羣當中的主節點,主要用於管理集羣當中的各種數據
secondaryNameNode:主要能用於hadoop當中元數據信息的輔助管理
DataNode:集羣當中的從節點,主要用於存儲集羣當中的各種數據
- 數據計算核心模塊:
ResourceManager:接收用戶的計算請求任務,並負責集羣的資源分配
NodeManager:負責執行主節點APPmaster分配的任務
不能很好的解決單點故障問題
第二種:NameNode單節點與ResourceManager高可用架構模型
- 文件系統核心模塊:
NameNode:集羣當中的主節點,主要用於管理集羣當中的各種數據
secondaryNameNode:主要能用於hadoop當中元數據信息的輔助管理
DataNode:集羣當中的從節點,主要用於存儲集羣當中的各種數據
- 數據計算核心模塊:
ResourceManager:接收用戶的計算請求任務,並負責集羣的資源分配,以及計算任務的劃分,通過zookeeper實現ResourceManager的高可用
NodeManager:負責執行主節點ResourceManager分配的任務
ResourceManager有備份節點,一旦ZKFC(watch機制)檢測到主節點宕機,備份節點馬上替代主節點
第三種:NameNode高可用與ResourceManager單節點架構模型
- 文件系統核心模塊:
NameNode:集羣當中的主節點,主要用於管理集羣當中的各種數據,其中nameNode可以有兩個,形成高可用狀態
DataNode:集羣當中的從節點,主要用於存儲集羣當中的各種數據
JournalNode:文件系統元數據信息管理,實現兩個namenode之間的數據同步
- 數據計算核心模塊:
ResourceManager:接收用戶的計算請求任務,並負責集羣的資源分配,以及計算任務的劃分
NodeManager:負責執行主節點ResourceManager分配的任務
第四種:NameNode與ResourceManager高可用架構模型
- 文件系統核心模塊:
NameNode:集羣當中的主節點,主要用於管理集羣當中的各種數據,一般都是使用兩個,實現HA高可用
JournalNode:元數據信息管理進程,一般都是奇數個
DataNode:從節點,用於數據的存儲
- 數據計算核心模塊:
ResourceManager:Yarn平臺的主節點,主要用於接收各種任務,通過兩個,構建成高可用
NodeManager:Yarn平臺的從節點,主要用於處理ResourceManager分配的任務
3. Apache版本的hadoop重新編譯
由於appache給出的hadoop的安裝包沒有提供帶C程序訪問的接口,所以我們在使用本地庫(本地庫可以用來做壓縮,以及支持C程序等等)的時候就會出問題,需要對Hadoop源碼包進行重新編譯.
3.1:準備linux環境
準備一臺linux環境,內存4G或以上,硬盤40G或以上,我這裏使用的是Centos6.9 64位的操作系統(注意:一定要使用64位的操作系統)
3.2:虛擬機聯網,關閉防火牆,關閉selinux
關閉防火牆命令:
service iptables stop
chkconfig iptables off
關閉selinux
vim /etc/selinux/config
3.3:安裝jdk1.7
注意hadoop-2.7.5 這個版本的編譯,只能使用jdk1.7,如果使用jdk1.8那麼就會報錯
查看centos6.9自帶的openjdk
rpm -qa | grep java
將所有這些openjdk全部卸載掉
rpm -e java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64 tzdata-java-2016j-1.el6.noarch java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64
注意:這裏一定不要使用jdk1.8,親測jdk1.8會出現錯誤
將我們jdk的安裝包上傳到/export/softwares(我這裏使用的是jdk1.7.0_71這個版本)
解壓我們的jdk壓縮包
統一兩個路徑
mkdir -p /export/servers
mkdir -p /export/softwares
cd /export/softwares
tar -zxvf jdk-7u71-linux-x64.tar.gz -C ../servers/
配置環境變量
vim /etc/profile
export JAVA_HOME=/export/servers/jdk1.7.0_71
export PATH=:$JAVA_HOME/bin:$PATH
讓修改立即生效
source /etc/profile
3.4:安裝maven
這裏使用maven3.x以上的版本應該都可以,不建議使用太高的版本,強烈建議使用3.0.5的版本即可
將maven的安裝包上傳到/export/softwares
然後解壓maven的安裝包到/export/servers
cd /export/softwares/
tar -zxvf apache-maven-3.0.5-bin.tar.gz -C ../servers/
配置maven的環境變量
vim /etc/profile
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export MAVEN_OPTS="-Xms4096m -Xmx4096m"
export PATH=:$MAVEN_HOME/bin:$PATH
讓修改立即生效
source /etc/profile
解壓maven的倉庫
tar -zxvf mvnrepository.tar.gz -C /export/servers/
修改maven的配置文件
cd /export/servers/apache-maven-3.0.5/conf
vim settings.xml
指定我們本地倉庫存放的路徑
添加一個我們阿里雲的鏡像地址,會讓我們下載jar包更快
<mirror>
<id>alimaven</id>
<name>aliyun maven</name>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
<mirrorOf>central</mirrorOf>
</mirror>
3.5:安裝findbugs
解壓findbugs
tar -zxvf findbugs-1.3.9.tar.gz -C ../servers/
配置findbugs的環境變量
vim /etc/profile
export JAVA_HOME=/export/servers/jdk1.7.0_75
export PATH=:$JAVA_HOME/bin:$PATH
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export PATH=:$MAVEN_HOME/bin:$PATH
export FINDBUGS_HOME=/export/servers/findbugs-1.3.9
export PATH=:$FINDBUGS_HOME/bin:$PATH
讓修改立即生效
source /etc/profile
3.6:在線安裝一些依賴包
yum install autoconf automake libtool cmake
yum install ncurses-devel
yum install openssl-devel
yum install lzo-devel zlib-devel gcc gcc-c++
bzip2壓縮需要的依賴包
yum install -y bzip2-devel
3.7:安裝protobuf
解壓protobuf並進行編譯
cd /export/softwares
tar -zxvf protobuf-2.5.0.tar.gz -C ../servers/
cd /export/servers/protobuf-2.5.0
./configure
make && make install
3.8、安裝snappy
cd /export/softwares/
tar -zxf snappy-1.1.1.tar.gz -C ../servers/
cd ../servers/snappy-1.1.1/
./configure
make && make install
3.9:編譯hadoop源碼
對源碼進行編譯
cd /export/softwares
tar -zxvf hadoop-2.7.5-src.tar.gz -C ../servers/
cd /export/servers/hadoop-2.7.5
編譯支持snappy壓縮:
mvn package -DskipTests -Pdist,native -Dtar -Drequire.snappy -e -X
編譯完成之後我們需要的壓縮包就在下面這個路徑裏面
/export/servers/hadoop-2.7.5/hadoop-dist/target
4. hadoop安裝
集羣規劃
服務器IP | 192.168.174.100 | 192.168.174.110 | 192.168.174.120 |
---|---|---|---|
主機名 | node01 | node02 | node03 |
NameNode | 是 | 否 | 否 |
SecondaryNameNode | 是 | 否 | 否 |
dataNode | 是 | 是 | 是 |
ResourceManager | 是 | 否 | 否 |
NodeManager | 是 | 是 | 是 |
4.1 解壓hadoop包
上傳壓縮包並解壓
cd /export/softwares
rz -E
tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/
4.2 修改配置文件
- 修改core-site.xml
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim core-site.xml
<configuration>
<!-- 指定集羣的文件系統類型:分佈式系統 -->
<property>
<name>fs.default.name</name>
<value>hdfs://hadoop1:8020</value>
</property>
<!-- 指定臨時文件存儲目錄 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/export/servers/hadoop-2.7.5/hadoopDatas/tempDatas</value>
</property>
<!-- 緩衝區大小,實際工作中根據服務器性能動態調整 -->
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
<!-- 開啓hdfs的垃圾桶機制,刪除掉的數據可以從垃圾桶中回收,單位分鐘 -->
<property>
<name>fs.trash.interval</name>
<value>10080</value>
</property>
</configuration>
- 修改hdfs-site.xml
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hdfs-site.xml
<configuration>
<!-- secondary namenode地址設置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop1:50090</value>
</property>
<!-- 指定namenode的訪問地址和端口 -->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop1:50070</value>
</property>
<!-- 指定namenode元數據的存儲路徑 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2</value>
</property>
<!-- 定義dataNode數據存儲的節點位置,實際工作中,一般先確定磁盤的掛載目錄,然後多個目錄用,進行分割 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2</value>
</property>
<!-- 指定namenode日誌文件的存放地址 -->
<property>
<name>dfs.namenode.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/nn/edits</value>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/snn/name</value>
</property>
<property>
<name>dfs.namenode.checkpoint.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits</value>
</property>
<!-- 指定一個文件的副本個數 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 設置hdfs文件權限 -->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<!-- 指定一個文件切片大小 -->
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
</configuration>
- 修改hadoop-env.sh
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
- 修改mapred-site.xml
本地沒有這個文件,不需要重建,要將mapred-queues.xml.template
文件的後綴去掉,寫入改文件
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-site.xml
<configuration>
<!-- 開啓MapReduce小任務模式 -->
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
<!-- 設置歷史任務的主機和端口 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop1:10020</value>
</property>
<!-- 設置網頁訪問歷史任務的主機和端口 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop1:19888</value>
</property>
</configuration>
- yarn-site.xml
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim yarn-site.xml
<configuration>
<!-- 配置yarn主節點位置 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop1</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 開啓日誌聚合功能-->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 設置聚合日誌聚合在hdfs上的保存時間 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
<!-- 設置yarn集羣的內存分配方案 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
</configuration>
- mapred-env.sh
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
- 修改slaves
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim slaves
hadoop1
hadoop2
hadoop3
創建文件路徑
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/tempDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/snn/name
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits
複製到第二臺和第三臺機器,不需要做其他修改
cd /export/servers/
scp -r hadoop-2.7.5 hadoop2:$PWD
scp -r hadoop-2.7.5 hadoop3:$PWD
4.3 配置hadoop環境變量
三臺都需要配置環境變量
vim /etc/profile
export HADOOP_HOME=/export/servers/hadoop-2.7.5
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
讓配置生效
source /etc/profile
4.4 啓動集羣
要啓動 Hadoop 集羣,需要啓動 HDFS 和 YARN 兩個模塊。
注意: 首次啓動 HDFS 時,必須對其進行格式化操作。 本質上是一些清理和
準備工作,因爲此時的 HDFS 在物理上還是不存在的。
cd /export/servers/hadoop-2.7.5/
# 格式化,僅在第一次啓動時需要執行
bin/hdfs namenode -format
# 啓動HDFS
sbin/start-dfs.sh
# 啓動yarn
sbin/start-yarn.sh
# 啓動歷史完成任務
sbin/mr-jobhistory-daemon.sh start historyserver
# 關閉HDFS
sbin/stop-dfs.sh
# 關閉yarn
sbin/stop-yarn.sh
三個端口查看頁面
查看hdfs:http://hadoop1:50070/explorer.html
查看yarn集羣:http://hadoop1:8088/cluster
查看歷史完成的任務:http://hadoop1:19888/jobhistory
- 注意:啓動hadoop前,要保證zookeeper是啓動的,要不然可能啓動失敗