Hadoop大数据部署

发布日期:2019-07-23

Hadoop大数据部署

一. 系统环境配置:

1. 关闭防火墙,selinux

关闭防火墙:

systemctl stop firewalldsystemctl disable firewalld

设置selinux为disable

# cat /etc/selinux/config SELINUX=disabled

2. 配置ntp时间服务器

# yum -y install ntpdate# crontab -l*/5 * * * * /usr/sbin/ntpdate 192.168.1.1 >/dev/null 2>&1

将IP地址换成可用的时间服务器IP

3. 修改系统限制

# cat /etc/security/limits.conf* soft nproc 100000* hard nproc 100000* soft nofile 102400* hard nofile 102400hadoop soft nproc 100000hadoop hard nproc 100000hadoop soft nofile 102400hadoop hard nofile 102400

4. 创建hadoop用户

groupadd -g 1002 hadoopuseradd -u 1002 -g hadoop hadoop

5. 配置hosts

[root@hadoop2 ~]# cat /etc/hosts127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4::1 localhost localhost.localdomain localhost6 localhost6.localdomain6192.168.24.43 hadoop1192.168.24.216 hadoop2192.168.24.7 hadoop3

6. 分发公钥

# su - hadoop$ ssh-keygen$ ssh-copy-id hadoop@hadoop1$ ssh-copy-id hadoop@hadoop2$ ssh-copy-id hadoop@hadoop3

保证某一个节点上都有所有的节点的公钥。

7. 安装jdk

# yum -y install jdk-8u171-linux-x64.rpm# java -versionjava version "1.8.0_171"Java(TM) SE Runtime Environment (build 1.8.0_171-b11)Java HotSpot(TM) 64-Bit Server VM (build 25.171-b11, mixed mode)

8. 安装SCALA

Scala 是一门多范式(multi-paradigm)的编程语言,设计初衷是要集成面向对象编程和函数式编程的各种特性。Scala 运行在Java虚拟机上,并兼容现有的Java程序。Scala 源代码被编译成Java字节码,所以它可以运行于JVM之上,并可以调用现有的Java类库。

cd /apptar -zxvf /home/Software/scala-2.11.12.tgz -C . mv scala-2.11.12 scala

9. 安装snappy

Snappy是一个压缩/解压缩库。它的目标不是最大压缩,也不与任何其他压缩库兼容; 相反,它的目标是非常高的速度和合理的压缩。例如,与最快的zlib模式相比,对于大多数输入,Snappy的速度要快一个数量级,但生成的压缩文件大小要高20%到100%。

yum -y install automake autoconf libtool openssl openssl-devel gcc gcc-c++tar -zxvf snappy-1.1.3.tar.gzcd snappy-1.1.3./autogen.sh./configuremake & make install

10. 安装lzo以及lzop

LZO 是一个用 ANSI C 语言编写的无损压缩库。他能够提供非常快速的压缩和解压功能。解压并不需要内存的支持。即使使用非常大的压缩比例进行缓慢压缩出的数据,依然能够非常快速的解压。LZO遵循GNU 的GPL 使用许可。LZO 非常适合进行数据的实时压缩解压处理,这就是说他更关心操作速度,而不是压缩比例。LZO 使用 ANSI C 语言编写,并且压缩后的数据也被设计为可以跨平台使用的格式。

tar -xvf lzo-2.06.tar.gzcd lzo-2.06./configure --enable-sharedmake && make install

lzop是使用lzo库写的一个程序,通过shell命令直接可以压缩、解压缩文件。

tar -xvf lzop-1.03.tar.gzcd lzop-1.03./configuremake && make install

二. Zookeeper 集群

Zookeeper有三种安装模式,单机模式:单节点安装standalones模式;伪集群模式:在一台主机上启动多个zookeeper的实例;集群模式:需要奇数台服务器,至少3台,每台启动一个zookeeper实例。

1. 解压安装Zookeepr

su - hadoopmkdir /apptar -zxvf zookeeper-3.4.10.tar.gz -C /app/cd /appsudo mv zookeeper-3.4.10 zookeepermkdir data logs

2. 修改zoo.cfg文件

[hadoop@hadoop1 ~]$ vim /app/zookeeper/conf/zoo.cfg tickTime=2000initLimit=20syncLimit=10dataDir=/app/zookeeper/datadataLogDir=/app/zookeeper/logsclientPort=2181server.1=hadoop1:2888:3888server.2=hadoop2:2888:3888server.3=hadoop3:2888:3888

initLimit:初始化链接时,follower和leader之间的最长心跳时间,20*2000即40秒syncLimit:leader和follower之间发送消息, 请求和应答的最大时间长度,即20秒server.X=A:B:C 其中X是一个数字, 表示这是第几号server. A是该server所在的IP地址. B:配置该server和集群中的leader交换消息所使用的端口. C:配置选举leader时所使用的端口

3. 修改myid

/app/zookeeper/data/下增加一个myid文件,把前面配置文件里server.X中的X写入里面。

[hadoop@hadoop1 ~]$ cat /app/zookeeper/data/myid 1

4. 修改zookeeper的日志输出路径:

修改/app/zookeeper/bin/zkEnv.sh下的ZOO_LOG_DIR改为配置文件里写的路径/app/zookeeper/logs

if [ "x${ZOO_LOG_DIR}" = "x" ]then ZOO_LOG_DIR="/app/zookeeper/logs"fi

5. 启动并调试zookeeper

启动:

$ zkServer.sh start

查看状态:

$ zkServer.sh status

[hadoop@hadoop1 ~]$ zkServer.sh statusZooKeeper JMX enabled by defaultUsing config: /app/zookeeper/bin/../conf/zoo.cfgMode: follower

二. Hadoop HA安装

hadoop分为1.0和2.0两个大版本,具体的区别自行查找。本文主要使用的是hadoop2.0。hadoop2.0的生态系统主要包括以下核心项目:HDFS YARN MapReduce。

1. 解压安装

sudo tar -zxvf hadoop-2.9.1.tar.gz -C /app/$ pwd/app/hadoop/etc/hadoop$ lscapacity-scheduler.xml httpfs-env.sh mapred-env.shconfiguration.xsl httpfs-log4j.properties mapred-queues.xml.templatecontainer-executor.cfg httpfs-signature.secret mapred-site.xmlcore-site.xml httpfs-site.xml mapred-site.xml.templatehadoop-env.cmd kms-acls.xml slaveshadoop-env.sh kms-env.sh ssl-client.xml.examplehadoop-metrics2.properties kms-log4j.properties ssl-server.xml.examplehadoop-metrics.properties kms-site.xml yarn-env.cmdhadoop-policy.xml log4j.properties yarn-env.shhdfs-site.xml mapred-env.cmd yarn-site.xml

2. 修改hadoop的环境变量(hadoop-env.sh)

export HADOOP_HEAPSIZE=16196export JAVA_HOME=/usr/java/1.8.0_171export JAVA_LIBRARY_PATH=/app/hadoop-2.9.1/lib/nativeexport HADOOP_OPTS="-Djava.library.path=/app/hadoop-2.9.0/lib/native"注意:如果在Centos 6环境中变量名后面的路径必须使用双引号,否则后面启动的时候报错找不到该变量。

3. 修改core-site.xml

<configuration><property> <name>fs.defaultFS</name> <value>hdfs://myhadoop</value></property><property> <name>ha.zookeeper.quorum</name> <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value></property><property> <name>hadoop.tmp.dir</name> <value>/app/hadoop/tmp</value></property><property> <name>io.file.buffer.size</name> <value>131072</value></property><property> <name>io.compression.codecs</name> <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec,org.apache.hadoop.io.compress.BZip2Codec</value></property><property> <name>io.compression.codec.lzo.class</name> <value>com.hadoop.compression.lzo.LzoCodec</value></property><property> <name>hadoop.proxyuser.hadoop.hosts</name> <value>*</value></property><property> <name>hadoop.proxyuser.hadoop.groups</name> <value>*</value></property></configuration>

3. 修改hdfs-site.xml

<configuration><property> <name>dfs.nameservices</name> <value>myhadoop</value></property><property> <name>dfs.ha.namenodes.myhadoop</name> <value>nn1,nn2</value></property><property> <name>dfs.namenode.rpc-address.myhadoop.nn1</name> <value>hadoop1:8020</value></property><property> <name>dfs.namenode.rpc-address.myhadoop.nn2</name> <value>hadoop2:8020</value></property><property> <name>dfs.namenode.http-address.myhadoop.nn1</name> <value>hadoop1:50070</value></property><property> <name>dfs.namenode.http-address.mycluster.nn2</name> <value>hadoop2:50070</value></property><property> <name>dfs.journalnode.edits.dir</name> <value>/app/hadoop/qjournal</value></property><property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/myhadoop</value></property><property> <name>dfs.client.failover.proxy.provider.myhadoop</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value></property><property> <name>dfs.ha.fencing.methods</name> <value>sshfence</value></property><property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/home/hadoop/.ssh/id_rsa</value></property> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property><property> <name>dfs.namenode.name.dir</name> <value>file:/app/hadoop/dfs/name,file:/hadoop/dfs/name</value></property><property> <name>dfs.datanode.data.dir</name> <value>file:/app/hadoop/dfs/data</value></property><property> <name>dfs.datanode.handler.count</name> <value>100</value></property><property> <name>dfs.namenode.handler.count</name> <value>1024</value></property><property> <name>dfs.datanode.max.xcievers</name> <value>8096</value></property></configuration>

3. 修改yarn-site.xml

<configuration><property> <name>yarn.resourcemanager.ha.enabled</name> <value>true</value></property><property> <name>yarn.resourcemanager.cluster-id</name> <value>cluster1</value></property><property> <name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value></property><property> <name>yarn.resourcemanager.hostname.rm1</name> <value>hadoop1</value></property><property> <name>yarn.resourcemanager.hostname.rm2</name> <value>hadoop2</value></property><property> <name>yarn.resourcemanager.webapp.address.rm1</name> <value>hadoop1:8088</value></property><property> <name>yarn.resourcemanager.webapp.address.rm2</name> <value>hadoop2:8088</value></property><property> <name>yarn.resourcemanager.zk-address</name> <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value></property></configuration>

5. 修改mapred-site.xml

<configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property><property> <name>mapreduce.jobhistory.address</name> <value>hadoop1:10020</value></property><property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop1:19888</value></property><property> <name>mapreduce.job.tracker</name> <value>hdfs://hadoop1:8021</value></property><property> <name>mapreduce.reduce.shuffle.parallelcopies</name> <value>50</value></property><property> <name>mapreduce.map.java.opts</name> <value>-Xmx4096M</value></property><property> <name>mapreduce.reduce.java.opts</name> <value>-Xmx8192M</value></property><property> <name>mapreduce.map.memory.mb</name> <value>4096</value></property><property> <name>mapreduce.reduce.memory.mb</name> <value>8192</value></property><property> <name>mapreduce.map.output.compress</name> <value>true</value></property><property> <name>mapred.child.env</name> <value>JAVA_LIBRARY_PATH=/app/hadoop-2.9.1/lib/native</value></property><property> <name>mapreduce.map.output.compress.codec</name> <value>com.hadoop.compression.lzo.LzoCodec</value></property><property> <name>mapreduce.task.io.sort.mb</name> <value>512</value></property><property> <name>mapreduce.task.io.sort.factor</name> <value>100</value></property><property> <name>mapred.reduce.tasks</name> <value>4</value></property><property> <name>mapred.map.tasks</name> <value>20</value></property><property> <name>mapred.child.java.opts</name> <value>-Xmx4096m</value> </property><property> <name>mapreduce.reduce.shuffle.memory.limit.percent</name> <value>0.1</value></property><property> <name>mapred.job.shuffle.input.buffer.percent</name> <value>0.6</value></property></configuration>

6. 修改yarn-env.sh环境,添加环境变量

在yarn-env.sh文件后面设置yarn heap大小。追加下面这句YARN_HEAPSIZE=4000

添加环境变量:

$ tail .bash_profileexport JAVA_HOME=/usr/java/jdk1.8.0_171-amd64export HADOOP_HOME=/app/hadoopexport ZOOKPEER_HOME=/app/zookeeperexport LIBRAY_PATH=$HADOOP_HOME/lib/nativeexport SCALA_HOME=/app/scalaexport PATH=$JAVA_HOME/bin:$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKPEER_HOME/bin:$SCALA_HOME/bin

7 集群的启动与监控

安装psmisc,否则不能实现自动切换:

yum -y install psmisc

启动集群:

# 1. 在所有zookeeper节点上执行zkServer.sh start# 1.1 在leader上执行,用zookeeper进行初始化,这将会创建一个znode在zookeeper上内部实现自动备援系统。hdfs zkfc -formatZK# 1.2 If you are setting up a fresh HDFS cluster, you should first run the format command,on one of NameNodes.hdfs namenode -format# 2. 自动启动hdfs服务start-dfs.sh# 2.1 注意:如何你想要手动的管理你的集群服务,你必须通过zkfc deamon来启动你的namenode,命令如下:hadoop-daemon.sh --script hdfs start zkfc# 3. 在hadoop启动Resourcemanagerstart-yarn.sh# 4. 在另一个节点上启动standby resourcemanageryarn-daemon.sh start resourcemanager# 其他命令:# 启停namenodehadoop-daemon.sh start/stop namenode# 启停datanodehadoop-daemon.sh start/stop namenode

查看状态:

# 查看各个节点$ jps2049 NameNode2611 DFSZKFailoverController3465 ResourceManager1727 QuorumPeerMain2159 DataNode2415 JournalNode3199 NodeManager3695 Jps# 查看HDFS集群namedate节点的状态hdfs haadmin -getAllServiceState# 查看nn1/nn2的状态hdfs haadmin -getServiceState nn1hdfs haadmin -getServiceState nn2# 查看resourcemanager集群的主备状态$ yarn rmadmin -getAllServiceState hadoop1:8033 active hadoop2:8033 standby # 查看resourcemanager的集群各个节点的状态$ yarn rmadmin -getServiceState rm1active$ yarn rmadmin -getServiceState rm2standby

hadoop集群监控相关的端口:

NameNode: http://namenode_host:50070ResourceManager: http://resourcemanager_host:8088MapReduce JobHistory Server: http://jobistoryserver_host:19888