注:本文档参考官方文档编写,原文链接: http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/SingleCluster.html
1.硬件环境 共有 3 台机器,均使用的 linux 系统,Java 使用的是 jdk1.6.0。 配置如下: hadoop1.example.com:172.20.115.1(NameNode) hadoop2.example.com:172.20.1152(DataNode) hadoop3.example.com:172.115.20.3 (DataNode) hadoop4.example.com:172.20.115.4 主机与IP之间有正确解析 对于 Hadoop 来说,在 HDFS 看来,节点分为 Namenode 和 Datanode,其中Namenode 只有一个, Datanode 可以是很多;在 MapReduce 看来,节点又分为Jobtracker 和 Tasktracker,其 中 Jobtracker 只有一个,Tasktracker 可以是很多。我是将 namenode 和 jobtracker 部署在 hadoop1 上, hadoop2, hadoop3 作为 datanode和 tasktracker 。当然你也可以将 namenode ,datanode ,jobtracker,tasktracker 全部部署在一台机器上(这样就是伪分布式)。 2.目录结构
由于 Hadoop 要求所有机器上 hadoop 的部署目录结构要相同,并且都有一个相同的用户名的帐户。 我 的 三 台 机 器 上 是 这 样 的 : 都 有 一 个 hadoop 的 帐 户 , 主 目 录是/home/hadoop。 添加用户hadoop #useradd -u 800 hadoop #passwd hadoop 给用户hadoop创建密码 下载hadoop-2.6.0.tar.gz 解压 #tar zxf hadoop-2.6.0.tar.gz #mv hadoop-2.6.0/ /home/hadoop/ #cd /home/hadoop #ln -s hadoop-2.6.0/ hadoop 切到hadoop用户 #su - hadoop 下载jdk-6u32-linux-x64.bin到家目录下 $sh jdk-6u32-linux-x64.bin $cd /home/hadoop/ $mv jdk1.6.0_32 hadoop-1.2.1/ $cd hadoop-2.6.0/ 创建软链接,以便与日后的更新、升级 $ln -s jdk1.6.0_32 jdk 再次切换到root #chown -R hadoop.hadoop hadoop-2.6.0/ 3.SSH设置 在 Hadoop 启动以后,Namenode 是通过 SSH(Secure Shell)来启动和停止各个节点上的各种守护进程的,这就需要在节点之间执行指令的时候是不需要输入密码的方式,故我们需要配置 SSH 使用无密码公钥认证的方式。 首先要保证每台机器上都装了 SSH 服务器,且都正常启动。实际中我们用的都是 OpenSSH,这是 SSH 协议的一个免费开源实现。 以本文中的 3 台机器为例,现在 hadoop1 是主节点,它需要主动发起 SSH连接到 hadoop2 ,对于 SSH 服务来说, hadoop1 就是 SSH 客户端,而hadoop2,hadoop3 则是 SSH 服务端,因此在 hadoop2,hadoop3 上需要确定 sshd 服务已经启动。简单的说,在 hadoop1 上需要生成一个密钥对,即一个私钥,一个公钥。将公钥拷贝到 hadoop2 上,这样,比如当 hadoop1 向 hadoop2 发起 ssh 连接的时候,hadoop2 上就会生成一个随机数并用 hadoop1 的公钥对这个随机数进行加密并发送给 hadoop1,hadoop1 收到这个加密的数以后用私钥进行解密,并将解密后的数发送回hadoop2,hadoop2 确认解密的数无误后就允许 hadoop1 进行连接了。这就完成了一次公钥认证过程。 对于本文中的 3 台机器,首先在 hadoop1 上生成密钥对: #su - hadoop $ssh-keygen 这个命令将为 hadoop1 上的用户 hadoop 生成其密钥对。生成的密钥对id_rsa,id_rsa.pub,在/home/hadoop/.ssh 目录下。 $ssh-copy-id localhost $ssh-copy-id 172.20.115.2 $ssh-copy-id 172.20.115.3 发布密钥到你本地和hadoop2、hadoop3 试着登录本地和hadoop2、hadoop3看是否有密码验证,无密码即验证成功 4.环境变量 (此版本中的配置目录发生很大变化,大家要注意哦!) 在 /home/hadoop/hadoop-2.6.0/etc/hadoop/ 目 录 下 的 hadoop-env.sh 中 设 置Hadoop 需 要 的 环 境 变 量 , 其 中 JAVA_HOME 是 必 须 设 定 的 变 量 。 HADOOP_HOME 变量可以设定也可以不设定,如果不设定, HADOOP_HOME默认的是 bin 目录的父目录,即本文中的/home/hadoop/hadoop。 vim /home/hadoop/hadoop-2.6.0/etc/hadoop/hadoop-env.sh
export JAVA_HOME=/home/hadoop/hadoop/jdk(大概在第25行)
先进行简单测试:
$cd /home/hadoop/hadoop/
$mkdir input
$cp /etc/hadoop/* input/
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+'
$cd output
$cat *
统计文件中的单词:
$bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount input test
$cd test/
$cat *
5.hadoop配置文件
$cd /home/hadoop/hadoop/etc/hadoop/
配置HDFS
/core-site.xml:
configuration> <property> <name>fs.default.name</name> <value>hdfs://hadoop1.example.com:9000</value> </property></configuration>
/hdfs-site.xml:
<configuration> <property> <name>dfs.replication</name> <value>1</value> </property></configuration>
伪分布式测试: $mkdir /home/hadoop/bin $ln -s /home/hadoop/hadoop/jdk/bin/jps /home/hadoop/bin/ $cd /home/hadoop/hadoop/ $sbin/hdfs namenode -format 先进行初始化 $sbin/start-dfs.sh The hadoop daemon log output is written to the $HADOOP_LOG_DIR directory (defaults to $HADOOP_HOME/logs).(写入到日志文件) web测试http://172.20.115.1:50070/ $ bin/hdfs dfs -mkdir /user $ bin/hdfs dfs -mkdir /user/<username> $bin/hdfs dfs -put etc/hadoop input $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep input output 'dfs[a-z.]+' $ bin/hdfs dfs -get output output $ cat output/* 配置YARN cd /home/hadoop/hadoop/ etc/hadoop/mapred-site.xml:
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
etc/hadoop/yarn-site.xml:
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> </configuration>
Start ResourceManager daemon and NodeManager daemon:
$ sbin/start-yarn.sh
访问:http://172.20.115.1:8088
如果达到这种效果就说明你已经成功部署伪分布式
6.部署Hadoop集群 前面讲的这么多 Hadoop 的环境变量和配置文件都是在 hadoop1 这台机器上的,现在需要将 hadoop 部署到其他的机器上,保证目录结构一致。 $scp -r /home/hadoop/hadoop hadoop2.example.com:/home/hadoop/ $scp -r /home/hadoop/hadoop hadoop3.example.com:/home/hadoop/ $scp -r .ssh/ hadoop2.example.com: $scp -r .ssh/ hadoop3.example.com: 注意还要修改以下文件: $cd /home/hadoop/hadoop/etc/hadoop /masters hadoop1.example.com /slaves hadoop2.example.com hadoop3.example.com $ln -s hadoop-1.2.1/ hadoop $mkdir /home/hadoop/bin $ln -s /home/hadoop/hadoop/jdk/bin/jps /home/hadoop/bin 至此,可以说,Hadoop 已经在各个机器上部署完毕了,下面就让我们开始启动 Hadoop 吧。 7. 启动 Hadoop 启动之前,我们先要格式化 namenode,先进入~/hadoop/目录,执行下面的命令: $bin/hadoop namenode –format 不出意外,应该会提示格式化成功。如果不成功,就去 hadoop/logs/目录下去查看日志文件。 下面就该正式启动 hadoop 啦,在 sbin/下面有很多启动脚本,可以根据自己的需要来启动。 * start-all.sh 启动所有的 Hadoop 守护。包括 namenode, datanode, jobtracker,tasktrack * stop-all.sh 停止所有的 Hadoop * start-mapred.sh 启动 Map/Reduce 守护。包括 Jobtracker 和 Tasktrack * stop-mapred.sh 停止 Map/Reduce 守护
* start-dfs.sh 启动 Hadoop DFS 守护.Namenode 和 Datanode
* stop-dfs.sh 停止 DFS 守护
在这里,简单启动所有守护:
[hadoop@hadoop1:hadoop]$sbin/start-all.sh
$jps
查看JobTracker,Jps,SecondaryNameNode,NameNode是否启动成功。
同样,如果要停止 hadoop,则
[hadoop@hadoop1:hadoop]$sbin/stop-all.sh
8. HDFS 操作
运行 sbin/目录的 hadoop 命令,可以查看 Haoop 所有支持的操作及其用法,这里以几个简单的操作为例。
建立目录:
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -mkdir testdir
在 HDFS 中建立一个名为 testdir 的目录,复制文件:
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -put /home/large.zip testfile.zip
把 本 地 文 件 large.zip 拷 贝 到 HDFS 的 根 目 录 /user/hadoop/ 下 , 文 件 名 为testfile.zip,查看现有文件:
[hadoop@hadoop1 hadoop]$sbin/hadoop dfs -ls
9.hadoop 在线更新节点:
新增节点:
1). 在新增节点上安装 jdk,并创建相同的 hadoop 用户,uid 等保持一致
2). 在 conf/slaves 文件中添加新增节点的 ip
3). 同步 master 上 hadoop 所有数据到新增节点上,路径保持一致
4). 在新增节点上启动服务:
$ sbin/hadoop-daemon.sh start datanode
$ sbin/hadoop-daemon.sh start tasktracker
5). 均衡数据:
$ sbin/start-balancer.sh
(1)如果不执行均衡,那么 cluster 会把新的数据都存放在新的 datanode 上,这样会降低 mapred的工作效率
(2)设置平衡阈值,默认是 10%,值越低各节点越平衡,但消耗时间也更长
$ sbin/start-balancer.sh -threshold 5
在线删除datanode节点:
1). 在 master 上修改/mapred-site.xml
<property> <name>dfs.hosts.exclude</name> <value>/home/hadoop/hadoop-1.2.1//datanode-excludes</value> </property>
2). 创建 datanode-excludes 文件,并添加需要删除的主机,一行一个
172.20.115.4
3). 在 master 上在线刷新节点
$ sbin/hadoop dfsadmin -refreshNodes
此操作会在后台迁移数据,等此节点的状态显示为 Decommissioned,就可以安全关闭了。
4). 你可以通过以下命令查看 datanode 状态
$ sbin/hadoop dfsadmin -report
在做数据迁移时,此节点不要参与 tasktracker,否则会出现异常。
在线删除tasktracker 节点:
1). 在 master 上修改/mapred-site.xml
<property> <name>mapred.hosts.exclude</name> <value>/home/hadoop/hadoop-1.2.1/etc/hadoop/tasktracker-excludes</value> </property>
2. 创建 tasktracker-excludes 文件,并添加需要删除的主机名,一行一个
hadoop4.example.com
3. 在 master 上在线刷新节点
$ sbin/hadoop mradmin -refreshNodes
4. 登录 jobtracker 的网络接口,进行查看。
--@leeypp.foxmail.com