步步为赢：打造一个酷炫而吸引人的Hadoop HDFS分布式文件系统集群部署方案

版权声明

• 本博客的内容基于我个人学习黑马程序员课程的学习笔记整理而成。我特此声明，所有版权属于黑马程序员或相关权利人所有。本博客的目的仅为个人学习和交流之用，并非商业用途。
• 我在整理学习笔记的过程中尽力确保准确性，但无法保证内容的完整性和时效性。本博客的内容可能会随着时间的推移而过时或需要更新。
• 若您是黑马程序员或相关权利人，如有任何侵犯版权的地方，请您及时联系我，我将立即予以删除或进行必要的修改。
• 对于其他读者，请在阅读本博客内容时保持遵守相关法律法规和道德准则，谨慎参考，并自行承担因此产生的风险和责任。本博客中的部分观点和意见仅代表我个人，不代表黑马程序员的立场。

一 分布式存储缘起

• 数据量太大，单机存储能力有上限，需要靠数量来解决问题
• 数量的提升带来的是网络传输、磁盘读写、CPU、内存等各方面的综合提升。 分布式组合在一起可以达到1+1>2的效果

二 分布式的基础架构

2.1 大数据架构模式

大数据体系中，分布式的调度主要有2类架构模式：

• 去中心化模式
• 中心化模式
  
  

2.2 主从模式

• 大数据框架，大多数的基础架构上，都是符合：中心化模式的。即：有一个中心节点（服务器）来统筹其它服务器的工作，统一指挥，统一调派，避免混乱。这种模式，也被称之为：一主多从模式，简称主从模式（Master And Slaves）
  

三 HDFS的基础架构

HDFS的角色组成

NameNode：

• HDFS系统的主角色，是一个独立的进程
• 负责管理HDFS整个文件系统
• 负责管理DataNode

SecondaryNameNode：

• NameNode的辅助，是一个独立进程
• 主要帮助NameNode完成元数据整理工作（打杂）

DataNode：

• HDFS系统的从角色，是一个独立进程
• 主要负责数据的存储，即存入数据和取出数据

• 一个典型的HDFS集群，就是由1个DataNode加若干（至少一个）DataNode组成

四 HDFS集群环境部署

4.1 安装包下载

• 官方网址
  
  
• VMware的三台虚拟机环境准备

---

Hadoop HDFS的角色包含：

• NameNode，主节点管理者
• DataNode，从节点工作者
• SecondaryNameNode，主节点辅助

1. 上传Hadoop安装包到node1节点中
2. 解压缩安装包到/export/server/中

   tar -zxvf hadoop-3.3.6.tar.gz -C /export/server
   

3. 构建软链接

cd /export/server
ln -s /export/server/hadoop-3.3.6 hadoop

4. 进入hadoop安装包内

cd hadoop

4.2 Hadoop安装包目录结构

• cd 进入Hadoop安装包内，通过ls -l命令查看文件夹内部结构
  

4.3 修改配置文件，应用自定义设置

配置HDFS集群，主要涉及到如下文件(均在hadoop/etc/hadoop目录)的修改：

• workers： 配置从节点（DataNode）
• hadoop-env.sh：配置Hadoop的相关环境变量
• core-site.xml：Hadoop核心配置文件
• hdfs-site.xml：HDFS核心配置文件

这些文件均存在与$HADOOP_HOME/etc/hadoop文件夹中。

• ps：$HADOOP_HOME是后续要设置的环境变量，其指代Hadoop安装文件夹即/export/server/hadoop

---

• 配置workers文件:填入的node1、node2、node3表明集群记录了三个从节点（DataNode）

# 进入配置文件目录
cd etc/hadoop
# 编辑workers文件
vim workers
# 填入如下内容
node1
node2
node3

---

• 配置/export/server/hadoop/etc/hadoop/hadoop-env.sh文件

# 填入如下内容
export JAVA_HOME=/export/server/jdk8
export HADOOP_HOME=/export/server/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export HADOOP_LOG_DIR=$HADOOP_HOME/logs

• JAVA_HOME，指明JDK环境的位置在哪
• HADOOP_HOME，指明Hadoop安装位置
• HADOOP_CONF_DIR，指明Hadoop配置文件目录位置
• HADOOP_LOG_DIR，指明Hadoop运行日志目录位置

---

• 配置core-site.xml文件,在文件内部填入如下内容

<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://node1:8020</value>
  </property>

  <property>
    <name>io.file.buffer.size</name>
    <value>131072</value>
  </property>
</configuration>

• key：fs.defaultFS

• 含义：HDFS文件系统的网络通讯路径

• 值：hdfs://node1:8020

  • 协议为hdfs://
  • namenode为node1
  • namenode通讯端口为8020

• key：io.file.buffer.size

• 含义：io操作文件缓冲区大小

• 值：131072 bit

• hdfs://node1:8020为整个HDFS内部的通讯地址，应用协议为hdfs://（Hadoop内置协议）

• 表明DataNode将和node1的8020端口通讯，node1是NameNode所在机器

• 此配置固定了node1必须启动NameNode进程

---

• 配置hdfs-site.xml文件

# 在文件内部填入如下内容
<configuration>
  <property>
    <name>dfs.datanode.data.dir.perm</name>
    <value>700</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/data/nn</value>
  </property>
  <property>
    <name>dfs.namenode.hosts</name>
    <value>node1,node2,node3</value>
  </property>
<property>
    <name>dfs.blocksize</name>
    <value>268435456</value>
  </property>
  <property>
    <name>dfs.namenode.handler.count</name>
    <value>100</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/data/dn</value>
  </property>
</configuration>

• 我们需要手动需要创建相关的目录
• 在node1节点：

  mkdir -p /data/nn
  mkdir /data/dn
  

• 在node2和node3节点：

  mkdir -p /data/dn
  

---

4.4 分发Hadoop文件夹

• 至此已经基本完成Hadoop的配置操作，可以从node1将hadoop安装文件夹远程复制到node2、node3分发

  # 在node1执行如下命令
  cd /export/server
  scp -r hadoop-3.3.4 node2:`pwd`/
  scp -r hadoop-3.3.4 node3:`pwd`/
  

• 在node2执行，为hadoop配置软链接

  # 在node2执行如下命令
  ln -s /export/server/hadoop-3.3.4 /export/server/hadoop
  

• 在node3执行，为hadoop配置软链接

  # 在node3执行如下命令
  ln -s /export/server/hadoop-3.3.4 /export/server/hadoop
  

4.5 配置环境变量

• 为了方便操作Hadoop，可以将Hadoop的一些脚本、程序配置到PATH中，方便后续使用
  
• 在Hadoop文件夹中的bin、sbin两个文件夹内有许多的脚本和程序，现在来配置一下环境变量

1. 编辑环境变量配置文件

vim /etc/profile

# 在/etc/profile文件底部追加如下内容
export HADOOP_HOME=/export/server/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

2. 在node2和node3配置同样的环境变量
3. 使环境变量生效

source /etc/profile

4.6 授权为hadoop用户

• hadoop部署的准备工作基本完成。为了确保安全，hadoop系统不以root用户启动，我们以普通用户hadoop来启动整个Hadoop服务。所以，现在需要对文件权限进行授权。
• 以root身份，在node1、node2、node3三台服务器上均执行如下命令

# 以root身份，在三台服务器上均执行
chown -R hadoop:hadoop /data
chown -R hadoop:hadoop /export

4.7 格式化整个文件系统

• 格式化namenode

  # 确保以hadoop用户执行
  su - hadoop
  # 格式化namenode
  hadoop namenode -format
  

• 启动

  # 一键启动hdfs集群
  start-dfs.sh
  # 一键关闭hdfs集群
  stop-dfs.sh
  # 如果遇到命令未找到的错误，表明环境变量未配置好，可以以绝对路径执行
  /export/server/hadoop/sbin/start-dfs.sh
  /export/server/hadoop/sbin/stop-dfs.sh
  

• 查看三种角色的运行状态

  # node1的情况
  [hadoop@node1 ~]$ jps
  25937 Jps
  25063 NameNode
  25207 DataNode
  25543 SecondaryNameNode
  

• 查看HDFS WEBUI