Introducción
Si la instalación del entorno hadoop independiente anterior no es suficiente para usted, la versión agrupada de hadoop definitivamente se adaptará a su apetito y comenzará fácilmente.
Tabla de contenido
- Planificación de clústeres
- Condición previa
-
Configurar inicio de sesión sin contraseña
3.1 Generar clave
3.2 Inicio de sesión sin contraseña
3.3 Verificar el inicio de sesión sin contraseña
-
Construcción de clústeres
4.1 Descargar y descomprimir
4.2 Configurar variables de entorno
4.4 Modificar configuración
4.4 Programa de distribución
4.5 Inicialización
4.6 Iniciar el clúster
4.7 Ver clúster
- Enviar servicio al clúster
1. Planificación de agrupaciones
Aquí hay un clúster de Hadoop de tres nodos,
donde se implementan tres hosts con los servicios DataNode y NodeManager ,
pero solo los servicios NameNode y ResourceManager se implementan en hadoop001.
2. Requisito
El funcionamiento de Hadoop depende de JDK, que debe instalarse de antemano. Los pasos de instalación están organizados por separado para:
2.1 Descargar y descomprimir
Descargue la versión requerida de JDK 1.8 en el sitio web oficial y descomprímalo después de descargarlo:
[root@ java]# tar -zxvf jdk-8u201-linux-x64.tar.gz
2.2 Establecer variables de entorno
[root@ java]# vi /etc/profile
Agregue la siguiente configuración:
export JAVA_HOME=/usr/java/jdk1.8.0_201
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
Ejecute el comando de origen para que la configuración surta efecto de inmediato:
[root@ java]# source /etc/profile
2.3 Verifique si la instalación es exitosa
[root@ java]# java -version
Si se muestra la información de la versión correspondiente, la instalación se realizó correctamente.
java version "1.8.0_201"
Java(TM) SE Runtime Environment (build 1.8.0_201-b09)
Java HotSpot(TM) 64-Bit Server VM (build 25.201-b09, mixed mode)
3. Configure el inicio de sesión sin contraseña
3.1 Generar clave
Utilice el comando ssh-keygen en cada host para generar un par de claves privadas de clave pública:
3.2 Inicio de sesión sin contraseña
Escriba la clave pública de hadoop001 en el archivo ~ / .ssh / allowed_key de la máquina local y la máquina remota:
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop001
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop002
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop003
3.3 Verificar el inicio de sesión sin contraseña
ssh hadoop002
ssh hadoop003
4. Construcción de conglomerados
4.1 Descargar y descomprimir
Descarga Hadoop. Aquí descargué la versión CDH de Hadoop,
下载地址为:
http://archive.cloudera.com/cdh5/cdh/5/
# tar -zvxf hadoop-2.6.0-cdh5.15.2.tar.gz
4.2 Configurar variables de entorno
Edite el archivo de perfil:
Agregue la siguiente configuración:
export HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh5.15.2
export PATH=${HADOOP_HOME}/bin:$PATH
Ejecute el comando de origen para que la configuración surta efecto de inmediato:
4.3 Modificar configuración
Ingrese el directorio $ {HADOOP_HOME} / etc / hadoop y modifique el archivo de configuración. El contenido de cada archivo de configuración es el siguiente:
- hadoop-env.sh
# 指定JDK的安装位置 export JAVA_HOME=/usr/java/jdk1.8.0_201/
- core-site.xml
<configuration> <property> <!--指定 namenode 的 hdfs 协议文件系统的通信地址--> <name>fs.defaultFS</name> <value>hdfs://hadoop001:8020</value> </property> <property> <!--指定 hadoop 集群存储临时文件的目录--> <name>hadoop.tmp.dir</name> <value>/home/hadoop/tmp</value> </property> </configuration>
- hdfs-site.xml
<property> <!--namenode 节点数据(即元数据)的存放位置,可以指定多个目录实现容错,多个目录用逗号分隔--> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/namenode/data</value> </property> <property> <!--datanode 节点数据(即数据块)的存放位置--> <name>dfs.datanode.data.dir</name> <value>/home/hadoop/datanode/data</value> </property>
- yarn-site.xml
<configuration> <property> <!--配置 NodeManager 上运行的附属服务。需要配置成 mapreduce_shuffle 后才可以在 Yarn 上运行 MapReduce 程序。--> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <!--resourcemanager 的主机名--> <name>yarn.resourcemanager.hostname</name> <value>hadoop001</value> </property> </configuration>
- mapred-site.xml
<configuration> <property> <!--指定 mapreduce 作业运行在 yarn 上--> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
- los esclavos
configuran los nombres de host o las direcciones IP de todos los nodos esclavos, uno por línea. Se iniciará el servicio DataNode y el servicio NodeManager en todos los nodos esclavos.hadoop001 hadoop002 hadoop003
4.4 Programa de distribución
Distribuya el paquete de instalación de Hadoop a los otros dos servidores Después de la distribución, se recomienda configurar las variables de entorno de Hadoop en los dos servidores.
# 将安装包分发到hadoop002
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/ hadoop002:/usr/app/
# 将安装包分发到hadoop003
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/ hadoop003:/usr/app/
4.5 Inicialización
Ejecute el comando de inicialización de namenode en Hadoop001:
hdfs namenode -format
4.6 Iniciar el clúster
Vaya al directorio $ {HADOOP_HOME} / sbin de Hadoop001 e inicie Hadoop. En este momento, también se iniciarán los servicios relacionados en hadoop002 y hadoop003:
# 启动dfs服务
start-dfs.sh
# 启动yarn服务
start-yarn.sh
4.7 Ver clúster
Use el comando jps en cada servidor para ver el proceso del servicio, o ingrese directamente a la interfaz Web-UI para ver, el puerto es 50070. Puede ver que hay tres Datanodes disponibles en este momento:
Haga clic en Live Nodes para ingresar, puede ver los detalles de cada DataNode:
Luego puede verificar el estado del hilo, el número de puerto es 8088:
5. Enviar servicio al clúster
La forma de enviar trabajos al clúster es exactamente la misma que la del entorno independiente. A continuación, se muestra un ejemplo de cómo enviar el programa de cálculo Pi integrado de Hadoop. Se puede ejecutar en cualquier nodo. El comando es el siguiente:
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
Más atención a los productos secos: los datos son excelentes