Hadoop2.3完全分布式安装与配置

一、Hadoop基本介绍

Hadoop优点

1.高可靠性：Hadoop按位存储和处理数据

2.高扩展性：Hadoop是在计算机集群中完成计算任务，这个集群可以方便的扩展到几千台

3.高效性：Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度快

4.高容错性：Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配

5.低成本：Hadoop是开源的，集群是由廉价的PC机组成

Hadoop架构和组件

Hadoop是一个分布式系统基础架构，底层是HDFS（Hadoop Distributed File System）分布式文件系统，它存储Hadoop集群中所有存储节点上的文件（64MB块），HDFS上一层是MapReduce引擎（分布式计算框架），对分布式文件系统中的数据进行分布式计算。

1.HDFS架构

NameNode：Hadoop集群中只有一个NameNode，它负责管理HDFS的目录树和相关文件的元数据信息

Sencondary NameNode：有两个作用，一是镜像备份，二是日志与镜像定期合并，并传输给NameNode

DataNode：负责实际的数据存储，并将信息定期传输给NameNode

2.MapReduce架构（Hadoop0.23以后采用MapReduce v2.0或Yarn）

Yarn主要是把jobtracker的任务分为两个基本功能：资源管理和任务调度与监控，ResourceManager和每个节点（NodeManager）组成了新处理数据的框架。

ResourceManager：负责集群中的所有资源的统一管理和分配，接受来自各个节点（NodeManager）的资源汇报信息，并把这些信息按照一定的策略分配给各种应用程序（ApplicationMaster）。

NodeManager：与ApplicationMaster承担了MR1框架中的tasktracker角色，负责将本节点上的资源使用情况和任务运行进度汇报给ResourceManager。

MapReduce v1.0框架（图1）

MapReduce v2.0框架（图2）

环境介绍：

master-hadoop 192.168.0.201

slave1-hadoop 192.168.0.202

slave2-hadoop 192.168.0.203

JDK下载：http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

参考官方文档：http://hadoop.apache.org/docs/r2.3.0/hadoop-project-dist/hadoop-common/ClusterSetup.html

Hadoop三种运行方式：单节点方式（单台）、单机伪分布方式（一个节点的集群）与完全分布式（多台组成集群）

二、准备环境

1．Hadoop是用Java开发的，必须要安装JDK1.6或更高版本

2．Hadoop是通过SSH来启动slave主机中的守护进程，必须安装OpenSSH

3．Hadoop更新比较快，我们采用最新版hadoop2.3来安装

4．配置对应Hosts记录，关闭iptables和selinux（过程略）

5．创建相同用户及配置无密码认证

三、安装环境（注：三台配置基本相同）

1．安装JDK1.7

[[email protected] ~]# tar zxvf jdk-7u17-linux-x64.tar.gz

[[email protected] ~]# mv jdk1.7.0_17/ /usr/local/jdk1.7

[[email protected] ~]# vi /etc/profile    #末尾添加变量

JAVA_HOME=/usr/local/jdk1.7

PATH=$PATH:$JAVA_HOME/bin

CLASSPATH=$JAVA_HOME/lib:$JAVA_HOME/jre/lib

export JAVA_HOME PATH CLASSPATH 

[[email protected] ~]# source /etc/profile

[[email protected] ~]# java -version      #显示版本说明配置成功

java version"1.7.0_17"
Java(TM) SE RuntimeEnvironment (build 1.7.0_17-b02)
Java HotSpot(TM) 64-BitServer VM (build 23.7-b01, mixed mode)

2．创建hadoop用户，指定相同UID

[[email protected] ~]# useradd -u 600 hadoop

[[email protected] ~]# passwd hadoop

Changing password for userhadoop.
New password:
Retype new password:

passwd: all authenticationtokens updated successfully.

3.配置SSH无密码登录（注：master-hadoop本地也要实现无密码登录）

[[email protected] ~]# su - hadoop

[[email protected] ~]$ ssh-****** -t rsa     #一直回车生成**

[[email protected] ~]$ cd /home/hadoop/.ssh/

[[email protected] .ssh]$ ls
id_rsa  id_rsa.pub

[[email protected] ~]$ mkdir /home/hadoop/.ssh   #登录两台创建.ssh目录

[[email protected] ~]$ mkdir /home/hadoop/.ssh

[[email protected] .ssh]$ scp id_rsa.pub [email protected]:/home/hadoop/.ssh/

[[email protected] .ssh]$ scp id_rsa.pub [email protected]:/home/hadoop/.ssh/

[[email protected] ~]$ cd /home/hadoop/.ssh/

[[email protected] .ssh]$ cat id_rsa.pub >> authorized_keys

[[email protected] .ssh]$ chmod 600 authorized_keys

[[email protected] .ssh]$ chmod 700 ../.ssh/   #目录权限必须设置700

[[email protected] ~]# vi /etc/ssh/sshd_config   #开启RSA认证

RSAAuthentication yes

PubkeyAuthentication yes

AuthorizedKeysFile .ssh/authorized_keys

[[email protected] ~]# service sshd restart

四、Hadoop的安装与配置（注：三台服务器配置一样，使用scp复制过去）

[[email protected] ~]# tar zxvf hadoop-2.3.0.tar.gz -C /home/hadoop/

[[email protected] ~]# chown hadoop.hadoop -R /home/hadoop/hadoop-2.3.0/

[[email protected] ~]# vi /etc/profile   #添加hadoop变量，方便使用

HADOOP_HOME=/home/hadoop/hadoop-2.3.0/

PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

export HADOOP_HOME PATH

[[email protected] ~]# source /etc/profile

1. hadoop-env.sh设置jdk路径

[[email protected] ~]$ cd hadoop-2.3.0/etc/hadoop/

[[email protected] hadoop]$ vi hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.7/

2.slaves设置从节点

[[email protected] hadoop]$ vi slaves
slave1-hadoop 
slave2-hadoop

3．core-site.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

<configuration>
<property>

<name>fs.defaultFS</name>

<value>hdfs://master-hadoop:9000</value>

</property>
<property>

<name>io.file.buffer.size</name>

<value>131072</value>

</property>
<property>

<name>hadoop.tmp.dir</name>

<value>file:/home/hadoop/tmp</value>

</property>

</configuration>
4.hdfs-site.xml
<configuration>
<property>

<name>dfs.namenode.name.dir</name>

<value>file:/home/hadoop/dfs/name</value>

</property>
<property>

<name>dfs.namenode.data.dir</name>

<value>file:/home/hadoop/dfs/data</value>

</property>
<property>

<name>dfs.replication</name>    #数据副本数量，默认3，我们是两台设置2

<value>2</value> 

</property>

</configuration>

6．yarn-site.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

<configuration>
<property>

<name>yarn.resourcemanager.address</name>

<value>master-hadoop:8032</value>

</property>
<property>

<name>yarn.resourcemanager.scheduler.address</name>

<value>master-hadoop:8030</value>

</property>
<property>

<name>yarn.resourcemanager.resource-tracker.address</name>

<value>master-hadoop:8031</value>

</property>
<property>

<name>yarn.resourcemanager.admin.address</name>

<value>master-hadoop:8033</value>

</property>
<property>

<name>yarn.resourcemanager.webapp.address</name>

<value>master-hadoop:8088</value>

</property>
<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>
<property>

   <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>

   <value>org.apache.hadoop.mapred.ShuffleHandler</value>

</property>

</configuration>

7.mapred-site.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
14

<configuration>
<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>
<property>

<name>mapreduce.jobhistory.address</name>

<value>master-hadoop:10020</value>

</property>
<property>

<name>mapreduce.jobhistory.webapp.address</name>

<value>master-hadoop:19888</value>

</property>

</configuration>