Hadoop基础教程4Hadoop之完全分布式环境搭建

Posted 那啥快看

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Hadoop基础教程4Hadoop之完全分布式环境搭建相关的知识，希望对你有一定的参考价值。

上一篇blog我们完成了Hadoop伪分布式环境的搭建，伪分布式模式也叫单节点集群模式， NameNode、SecondaryNameNode、DataNode、JobTracker、TaskTracker所有的守护进程全部运行在K-Master节点之上。在本篇blog我们将搭建完全分布式环境，运行NameNode、SecondaryNameNode、JobTracker守护进程在主节点上，运行DataNode、TaskTracker在从节点上。特别注意：在搭建Hadoop完全分布式环境前请确保完成了【Hadoop基础教程】1、Hadoop之服务器基础环境搭建 。

开发环境

硬件环境：Centos 6.5 服务器4台（一台为Master节点，三台为Slave节点） 
软件环境：Java 1.7.0_45、hadoop-1.2.1

1、 集群拓扑图

我们使用4台机器来搭建Hadoop完全分布式环境，4台机器的拓扑图如下图所示：

技术分享图片

Hadoop集群中每个节点的角色如下表所示：

技术分享图片

2、 配置SSH

  • 环境准备

下面以配置K-Master启动SSH服务为例进行演示，用户需参照下面步骤完成KVMSlave1~KVMSlave3三台子节点机器的SSH服务启动；

1）以hadoop用户远程登录K-Master服务器，启动SSH服务；

[[email protected] hadoop]$ sudo /etc/init.d/sshd start

2）设置开机启动：

[[email protected] hadoop]$ sudo chkconfig sshd on

配置K-Master本机无密码登录

下面以配置K-Master本机无密码登录为例进行讲解，用户需参照下面步骤完成KVMSlave1~KVMSlave3三台子节点机器的本机无密码登录；

1）以hadoop用户远程登录K-Master服务器，在K-Master服务器上生成公钥和私钥密码对，密钥默认存储在”/home/hadoop/.ssh”目录下，生成公钥和私钥密码对时，无需输入密码，直接回车即可。

#切换到hadoop用户，不能使用root用户生成密钥
[[email protected]-Master hadoop]$ su hadoop
[[email protected]-Master hadoop]$ cd /home/hadoop/
[[email protected]-Master hadoop]$ ssh-keygen -t rsa -P ""

2）将公钥追加到”authorized_keys”文件

[[email protected] hadoop]$ cd /home/hadoop/
[[email protected]-Master hadoop]$ cat .ssh/id_rsa.pub >> .ssh/authorized_keys

3）赋予权限

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

4）验证本机能无密码访问

[[email protected] hadoop]$ ssh K-Master

配置K-Master本机无密码登录KVMSlave1~KVMSlave3

下面以K-Master无密码登录KVMSlave1为例进行讲解，用户需参照下面步骤完成K-Master无密码登录KVMSlave2~KVMSlave3。

1）以hadoop用户远程登录KVMSlave1服务器，复制K-Master服务器的公钥”id_rsa.pub”到KVMSlave1服务器的”/home/hadoop/”目录下。

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

2）将K-Master的公钥（/home/hadoop/id_rsa.pub）追加到KVMSlave1的authorized_keys中。

[[email protected] hadoop]$ cd /home/hadoop
[[email protected] hadoop]$ cat id_rsa.pub >> .ssh/authorized_keys
[[email protected] hadoop]$ rm -r /home/hadoop/id_rsa.pub

3）另外开启一个终端，远程登录K-Master服务器，在K-Master服务器测试通过SSH无密码登录KVMSlave1。

[[email protected]Master hadoop]$ ssh KVMSlave1
配置KVMSlave1~KVMSlave3本机无密码登录K-Master

下面以KVMSlave1无密码登录K-Master为例进行讲解，用户需参照下面步骤完成KVMSlave2~KVMSlave3无密码登录K-Master。

1）以hadoop用户远程登录K-Master，复制KVMSlave1服务器的公钥”id_rsa.pub”到KVMSlave1服务器的”/home/hadoop/”目录下。

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

2）将KVMSlave1的公钥（/home/hadoop/id_rsa.pub）追加到K-Master的authorized_keys中。

[[email protected] hadoop]$ cd /home/hadoop
[[email protected]-Master hadoop]$ cat id_rsa.pub >> .ssh/authorized_keys
[[email protected]-Master hadoop]$ rm –r /home/hadoop/id_rsa.pub

3）以hadoop用户远程登录KVMSlave1服务器，在KVMSlave1服务器测试通过SSH无密码登录K-Master。

[[email protected] hadoop]$ ssh K-Master

3、 安装Hadoop

如果用户已经完成了Hadoop伪分布式环境搭建，建议删除/usr/hadoop/安装环境，从零开始配置Hadoop完全分布式环境。

1）以hadoop用户远程登录K-Master服务器，下载hadoop-1.2.1.tar.gz ，并将其拷贝到K-Master服务器的/home/hadoop/目录下。

2）解压Hadoop源文件

[[email protected] ~]$ su hadoop
[hado[email protected]-Master ~]$ cd /usr
[[email protected]-Master usr]$ sudo tar -zxvf  /home/hadoop/hadoop-1.2.1.tar.gz        //将文件减压在当前路径

3）重命名hadoop

[[email protected] usr]$ sudo mv hadoop-1.2.1/ hadoop/

4） 设置hadoop文件夹的用户属组和用户组

很关键到一步，便于hadoop用户对该文件夹的文件拥有读写权限，不然后续hadoop启动后，无法在该文件夹创建文件和写入日志信息。

[[email protected] usr]$ sudo chown -R hadoop:hadoop /usr/hadoop

5）删除安装包

 [[email protected] ~]$ rm -rf  /home/hadoop/hadoop-1.2.1.tar.gz    #删除"hadoop-1.2.1.tar.gz"安装包

4、 配置K-Master的hadoop环境

1）配置环境变量

[[email protected] ~]$ sudo vi /etc/profile
#HADOOP
export HADOOP_HOME=/usr/hadoop
export PATH=$PATH:$HADOOP_HOME/bin 
export HADOOP_HOME_WARN_SUPPRESS=1

使得hadoop命令在当前终端立即生效；

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

2）配置hadoop-env.sh

hadoop环境是基于JVM虚拟机环境的，故需在hadoop-env.sh配置文件中指定JDK环境。修改/usr/hadoop/conf/hadoop-env.sh文件，添加如下JDK配置信息。

[[email protected] ~] cd /usr/hadoop/
[[email protected]-Master hadoop] vi conf/hadoop-env.sh
export JAVA_HOME=/usr/java/jdk1.7.0_65

3）配置core-site.xml

修改Hadoop核心配置文件/usr/hadoop/conf/core-site.xml，通过fs.default.name指定 NameNode 的 IP 地址和端口号，通过hadoop.tmp.dir指定hadoop数据存储的临时文件夹。

[[email protected] hadoop] vi conf/core-site.xml
<configuration>
    <property>
        <name>fs.default.name</name>
        <value>hdfs://K-Master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/hadoop/tmp</value>
    </property>
</configuration>

特别注意：如没有配置hadoop.tmp.dir参数，此时系统默认的临时目录为：/tmp/hadoo-hadoop。而这个目录在每次重启后都会被删除，必须重新执行format才行，否则会出错。

4）配置hdfs-site.xml

修改HDFS核心配置文件/usr/hadoop/conf/hdfs-site.xml，通过dfs.replication指定HDFS的备份因子为3，通过dfs.name.dir指定namenode节点的文件存储目录，通过dfs.data.dir指定datanode节点的文件存储目录。

[[email protected] hadoop] vi conf/hdfs-site.xml
<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.name.dir</name>
        <value>/usr/hadoop/hdfs/name</value>
    </property>
    <property>
        <name>dfs.data.dir</name>
        <value>/usr/hadoop/hdfs/data</value>
    </property>
</configuration>

5）配置mapred-site.xml

修改MapReduce核心配置文件/usr/hadoop/conf/mapred-site.xml，通过mapred.job.tracker属性指定JobTracker的地址和端口。

[[email protected] hadoop] vi conf/mapred-site.xml
<configuration>
    <property>
        <name>mapred.job.tracker</name>
        <value>http://K-Master:9001</value>
    </property>
</configuration>

6）配置masters文件

修改/user/hadoop/conf/masters文件，该文件指定namenode节点所在的服务器机器。删除localhost，添加namenode节点的主机名K-Master；不建议使用IP地址，因为IP地址可能会变化，但是主机名一般不会变化。

[[email protected] hadoop] vi conf/masters
K-Master

7）配置slaves文件（Master主机特有）

修改/usr/hadoop/conf/slaves文件，该文件指定哪些服务器节点是datanode节点。删除locahost，添加所有datanode节点的主机名，如下所示。

[[email protected] hadoop] vi conf/slaves
KVMSlave1
KVMSlave2
KVMSlave3

5、 配置KVMSlave的hadoop环境

下面以配置KVMSlave1的hadoop为例进行演示，用户需参照以下步骤完成其他KVMSlave服务器的配置。

1）以hadoop用户远程登录KVMSlave1服务器，拷贝K-Master主机的hadoop文件夹到本地/usr/目录下；

[[email protected] ~]$ cd /usr/
[[email protected] usr]$ sudo scp -r [email protected]:/usr/hadoop/ .
[[email protected] usr]$ sudo chown -R hadoop:hadoop hadoop/
#slaves文件内容删除，或者直接删除slaves
[[email protected] usr]$ rm /usr/hadoop/conf/slaves

2）配置环境变量

[[email protected] ~]$ sudo vi /etc/profile
#HADOOP
export HADOOP_HOME=/usr/hadoop
export PATH=$PATH:$HADOOP_HOME/bin 
export HADOOP_HOME_WARN_SUPPRESS=1

使得hadoop命令在当前终端立即生效；

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

6、 格式化HDFS文件系统

格式化HDFS文件系统需要在namenode节点上通过hadoop用户执行，而且只需要执行一次，下次启动时不需要再格式化，直接启动HDFS文件管理系统和MapReduce服务即可。

[[email protected] ~]$ hadoop namenode -format
14/07/24 16:37:57 INFO namenode.NameNode: STARTUP_MSG: 
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG:   host = K-Master/192.168.100.147
STARTUP_MSG:   args = [-format]
STARTUP_MSG:   version = 1.2.1
STARTUP_MSG:   build = https://svn.apache.org/repos/asf/hadoop/common/branches/branch-1.2 -r 1503152; compiled by ‘mattf‘ on Mon Jul 22 15:23:09 PDT 2013
STARTUP_MSG:   java = 1.7.0_65
********************a****************************************/
14/07/24 16:37:57 INFO util.GSet: Computing capacity for map BlocksMap
14/07/24 16:37:57 INFO util.GSet: VM type   = 64-bit
14/07/24 16:37:57 INFO util.GSet: 2.0% max memory = 932184064
14/07/24 16:37:57 INFO util.GSet: capacity  = 2^21 = 2097152 entries
14/07/24 16:37:57 INFO util.GSet: recommended=2097152, actual=2097152
14/07/24 16:37:58 INFO namenode.FSNamesystem: fsOwner=hadoop
14/07/24 16:37:58 INFO namenode.FSNamesystem: supergroup=supergroup
14/07/24 16:37:58 INFO namenode.FSNamesystem: isPermissionEnabled=true
14/07/24 16:37:58 INFO namenode.FSNamesystem: dfs.block.invalidate.limit=100
14/07/24 16:37:58 INFO namenode.FSNamesystem: isAccessTokenEnabled=false accessKeyUpdateInterval=0 min(s), accessTokenLifetime=0 min(s)
14/07/24 16:37:58 INFO namenode.FSEditLog: dfs.namenode.edits.toleration.length = 0
14/07/24 16:37:58 INFO namenode.NameNode: Caching file names occuring more than 10 times 
14/07/24 16:37:58 INFO common.Storage: Image file /usr/hadoop/hdfs/name/current/fsimage of size 112 bytes saved in 0 seconds.
14/07/24 16:37:59 INFO namenode.FSEditLog: closing edit log: position=4, editlog=/usr/hadoop/hdfs/name/current/edits
14/07/24 16:37:59 INFO namenode.FSEditLog: close success: truncate to 4, editlog=/usr/hadoop/hdfs/name/current/edits
14/07/24 16:37:59 INFO common.Storage: Storage directory /usr/hadoop/hdfs/name has been successfully formatted.
14/07/24 16:37:59 INFO namenode.NameNode: SHUTDOWN_MSG: 
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at K-Master/192.168.100.147
************************************************************/

7、 启动HDFS文件管理系统

1）通过start-dfs.sh命令启动HDFS文件管理系统，启动后通过如下日志信息可以看到分别启动了namenode节点（K-Master）、datanode节点（KVMSlave1、KVMSlave2、KVMSlave3）和secondarynamenode节点（K-Master）。

[[email protected] ~]$ start-dfs.sh
starting namenode, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-namenode-K-Master.out
KVMSlave1: starting datanode, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-datanode-KVMSlave1.out
KVMSlave2: starting datanode, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-datanode-KVMSlave2.out
KVMSlave3: starting datanode, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-datanode-KVMSlave3.out
K-Master: starting secondarynamenode, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-secondarynamenode-K-Master.out

2）在K-Master节点上查看启动进程

若打印如下日志信息，表明namenode节点启动了NameNode和SecondaryNameNode2服务进程，即namenode节点HDFS文件管理系统启动成功。

[[email protected] ~]$ jps
6164 Jps
5971 NameNode
6108 SecondaryNameNode

3）在KVMSlave1节点上查看启动进程

以hadoop用户远程登录KVMSlave1服务器，通过jps命令查看启动进程。若打印如下日志信息，表明datanode节点启动了DataNode服务进程，即KVMSlave1节点HDFS文件管理系统启动成功，用户可在远程登录其他datanode节点上查看其HDFS文件管理系统启动是否成功。

[[email protected] ~]$ jps
1327 Jps
1265 DataNode

8、 启动MapReduce

1）通过start-mapred.sh命令启动MapReduce分布式计算服务，启动后通过以下日志信息可以看出在namenode节点上启动了jobtracker进程，分别在datanode节点（KVMSlave1、KVMSlave2、KVMSlave3）上启动了tasktracker进程。

[[email protected] ~]$ start-mapred.sh
starting jobtracker, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-jobtracker-K-Master.out
KVMSlave1: starting tasktracker, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-tasktracker-KVMSlave1.out
KVMSlave2: starting tasktracker, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-tasktracker-KVMSlave2.out
KVMSlave3: starting tasktracker, logging to /usr/hadoop/libexec/../logs/hadoop-hadoop-tasktracker-KVMSlave3.out

2）K-Master节点上查看启动进程

若打印如下日志信息，表明namenode节点上新启动了JobTracker进程，即namenode节点的JobTracker启动成功。

[[email protected] ~]$ jps
1342 NameNode
1726 Jps
1619 JobTracker
1480 SecondaryNameNode

3）KVMSlave1节点上查看启动进程

以hadoop用户远程登录KVMSlave1服务器，通过jps命令查看启动进程。若打印如下日志信息，表明KVMSlave1节点上新启动了TaskTracker进程，即KVMSlave1节点的TaskTracker启动成功。用户可远程登录其他的datanode节点上查看TaskTracker是否启动成功。

[[email protected] ~]$ jps
1549 TaskTracker
1265 DataNode
1618 Jps

9、 命令查看Hadoop集群的状态

通过简单的jps命令虽然可以查看HDFS文件管理系统、MapReduce服务是否启动成功，但是无法查看到Hadoop整个集群的运行状态。我们可以通过hadoop dfsadmin -report进行查看。用该命令可以快速定位出哪些节点挂掉了，HDFS的容量以及使用了多少，以及每个节点的硬盘使用情况。

[[email protected] ~]$ hadoop dfsadmin -report
Configured Capacity: 238417846272 (222.04 GB)
Present Capacity: 219128426496 (204.08 GB)
DFS Remaining: 218227326976 (203.24 GB)
DFS Used: 901099520 (859.36 MB)
DFS Used%: 0.41%
Under replicated blocks: 72
Blocks with corrupt replicas: 0
Missing blocks: 0

-------------------------------------------------
Datanodes available: 3 (3 total, 0 dead)

Name: 192.168.100.144:50010
Decommission Status : Normal
Configured Capacity: 79472615424 (74.01 GB)
DFS Used: 300367872 (286.45 MB)
Non DFS Used: 6218309632 (5.79 GB)
DFS Remaining: 72953937920(67.94 GB)
DFS Used%: 0.38%
DFS Remaining%: 91.8%
Last contact: Tue Feb 03 16:50:00 CST 2015


Name: 192.168.100.148:50010
Decommission Status : Normal
Configured Capacity: 79472615424 (74.01 GB)
DFS Used: 300367872 (286.45 MB)
Non DFS Used: 6242603008 (5.81 GB)
DFS Remaining: 72929644544(67.92 GB)
DFS Used%: 0.38%
DFS Remaining%: 91.77%
Last contact: Tue Feb 03 16:49:59 CST 2015


Name: 192.168.100.146:50010
Decommission Status : Normal
Configured Capacity: 79472615424 (74.01 GB)
DFS Used: 300363776 (286.45 MB)
Non DFS Used: 6828507136 (6.36 GB)
DFS Remaining: 72343744512(67.38 GB)
DFS Used%: 0.38%
DFS Remaining%: 91.03%
Last contact: Tue Feb 03 16:50:00 CST 2015

 



以上是关于Hadoop基础教程4Hadoop之完全分布式环境搭建的主要内容，如果未能解决你的问题，请参考以下文章

HBase基础教程1HBase之单机模式与伪分布式模式安装(转)

Hadoop基础之环境搭建

Hadoop 4Hadoop MapReduce的工作原理

Hadoop集群完全分布式搭建教程-CentOS

Hadoop之完全分布式安装

Hadoop分布式集群搭建完全详细教程