Hadoop常用操作

Posted 2021-01-06 大道至简

Hadoop常用操作

1、Hadoop安装

略

2、Hadoop配置

略

3、Hadoop多目录配置

namenode和datanode节点下都可以进行多个目录的配置，但是意义不同。namenode的多目录配置是副本策略，保证数据可靠性，datanode多目录配置是对容量进行扩容，由于datanode已经有副本机制了。

[hdfs-site.xml]

<!-- namenode多目录配置 -->
<property>
  <name>dfs.namenode.name.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/name1,file://${hadoop.tmp.dir}/dfs/name2</value>
</property>
<!-- datanode多目录配置 -->
<property>
  <name>dfs.datanode.data.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/data1,file://${hadoop.tmp.dir}/dfs/data2</value>
</property>

其中${hadoop.tmp.dir}是hadoop临时目录配置。

[core-site.xml]

<property>
  <name>hadoop.tmp.dir</name>
  <value>/home/centos/hadoop/ha</value>
</property>

4、hadoop配额管理

配额是对空间和目录个数进行限制，放置目录下的文件个数或大小过于庞大。因此配额分为空间配额和目录配额。

• 目录配额

  限制目录所含文件或文件夹的个数。如果为1，则保持目录为空（可以认为将目录本身也包含在内）。

  #设置配额
  $>hdfs dfsadmin -setQuota 1 data
  #清除配额
  $>hdfs dfsadmin -clsQuota data

  ?

• 空间配额

  由于每份文件都有三个副本，空间配额计算时也将副本数计算在内，加上每个数据块文件默认为128m，因此空间配额至少要指定384m的空间值。即128 * 3 = 384。

  #该设置会出错，说至少是384m空间
  $>hdfs dfsadmin -setSpaceQuota 384m data

5、快照

快照是对hdfs的目录进行瞬间照相，内部采用差异化存储机制。因此不会空间造成大量的消耗。这可以通过查看blockid来考察。默认情况下目录是不允许快照的，因此如果要使用该功能，还需要对特定目录先启用快照。

#启用快照
$>hfds dfsadmin -allowSnapshot data
#禁用快照
$>hfds dfsadmin -disallowSnapshot data

#创建快照
$>hdfs dfs -createSnapshot data sp1
#删除
$>hdfs dfs -deleteSnapshot data sp1
#重命名
$>hdfs dfs -renameSnapshot data sp1 sp2

注意：删除目录时，如果是可快照目录并且有快照，需要先删除快照，再删除目录。

6、元数据管理

6.1 镜像文件查看

镜像文件存放的是hdfs的元数据，是最重要的数据文件。可以通过多种格式进行查看。内容包括目录、权限、配额、数据块等信息。

#i:input o:output p:处理方式
$>hdfs oiv -i fsimage_0000000000000207400 -o ~/1.xml -p XML

6.2 编辑日志查看

对hdfs的每个写操作都会记录到编辑日志中，查看方式同镜像类似。

$>hdfs oev -i edits_0000000000000200088-00000000000002000199 -o 2.xml -p XML

6.3 镜像控制

2nn节点对nn节点会进行周期性检查，以完成元数据的备份与融合。具体可以通过以下属性进行控制：

1. dfs.namenode.checkpoint.period

   检查周期，多长时间生成一次新的检查点，默认为3600秒，即1小时。

2. dfs.namenode.checkpoint.txns

   操作记录数控制，默认1000,000，发生这些次操作也会生成新的检查点，即时时间不到1小时。

3. dfs.namenode.checkpoint.check.period

4. dfs.namenode.num.checkpoints.retained

7、旧节点下线操作

7.1 介绍

旧节点下线操作，需要通过黑白名单进行控制。下线时主要完成旧节点数据的安全转移。成功后，就可以安全下线了。hdfs的黑白名单由dfs.hosts.exclude和dfs.hosts控制，yarn的黑白名单由yarn.resourcemanager.nodes.exclude-path和yarn.resourcemanager.nodes.include-path控制。

• dfs.hosts

  白名单，可以连到namenode的datanode节点列表。

• dfs.hosts.exclude

  黑名单，不允许连接到namenode的datanode节点列表。

黑白名单组合规则：

dfs.hosts	dfs.hosts.exclude	结果
NO	NO	Not
NO	YES	Not
YES	NO	YES
YES	YES	YES并将退役

7.2 HDFS旧节点下线操作

1. 准备黑白名单

   • dfs_exclude.conf
   • dfs_include.conf

2. 配置hdfs-site.xml的黑白名单属性

   [hdfs-site.xml]

   <!-- 白名单 -->
   <property>
     <name>dfs.hosts</name>
     <value>/soft/hadoop/etc/full/dfs_include.conf</value>
   </property>
   <!-- 黑名单 -->
   <property>
     <name>dfs.hosts.exclude</name>
     <value>/soft/hadoop/etc/full/dfs_exclude.conf</value>
   </property>

   ?

3. 添加退役节点地址到黑名单，不要更新白名单

   [dfs_exclude.conf]

   s102

4. 刷新nn

   $>hdfs dfsadmin -refreshNodes

5. 进入webui，查看退役的节点是否显式为"退役中"，开始复制数据块到其他节点。

   http://s101:50070/

6. 一旦复制完成，状态显式"Decommissioned",停止退役节点

7. 从白名单中删除退役节点

8. 再次刷新节点

   $>hdfs dfsadmin -refreshNodes

9. 从slaves中删除退役节点

8、HDFS新节点上线

新节点上线时，需要先配置ssh和hadoop软件包。上线实操过程如下：

1. 添加新地址到白名单

2. 刷新名称节点

3. 更新slaves文件

4. 单独启动新节点的datanode进程

   $>hadoop-daemon.sh start datanode

5. 检查webui

9、YARN旧节点下线

1. 准备黑白名单

   yarn_exclude.conf

   yarn_include.conf

2. 配置yarn-site.xml的黑白名单属性

   [yarn-site.xml]

   <!-- yarn白名单 -->
   <property>
     <name>yarn.resourcemanager.nodes.include-path</name>
     <value>/soft/hadoop/etc/full/yarn_include.conf</value>
   </property>
   <!-- yarn黑名单 -->
   <property>
     <name>yarn.resourcemanager.nodes.exclude-path</name>
     <value>/soft/hadoop/etc/full/yarn_exclude.conf</value>
   </property>

3. 添加退役节点地址到黑名单，不要更新白名单

   [yarn-exclude.conf]

   s102

4. 刷新yarn

   $>yarn rmadmin -refreshNodes

5. 进入webui，查看退役的节点是否显式为"退役中"，开始复制数据块到其他节点。

   http://rm:8088/

6. 一旦复制完成，状态显式"Decommissioned",停止退役节点

7. 从白名单中删除退役节点

8. 再次刷新节点

   $>yarn rmadmin -refreshNodes

9. 从slaves中删除退役节点