大数据笔记（三）：HDFS集群搭建-伪分布式模式

HDFS集群搭建-伪分布式模式

前言

博主语录：一文精讲一个知识点，多了你记不住，一句废话都没有

经典语录：美好的事情不是没有裂痕，而是满是裂痕而没有崩开

一、实操&理论验证

• HDFS安装配置
• HDFS命令行使用
• 理论知识点验证

二、官网导读

Hadoop - Apache Hadoop 2.6.5

https://hadoop.apache.org/docs/r2.6.5/

• 支持最好的平台：GNU/Linux
• 依赖的软件:java,ssh
• 部署模式：

1. Local (Standalone) Mode
2. Pseudo-Distributed Mode
3. Fully-Distributed Mode

三、思路

• 基础设施
• 部署配置
• 初始化运行
• 命令行使用

四、基础设施

操作系统、环境、网络、必要软件

1、设置IP及主机名

注意：大家看看自己的vm的编辑->虚拟网络编辑器->观察 NAT模式的地址 

设置网络和设置IP

vi /etc/sysconfig/network-scripts/ifcfg-eth0

        DEVICE=eth0         #HWADDR=00:0C:29:42:15:C2         TYPE=Ethernet         ONBOOT=yes         NM_CONTROLLED=yes         BOOTPROTO=static         IPADDR=192.168.150.11         NETMASK=255.255.255.0         GATEWAY=192.168.150.2         DNS1=223.5.5.5         DNS2=114.114.114.114

设置主机名

vi /etc/sysconfig/network

        NETWORKING=yes         HOSTNAME=node01

2、关闭防火墙&selinux

关闭防火墙

service iptables stop
chkconfig iptables off

关闭 selinux

vi /etc/selinux/config

SELINUX=disabled 

3、设置hosts映射

设置本机的IP到主机名的映射关系

vi /etc/hosts

        192.168.150.11 node01         192.168.150.12 node02  

4、时间同步

yum install ntp  -y
vi /etc/ntp.conf
server ntp1.aliyun.com
service ntpd start
chkconfig ntpd on

5、安装JDK

注意：有一些软件只认：/usr/java/default

rpm -i   jdk-8u181-linux-x64.rpm
vi /etc/profile

        export  JAVA_HOME=/usr/java/default         export PATH=PATH:JAVA_HOME/bin

source /etc/profile   |  .    /etc/profile

6、设置SSH免秘钥

ssh免密：

ssh  localhost

注意： 

1）验证自己还没免密  

2）被动生成了  /root/.ssh

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

白话解释SSH免秘钥 如果A 想  免密的登陆到B： A：ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa B：cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

结论：

B包含了A的公钥，A就可以免密的登陆

生活案例：

你去陌生人家里得撬锁

去女朋友家里：拿钥匙开门

五、部署配置

伪分布式: (单一节点)

1、部署路径

mkdir /opt/bigdata
tar xf hadoop-2.6.5.tar.gz
mv hadoop-2.6.5  /opt/bigdata/
pwd

/opt/bigdata/hadoop-2.6.5 

vi /etc/profile

export  JAVA_HOME=/usr/java/default export HADOOP_HOME=/opt/bigdata/hadoop-2.6.5 export PATH=PATH:JAVA_HOME/bin:HADOOP_HOME/bin:HADOOP_HOME/sbin

source /etc/profile

2、 配置文件

cd   $HADOOP_HOME/etc/hadoop

注意：必须给hadoop配置javahome要不ssh过去找不到

vi hadoop-env.sh

 export JAVA_HOME=/usr/java/default

给出NN角色在哪里启动

vi core-site.xml

             <property>                 <name>fs.defaultFS</name>                 <value>hdfs://node01:9000</value>             </property>

因为是伪分布式集群，故配置HDFS  副本数为1，如果是真实集群就配置2-3的副本数量

vi hdfs-site.xml

             <property>                 <name>dfs.replication</name>                 <value>1</value>             </property>             <property>                 <name>dfs.namenode.name.dir</name>                 <value>/var/bigdata/hadoop/local/dfs/name</value>             </property>             <property>                 <name>dfs.datanode.data.dir</name>                 <value>/var/bigdata/hadoop/local/dfs/data</value>             </property>             <property>                 <name>dfs.namenode.secondary.http-address</name>                 <value>node01:50090</value>             </property>             <property>                 <name>dfs.namenode.checkpoint.dir</name>                 <value>/var/bigdata/hadoop/local/dfs/secondary</value>             </property>

配置DN这个角色再那里启动

vi slaves

node01 

3、初始化&启动

格式化namenode操作（只要一次就够了）

hdfs namenode -format 

简单过程： 

• 创建配置文件设置的目录
• 并初始化一个空的fsimage
• VERSION文件里生成一个CID

sh start-dfs.sh

第一次：datanode和secondary角色会初始化创建自己的数据目录

修改windows： C:\Windows\System32\drivers\etc\hosts

            192.168.150.11 node01             192.168.150.12 node02             192.168.150.13 node03             192.168.150.14 node04

可以通过以下地址访问：

http://node01:50070

4、简单使用

hdfs dfs -mkdir /bigdata
hdfs dfs -mkdir  -p  /user/root

5、验证知识点

观察 editlog的id是不是再fsimage的后边 

cd   /var/bigdata/hadoop/local/dfs/name/current

SNN 只需要从NN拷贝最后时点的FSimage和增量的Editlog 

cd /var/bigdata/hadoop/local/dfs/secondary/current

验证上传的大文件是否分块，分块最大文件是否128M 

hdfs dfs -put hadoop*.tar.gz  /user/root

cd  /var/bigdata/hadoop/local/dfs/data/current/BP-281147636-192.168.150.11-1560691854170/current/finalized/subdir0/subdir0

for i in `seq 100000`;do  echo "hello hadoop $i"  >>  data.txt  ;done
hdfs dfs -D dfs.blocksize=1048576  -put  data.txt 
cd  /var/bigdata/hadoop/local/dfs/data/current/BP-281147636-192.168.150.11-1560691854170/current/finalized/subdir0/subdir0

检查data.txt被切割的块，数据是什么样子的

可以看到两个文件的数据直接切开，一行数据被切成一小段，这样的数据到计算会有问题吗？

其实是不影响的，至于什么原理，会在后面的笔记里详细给大家说明