Hadoop大数据部署
一. 系统环境配置：
1. 关闭防火墙，selinux
关闭防火墙： systemctl stop firewalld systemctl disable firewalld
设置selinux为disable # cat /etc/selinux/config SELINUX=disabled
2. 配置ntp时间服务器 # yum -y install ntpdate # crontab -l */5 * * * * /usr/sbin/ntpdate 192.168.1.1 >/dev/null 2>&1
将IP地址换成可用的时间服务器IP
3. 修改系统限制 # cat /etc/security/limits.conf * soft nproc 100000 * hard nproc 100000 * soft nofile 102400 * hard nofile 102400 hadoop soft nproc 100000 hadoop hard nproc 100000 hadoop soft nofile 102400 hadoop hard nofile 102400
4. 创建hadoop用户 groupadd -g 1002 hadoop useradd -u 1002 -g hadoop hadoop
5. 配置hosts [root@hadoop2 ~]# cat /etc/hosts 127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 192.168.24.43 hadoop1 192.168.24.216 hadoop2 192.168.24.7 hadoop3
6. 分发公钥
# su - hadoop
$ ssh-keygen
$ ssh-copy-id hadoop@hadoop1
$ ssh-copy-id hadoop@hadoop2
$ ssh-copy-id hadoop@hadoop3
保证某一个节点上都有所有的节点的公钥。
7. 安装jdk # yum -y install jdk-8u171-linux-x64.rpm # java -version java version "1.8.0_171" Java(TM) SE Runtime Environment (build 1.8.0_171-b11) Java HotSpot(TM) 64-Bit Server VM (build 25.171-b11, mixed mode)
8. 安装SCALA
Scala 是一门多范式（multi-paradigm）的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性。Scala 运行在Java虚拟机上，并兼容现有的Java程序。Scala 源代码被编译成Java字节码，所以它可以运行于JVM之上，并可以调用现有的Java类库。 cd /app tar -zxvf /home/Software/scala-2.11.12.tgz -C . mv scala-2.11.12 scala
9. 安装snappy
Snappy是一个压缩/解压缩库。它的目标不是最大压缩，也不与任何其他压缩库兼容; 相反，它的目标是非常高的速度和合理的压缩。例如，与最快的zlib模式相比，对于大多数输入，Snappy的速度要快一个数量级，但生成的压缩文件大小要高20％到100％。 yum -y install automake autoconf libtool openssl openssl-devel gcc gcc-c++ tar -zxvf snappy-1.1.3.tar.gz cd snappy-1.1.3 ./autogen.sh ./configure make & make install
10. 安装lzo以及lzop
LZO 是一个用 ANSI C 语言编写的无损压缩库。他能够提供非常快速的压缩和解压功能。解压并不需要内存的支持。即使使用非常大的压缩比例进行缓慢压缩出的数据，依然能够非常快速的解压。LZO遵循GNU 的GPL 使用许可。 LZO 非常适合进行数据的实时压缩解压处理，这就是说他更关心操作速度，而不是压缩比例。 LZO 使用 ANSI C 语言编写，并且压缩后的数据也被设计为可以跨平台使用的格式。 tar -xvf lzo-2.06.tar.gz cd lzo-2.06 ./configure --enable-shared make && make install
lzop是使用lzo库写的一个程序，通过shell命令直接可以压缩、解压缩文件。 tar -xvf lzop-1.03.tar.gz cd lzop-1.03 ./configure make && make install
二. Zookeeper 集群
Zookeeper有三种安装模式，单机模式：单节点安装standalones模式；伪集群模式：在一台主机上启动多个zookeeper的实例；集群模式：需要奇数台服务器，至少3台，每台启动一个zookeeper实例。
1. 解压安装Zookeepr su - hadoop mkdir /app tar -zxvf zookeeper-3.4.10.tar.gz -C /app/ cd /app sudo mv zookeeper-3.4.10 zookeeper mkdir data logs
2. 修改zoo.cfg文件 [hadoop@hadoop1 ~]$ vim /app/zookeeper/conf/zoo.cfg tickTime=2000 initLimit=20 syncLimit=10 dataDir=/app/zookeeper/data dataLogDir=/app/zookeeper/logs clientPort=2181 server.1=hadoop1:2888:3888 server.2=hadoop2:2888:3888 server.3=hadoop3:2888:3888
initLimit：初始化链接时，follower和leader之间的最长心跳时间，20*2000即40秒 syncLimit：leader和follower之间发送消息, 请求和应答的最大时间长度，即20秒 server.X=A:B:C 其中X是一个数字, 表示这是第几号server. A是该server所在的IP地址. B:配置该server和集群中的leader交换消息所使用的端口. C:配置选举leader时所使用的端口
3. 修改myid
在/app/zookeeper/data/下增加一个myid文件，把前面配置文件里server.X中的X写入里面。 [hadoop@hadoop1 ~]$ cat /app/zookeeper/data/myid 1
4. 修改zookeeper的日志输出路径：
修改/app/zookeeper/bin/zkEnv.sh下的ZOO_LOG_DIR改为配置文件里写的路径/app/zookeeper/logs。 if [ "x${ZOO_LOG_DIR}" = "x" ] then ZOO_LOG_DIR="/app/zookeeper/logs" fi
5. 启动并调试zookeeper
启动：
$ zkServer.sh start
查看状态：
zkServer.sh status[hadoop@hadoop1 ~] zkServer.sh statusZooKeeper JMX enabled by defaultUsing config: /app/zookeeper/bin/../conf/zoo.cfgMode: follower
二. Hadoop HA安装
hadoop分为1.0和2.0两个大版本，具体的区别自行查找。本文主要使用的是hadoop2.0。hadoop2.0的生态系统主要包括以下核心项目：HDFS YARN MapReduce。
1. 解压安装 sudo tar -zxvf hadoop-2.9.1.tar.gz -C /app/ $ pwd /app/hadoop/etc/hadoop $ ls capacity-scheduler.xml httpfs-env.sh mapred-env.sh configuration.xsl httpfs-log4j.properties mapred-queues.xml.template container-executor.cfg httpfs-signature.secret mapred-site.xml core-site.xml httpfs-site.xml mapred-site.xml.template hadoop-env.cmd kms-acls.xml slaves hadoop-env.sh kms-env.sh ssl-client.xml.example hadoop-metrics2.properties kms-log4j.properties ssl-server.xml.example hadoop-metrics.properties kms-site.xml yarn-env.cmd hadoop-policy.xml log4j.properties yarn-env.sh hdfs-site.xml mapred-env.cmd yarn-site.xml
2. 修改hadoop的环境变量（hadoop-env.sh） export HADOOP_HEAPSIZE=16196 export JAVA_HOME=/usr/java/1.8.0_171 export JAVA_LIBRARY_PATH=/app/hadoop-2.9.1/lib/native export HADOOP_OPTS="-Djava.library.path=/app/hadoop-2.9.0/lib/native" 注意：如果在CentOS 6环境中变量名后面的路径必须使用双引号，否则后面启动的时候报错找不到该变量
3. 修改core-site.xml <configuration> <property> <name>fs.defaultFS</name> <value>hdfs://myhadoop</value> </property> <property> <name>ha.zookeeper.quorum</name> <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/app/hadoop/tmp</value> </property> <property> <name>io.file.buffer.size</name> <value>131072</value> </property> <property> <name>io.compression.codecs</name> <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec,org.apache.hadoop.io.compress.BZip2Codec</value> </property> <property> <name>io.compression.codec.lzo.class</name> <value>com.hadoop.compression.lzo.LzoCodec</value> </property> <property> <name>hadoop.proxyuser.hadoop.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.hadoop.groups</name> <value>*</value> </property> </configuration>
3. 修改hdfs-site.xml <configuration> <property> <name>dfs.nameservices</name> <value>myhadoop</value> </property> <property> <name>dfs.ha.namenodes.myhadoop</name> <value>nn1,nn2</value> </property> <property> <name>dfs.namenode.rpc-address.myhadoop.nn1</name> <value>hadoop1:8020</value> </property> <property> <name>dfs.namenode.rpc-address.myhadoop.nn2</name> <value>hadoop2:8020</value> </property> <property> <name>dfs.namenode.http-address.myhadoop.nn1</name> <value>hadoop1:50070</value> </property> <property> <name>dfs.namenode.http-address.mycluster.nn2</name> <value>hadoop2:50070</value> </property> <property> <name>dfs.journalnode.edits.dir</name> <value>/app/hadoop/qjournal</value> </property> <property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop1:8485;hadoop2:8485;hadoop3:8485/myhadoop</value> </property> <property> <name>dfs.client.failover.proxy.provider.myhadoop</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property> <property> <name>dfs.ha.fencing.methods</name> <value>sshfence</value> </property> <property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/home/hadoop/.ssh/id_rsa</value> </property> <property> <name>dfs.ha.automatic-failover.enabled</name> <value>true</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/app/hadoop/dfs/name,file:/hadoop/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/app/hadoop/dfs/data</value> </property> <property> <name>dfs.datanode.handler.count</name> <value>100</value> </property> <property> <name>dfs.namenode.handler.count</name> <value>1024</value> </property> <property> <name>dfs.datanode.max.xcievers</name> <value>8096</value> </property> </configuration>
3. 修改yarn-site.xml <configuration> <property> <name>yarn.resourcemanager.ha.enabled</name> <value>true</value> </property> <property> <name>yarn.resourcemanager.cluster-id</name> <value>cluster1</value> </property> <property> <name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value> </property> <property> <name>yarn.resourcemanager.hostname.rm1</name> <value>hadoop1</value> </property> <property> <name>yarn.resourcemanager.hostname.rm2</name> <value>hadoop2</value> </property> <property> <name>yarn.resourcemanager.webapp.address.rm1</name> <value>hadoop1:8088</value> </property> <property> <name>yarn.resourcemanager.webapp.address.rm2</name> <value>hadoop2:8088</value> </property> <property> <name>yarn.resourcemanager.zk-address</name> <value>hadoop1:2181,hadoop2:2181,hadoop3:2181</value> </property> </configuration>
5. 修改mapred-site.xml <configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>hadoop1:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop1:19888</value> </property> <property> <name>mapreduce.job.tracker</name> <value>hdfs://hadoop1:8021</value> </property> <property> <name>mapreduce.reduce.shuffle.parallelcopies</name> <value>50</value> </property> <property> <name>mapreduce.map.java.opts</name> <value>-Xmx4096M</value> </property> <property> <name>mapreduce.reduce.java.opts</name> <value>-Xmx8192M</value> </property> <property> <name>mapreduce.map.memory.mb</name> <value>4096</value> </property> <property> <name>mapreduce.reduce.memory.mb</name> <value>8192</value> </property> <property> <name>mapreduce.map.output.compress</name> <value>true</value> </property> <property> <name>mapred.child.env</name> <value>JAVA_LIBRARY_PATH=/app/hadoop-2.9.1/lib/native</value> </property> <property> <name>mapreduce.map.output.compress.codec</name> <value>com.hadoop.compression.lzo.LzoCodec</value> </property> <property> <name>mapreduce.task.io.sort.mb</name> <value>512</value> </property> <property> <name>mapreduce.task.io.sort.factor</name> <value>100</value> </property> <property> <name>mapred.reduce.tasks</name> <value>4</value> </property> <property> <name>mapred.map.tasks</name> <value>20</value> </property> <property> <name>mapred.child.java.opts</name> <value>-Xmx4096m</value> </property> <property> <name>mapreduce.reduce.shuffle.memory.limit.percent</name> <value>0.1</value> </property> <property> <name>mapred.job.shuffle.input.buffer.percent</name> <value>0.6</value> </property> </configuration>
6. 修改yarn-env.sh环境，添加环境变量
在yarn-env.sh文件后面设置yarn heap大小。追加下面这句 YARN_HEAPSIZE=4000
添加环境变量： $ tail .bash_profile export JAVA_HOME=/usr/java/jdk1.8.0_171-amd64 export HADOOP_HOME=/app/hadoop export ZOOKPEER_HOME=/app/zookeeper export LIBRAY_PATH=$HADOOP_HOME/lib/native export SCALA_HOME=/app/scala export PATH=$JAVA_HOME/bin:$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$ZOOKPEER_HOME/bin:$SCALA_HOME/bin
7 集群的启动与监控
安装psmisc，否则不能实现自动切换： yum -y install psmisc
启动集群： # 1. 在所有zookeeper节点上执行 zkServer.sh start # 1.1 在leader上执行，用zookeeper进行初始化，这将会创建一个znode在zookeeper上内部实现自动备援系统。 hdfs zkfc -formatZK # 1.2 If you are setting up a fresh HDFS cluster, you should first run the format command，on one of NameNodes. hdfs namenode -format # 2. 自动启动hdfs服务 start-dfs.sh # 2.1 注意：如何你想要手动的管理你的集群服务，你必须通过zkfc deamon来启动你的namenode，命令如下： hadoop-daemon.sh --script hdfs start zkfc # 3. 在hadoop启动Resourcemanager start-yarn.sh # 4. 在另一个节点上启动standby resourcemanager yarn-daemon.sh start resourcemanager
# 其他命令： # 启停namenode hadoop-daemon.sh start/stop namenode # 启停datanode hadoop-daemon.sh start/stop namenode
查看状态： # 查看各个节点 $ jps 2049 NameNode 2611 DFSZKFailoverController 3465 ResourceManager 1727 QuorumPeerMain 2159 DataNode 2415 JournalNode 3199 NodeManager 3695 Jps # 查看HDFS集群namedate节点的状态 hdfs haadmin -getAllServiceState # 查看nn1/nn2的状态 hdfs haadmin -getServiceState nn1 hdfs haadmin -getServiceState nn2 # 查看resourcemanager集群的主备状态 $ yarn rmadmin -getAllServiceState hadoop1:8033 active hadoop2:8033 standby # 查看resourcemanager的集群各个节点的状态 $ yarn rmadmin -getServiceState rm1 active $ yarn rmadmin -getServiceState rm2 standby
hadoop集群监控相关的端口： NameNode: http://namenode_host:50070 ResourceManager: http://resourcemanager_host:8088 MapReduce JobHistory Server: http://jobistoryserver_host:19888