Hadoop技术之Apache Hadoop集群搭建Apache Hadoop概述

Hadoop离线是大数据生态圈的核心与基石，是整个大数据开发的入门。本次分享内容让初学者能高效、快捷掌握Hadoop必备知识，大大缩短Hadoop离线阶段学习时间，下面一起开始今天的学习！

一、Hadoop集群简介

Hadoop集群整体概述

• Hadoop集群包括两个集群：  HDFS集群、YARN集群
• 两个集群逻辑上分离、通常物理上在一起
• 两个集群都是标准的主从架构集群

Hadoop集群简介

Hadoop集群=HDFS集群+YARN集群

• 逻辑上分离

两个集群互相之间没有依赖、互不影响

• 物理上在一起

某些角色进程往往部署在同一台物理服务器上

• MapReduce集群呢？

MapReduce是计算框架、代码层面的组件 没有集群之说

二、Hadoop集群模式安装(Cluster mode)

Hadoop源码编译

• 安装包、源码包下载地址

https://archive.apache.org/dist/hadoop/common/hadoop-3.3.0/

• 为什么要重新编译Hadoop源码?

匹配不同操作系统本地库环境，  Hadoop某些操作比如压缩、  IO需要调用系统本地库(*.so|*.dll)
修改源码、重构源码。

•   如何编译Hadoop

源码包根目录下文件：  BUILDING.txt 详细步骤参考附件资料

•     课程提供编译好的Hadoop安装包

hadoop-3.3.0-Centos7-64-with-snappy.tar.gz

Step1:集群角色规划

• 角色规划的准则

根据软件工作特性和服务器硬件资源情况合理分配

比如依赖内存工作的NameNode是不是部署在大内存机器上？

• 角色规划注意事项

资源上有抢夺冲突的，尽量不要部署在一起

工作上需要互相配合的。尽量部署在一起

Step2:服务器基础环境准备

• 主机名(3台机器)

vim /etc/hostname

•  Hosts映射(3台机器)

vim /etc/hosts

• 防火墙关闭(3台机器)

systemctl stop firewalld.service   #关闭防火墙
systemctl disable firewalld.service #禁止防火墙开启自启

•     ssh免密登录(node1执行- >node1|node2|node3)

ssh-keygen #4个回车 生成公钥、私钥
ssh-copy-id node1、ssh-copy-id node2、ssh-copy-id node3 #

• 集群时间同步(3台机器)

yum -y install ntpdate
ntpdate ntp4.aliyun.com

• 创建统一工作目录(3台机器)

mkdir -p /export/server/ #软件安装路径
mkdir -p /export/data/ #数据存储路径
mkdir -p /export/software/  #安装包存放路径 

 Step3:上传安装包、解压安装包

• JDK 1.8安装(3台机器)
   

• 上传、解压Hadoop安装包(node1) 

 Step4:Hadoop安装包目录结构

 配置文件概述

  官网文档：  https://hadoop.apache.org/docs/r3.3.0/
    第一类1个：  hadoop-env.sh
    第二类4个：  xxxx-site.xml ,site表示的是用户定义的配置，会覆盖default中的默认配置。
core-site.xml  核心模块配置
hdfs-site.xml  hdfs文件系统模块配置
mapred-site.xml  MapReduce模块配置
yarn-site.xml yarn模块配置
    第三类1个：  workers
    所有的配置文件目录：  /export/server/hadoop-3.3.0/etc/hadoop

Step5:编辑Hadoop配置文件(1)

hadoop-env.sh

Step5:编辑Hadoop配置文件(2)

core-site.xml

Step5:编辑Hadoop配置文件(3)

hdfs-site.xml

Step5:编辑Hadoop配置文件(4)

mapred-site.xml

Step5:编辑Hadoop配置文件(5)

yarn-site.xml

Step5:编辑Hadoop配置文件(6) 

workers

Step6:分发同步安装包 

在node1机器上将Hadoop安装包scp同步到其他机器

 Step7:配置Hadoop环境变量

•     在node1上配置Hadoop环境变量

vim /etc/profile
export HADOOP_HOME=/export/server/hadoop-3.3.0
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

•     将修改后的环境变量同步其他机器

scp /etc/profile root@node2:/etc/
scp /etc/profile root@node3:/etc/

•     重新加载环境变量 验证是否生效(3台机器)

source /etc/profile
hadoop #验证环境变量是否生效

Step8:NameNode format  (格式化操作)

    首次启动HDFS时，必须对其进行格式化操作。
    format本质上是初始化工作，进行HDFS清理和准备工作
    命令：hdfs namenode -format

 三、Hadoop集群启停命令、  Web UI

手动逐个进程启停

• 每台机器上每次手动启动关闭一个角色进程,可以精准控制每个进程启停，避免群起群停。
• HDFS集群

•   YARN集群

 shell脚本一键启停

    在node1上，使用软件自带的shell脚本一键启动。前提：  配置好机器之间的SSH免密登录和workers文件。

•     HDFS集群

start-dfs.sh
stop-dfs.sh

•     YARN集群

start-yarn.sh
stop-yarn.sh

• Hadoop集群

start-all.sh
stop-all.sh

进程状态、日志查看

•     启动完毕之后可以使用jps命令查看进程是否启动成功

•  Hadoop启动日志路径：  /export/server/hadoop-3.3.0/logs/

HDFS集群

地址：  http://namenode_host:9870

其中namenode_host是namenode运行所在机器的主机名或者ip
如果使用主机名访问，别忘了在Windows配置hosts

• HDFS文件系统Web页面浏览

YARN集群

地址：  http://resourcemanager_host:8088
其中resourcemanager_host是resourcemanager运行所在机器的主机名或者ip
如果使用主机名访问，别忘了在Windows配置hosts

 四、Hadoop初体验

HDFS 初体验

    shell命令操作
hadoop fs -mkdir /itcast
hadoop fs -put zookeeper.out /itcast
hadoop fs -ls /
    Web UI页面操作

MapReduce+YARN 初体验

执行Hadoop官方自带的MapReduce案例，  评估圆周率π的值。