Hadoop大資料部署

小趙面面觀發表於2018-11-02
Hadoop大資料

Hadoop大資料部署

一. 系統環境配置：

1. 關閉防火牆，selinux

關閉防火牆：

systemctl stop firewalld
systemctl disable firewalld

設定selinux為disable

# cat /etc/selinux/config 
SELINUX=disabled

2. 配置ntp時間伺服器

# yum -y install ntpdate
# crontab -l
*/5 * * * * /usr/sbin/ntpdate 192.168.1.1 >/dev/null 2>&1

將IP地址換成可用的時間伺服器IP

3. 修改系統限制

# 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. 建立hadoop使用者

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. 分發公鑰

# su - hadoop
$ ssh-keygen
$ ssh-copy-id hadoop@hadoop1
$ ssh-copy-id hadoop@hadoop2
$ ssh-copy-id hadoop@hadoop3

保證某一個節點上都有所有的節點的公鑰。

7. 安裝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. 安裝SCALA

Scala 是一門多正規化（multi-paradigm）的程式語言，設計初衷是要整合物件導向程式設計和函數語言程式設計的各種特性。Scala 執行在Java虛擬機器上，併相容現有的Java程式。Scala 原始碼被編譯成Java位元組碼，所以它可以執行於JVM之上，並可以呼叫現有的Java類庫。

cd /app
tar -zxvf /home/Software/scala-2.11.12.tgz  -C .
 mv scala-2.11.12 scala

9. 安裝snappy

Snappy是一個壓縮/解壓縮庫。它的目標不是最大壓縮，也不與任何其他壓縮庫相容; 相反，它的目標是非常高的速度和合理的壓縮。例如，與最快的zlib模式相比，對於大多數輸入，Snappy的速度要快一個數量級，但生成的壓縮檔案大小要高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. 安裝lzo以及lzop

LZO 是一個用 ANSI C 語言編寫的無失真壓縮庫。他能夠提供非常快速的壓縮和解壓功能。解壓並不需要記憶體的支援。即使使用非常大的壓縮比例進行緩慢壓縮出的資料，依然能夠非常快速的解壓。LZO遵循GNU 的GPL 使用許可。
LZO 非常適合進行資料的實時壓縮解壓處理，這就是說他更關心操作速度，而不是壓縮比例。
LZO 使用 ANSI C 語言編寫，並且壓縮後的資料也被設計為可以跨平臺使用的格式。

tar -xvf lzo-2.06.tar.gz
cd lzo-2.06
./configure --enable-shared
make && make install

lzop是使用lzo庫寫的一個程式，通過shell命令直接可以壓縮、解壓縮檔案。

tar -xvf lzop-1.03.tar.gz
cd lzop-1.03
./configure
make && make install

二. Zookeeper 叢集

Zookeeper有三種安裝模式，單機模式：單節點安裝standalones模式；偽叢集模式：在一臺主機上啟動多個zookeeper的例項；叢集模式：需要奇數臺伺服器，至少3臺，每臺啟動一個zookeeper例項。

1. 解壓安裝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檔案

[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：初始化連結時，follower和leader之間的最長心跳時間，20*2000即40秒
syncLimit：leader和follower之間傳送訊息, 請求和應答的最大時間長度，即20秒
server.X=A:B:C 其中X是一個數字, 表示這是第幾號server. A是該server所在的IP地址. B:配置該server和叢集中的leader交換訊息所使用的埠. C:配置選舉leader時所使用的埠

3. 修改myid

在/app/zookeeper/data/下增加一個myid檔案，把前面配置檔案裡server.X中的X寫入裡面。

[hadoop@hadoop1 ~]$ cat /app/zookeeper/data/myid 
1

4. 修改zookeeper的日誌輸出路徑：

修改/app/zookeeper/bin/zkEnv.sh下的ZOO_LOG_DIR改為配置檔案裡寫的路徑/app/zookeeper/logs。

if [ "x${ZOO_LOG_DIR}" = "x" ]
then
    ZOO_LOG_DIR="/app/zookeeper/logs"
fi

5. 啟動並除錯zookeeper

啟動：

$ zkServer.sh start

檢視狀態：

$ zkServer.sh status

[hadoop@hadoop1 ~]$ zkServer.sh status
ZooKeeper JMX enabled by default
Using config: /app/zookeeper/bin/../conf/zoo.cfg
Mode: follower

二. Hadoop HA安裝

hadoop分為1.0和2.0兩個大版本，具體的區別自行查詢。本文主要使用的是hadoop2.0。hadoop2.0的生態系統主要包括以下核心專案：HDFS YARN MapReduce。

1. 解壓安裝

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的環境變數（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環境中變數名後面的路徑必須使用雙引號，否則後面啟動的時候報錯找不到該變數。

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環境，新增環境變數

在yarn-env.sh檔案後面設定yarn heap大小。追加下面這句
YARN_HEAPSIZE=4000

新增環境變數：

$ 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 叢集的啟動與監控

安裝psmisc，否則不能實現自動切換：

yum -y install psmisc

啟動叢集：

# 1. 在所有zookeeper節點上執行
zkServer.sh start
# 1.1 在leader上執行，用zookeeper進行初始化，這將會建立一個znode在zookeeper上內部實現自動備援系統。
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. 自動啟動hdfs服務
start-dfs.sh
# 2.1 注意：如何你想要手動的管理你的叢集服務，你必須通過zkfc deamon來啟動你的namenode，命令如下：
hadoop-daemon.sh --script hdfs start zkfc
# 3. 在hadoop啟動Resourcemanager
start-yarn.sh
# 4. 在另一個節點上啟動standby resourcemanager
yarn-daemon.sh start resourcemanager


# 其他命令：
# 啟停namenode
hadoop-daemon.sh start/stop namenode
# 啟停datanode
hadoop-daemon.sh start/stop namenode

檢視狀態：

# 檢視各個節點
$ jps
2049 NameNode
2611 DFSZKFailoverController
3465 ResourceManager
1727 QuorumPeerMain
2159 DataNode
2415 JournalNode
3199 NodeManager
3695 Jps
# 檢視HDFS叢集namedate節點的狀態
hdfs haadmin -getAllServiceState
# 檢視nn1/nn2的狀態
hdfs haadmin -getServiceState nn1
hdfs haadmin -getServiceState nn2
# 檢視resourcemanager叢集的主備狀態
$ yarn rmadmin -getAllServiceState 
hadoop1:8033                                       active    
hadoop2:8033                                       standby   
# 檢視resourcemanager的叢集各個節點的狀態
$ yarn rmadmin -getServiceState rm1
active
$ yarn rmadmin -getServiceState rm2
standby

hadoop叢集監控相關的埠：

NameNode: http://namenode_host:50070
ResourceManager: http://resourcemanager_host:8088
MapReduce JobHistory Server: http://jobistoryserver_host:19888

相關文章