抱歉，您的浏览器无法访问本站
本页面需要浏览器支持（启用）JavaScript
了解详情 >


大数据处理技术 - apache hadoop 三种架构介绍 (高可用分布式环境介绍以及安装)

高可用分布式环境搭建（适用于工作当中正式环境搭建）

实现 namenode 高可用，ResourceManager 的高可用

集群运行服务规划

服务器 IP192.168.52.100192.168.52.110192.168.52.120
zookeeperzkzkzk
HDFSJournalNodeJournalNodeJournalNode
NameNodeNameNode
ZKFCZKFC
DataNodeDataNodeDataNode
YARNResourceManagerResourceManager
NodeManagerNodeManagerNodeManager
MapReduceJobHistoryServer

安装包解压

停止之前的 hadoop 集群的所有服务，并删除所有机器的 hadoop 安装包，
第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5
sbin/stop-dfs.sh
sbin/stop-yarn.sh
sbin/mr-jobhistory-daemon.sh stop historyserver
cd /export/servers/
rm -rf hadoop-2.7.5/

然后重新解压 hadoop 压缩包
解压压缩包
第一台机器执行以下命令进行解压

cd /export/softwares
tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/

配置文件的修改

修改 core-site.xml

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim core-site.xml
core-site.xml
<configuration>
  <!-- 指定 NameNode 的 HA 高可用的 zk 地址 -->
  <property>
    <name>ha.zookeeper.quorum</name>
    <value>node01:2181,node02:2181,node03:2181</value>
  </property>
  <!-- 指定 HDFS 访问的域名地址 -->
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://ns</value>
  </property>
  <!-- 临时文件存储目录 -->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/export/servers/hadoop-2.7.5/data/tmp</value>
  </property>
  <!-- 开启 hdfs 垃圾箱机制，指定垃圾箱中的文件七天之后就彻底删掉单位为分钟-->
  <property>
    <name>fs.trash.interval</name>
    <value>10080</value>
  </property>
</configuration>

修改 hdfs-site.xml

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hdfs-site.xml
hdfs-site.xml
<configuration>
  <!-- 指定命名空间 -->
  <property>
    <name>dfs.nameservices</name>
    <value>ns</value>
  </property>
  <!-- 指定该命名空间下的两个机器作为我们的 NameNode -->
  <property>
    <name>dfs.ha.namenodes.ns</name>
    <value>nn1,nn2</value>
  </property>
  <!-- 配置第一台服务器的 namenode 通信地址 -->
  <property>
    <name>dfs.namenode.rpc-address.ns.nn1</name>
    <value>node01:8020</value>
  </property>
  <!-- 配置第二台服务器的 namenode 通信地址 -->
  <property>
    <name>dfs.namenode.rpc-address.ns.nn2</name>
    <value>node02:8020</value>
  </property>
  <!-- 所有从节点之间相互通信端口地址 -->
  <property>
    <name>dfs.namenode.servicerpc-address.ns.nn1</name>
    <value>node01:8022</value>
  </property>
  <!-- 所有从节点之间相互通信端口地址 -->
  <property>
    <name>dfs.namenode.servicerpc-address.ns.nn2</name>
    <value>node02:8022</value>
  </property>
  <!-- 第一台服务器 namenode 的 web 访问地址 -->
  <property>
    <name>dfs.namenode.http-address.ns.nn1</name>
    <value>node01:50070</value>
  </property>
  <!-- 第二台服务器 namenode 的 web 访问地址 -->
  <property>
    <name>dfs.namenode.http-address.ns.nn2</name>
    <value>node02:50070</value>
  </property>
  <!-- journalNode 的访问地址，注意这个地址一定要配置 -->
  <property>
    <name>dfs.namenode.shared.edits.dir</name>
    <value>qjournal://node01:8485;node02:8485;node03:8485/ns1</value>
  </property>
  <!-- 指定故障自动恢复使用的哪个 java 类 -->
  <property>
    <name>dfs.client.failover.proxy.provider.ns</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>
  <!-- 故障转移使用的哪种通信机制 -->
  <property>
    <name>dfs.ha.fencing.methods</name>
    <value>sshfence</value>
  </property>
  <!-- 指定通信使用的公钥 -->
  <property>
    <name>dfs.ha.fencing.ssh.private-key-files</name>
    <value>/root/.ssh/id_rsa</value>
  </property>
  <!-- journalNode 数据存放地址 -->
  <property>
    <name>dfs.journalnode.edits.dir</name>
    <value>/export/servers/hadoop-2.7.5/data/dfs/jn</value>
  </property>
  <!-- 启用自动故障恢复功能 -->
  <property>
    <name>dfs.ha.automatic-failover.enabled</name>
    <value>true</value>
  </property>
  <!-- namenode 产生的文件存放路径 -->
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/name</value>
  </property>
  <!-- edits 产生的文件存放路径 -->
  <property>
    <name>dfs.namenode.edits.dir</name>
    <value>file:///export/servers/hadoop-2.7.5/data/dfs/nn/edits</value>
  </property>
  <!-- dataNode 文件存放路径 -->
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:///export/servers/hadoop-2.7.5/data/dfs/dn</value>
  </property>
  <!-- 关闭 hdfs 的文件权限 -->
  <property>
    <name>dfs.permissions</name>
    <value>false</value>
  </property>
  <!-- 指定 block 文件块的大小 -->
  <property>
    <name>dfs.blocksize</name>
    <value>134217728</value>
  </property>
</configuration>

修改 yarn-site.xml

注意 node03 与 node02 配置不同

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim yarn-site.xml
yarn-site.xml
<configuration>
  <!-- Site specific YARN configuration properties -->
  <!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如 HDFS. -->
  <!-- 用 户 可 以 通 过 配 置 "yarn.nodemanager.remote-app-log-dir" 、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->
  <!-- 用户可以通过应用程序时间服务器访问日志 -->
  <!-- 启用日志聚合功能，应用程序完成后，收集各个节点的日志到一起便于查看 -->
  <property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
  </property>
  <!--开启 resource manager HA,默认为 false-->
  <property>
    <name>yarn.resourcemanager.ha.enabled</name>
    <value>true</value>
  </property>
  <!-- 集群的 Id，使用该值确保 RM 不会做为其它集群的 active -->
  <property>
    <name>yarn.resourcemanager.cluster-id</name>
    <value>mycluster</value>
  </property>
  <!--配置 resource manager 命名-->
  <property>
    <name>yarn.resourcemanager.ha.rm-ids</name>
    <value>rm1,rm2</value>
  </property>
  <!-- 配置第一台机器的 resourceManager -->
  <property>
    <name>yarn.resourcemanager.hostname.rm1</name>
    <value>node03</value>
  </property>
  <!-- 配置第二台机器的 resourceManager -->
  <property>
    <name>yarn.resourcemanager.hostname.rm2</name>
    <value>node02</value>
  </property>
  <!-- 配置第一台机器的 resourceManager 通信地址 -->
  <property>
    <name>yarn.resourcemanager.address.rm1</name>
    <value>node03:8032</value>
  </property>
  <property>
    <name>yarn.resourcemanager.scheduler.address.rm1</name>
    <value>node03:8030</value>
  </property>
  <property>
    <name>yarn.resourcemanager.resourcetracker.address.rm1</name>
    <value>node03:8031</value>
  </property>
  <property>
    <name>yarn.resourcemanager.admin.address.rm1</name>
    <value>node03:8033</value>
  </property>
  <property>
    <name>yarn.resourcemanager.webapp.address.rm1</name>
    <value>node03:8088</value>
  </property>
  <!-- 配置第二台机器的 resourceManager 通信地址 -->
  <property>
    <name>yarn.resourcemanager.address.rm2</name>
    <value>node02:8032</value>
  </property>
  <property>
    <name>yarn.resourcemanager.scheduler.address.rm2</name>
    <value>node02:8030</value>
  </property>
  <property>
    <name>yarn.resourcemanager.resourcetracker.address.rm2</name>
    <value>node02:8031</value>
  </property>
  <property>
    <name>yarn.resourcemanager.admin.address.rm2</name>
    <value>node02:8033</value>
  </property>
  <property>
    <name>yarn.resourcemanager.webapp.address.rm2</name>
    <value>node02:8088</value>
  </property>
  <!--开启 resourcemanager 自动恢复功能-->
  <property>
    <name>yarn.resourcemanager.recovery.enabled</name>
    <value>true</value>
  </property>
  <!--在 node1 上配置 rm1,在 node2 上配置 rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在 YARN 的另一个机器上一定要修改，其他机器上不配置此项-->
  <property>
    <name>yarn.resourcemanager.ha.id</name>
    <value>rm1</value>
    <description>If we want to launch more than one RM in single node,we need this configuration</description>
  </property>

  <!--用于持久存储的类。尝试开启-->
  <property>
    <name>yarn.resourcemanager.store.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
  </property>
  <property>
    <name>yarn.resourcemanager.zk-address</name>
    <value>node01:2181,node02:2181,node03:2181</value>
    <description>For multiple zk services, separate them with comma</description>
  </property>
  <!--开启 resourcemanager 故障自动切换，指定机器-->
  <property>
    <name>yarn.resourcemanager.ha.automaticfailover.enabled</name>
    <value>true</value>
    <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>
  </property>
  <property>
    <name>yarn.client.failover-proxy-provider</name>
    <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
  </property>
  <!-- 允许分配给一个任务最大的 CPU 核数，默认是 8 -->
  <property>
    <name>yarn.nodemanager.resource.cpu-vcores</name>
    <value>4</value>
  </property>
  <!-- 每个节点可用内存,单位 MB -->
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>512</value>
  </property>
  <!-- 单个任务可申请最少内存，默认 1024MB -->
  <property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>512</value>
  </property>
  <!-- 单个任务可申请最大内存，默认 8192MB -->
  <property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>512</value>
  </property>
  <!--多长时间聚合删除一次日志 此处-->
  <property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>2592000</value><!--30 day-->
  </property>
  <!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
  <property>
    <name>yarn.nodemanager.log.retain-seconds</name>
    <value>604800</value><!--7 day-->
  </property>
  <!--指定文件压缩类型用于压缩汇总日志-->
  <property>
    <name>yarn.nodemanager.log-aggregation.compressiontype</name>
    <value>gz</value>
  </property>
  <!-- nodemanager 本地文件存储目录-->
  <property>
    <name>yarn.nodemanager.local-dirs</name>
    <value>/export/servers/hadoop-2.7.5/yarn/local</value>
  </property>
  <!-- resourceManager 保存最大的任务完成个数 -->
  <property>
    <name>yarn.resourcemanager.max-completed-applications</name>
    <value>1000</value>
  </property>
  <!-- 逗号隔开的服务列表，列表名称应该只包含 a-zA-Z0-9_,不能以数字开
  始-->
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <!--rm 失联后重新链接的时间-->
  <property>
    <name>yarn.resourcemanager.connect.retry-interval.ms</name>
    <value>2000</value>
  </property>
</configuration>

修改 mapred-site.xml

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-site.xml
mapred-site.xml
<configuration>
  <!--指定运行 mapreduce 的环境是 yarn -->
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
  <!-- MapReduce JobHistory Server IPC host:port -->
  <property>
    <name>mapreduce.jobhistory.address</name>
    <value>node03:10020</value>
  </property>
  <!-- MapReduce JobHistory Server Web UI host:port -->
  <property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>node03:19888</value>
  </property>
  <!-- The directory where MapReduce stores control files. 默 认 ${hadoop.tmp.dir}/mapred/system -->
  <property>
    <name>mapreduce.jobtracker.system.dir</name>
    <value>/export/servers/hadoop2.7.5/data/system/jobtracker</value>
  </property>
  <!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->
  <property>
    <name>mapreduce.map.memory.mb</name>
    <value>1024</value>
  </property>
  <!-- <property>
    <name>mapreduce.map.java.opts</name>
    <value>-Xmx1024m</value>
  </property> -->
  <!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
  <property>
    <name>mapreduce.reduce.memory.mb</name>
    <value>1024</value>
  </property>
  <!-- <property>
    <name>mapreduce.reduce.java.opts</name>
    <value>-Xmx2048m</value>
  </property> -->
  <!-- 用于存储文件的缓存内存的总数量，以兆字节为单位。默认情况下， 分配给每个合并流 1MB，给个合并流应该寻求最小化。默认值 100-->
  <property>
    <name>mapreduce.task.io.sort.mb</name>
    <value>100</value>
  </property>
  <!-- <property>
    <name>mapreduce.jobtracker.handler.count</name>
    <value>25</value>
  </property>-->
  <!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。 默认值 10-->
  <property>
    <name>mapreduce.task.io.sort.factor</name>
    <value>10</value>
  </property>
  <!-- 默认的并行传输量由 reduce 在 copy(shuffle)阶段。默认值 5-->
  <property>
    <name>mapreduce.reduce.shuffle.parallelcopies</name>
    <value>25</value>
  </property>
  <property>
    <name>yarn.app.mapreduce.am.command-opts</name>
    <value>-Xmx1024m</value>
  </property>
  <!-- MR AppMaster 所需的内存总量。默认值 1536-->
  <property>
    <name>yarn.app.mapreduce.am.resource.mb</name>
    <value>1536</value>
  </property>
  <!-- MapReduce 存储中间数据文件的本地目录。目录不存在则被忽略。默 认值${hadoop.tmp.dir}/mapred/local-->
  <property>
    <name>mapreduce.cluster.local.dir</name>
    <value>/export/servers/hadoop-2.7.5/data/system/local</value>
  </property>
</configuration>

修改 slaves

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim slaves
slaves
node01
node02
node03

修改 hadoop-env.sh

第一台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hadoop-env.sh
hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141

集群启动过程

将第一台机器的安装包发送到其他机器上
第一台机器执行以下命令

cd /export/servers
scp -r hadoop-2.7.5/ node02:$PWD
scp -r hadoop-2.7.5/ node03:$PWD

三台机器上共同创建目录
三台机器执行以下命令

mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/name
mkdir -p /export/servers/hadoop-2.7.5/data/dfs/nn/edits

更改 node02 的 rm2
第二台机器执行以下命令

cd /export/servers/hadoop-2.7.5/etc/hadoop
vim yarn-site.xml
yarn-site.xml
<!--在 node3 上配置 rm1,在 node2 上配置 rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，
但这个在 YARN 的另一个机器上一定要修改，其他机器上不配置此项
注意我们现在有两个 resourceManager 第三台是 rm1 第二台是 rm2
这个配置一定要记得去 node02 上面改好
-->
<property>
  <name>yarn.resourcemanager.ha.id</name>
  <value>rm2</value>
  <description>If we want to launch more than one RM in single node, we need this configuration</description>
</property>

启动 HDFS 过程

node01 机器执行以下命令

cd /export/servers/hadoop-2.7.5
bin/hdfs zkfc -formatZK
sbin/hadoop-daemons.sh start journalnode
bin/hdfs namenode -format
bin/hdfs namenode -initializeSharedEdits -force
sbin/start-dfs.sh
jps

node01

node02 上面执行

cd /export/servers/hadoop-2.7.5
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode

启动 yarn 过程

node03 上面执行

cd /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

node02 上执行

cd /export/servers/hadoop-2.7.5
sbin/start-yarn.sh

node0203

查看 resourceManager 状态

node03 上面执行

cd /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm1

NODE03

node02 上面执行

cd /export/servers/hadoop-2.7.5
bin/yarn rmadmin -getServiceState rm2

启动 jobHistory

node03 机器执行以下命令启动 jobHistory

cd /export/servers/hadoop-2.7.5
sbin/mr-jobhistory-daemon.sh start historyserver

hdfs 状态查看

node01 机器查看 hdfs 状态
http://192.168.52.100:50070/dfshealth.html#tab-overview

hdfs-1

node02 机器查看 hdfs 状态
http://192.168.52.110:50070/dfshealth.html#tab-overview

hdfs-2

yarn 集群访问查看

http://192.168.52.120:8088/cluster

yarn

历史任务浏览界面

页面访问：
http://192.168.52.120:19888/jobhistory

jobhistory

推荐阅读
大数据处理技术-CDH 伪分布式环境搭建 大数据处理技术-CDH 伪分布式环境搭建 大数据处理技术-apache hadoop三种架构介绍（StandAlone) 大数据处理技术-apache hadoop三种架构介绍（StandAlone) Spark环境部署（Ubuntu20.04） Spark环境部署（Ubuntu20.04） Hive安装部署 Hive安装部署 大数据处理技术-apache hadoop三种架构介绍(伪分布介绍以及安装) 大数据处理技术-apache hadoop三种架构介绍(伪分布介绍以及安装) 大数据处理技术-HDFS 的架构 大数据处理技术-HDFS 的架构

留言区

Are You A Robot?