hadoop 搭建

Author： TinyMeng
发布时间：August 22, 2019
1255 views
No comments
4800 words
Categories： Java

1.什么是hadoop

hadoop中有3个核心组件：
分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上
分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算
分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

2、hdfs整体运行机制

hdfs：分布式文件系统
hdfs有着文件系统共同的特征：

1、有目录结构，顶层目录是： /
2、系统中存放的就是文件
3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能

hdfs跟普通的单机文件系统有区别：

1、单机文件系统中存放的文件，是在一台机器的操作系统中
2、hdfs的文件系统会横跨N多的机器
3、单机文件系统中存放的文件，是在一台机器的磁盘上
4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：

1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>
2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）
3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

3、搭建hdfs分布式集群

3.1 hdfs集群组成结构：

3.2 安装hdfs集群的具体步骤：

一、首先需要准备N台linux服务器
学习阶段，用虚拟机即可！
先准备4台虚拟机：1个namenode节点 + 3 个datanode 节点

二、修改各台机器的主机名和ip地址

主机名：hdp-01  对应的ip地址：192.168.33.61
主机名：hdp-02  对应的ip地址：192.168.33.62
主机名：hdp-03  对应的ip地址：192.168.33.63
主机名：hdp-04  对应的ip地址：192.168.33.64

4.配置linux服务器的基础软件环境

防火墙

关闭防火墙：service iptables stop
关闭防火墙自启： chkconfig iptables off

安装jdk：（hadoop体系中的各软件都是java开发的）

在Liunx上安装Java环境JDK

集群内主机的域名映射配置

在hdp-01上，vi /etc/hosts

127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.33.61   hdp-01
192.168.33.62   hdp-02
192.168.33.63   hdp-03
192.168.33.64   hdp-04

然后，将hosts文件拷贝到集群中的所有其他机器上

scp /etc/hosts hdp-02:/etc/
scp /etc/hosts hdp-03:/etc/
scp /etc/hosts hdp-04:/etc/

5.安装hdfs集群

1、上传hadoop安装包到hdp-01

tar -xzvf hadoop-3.2.0.tar.gz
mv hadoop-3.2.0 /usr/local/hadoop-3.2.0

hadoop的配置文件在：/usr/local/hadoop-3.2.0/etc/hadoop安装目录/usr/local/hadoop-3.2.0

1) 修改hadoop-env.sh

export JAVA_HOME=/opt/jdk1.8.0_66

2) 修改core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hdp-01:9000</value>
</property>
</configuration>

3) 修改hdfs-site.xml

<configuration>
    <property>
    <name>dfs.namenode.name.dir</name>
    <value>/root/hdpdata/name/</value>
    </property>

    <property>
    <name>dfs.datanode.data.dir</name>
    <value>/root/hdpdata/data</value>
    </property>

    <property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>47.96.106.223:50090</value>
    </property>
</configuration>

4) 拷贝整个hadoop安装目录到其他机器

scp -r /root/apps/hadoop-2.8.1  hdp-02:/root/apps/
scp -r /root/apps/hadoop-2.8.1  hdp-03:/root/apps/
scp -r /root/apps/hadoop-2.8.1  hdp-04:/root/apps/

5) 启动HDFS

首先，初始化namenode的元数据目录
要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录

hadoop namenode -format

1.创建一个全新的元数据存储目录
2.生成记录元数据的文件fsimage
3.生成集群的相关标识：如：集群id——clusterID

然后，启动namenode进程（在hdp-01上）

hadoop-daemon.sh start namenode

启动完后，首先用jps查看一下namenode的进程是否存在

然后，在windows中用浏览器访问namenode提供的web端口：50070

//hdp-01:50070

然后，启动众datanode们（在任意地方）

hadoop-daemon.sh start datanode

6) 用自动批量启动脚本来启动HDFS

1)先配置hdp-01到集群中所有机器（包含自己）的免密登陆
2)配完免密后，可以执行一次 ssh 0.0.0.0
3)修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）
```
hdp-01
hdp-02
hdp-03
hdp-04
```

4)在hdp-01上用脚本：start-dfs.sh 来自动启动整个集群
5)如果要停止，则用脚本：stop-dfs.sh

如启动报错:
Hadoop ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation. Starting datanodes
然后启动成功

[root@iZbp153yczpm4pp9pjs0u3Z sbin]# start-all.sh 
WARNING: HADOOP_SECURE_DN_USER has been replaced by HDFS_DATANODE_SECURE_USER. Using value of HADOOP_SECURE_DN_USER.
Starting namenodes on [hdp-01]
Last login: Thu Aug 22 15:50:14 CST 2019 from 121.69.28.10 on pts/1
hdp-01: ssh: Could not resolve hostname hdp-01: Name or service not known
Starting datanodes
Last login: Thu Aug 22 15:52:58 CST 2019 on pts/0
Starting secondary namenodes [47.96.106.223]
Last login: Thu Aug 22 15:52:58 CST 2019 on pts/0
Starting resourcemanager
Last login: Thu Aug 22 15:53:04 CST 2019 on pts/0
Starting nodemanagers
Last login: Thu Aug 22 15:53:11 CST 2019 on pts/0

6、hdfs的客户端操作

客户端的理解
hdfs的客户端有多种形式：

1、网页形式
2、命令行形式
3、客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网

文件的切块大小和存储的副本数量，都是由客户端决定！
所谓的由客户端决定，是通过配置参数来定的
hdfs的客户端会读以下两个参数，来决定切块大小、副本数量：
切块大小的参数： dfs.blocksize
副本数量的参数： dfs.replication

上面两个参数应该配置在客户端机器的hadoop目录中的hdfs-site.xml中配置

<property>
<name>dfs.blocksize</name>
<value>64m</value>
</property>

<property>
<name>dfs.replication</name>
<value>2</value>
</property>

hdfs客户端的常用操作命令

1、上传文件到hdfs中

hadoop fs -put /本地文件  /aaa

2、下载文件到客户端本地磁盘

hadoop fs -get /hdfs中的路径   /本地磁盘目录

3、在hdfs中创建文件夹

hadoop fs -mkdir  -p /aaa/xxx

4、移动hdfs中的文件（更名）

hadoop fs -mv /hdfs的路径1  /hdfs的另一个路径2

复制hdfs中的文件到hdfs的另一个目录

hadoop fs -cp /hdfs路径_1  /hdfs路径_2

5、删除hdfs中的文件或文件夹

hadoop fs -rm -r /aaa

6、查看hdfs中的文本文件内容

hadoop fs -cat /demo.txt
hadoop fs -tail -f /demo.txt

Last modification：August 23, 2019

如果觉得我的文章对你有用，请随意赞赏

hadoop 搭建

TinyMeng • 2019 年 08 月 22 日

<h2>1.什么是hadoop</h2>hadoop中有3个核心组件： 分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上 分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算 分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源<h2>2、hdfs整体运行机制</h2>hdfs：分布式文件系统 hdfs有着文件系统共同的特征：<ul><li>1、有目录结构，顶层目录是： /</li><li>2、系统中存放的就是文件</li><li>3、系统可以提供对文件的：创建、删除、修改、查看、移动等功能</li></ul>hdfs跟普通的单机文件系统有区别：<ul><li>1、单机文件系统中存放的文件，是在一台机器的操作系统中</li><li>2、hdfs的文件系统会横跨N多的机器</li><li>3、单机文件系统中存放的文件，是在一台机器的磁盘上</li><li>4、hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）</li></ul>hdfs的工作机制：<ul><li>1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）&lt;准确来说：切块的行为是由客户端决定的&gt;</li><li>2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）</li><li>3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）</li></ul><blockquote>综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！</blockquote><h2>3、搭建hdfs分布式集群</h2><h4>3.1 hdfs集群组成结构：</h4><img src="//img-oss.majiameng.com/file/2019-08-22/NEp0s02LslpAvN0R.png" alt="" title=""style=""><h4>3.2 安装hdfs集群的具体步骤：</h4>一、首先需要准备N台linux服务器 学习阶段，用虚拟机即可！ 先准备4台虚拟机：1个namenode节点 + 3 个datanode 节点二、修改各台机器的主机名和ip地址<pre><code>主机名：hdp-01 对应的ip地址：192.168.33.61
主机名：hdp-02 对应的ip地址：192.168.33.62
主机名：hdp-03 对应的ip地址：192.168.33.63
主机名：hdp-04 对应的ip地址：192.168.33.64</code></pre><img src="//img-oss.majiameng.com/file/2019-08-22/LhqZU64HvClQ32jZ.png" alt="" title=""style=""><h2>4.配置linux服务器的基础软件环境</h2>防火墙<ul><li>关闭防火墙：service iptables stop 关闭防火墙自启： chkconfig iptables off</li></ul>安装jdk：（hadoop体系中的各软件都是java开发的）<ul><li><a href="//blog.majiameng.com/article/1440.html" title="在Liunx上安装Java环境JDK">在Liunx上安装Java环境JDK</a></li></ul>集群内主机的域名映射配置<ul><li>在hdp-01上，vi /etc/hosts<pre><code>127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.33.61 hdp-01
192.168.33.62 hdp-02
192.168.33.63 hdp-03
192.168.33.64 hdp-04</code></pre>然后，将hosts文件拷贝到集群中的所有其他机器上<pre><code>scp /etc/hosts hdp-02:/etc/
scp /etc/hosts hdp-03:/etc/
scp /etc/hosts hdp-04:/etc/</code></pre></li></ul><h2>5.安装hdfs集群</h2>1、上传hadoop安装包到hdp-01<pre><code>tar -xzvf hadoop-3.2.0.tar.gz
mv hadoop-3.2.0 /usr/local/hadoop-3.2.0</code></pre>hadoop的配置文件在：<code>/usr/local/hadoop-3.2.0/etc/hadoop</code>安装目录<code>/usr/local/hadoop-3.2.0</code>1) 修改<code>hadoop-env.sh</code><pre><code>export JAVA_HOME=/opt/jdk1.8.0_66</code></pre>2) 修改<code>core-site.xml</code><pre><code>&lt;configuration&gt;
&lt;property&gt;
&lt;name&gt;fs.defaultFS&lt;/name&gt;
&lt;value&gt;hdfs://hdp-01:9000&lt;/value&gt;
&lt;/property&gt;
&lt;/configuration&gt;</code></pre>3) 修改<code>hdfs-site.xml</code><pre><code>&lt;configuration&gt;
 &lt;property&gt;
 &lt;name&gt;dfs.namenode.name.dir&lt;/name&gt;
 &lt;value&gt;/root/hdpdata/name/&lt;/value&gt;
 &lt;/property&gt;

&lt;property&gt;
    &lt;name&gt;dfs.datanode.data.dir&lt;/name&gt;
    &lt;value&gt;/root/hdpdata/data&lt;/value&gt;
    &lt;/property&gt;

&lt;property&gt;
 &lt;name&gt;dfs.namenode.secondary.http-address&lt;/name&gt;
 &lt;value&gt;47.96.106.223:50090&lt;/value&gt;
 &lt;/property&gt;
&lt;/configuration&gt;</code></pre>4) 拷贝整个hadoop安装目录到其他机器<pre><code>scp -r /root/apps/hadoop-2.8.1 hdp-02:/root/apps/
scp -r /root/apps/hadoop-2.8.1 hdp-03:/root/apps/
scp -r /root/apps/hadoop-2.8.1 hdp-04:/root/apps/</code></pre>5) 启动HDFS首先，初始化namenode的元数据目录 要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录<pre><code>hadoop namenode -format</code></pre><ul><li>1.创建一个全新的元数据存储目录 2.生成记录元数据的文件fsimage 3.生成集群的相关标识：如：集群id——clusterID</li></ul>然后，启动namenode进程（在hdp-01上）<pre><code>hadoop-daemon.sh start namenode</code></pre>启动完后，首先用jps查看一下namenode的进程是否存在然后，在windows中用浏览器访问namenode提供的web端口：50070<pre><code>//hdp-01:50070</code></pre>然后，启动众datanode们（在任意地方）<pre><code>hadoop-daemon.sh start datanode</code></pre>6) 用自动批量启动脚本来启动HDFS<ul><li>1)先配置hdp-01到集群中所有机器（包含自己）的免密登陆 2)配完免密后，可以执行一次 <code>ssh 0.0.0.0</code> 3)修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）<pre><code>hdp-01
hdp-02
hdp-03
hdp-04</code></pre></li></ul>4)在hdp-01上用脚本：<code>start-dfs.sh</code> 来自动启动整个集群 5)如果要停止，则用脚本：<code>stop-dfs.sh</code>如启动报错: <a href="//blog.majiameng.com/article/2728.html" title="Hadoop ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation. Starting datanodes">Hadoop ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation. Starting datanodes</a> 然后启动成功<pre><code>[root@iZbp153yczpm4pp9pjs0u3Z sbin]# start-all.sh 
WARNING: HADOOP_SECURE_DN_USER has been replaced by HDFS_DATANODE_SECURE_USER. Using value of HADOOP_SECURE_DN_USER.
Starting namenodes on [hdp-01]
Last login: Thu Aug 22 15:50:14 CST 2019 from 121.69.28.10 on pts/1
hdp-01: ssh: Could not resolve hostname hdp-01: Name or service not known
Starting datanodes
Last login: Thu Aug 22 15:52:58 CST 2019 on pts/0
Starting secondary namenodes [47.96.106.223]
Last login: Thu Aug 22 15:52:58 CST 2019 on pts/0
Starting resourcemanager
Last login: Thu Aug 22 15:53:04 CST 2019 on pts/0
Starting nodemanagers
Last login: Thu Aug 22 15:53:11 CST 2019 on pts/0</code></pre><h2>6、hdfs的客户端操作</h2>客户端的理解 hdfs的客户端有多种形式：<ul><li>1、网页形式 2、命令行形式 3、客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网</li></ul>文件的切块大小和存储的副本数量，都是由客户端决定！ 所谓的由客户端决定，是通过配置参数来定的 hdfs的客户端会读以下两个参数，来决定切块大小、副本数量： 切块大小的参数： <code>dfs.blocksize</code> 副本数量的参数： <code>dfs.replication</code>上面两个参数应该配置在客户端机器的hadoop目录中的<code>hdfs-site.xml</code>中配置<pre><code>&lt;property&gt;
&lt;name&gt;dfs.blocksize&lt;/name&gt;
&lt;value&gt;64m&lt;/value&gt;
&lt;/property&gt;

&lt;property&gt;
&lt;name&gt;dfs.replication&lt;/name&gt;
&lt;value&gt;2&lt;/value&gt;
&lt;/property&gt;</code></pre><h1>hdfs客户端的常用操作命令</h1>1、上传文件到hdfs中<pre><code>hadoop fs -put /本地文件 /aaa</code></pre>2、下载文件到客户端本地磁盘<pre><code>hadoop fs -get /hdfs中的路径 /本地磁盘目录</code></pre>3、在hdfs中创建文件夹<pre><code>hadoop fs -mkdir -p /aaa/xxx</code></pre>4、移动hdfs中的文件（更名）<pre><code>hadoop fs -mv /hdfs的路径1 /hdfs的另一个路径2</code></pre>复制hdfs中的文件到hdfs的另一个目录<pre><code>hadoop fs -cp /hdfs路径_1 /hdfs路径_2</code></pre>5、删除hdfs中的文件或文件夹<pre><code>hadoop fs -rm -r /aaa</code></pre>6、查看hdfs中的文本文件内容<pre><code>hadoop fs -cat /demo.txt
hadoop fs -tail -f /demo.txt</code></pre>

hadoop 搭建

1.什么是hadoop

2、hdfs整体运行机制

3、搭建hdfs分布式集群

3.1 hdfs集群组成结构：

3.2 安装hdfs集群的具体步骤：

4.配置linux服务器的基础软件环境

5.安装hdfs集群

6、hdfs的客户端操作

hdfs客户端的常用操作命令

Leave a Comment Cancel reply

elasticSearch 6和7的版本改变大坑

phpstorm idea 激活码 - IntelliJ IDEA 注册码(JetBrains PhpStorm/JetBrains PyCharm/JetBrains GoLand )通用注册码

用thinkphp6框架的think-swoole实现websocket的onRequest回调事件

使用Workerman搭建websocket

liunx查询硬盘使用和文件大小

.htaccess使用方法总结

freemarker中list的创建以及list的遍历循环

liunx 安装cmake或升级cmake

ES常用的数据类型可分为3大类

liunx服务的svn搭建

hadoop 搭建