hadoop2叢集搭建過程
在這裡我選用4臺機器進行示範,各臺機器的職責如下表格所示
(說明: 1. ZooKeepe使用其它節點的 2. Hadoop0節點安裝所有的master, ha的matster全部是worker, 以達到較高的資源利用率,又對master的負載不會過高)
Hadoop0 -> dchadoop206
Hadoop1 -> dchadoop207
Hadoop2 -> dchadoop208
Hadoop3 -> dchadoop209
1.搭建自動HA
1.1.複製編譯後的hadoop專案到/usr/local目錄下
1.2.修改位於etc/hadoop目錄下的配置檔案
1.1.1.hadoop-env.sh
exportJAVA_HOME=/usr/local/jdk
1.1.1.core-site.xml
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://cluster1</value> </property>
【這裡的值指的是預設的HDFS路徑。當有多個HDFS叢集同時工作時,使用者如果不寫叢集名稱,那麼預設使用哪個哪?在這裡指定!該值來自於hdfs-site.xml中的配置。在節點hadoop0和hadoop1中使用cluster1,在節點hadoop2和hadoop3中使用cluster2】
<property> <name>hadoop.tmp.dir</name> <value>/data0/hadoop/tmp</value> </property>
【這裡的路徑預設是NameNode、DataNode、JournalNode等存放資料的公共目錄。使用者也可以自己單獨指定這三類節點的目錄。】
<property> <name>ha.zookeeper.quorum</name> <value>hadoop0:2181,hadoop1:2181,hadoop2:2181</value> </property>
【這裡是ZooKeeper叢集的地址和埠。注意,數量一定是奇數,且不少於三個節點】
</configuration>
1.1.1.hdfs-site.xml
該檔案只配置在hadoop0和hadoop1上。
<configuration> <property> <name>dfs.replication</name> <value>2</value> </property>
【指定DataNode儲存block的副本數量。預設值是3個,我們現在有4個DataNode,該值不大於4即可。】
<property> <name>dfs.namenode.name.dir</name> <value>file:///data0/hadoop2/hdfs/name</value> </property>
【指定namenode元資料資訊儲存位置】
<property> <name>dfs.datanode.data.dir</name><value>file:///data0/hadoop2/hdfs/data,file:///data1/hadoop2/hdfs/data,file:///data2/hadoop2/hdfs/data,file:///data3/hadoop2/hdfs/data,file:///data4/hadoop2/hdfs/data,file:///data5/hadoop2/hdfs/data,file:///data6/hadoop2/hdfs/data,file:///data7/hadoop2/hdfs/data,file:///data8/hadoop2/hdfs/data,file:///data9/hadoop2/hdfs/data,file:///data10/hadoop2/hdfs/data</value> </property>
【指定datanode元資料資訊儲存位置,設定成所有的磁碟】
<property> <name>dfs.nameservices</name> <value>cluster1</value> </property>
【設定cluster1的namenode id。】
<property> <name>dfs.ha.namenodes.cluster1</name> <value>hadoop0,hadoop1</value> </property>
【指定NameService是cluster1時的namenode有哪些,這裡的值也是邏輯名稱,名字隨便起,相互不重複即可】
<property> <name>dfs.namenode.rpc-address.cluster1.hadoop0</name> <value>hadoop0:9000</value> </property>
【指定hadoop0的RPC地址】
<property> <name>dfs.namenode.http-address.cluster1.hadoop0</name> <value>hadoop0:50070</value> </property>
【指定hadoop0的http地址】
<property> <name>dfs.namenode.rpc-address.cluster1.hadoop1</name> <value>hadoop1:9000</value> </property>
【指定hadoop1的RPC地址】
<property> <name>dfs.namenode.http-address.cluster1.hadoop1</name> <value>hadoop1:50070</value> </property>
【指定hadoop1的http地址】
<property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop0:8485;hadoop1:8485;hadoop2:8485/cluster1</value> </property>
【指定cluster1的兩個NameNode共享edits檔案目錄時,使用的JournalNode叢集資訊】
<property> <name>dfs.ha.automatic-failover.enabled.cluster1</name> <value>true</value> </property>
【指定cluster1是否啟動自動故障恢復,即當NameNode出故障時,是否自動切換到另一臺NameNode】
<property> <name>dfs.client.failover.proxy.provider.cluster1</name> <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value> </property>
【指定cluster1出故障時,哪個實現類負責執行故障切換】
<property> <name>dfs.journalnode.edits.dir</name> <value>/data0/hadoop2/hdfs/journal</value> </property>
【指定JournalNode叢集在對NameNode的目錄進行共享時,自己儲存資料的磁碟路徑】
<property> <name>dfs.ha.fencing.methods</name> <value>sshfence</value> </property>
【一旦需要NameNode切換,使用ssh方式進行操作】
<property> <name>dfs.ha.fencing.ssh.private-key-files</name> <value>/root/.ssh/id_rsa</value> </property>
【如果使用ssh進行故障切換,使用ssh通訊時用的金鑰儲存的位置】
</configuration>
1.2.4. slaves
hadoop1
hadoop2
hadoop2
1.3.把以上配置的內容複製到hadoop1、hadoop2、hadoop3節點上
1.4.修改hadoop1、hadoop2、hadoop3上的配置檔案內容
1.4.1.修改hadoop2上的core-site.xml內容
fs.defaultFS的值改為hdfs://cluster2
1.4.1.修改hadoop2上的hdfs-site.xml內容
把cluster1中關於journalnode的配置項刪除,增加如下內容
<property> <name>dfs.namenode.shared.edits.dir</name> <value>qjournal://hadoop0:8485;hadoop1:8485;hadoop2:8485/cluster2</value> </property>
1.4.3.開始啟動
1.4.3.1.啟動journalnode
在hadoop0、hadoop1、hadoop2上執行
sbin/hadoop-daemon.shstartjournalnode
1.4.3.1.格式化ZooKeeper
在hadoop0、hadoop2上執行
bin/hdfszkfc -formatZK
zkCli.sh-->ls->/Hadoop-ha/cluster1
1.4.3.3.對hadoop0節點進行格式化和啟動
bin/hdfsnamenode-format
sbin/hadoop-daemon.shstartnamenode
1.4.3.4.對hadoop1節點進行格式化和啟動
bin/hdfsnamenode-bootstrapStandby
sbin/hadoop-daemon.shstartnamenode
1.4.3.5.在hadoop0、hadoop1上啟動zkfc
sbin/hadoop-daemon.shstartzkfc
我們的hadoop0、hadoop1有一個節點就會變為active狀態。
1.4.3.6.對於cluster2執行類似操作
1.4.4.啟動datanode
在hadoop0上執行命令
sbin/hadoop-daemons.shstartdatanode
1.5.配置Yarn
1.5.1.修改檔案mapred-site.xml
<property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <property> <name>mapreduce.jobhistory.address</name> <value>hadoop0:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop0:19888</value> </property> <property> <name>mapreduce.task.io.sort.factor</name> <value>20</value> <description>Thenumberofstreamstomergeatoncewhilesorting files.Thisdeterminesthenumberofopenfilehandles.</description> </property> <property> <name>mapreduce.reduce.shuffle.parallelcopies</name> <value>40</value> <description>Thedefaultnumberofparalleltransfersrunbyreduce duringthecopy(shuffle)phase. </description> </property> <property> <name>mapreduce.job.reduce.slowstart.completedmaps</name> <value>0.80</value> <description>Fractionofthenumberofmapsinthejobwhichshouldbe completebeforereducesarescheduledforthejob. </description> </property> <property> <name>mapreduce.task.io.sort.mb</name> <value>300</value> <description>Thetotalamountofbuffermemorytousewhilesorting files,inmegabytes.Bydefault,giveseachmergestream1MB,which shouldminimizeseeks.</description> </property> <property> <name>mapreduce.map.output.compress</name> <value>true</value> <description>Shouldtheoutputsofthemapsbecompressedbeforebeing sentacrossthenetwork.UsesSequenceFilecompression. </description> </property> <property> <name>mapreduce.client.submit.file.replication</name> <value>5</value> <description>預設10,Thereplicationlevelforsubmittedjobfiles.This shouldbearoundthesquarerootofthenumberofnodes. </description> </property>
1.5.2.修改檔案yarn-site.xml
<property> <name>yarn.resourcemanager.ha.enabled</name> <value>true</value> </property>
【開啟resourcemanager ha模式】
<property> <name>yarn.resourcemanager.cluster-id</name> <value>yarn-ha-cluster</value> </property>
【開啟resourcemanager ha的叢集名稱,這個名稱可以在zookeeper中檢視】
<property> <name>yarn.resourcemanager.ha.rm-ids</name> <value>rm1,rm2</value> </property>
【設定resourcemanager的id,可以與主機同名】
<property> <name>yarn.resourcemanager.hostname.rm1</name> <value>hadoop0</value> </property>
【指定rm1對應哪一臺主機】
<property> <name>yarn.resourcemanager.hostname.rm2</name> <value>hadoop1</value> </property>
【指定rm1對應哪一臺主機】
<property> <name>yarn.resourcemanager.zk-address</name> <value>zk1:2181,zk2:2181,zk3:2181</value> </property> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <!---用什麼方式進行資料傳遞-> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property>
【設定日誌合併】
<property> <name>yarn.application.classpath</name> <value> /usr/local/hadoop-2.5.0-cdh5.3.8/etc/hadoop, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/common/*, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/common/lib/*, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/hdfs/*, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/hdfs/lib/*, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/yarn/*, /usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/yarn/lib/*, /usr/local/hbase-0.98.6-cdh5.3.8/lib/*, /usr/local/hadoop-2.5.0-cdh5.3.8/lib_dc/*, /usr/local/hbase-0.98.6-cdh5.3.8/conf/ </value> </property>
【設定classpath,沒有新增外部jar的話,不需要配這個】
<!--設定排程器型別為CapacityScheduler,預設是公平排程器--> <property> <name>yarn.resourcemanager.scheduler.class</name><value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value> </property> <!--設定nodemanager節點記憶體大小,CPU個數--> <property> <name>yarn.nodemanager.resource.memory-mb</name> <value>28672</value> </property>
【設定nodemanager節點記憶體大小 28G】
<property> <name>yarn.nodemanager.resource.cpu-vcores</name> <value>14</value> </property>
【設定nodemanager節點記憶體大小 14個core】
<property> <name>yarn.timeline-service.enabled</name> <value>true</value> </property>
【開啟timeline服務】
1.5.3 修改環境變數(可以不改,使用預設配置)
1.5.3.1修改 yarn-env.sh
YARN_LOG_DIR=/data0/hadoop2/logs
【修改yarn的日誌目錄,預設在$HADOOP_HOME/logs下】
1.5.3.2 修改hadoop-env.sh
exportJAVA_HOME=/usr/java/jdk1.7.0_25
【修改jdk】
exportHADOOP_LOG_DIR=/data0/hadoop2/logs
【修改hadoop的日誌目錄,預設在$HADOOP_HOME/logs下】
exportHADOOP_PID_DIR=/data0/hadoop2/pid
【修改hadoop pid目錄】
1.5.5修改capacity-scheduler.xml這個檔案(可選 ,設定排程器為CapacityScheduler時,可以通過這個配置檔案修改作業佇列)
<configuration> <!--comparememroyonly--> <property> <name>yarn.scheduler.capacity.resource-calculator</name> <value>org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator</value> </property> <!--morechanceforappmasterthatwilllaunchMRjobs--> <property> <name>yarn.scheduler.capacity.maximum-am-resource-percent</name> <value>0.9</value> </property>
【appMaster可以使用叢集多少資源】
<!--開啟非同步排程--> <property> <name>yarn.scheduler.capacity.schedule-asynchronously.enable</name> <value>true</value> </property> <!--定義佇列名稱queues,dev--> <property> <name>yarn.scheduler.capacity.root.queues</name> <value>default,dev</value> </property> <property> <name>yarn.scheduler.capacity.root.dev.capacity</name> <value>50</value> </property>
【設定佇列dev的能力大小佔叢集的50%】
<property> <name>yarn.scheduler.capacity.root.default.capacity</name> <value>50</value> </property>
【設定佇列default的能力大小佔叢集的50%】
</configuration>
1.5.4 啟動yarn
在hadoop0上執行
sbin/start-yarn.sh
轉載於:https://blog.51cto.com/zouqingyun/1754041