2021年大数据环境搭建(二):分布式环境搭建
2021大数据领域优质创作博客,带你从入门到精通,该博客每天更新,逐渐完善大数据各个知识体系的文章,帮助大家更高效学习。
有对大数据感兴趣的可以关注微信公众号:三帮大数据
目录
分布式环境搭建
集群规划
安装包解压
配置文件的修改
修改core-site.xml
修改hdfs-site.xml
修改yarn-site.xml,注意node03与node02配置不同
修改mapred-site.xml
修改slaves
修改hadoop-env.sh
集群启动过程
启动HDFS过程
启动yarn过程
查看resourceManager状态
node3启动jobHistory
hdfs状态查看
yarn集群访问查看
历史任务浏览界面
分布式环境搭建
集群规划
使用完全分布式,实现namenode高可用,ResourceManager的高可用
集群运行服务规划
node1 |
node2 |
node3 |
|
zookeeper |
zk |
zk |
zk |
HDFS |
JournalNode |
JournalNode |
JournalNode |
NameNode |
NameNode |
||
ZKFC |
ZKFC |
||
DataNode |
DataNode |
DataNode |
|
YARN |
ResourceManager |
ResourceManager |
|
NodeManager |
NodeManager |
NodeManager |
|
MapReduce |
JobHistoryServer |
安装包解压
停止之前的hadoop集群的所有服务,然后重新解压编译后的hadoop压缩包
解压压缩包
node1机器执行以下命令进行解压
mkdir -p /opt/softwaremkdir -p /opt/servercd /opt/softwaretar -zxvf hadoop-2.7.5.tar.gz -C /opt/server/cd /opt/server/hadoop-2.7.5/etc/hadoop
配置文件的修改
以下操作都在node1机器上进行
修改core-site.xml
<configuration><!-- 指定NameNode的HA高可用的zk地址 --><property><name>ha.zookeeper.quorum</name><value>node1:2181,node2:2181,node3:2181</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>/opt/server/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
<configuration><!-- 指定NameNode的HA高可用的zk地址 --><property><name>ha.zookeeper.quorum</name><value>node1:2181,node2:2181,node3:2181</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>/opt/server/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yarn-site.xml,注意node03与node02配置不同
<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>node2</value></property><!-- 配置第二台机器的resourceManager --><property><name>yarn.resourcemanager.hostname.rm2</name><value>node3</value></property><!-- 配置第一台机器的resourceManager通信地址 --><property><name>yarn.resourcemanager.address.rm1</name><value>node2:8032</value></property><property><name>yarn.resourcemanager.scheduler.address.rm1</name><value>node2:8030</value></property><property><name>yarn.resourcemanager.resource-tracker.address.rm1</name><value>node2:8031</value></property><property><name>yarn.resourcemanager.admin.address.rm1</name><value>node2:8033</value></property><property><name>yarn.resourcemanager.webapp.address.rm1</name><value>node2:8088</value></property><!-- 配置第二台机器的resourceManager通信地址 --><property><name>yarn.resourcemanager.address.rm2</name><value>node3:8032</value></property><property><name>yarn.resourcemanager.scheduler.address.rm2</name><value>node3:8030</value></property><property><name>yarn.resourcemanager.resource-tracker.address.rm2</name><value>node3:8031</value></property><property><name>yarn.resourcemanager.admin.address.rm2</name><value>node3:8033</value></property><property><name>yarn.resourcemanager.webapp.address.rm2</name><value>node3:8088</value></property><!--开启resourcemanager自动恢复功能--><property><name>yarn.resourcemanager.recovery.enabled</name><value>true</value></property><!--在node2上配置rm1,在node3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>node2:2181,node3:2181,node1:2181</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.automatic-failover.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>2</value></property><!-- 每个节点可用内存,单位MB --><property><name>yarn.nodemanager.resource.memory-mb</name><value>2048</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>1024</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>2048</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.compression-type</name><value>gz</value></property><!-- nodemanager本地文件存储目录--><property><name>yarn.nodemanager.local-dirs</name><value>/opt/server/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
<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>node3:10020</value></property><!-- MapReduce JobHistory Server Web UI host:port --><property><name>mapreduce.jobhistory.webapp.address</name><value>node0:19888</value></property><!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system --><property><name>mapreduce.jobtracker.system.dir</name><value>/opt/server/hadoop-2.7.5/data/system/jobtracker</value></property><!-- The amount of memory to request from the scheduler for each map task. 默认 1024--><property><name>mapreduce.map.memory.mb</name><value>1024</value></property><!-- <property><name>mapreduce.map.java.opts</name><value>-Xmx1024m</value></property> --><!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024--><property><name>mapreduce.reduce.memory.mb</name><value>1024</value></property><!-- <property><name>mapreduce.reduce.java.opts</name><value>-Xmx2048m</value></property> --><!-- 用于存储文件的缓存内存的总数量,以兆字节为单位。默认情况下,分配给每个合并流1MB,给个合并流应该寻求最小化。默认值100--><property><name>mapreduce.task.io.sort.mb</name><value>100</value></property><!-- <property><name>mapreduce.jobtracker.handler.count</name><value>25</value></property>--><!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10--><property><name>mapreduce.task.io.sort.factor</name><value>10</value></property><!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5--><property><name>mapreduce.reduce.shuffle.parallelcopies</name><value>15</value></property><property><name>yarn.app.mapreduce.am.command-opts</name><value>-Xmx1024m</value></property><!-- MR AppMaster所需的内存总量。默认值1536--><property><name>yarn.app.mapreduce.am.resource.mb</name><value>1536</value></property><!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local--><property><name>mapreduce.cluster.local.dir</name><value>/opt/server/hadoop-2.7.5/data/system/local</value></property></configuration>
修改slaves
node1node2node3
修改hadoop-env.sh
export JAVA_HOME=/export/server/jdk1.8.0_241
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 /opt/serverscp -r hadoop-2.7.5/ node2:$PWDscp -r hadoop-2.7.5/ node3:$PWD
三台机器上共同创建目录
三台机器执行以下命令
mkdir -p /opt/server/hadoop-2.7.5/data/dfs/nn/namemkdir -p /opt/server/hadoop-2.7.5/data/dfs/nn/editsmkdir -p /opt/server/hadoop-2.7.5/data/dfs/nn/namemkdir -p /opt/server/hadoop-2.7.5/data/dfs/nn/edits
更改node3的rm2
第二台机器执行以下命令
vim yarn-site.xml
<!--在node2上配置rm1,在node3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 第二台是rm1 第三台是rm2
这个配置一定要记得去node3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
node1机器执行以下命令
cd /opt/server/hadoop-2.7.5bin/hdfs zkfc -formatZKsbin/hadoop-daemons.sh start journalnodebin/hdfs namenode -formatbin/hdfs namenode -initializeSharedEdits -forcesbin/start-dfs.sh
node2上面执行
cd /opt/server/hadoop-2.7.5bin/hdfs namenode -bootstrapStandbysbin/hadoop-daemon.sh start namenode
启动yarn过程
node2上执行
cd /opt/server/hadoop-2.7.5sbin/start-yarn.sh
node3上面执行
cd /export/servers/hadoop-2.7.5sbin/start-yarn.sh
查看resourceManager状态
node2上面执行
cd /opt/server/hadoop-2.7.5bin/yarn rmadmin -getServiceState rm1
node3上面执行
cd /opt/server/hadoop-2.7.5bin/yarn rmadmin -getServiceState rm2
node3启动jobHistory
node3机器执行以下命令启动jobHistory
cd /opt/server/hadoop-2.7.5sbin/mr-jobhistory-daemon.sh start historyserver
hdfs状态查看
node1机器查看hdfs状态
http://192.168.88.161:50070/dfshealth.html#tab-overview
node2机器查看hdfs状态
http://192.168.88.162:50070/dfshealth.html#tab-overview
yarn集群访问查看
http://192.168.88.163:8088/cluster
历史任务浏览界面
页面访问:
http://192.168.88.163:19888/jobhistory
-
2021年大数据环境搭建(二):分布式环境搭建相关推荐
- 最详细的Hadoop+Hbase+Hive完全分布式环境搭建教程(二)
继续上次的教程,这次安装hbase与hive.之前有同学反应百度网盘中没有hbase安装包,这次补上了,在上篇博客的网盘链接中已经有了,最详细的Hadoop+Hbase+Hive完全分布式环境搭建教程 ...
- 大数据入门学习之环境搭建
一:环境搭建:VM.CentOS7安装及网络配置 大数据入门首先需要搭建环境,接下来的三篇文章均是环境搭建部分的内容. 首先我们要安装虚拟机及linux系统 一.安装虚拟机VM 官网下载VM虚拟机:这 ...
- Python+大数据-知行教育(一)-环境搭建 数据仓库
Python+大数据-知行教育(一)-环境搭建 数据仓库 1. 教育项目的数仓分层 回顾: 原有的基础分层 ODS层: 源数据层作用: 对接数据源, 和数据源的数据保持相同的粒度(将数据源的数据完整的 ...
- Zookeeper分布式环境搭建
Zookeeper分布式环境搭建 一.分布式安装部署 1.前置条件 2.集群规划 3.解压安装 4.配置zoo.cfg文件 5.集群操作 二.配置参数解读 1.tickTime 2.initLimit ...
- jmeter分布式环境搭建
jmeter分布式环境搭建部署 jmeter分布式环境搭建 Jmeter运行方式:GUI和非GUI GUI.非GUI遇到的问题 如何解决? Jmeter分布式部署流程 Jmeter非GUI运行时动态参 ...
- 搭建webassembly网页播放器(二)---emcc环境搭建
emcc全称 emscripten,最重要的功能就是让网页js调用c/c++ 成为可能,是我们基于webassembly搭建网页播放器必须依赖的编译工具. emcc官网的搭建教程较为简单,安装过程中最 ...
- HDFS伪分布式环境搭建-很不错
HDFS伪分布式环境搭建 原创 ZeroOne01 2018-03-24 19:51:20 评论(0) 655人阅读 HDFS概述及设计目标 什么是HDFS: 是Hadoop实现的一个分布式文件系统( ...
- Hadoop入门基础教程 Hadoop之完全分布式环境搭建
上一篇我们完成了Hadoop伪分布式环境的搭建,伪分布式模式也叫单节点集群模式, NameNode.SecondaryNameNode.DataNode.JobTracker.TaskTracker所 ...
- Hadoop单机和伪分布式环境搭建
hadoop环境搭建 1.三个环境 单机.伪分布式.分布式 2.三个分支 apache版本(Apache基金会) cdh版本(cloudera公司) ...
最新文章
- 修改ubuntu崩溃转储的设置
- dedecms首页去掉index.html怎么设置
- php注入类,简单实用的PHP防注入类实例
- C++11强类型枚举,override/final
- python怎么做软件程序_如何打包和发布Python程序
- windows2003——IIS
- JEECG - 基于代码生成器的J2EE智能开发框架 续一:开发环境搭建步骤
- java logic逻辑,logicJava的复习
- HTML与CSS布局技巧总结,Html和CSS布局技巧总结(偶尔回顾回顾布局也是很有必要的)...
- Kotlin入门(26)数据库ManagedSQLiteOpenHelper
- 牛逼!java开发环境配置视频教程
- VGG-16网络结构详解
- EC2(elastic compute cloud,弹性计算云,又称EC2实例)
- 如何去掉百度地图logo
- CSPS2019Day2T1(Emiya家今天的饭)题解
- 手机IMEI串码获取
- Camera ITS当中的gain/shutter组合测试
- C++的数据复合类型
- 梳理公司的组织架构 --- 组合模式
- vue3学习之旅--邂逅vue3-了解认识Vue3(二)
热门文章
- 最详细的Hadoop+Hbase+Hive完全分布式环境搭建教程(二)