[大数据]一起重新开始学大数据-hadoop篇-Day44-Hadoop、hdfs概述架构简析，Hadoop集群搭建

?
?
?
?
?

科普环节

概念、名词科普

• Apache基金会
  是专门为支持开源软件项目而办的一个非盈利性组织
• 服务器(节点)
  可以理解为我们的一台笔记本/台式机
  在这里可以认为是我们的一台虚拟机
  后面学习中，我们会把一台服务器称为一个节点
• 机架
  负责存放服务器的架子
  

Hadoop概述：

作者Doug Cutting 受Google三篇论文的启发，开发了hadoop。

• Google FS
• MapReduce
• BigTable

hadoop三大组件

hadoop是一个统称，目前hadoop主要包含三大组件
hdfs：是一个分布式存储框架，适合海量数据存储
mapreduce：是一个分布式计算框架，适合海量数据计算
yarn：是一个资源调度平台，负责给计算框架分配计算资源

分布式存储

• HDFS具有主从架构。

• HDFS集群由单个名称节点组成，主服务器管理文件系统名称空间并控制客户机对文件的访问。此外，还有许多数据节点，通常是集群中每个节点一个，它们管理连接到运行它们的节点的存储。
  

分布式存储介绍

• 在分布式存储系统中，分散在不同节点中的数据可能属于同一个文件。
• 为了组织众多的文件，把文件可以放到不同的文件夹中，文件夹可以一级一级的包含。我们把这种组织形式称为命名空间（namespace）。命名空间管理着整个服务器集群中的所有文件。
• 集群中不同的节点承担不同的职责。
  • 负责命名空间职责的节点称为主节点（master node）
  • 负责存储真实数据职责的节点称为从节点（slave node）。
  • 主节点负责管理文件系统的文件结构，从节点负责存储真实的数据，称为主从式结构（master-slaves）。
  • 用户操作时，应该先和主节点打交道，查询数据在哪些从节点上存储，然后再到从节点读取。
  • 在主节点上，为了加快用户访问的速度，会把整个命名空间信息都放在内存中，当存储的文件越多时，那么主节点就需要越多的内存空间。
  • 在从节点存储数据时，有的原始数据文件可能很大，有的可能很小，大小不一的文件不容易管理，那么可以抽象出一个独立的存储文件单位，称为块（block）。
  • 数据存放在集群中，可能因为网络原因或者节点硬件原因造成访问失败，最好采用副本（replication）机制，把数据同时备份到多台节点中，这样数据就安全了，数据丢失或者访问失败的概率就小了。

hdfs架构分析

• 负责数据的分布式存储
• 主从结构
  • 主节点，可以有2个：namenode
  • 从节点，有多个：datanode
• namenode负责
  • 接收用户操作请求，是用户操作的入口
  • 维护文件系统的目录结构，称作命名空间
• datanode负责
  • 存储数据

mapreduce架构分析

• 依赖磁盘io的批处理计算模型
• 主从结构
  • 主节点，只有一个: MRAppMaster
  • 从节点，就是具体的task
• MRAppMaster负责
  • 接收客户端提交的计算任务
  • 把计算任务分给NodeManager的Container中执行，即任务调度
    • Container是YARN中资源的抽象，它封装了某个节点上一定量的资源（CPU和内存两类资源）
    • Container由ApplicationMaster向ResourceManager申请的，由ResouceManager中的资源调度器异步分配给ApplicationMaster
    • Container的运行是由ApplicationMaster向资源所在的NodeManager发起的
  • 监控Container中Task的执行情况
• Task负责：
  • 处理数据

hadoop特点

• 扩容能力(Scalable)：能可靠(reliably)地存储和处理PB级别的数据。如果数据量更大，存储不下了,再增加节点就可以了。
• 成本低(Economical):可以通过普通机器组成的服务器集群来分发以及处理数据.这些服务器集群可达数千个节点。
• 高效率(Efficient):通过分发计算程序,hadoop可以在数据所在节点上(本地)并行地(parallel)处理他们,这使得处理非常的迅速
• 可靠性(Reliable):hadoop能够自动地维护数据的多份副本,并且在任务失败后能够自动地重新部署(redeploy)计算任务.

?
?
?
?
?
?
?
?

Hadoop集群搭建（分布式版本）

一、准备工作

• 三台虚拟机：master、node1、node2

• 时间同步

1.安装chrony
yum install chrony
2.启用
systemctl start chronyd
systemctl enable chronyd
3.设置时区
timedatectl set-timezone Asia/Shanghai
4.启用NTP同步
timedatectl set-ntp yes

• jdk1.8

java -version

• 修改主机名

  三台分别执行 vim /etc/hostname 并将内容指定为对应的主机名
  

• 关闭防火墙：systemctl stop firewalld

  • 查看防火墙状态：systemctl status firewalld
  • 取消防火墙自启：systemctl disable firewalld

• 静态IP配置

  • 直接使用图形化界面配置（不推荐）

  • 手动编辑配置文件进行配置

    1、编辑网络配置文件
    vim /etc/sysconfig/network-scripts/ifcfg-ens33
    
    TYPE=Ethernet
    BOOTPROTO=static
    HWADDR=00:0C:29:E2:B8:F2
    NAME=ens33
    DEVICE=ens33
    ONBOOT=yes
    IPADDR=192.168.190.100
    GATEWAY=192.168.190.2
    NETMASK=255.255.255.0
    DNS1=192.168.190.2
    DNS2=223.6.6.6
    
    需要修改：HWADDR（mac地址）
    		IPADDR（根据自己的网段，自定义IP地址）
    		GATEWAY（根据自己的网段填写对应的网关地址）
    
    2、关闭NetworkManager，并取消开机自启
    systemctl stop NetworkManager
    systemctl disable NetworkManager
    
    3、重启网络服务
    systemctl restart network
    

• 免密登录

  ①生成密钥
  ssh-keygen -t rsa
  ②配置免密登录
  ssh-copy-id master
ssh-copy-id node1
ssh-copy-id node2
  ③测试免密登录
  ssh node1

• 配置好映射文件：/etc/hosts

  192.168.190.100 master
  192.168.190.101 node1
  192.168.190.102 node2
  

二、搭建Hadoop集群

1、上传安装包并解压

使用xftp上传压缩包至master的/usr/local/soft/packages/

cd /usr/local/soft/packages/
解压
tar -zxvf hadoop-2.7.6.tar.gz -C /usr/local/soft/

2、配置环境变量

vim /etc/profile

JAVA_HOME=/usr/local/soft/jdk1.8.0_171
HADOOP_HOME=/usr/local/soft/hadoop-2.7.6
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

重新加载环境变量
source /etc/profile

3、修改Hadoop配置文件

• cd /usr/local/soft/hadoop-2.7.6/etc/hadoop/

• core-site.xml

      <property>
          <name>fs.defaultFS</name>
          <value>hdfs://master:9000</value>
      </property>
  
      <property>
          <name>hadoop.tmp.dir</name>
          <value>/usr/local/soft/hadoop-2.7.6/tmp</value>
      </property>
  
      <property>
          <name>fs.trash.interval</name>
          <value>1440</value>
      </property>
  

• hadoop-env.sh

  export JAVA_HOME=/usr/local/soft/jdk1.8.0_171
  

• hdfs-site.xml

      <property>
          <name>dfs.replication</name>
          <value>1</value>
      </property>
  
      <property>
          <name>dfs.permissions</name>
          <value>false</value>
      </property>
  

• mapred-site.xml.template

  # 1、重命名文件
  cp mapred-site.xml.template mapred-site.xml
  # 2、修改
      <property>
          <name>mapreduce.framework.name</name>
          <value>yarn</value>
      </property>
  
      <property>  
          <name>mapreduce.jobhistory.address</name>  
          <value>master:10020</value>  
      </property>  
  
      <property>  
          <name>mapreduce.jobhistory.webapp.address</name>  
          <value>master:19888</value>  
      </property> 
  

• slaves

  node1
  node2
  

• yarn-site.xml

      <property>
          <name>yarn.resourcemanager.hostname</name>
          <value>master</value>
      </property>
  
      <property>
          <name>yarn.nodemanager.aux-services</name>
          <value>mapreduce_shuffle</value>
      </property>
  
      <property>
          <name>yarn.log-aggregation-enable</name>
          <value>true</value>
      </property>
  
      <property>
          <name>yarn.log-aggregation.retain-seconds</name>
          <value>604800</value>
      </property>
  

4、分发Hadoop到node1、node2

cd /usr/local/soft/

scp -r hadoop-2.7.6/ node1:`pwd`

scp -r hadoop-2.7.6/ node2:`pwd`

5、格式化namenode（第一次启动的时候需要执行）

hdfs namenode -format

6、启动Hadoop集群

start-all.sh

7、检查master、node1、node2上的进程

• master：

  [root@master soft]# jps
  2597 NameNode
  2793 SecondaryNameNode
  2953 ResourceManager
  3215 Jps
  

• node1：

  [root@node1 jdk1.8.0_171]# jps
  11361 DataNode
  11459 NodeManager
  11559 Jps
  

• node2：

  [root@node2 ~]# jps
  11384 DataNode
  11482 NodeManager
  11582 Jps
  

8、访问HDFS的WEB界面

http://master:50070

9、访问YARN的WEB界面

http://master:8088

|
|
|
|

上一章-hadoop先导篇-Day43-Redis的主从复制和集群搭建
下一章-随缘更新
|
|
|
|
|