ubuntu_hadoop 部署笔记
ubuntu_hadoop 部署笔记
闵开慧 发表于5年前
ubuntu_hadoop 部署笔记
  • 发表于 5年前
  • 阅读 147
  • 收藏 1
  • 点赞 0
  • 评论 0

标题:腾讯云 新注册用户域名抢购1元起>>>   

摘要: ubuntu_hadoop 部署笔记
单机模式部署

一、Jdk安装
命令:sudo apt-get install openjdk-6-jdk
目录:/usr/lib/jvm/java-6-openjdk
配置环境变量:
nano /etc/environment
在其中添加如下两行: 
CLASSPATH=./:/usr/lib/jvm/java-6-openjdk/lib
JAVA_HOME=/usr/lib/jvm/java-6-openjdk
PATH添加::/usr/lib/jvm/java-6-openjdk

二、新增hadoop用户
命令:sudo addgroup hadoop
sudo adduser --ingroup hadoop hadoop
nano gedit etc/sudoers
添加配置:
在root ALL=(ALL) ALL后 hadoop ALL=(ALL) ALL使hadoop用户具有root权限
(id:查看用户)

三、ssh配置
用hadoop账户进行登录。
安装openssh-server:sudo apt-get install openssh-server
建立SSH KEY:ssh-keygen -t rsa -P ""
启用SSH KEY:cat $HOME/.ssh/id_rsa.pub >> $HOME/.ssh/authorized_keys
sudo /etc/init.d/ssh reload
验证SSH的配置:ssh localhost
hadoop@datanode1:~$ cat $HOME/.ssh/id_rsa.pub >> $HOME/.ssh/authorized_keys

hadoop@datanode2:~$ mkdir .ssh      建在hadoop用户下
hadoop@datanode2:~$ sudo mkdir .ssh 建在了root用户下

四、安装hadoop并更改用户所有权
我们采用的Hadoop版本是最新的Hadoop-0.20.2,可到Apache基金会官方主页下载http://www.apache.org/dyn/closer.cgi/hadoop/core,然后使用tar或直接解压到/home/hadoop下,解压后得到一个hadoop-0.20.2的一个文件夹。
    安装目录:/usr/local/hadoop
    更改所有权:chown -R hadoop:hadoop hadoop

五、配置hadoop
(1)配置$HADOOP_HOME/conf/hadoop-env.sh
切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/hadoop-env.sh文件
将:# export JAVA_HOME=/usr/lib/j2sdk1.5-sun
改为:export JAVA_HOME=/usr/lib/jvm/java-6-openjdk
(2) 配置$HADOOP_HOME/conf/core-site.xml
切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/core-site.xml文件
<configuration>
<property>
  <name>fs.default.name</name>
  <value>hdfs://localhost:9000</value>
</property>
<property>
  <name>hadoop.tmp.dir</name>
  <value>/home/hadoop/tmp</value>
</property>
-- 配置第二名称节点
<property>
  <name>fs.checkpoint.dir</name>
  <value>{}/home/hadoop/secondname</value> 
</property>
-- 设置回收站保留时间
<property>
  <name>fs.trash.interval</name>
  <value>10080</value>
  <description>
      Number of minutes between trash checkpoints. If zero, the trash feature is disabled
  </description>
</property>
</configuration>
(3) 配置$HADOOP_HOME/conf/hdfs-site.xml
切换到Hadoop的安装路径找到hadoop-0.20.2下的conf/hdfs-site.xml文件内容如下:
<configuration>
<property>
<name>dfs.name.dir</name>
<value>/home/hadoop/name</value>
</property> 
<property>
<name>dfs.data.dir</name>
<value>/home/hadoop/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>2</value>
</property> 
-- NameNode HTTP状态监视地址
<property>
<name>dfs.http.address</name>
<value>localhost:50070</value>
</property> 
-- SecondaryNameNode HTTP状态监视地址
<property>
<name>dfs.secondary.http.address</name>
<value>localhost2:50070</value>
</property> 
</configuration>
(4) 配置$HADOOP_HOME/conf/mapred-site.xml
切换到hadoop的安装路径找到hadoop-0.20.2下的conf/mapred-site.xml文件内容如下:
<configuration>
<property>
<name>mapred.local.dir</name>
<value>/home/hadoop/temp</value>
</property> 
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property> 
-- 每个job的map任务数
<property>
<name>mapred.map.tasks</name>
<value>7</value>
</property> 
-- 每一个tasktracker同时运行的map任务数为2
<property>
<name>mapred.tasktracker.map.tasks.maximum</name>
<value>2</value>
</property> 
-- 每一个tasktracker同时运行的reduce任务数为4
<property>
<name>mapred.tasktracker.reduce.tasks.maximum
</name>
<value>4</value>
</property> 
-- jvm虚拟机最大内存
<property>
  <name>mapred.child.java.opts</name>
  <value>-XX:-UseGCOverheadLimit</value>
</property>
</configuration>

六、格式化namenode
命令:bin/hadoop namenode -format

七、启动及验证
命令:./bin/start-all.sh
验证方法1:jps
验证方法2:bin/hadoop dfsadmin -report

八:运行Wordcount
1.准备工作
准备两个文本文件并拷贝到dfs里,具体命令操作如下:
$ echo "hello hadoop world." > /tmp/test_file1.txt
$ echo "hello world hadoop.i'm ceshiuser." > /tmp/test_file2.txt
$ bin/hadoop dfs -mkdir test-in
$ bin/hadoop dfs -copyFromLocal /tmp/test*.txt test-in
--$ bin/hadoop dfs -put /tmp/test*.txt test-in
--$ bin/hadoop dfs -copyToLocal test-out /tmp/test*.txt
--$ bin/hadoop dfs -get test-out /tmp/test*.txt
$ bin/hadoop dfs -ls test-in
2.运行
$ bin/hadoop jar hadoop-0.20.2-examples.jar wordcount test-in test-out
--% ln -s /home/hadoop/junyu-hadoop/hadoop-iflytek-tempcount.jar tempcount
3.查看结果
$ bin/hadoop dfs -ls test-out
$ bin/hadoop dfs -cat test-out/part-r-00000


分布式部署:
一,修改/etc/hosts文件:
192.168.71.89  node0
192.168.77.213 node1

二,ssh配置
(1)使用scp 命令把生成的公钥传给其它服务器,并保存成不同的名字,如192.168.71.89 -> 192.168.77.213 ,并且保存为89_id_rsa.pub 的时候命令如下:
scp id_rsa.pub hadoop@192.168.77.213:/home/hadoop/.ssh/89_id_rsa.pub
(2) 登录192.168.77.213 ,可以远程登录:ssh hadoop@192.168.77.213,进入当前用户默认目录下的.ssh 目录:cd ~/.ssh 
(3) 把公钥内容添加到登录认证文件中:cat 89_id_rsa.pub >> authorized_keys 
(4) 登录到192.168.71.89 主机,使用ssh hadoop@192.168.77.213 进行连接213 主机,这时候会出现输入yes/no? 的提示,输入yes。

三,配置hadoop文件。目录:/usr/local/hadoop/conf/
conf/masters :192.168.71.89
conf/slaves  :192.168.77.213

修改 core-site.xml 文件
   <name>fs.default.name</name>
   <value>hdfs://192.168.71.89:9000/</value>

修改 hdfs-site.xml 文件
1:<name>dfs.http.address</name>
   <value>192.168.71.89:50070</value>
2:<name>dfs.secondary.http.address</name>
   <value>192.168.71.213:50070</value>

修改mapred-site.xml文件
   <name>mapred.job.tracker</name>
   <value>192.168.71.89:9001</value>
   
   
==========================================================================================

*** 增加Hadoop新节点:

向一个正在运行的Hadoop集群中增加几个新的Nodes
1. 新节点上部署java/hadoop程序,配置相应的环境变量
2. 新节点上增加用户,从master上拷贝id_rsa.pub并配置authorized_keys
3. 新节点上设置/etc/hosts,只要有本机和master的host即可
/etc/hosts
127.0.0.1       localhost

10.10.10.101 node1
10.10.10.102 node2
10.10.10.103 node3
10.10.10.104 node4
4. 新节点上建立相关的目录,并修改属主,将Node4之中 ~/tmp目录下的内容都删除掉,否则会被认为已经创建的节点。
5. master的slaves文件中增加上相的节点(* 注意:只在NameNode之上配置就可以)
/etc/masters
node1
/etc/slaves
node2
node3
node4
6. 在新节点上启动datanode和tasktracker
localadmin@node4:~/hadoop-0.20.2/bin$ hadoop-daemon.sh start datanode
localadmin@node4:~/hadoop-0.20.2/bin$ hadoop-daemon.sh start tasktracker
使用'Jps'进行检查。
7. 进行block块的均衡
在hdfs-site.xml中增加设置balance的带宽,默认只有1M:
<property> 
    <name>dfs.balance.bandwidthPerSec</name> 
    <value>10485760</value> 
    <description>
        Specifies the maximum bandwidth that each datanode can utilize for the balancing purpose in term of the number of bytes per second.
    </description> 
</property>
运行以下命令:
hadoop/bin/start-balancer.sh -threshold 3
均衡10个节点,移动400G数据,大概花费了3个小时
The cluster is balanced. Exiting…
Balancing took 2.9950980555555557 hours

-----------------------
*** 删除Hadoop节点:
 
Hadoop提供了Decommission的特性,可以按照以下步骤来操作:
1. 在hadoop的conf目录下生成一个excludes的文件 /etc/nn-excluded-list,写上需要remove的节点
    一个节点一行,如:
node4
2. 在hdfs-site.xml中增加配置:
<property>    
    <name>dfs.hosts.exclude</name>    
    <value>/etc/nn-excluded-list</value>    
</property>
3. 复制文件到集群各节点上
4. 执行hadoop dfsadmin -refreshNodes命令,它会在后台进行Block块的移动
    从移出的Nodes上移动到其它的Nodes上面
5. 通过以下2种方式查看Decommission的状态:
    hadoop dfsadmin -report
    http://10.10.10.101:50070/dfsnodelist.jsp
    正在执行Decommission,会显示:
    Decommission Status : Decommission in progress
    执行完毕后,会显示:
    Decommission Status : Decommissioned
共有 人打赏支持
粉丝 326
博文 601
码字总数 267148
×
闵开慧
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: