文档章节

Hadoop实战读书笔记(4)

祥林会跟你远走高飞
 祥林会跟你远走高飞
发布于 2014/12/05 20:50
字数 1530
阅读 41
收藏 1

安装Hadoop集群

1、需要专门制定一个服务器作为主节点。

2、这个节点会驻留NameNodeJobTracker的守护进程。

3、它也将作为一个基站,负责联络并激活所有从节点上的DataNodeTaskTracker守护进程。

4、因此我们需要为主节点定制一种手段,使它能够远程地访问到集群中的每个节点。

 

如何使主节点远程地访问到集群中的每个节点呢?

使用无口令的 (passphraseless) SSH协议。

 

什么是SSH协议?

SSH采用标准的公钥加密来生成一对用户验证密钥-一个公钥、一个私钥。公钥被本地存储在集群的每个节点上,私钥则由主节点在试图访问远端节点时发送过来。结合这两段信息,目标机可以对这次登录尝试进行验证。

 

定义一个公共账号

方便从一个节点的用户账号到目标机上的另一个用户账号。

对于Hadoop,所有节点上的账号应该相同的用户名。

 

如何检查节点上是否安装了SSH

which ssh

which sshd

which ssh-keygen

 

Hadoop的配置文件说明

Hadoop的设置主要包含在XML配置文件中,在0.20版本之前,它们是hadoop-default.xmlhadoop.site.xml。顾名思义,hadoop-default.xml中包含了Hadoop会使用的默认设置,除非这些设置在hadoop-site.xml中被显式地覆盖。因此,在实际操作中你只需要处理hadoop-sitex.xml。在版本0.20中,这个文件被分离成3XML文件:core-site.xmlhdfs-site,xnlmapred-site.xml。这次重构更好地对应了它们所控制的Hadoop子系统。

 

Hadoop配置的三种模式
单机模式

伪分布式模式

完全分布式模式

 

单机模式是指?

单机模式是Hadoop的默认模式,当首次解压Hadoop的源码包时,Hadoop无法了解硬件安装环境,便保守地选择了最小配置。在这种默认模式下所有3XML文件 (或者0.20版本之前的hadoop-site.xml)均为空。

当配置文件为空时,Hadoop会完全运行在本地。因为不需要与其他节点交互,单机模式就不适用HDFS,也不加载任何Hadoop的守护进程。该模式主要用于开发调试MapReduce程序的应用逻辑,而不会与守护进程交互,避免引起额外的复杂性。

 

伪分布式模式时指?

伪分布模式在 "单节点集群"上运行Hadoop,其中所有的守护进程都运行在同一台机器上。该模式在单机模式之上增加了代码调试功能,允许你检查内存使用情况、HDFS输入输出,以及其他的守护进程交互。

简单配置:

core-site.xml:
<configuration>

       <property>

              <name>fs.default.name</name>

              <value>hdfs://localhost:9000</value>

       </property>

</configuration>

mapred-site.xml
<configuration>

       <property>

              <name>mapred.job.tracker</name>

              <value>localhost:9001</value>

       </property>

</configuration>

hdfs-site.xml
<configuration>

       <property>

              <name>dfs.replication</name>

              <value>1</value>

       </property>

</configuration>

我们在core-site.xmlmapred-site.xml中分别制定了NameNodeJobTracker的主机名与端口。在hdfs-site.xml中指定了HDFS的默认副本数,因为仅运行在一个节点上,这里副本数为1.我们还需要在文件masters中指定SNN的位置,并在文件salves中指定从节点的位置

vi masters

localhost

vi slaves

localhost

虽然所有的守护进程都运行在同一节点上,它们仍然像分布在集群中一样,彼此通过相同的SSH协议进行通信。

 

使用什么装载守护进程呢?

bin/start-all.sh

 

使用什么查看守护进程是否启动?

jps

 

如何关闭Hadoop的守护进程?

bin/stop-all.sh

 

完全分布式模式是指?

真正用于生产环境的Hadoop集群。

集群节点说明:

master-集群的主节点,驻留NameNodeJobTracker守护进程

backup-驻留SNN守护进程的节点

hadoop1hadoop2hadoop3-集群的从节点,驻留DataNodeTaskTracker守护进程。

配置文件:

core-site.xml:
<configuration>

       <property>

              <name>fs.default.name</name>

              <value>hdfs://master:9000</value>

       </property>

</configuration>

mapred-site.xml
<configuration>

       <property>

              <name>mapred.job.tracker</name>

              <value>master:9001</value>

       </property>

</configuration>

hdfs-site.xml
<configuration>

       <property>

              <name>dfs.replication</name>

              <value>3</value>

       </property>

</configuration>

不同于伪分布式的两点:

1、明确地声明了NameNodeJobTracker守护进程所在的主机名

2、增大了HDFS的备份参数以发挥分布式存储的优势,数据通过在HDFS上复制可以提高可用性与可靠性

vi masters

backup

vi slaves

hadoop1

hadoop2

hadoop3

在将这些文件复制到集群上的所有节点之后,一定要格式化HDFS以准备好存储数据

bin/hadoop namenode -format

 

模式之间的切换如何做?

有一个技巧在开始使用Hadoop时是很有用的,就是使用符号链接而不是不断编辑XML文件来切换Hadoop的模式,为了做到这一点,需要为每种模式分别生成一个配置目录,并相应地放入恰当版本的XML文件

然后,就可以使用Linuxln命令 (例如 ln -s conf.cluster conf) 在不同配置之间切换。这个技巧还有助于临时把一个节点从集群中分离出来,从而通过伪分布模式来调试一个MapReduce程序,但需要确保这些模式在HDFS上有不同的文件存储位置,并且在改变配置之前还应该停止所有的守护进程。

 

基于Web的集群用户界面

NameNode通过端口50070提供常规报告,描绘集群上HDFS的状态视图。

通过这个界面,可以通览文件系统,检查集群每个DataNode的状态,并详细查看Hadoop守护进程的日志来判断集群当前运行是否正确。

JobTracker通过端口50030提供视图,包括MapReduce中任务的运行时状态,以及整个作业的详细报告。详细报告指的是:这些日志描述了哪个节点执行了哪个任务,以及需要完成每个任务所需的时间或资源比,还可以获得Hadoop对个作业的配置。


© 著作权归作者所有

共有 人打赏支持
祥林会跟你远走高飞
粉丝 26
博文 50
码字总数 98029
作品 0
昌平
程序员
私信 提问
敏捷教练成长记:漫漫长路第三周

看到跆拳道的软文,讲到: 学跆拳道的正确顺序: 第一阶段:有兴趣 第二阶段:没兴趣 第三阶段:逼练习 第四阶段:成习惯 第五阶段:有兴趣 第六阶段:真热爱 大部分家长在孩子第二阶段时放弃...

转型实践者
2017/11/17
0
0
Hadoop实战读书笔记(8)

什么是开发数据集? 一个流行的开发策略是为生产环境中的大数据集建立一个较小的、抽样的数据子集,称为开发数据集。这个开发数据集可能只有几百兆字节。当你以单机或者伪分布式模式编写程序...

祥林会跟你远走高飞
2014/12/08
0
0
敏捷教练成长记:秋高气爽第四周

不知不觉坚持了四周了,这周很忙,写读书笔记时尽显疲态,有厌倦的感觉了。需要自我调整,继续坚持。 1、敏捷方面读不少于50页的书或者文章。 阅读《持续交付-发布可靠软件的系统方法》第三章...

转型实践者
2017/11/26
0
0
Hadoop实战读书笔记(7)

输入数据概要 输入数据通常驻留在较大的文件中,通常几十或者数百GB,甚至更大。MapReduce处理的基本原则之一是将输入数据分割成块。这些块可以在多台计算机上并行处理,在Hadoop的术语中这些...

祥林会跟你远走高飞
2014/12/08
0
0
Hadoop实战读书笔记(5)

HDFS文件操作 你可以把一个大数据集(100TB)在HDFS中存储为单个文件,而大多数其他的文件系统无力实现这一点。虽然该文件存在多个副本分布在多台机器上来支持并行处理,你也不必考虑这些细节...

祥林会跟你远走高飞
2014/12/08
0
0

没有更多内容

加载失败,请刷新页面

加载更多

oh-my-zsh 自定义

GitHub 地址 基于 oh-my-zsh 的自定义配置,增加了一些个人常用插件与皮肤。 采用的是 git submodule 来维护,包括 oh-my-zsh,之所以这么搞,主要是手头有多台 linux 需要维护, 每台机器、...

郁也风
今天
6
0
Docker安装踩坑:E_FAIL 0x80004005的解决

参考 菜鸟教程--Windows Docker 安装 http://www.runoob.com/docker/windows-docker-install.html 官方文档-Install Docker Toolbox on Windows https://docs.docker.com/toolbox/toolbox_in......

karma123
今天
5
0
js垃圾回收机制和引起内存泄漏的操作

JS的垃圾回收机制了解吗? Js具有自动垃圾回收机制。垃圾收集器会按照固定的时间间隔周期性的执行。 JS中最常见的垃圾回收方式是标记清除。 工作原理:是当变量进入环境时,将这个变量标记为“...

Jack088
昨天
17
0
大数据教程(10.1)倒排索引建立

前面博主介绍了sql中join功能的大数据实现,本节将继续为小伙伴们分享倒排索引的建立。 一、需求 在很多项目中,我们需要对我们的文档建立索引(如:论坛帖子);我们需要记录某个词在各个文...

em_aaron
昨天
27
0
"errcode": 41001, "errmsg": "access_token missing hint: [w.ILza05728877!]"

Postman获取微信小程序码的时候报错, errcode: 41001, errmsg: access_token missing hint 查看小程序开发api指南,原来access_token是直接当作parameter的(写在url之后),scene参数一定要...

两广总督bogang
昨天
33
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部