配置hadoop
2.1 上传hadoop包
2.2 解压hadoop包 首先在根目录下创建一个cloud目录 mkdir /cloud tar -zxvf hadoop-2.2.0.tar.gz -C /cloud/ tar: 打包和解包 -z:用来处理gz格式 x:代表释放 c:代表创建 v:显示解压过程详情 f:file -c:把文件解压到什么地方 2.3 配置hadoop伪分布式(要修改5个配置文件) /cloud/hadoop-2.2.0/etc/hadoop 修改配置文件 第一个:hadoop-env.sh hadoop依赖jdk vim hadoop-env.sh export JAVA_HOME=/usr/java/jdk1.7.0_60 在底行模式可以执行,查看java_home :echo ${JAVA_HOME} 第二个:core-site.xml vim core-site.xml <configuration> <!-- 用来指定HDFS的老大(NameNode的地址) --> <property> <name>fs.defaultFS</name> <value>hdfs://cloud01:9000</value>(这里写主机名,经过host文件配置过,也可以写ip地址) </property> <!-- 用来指定Hadoop运行时产生文件的存放目录,配置linux上某个具体的目录 --> <property> <name>hadoop.tmp.dir</name> <value>/cloud/hadoop-2.2.0/tmp</value> </property> </configuration> 第三个:hdfs-site.xml <configuration> <!-- 指定HDFS保存数据副本的数量 ,如果不配置默认副本数为3 --> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration> 第四个:mapred-site.xml 目录下没有mapred-site.xml,只有mapred-site.xml.template 需要改名 mv mapred-site.xml.template mapred-site.xml <configuration> <!-- 告诉hadoop以后MR运行在YARN上 YARN是一个资源调度系统, 不仅仅可以运行MapReduce,还可以运行Storm,Spark等计算框架 --> <property> <name>mapreduce.frameword,name</name> <value>yarn</value> </property> </configuration> 第五个:yarn-site.xml vim yarn-site.xml <configuration> <!-- NodeManager 获取数据的方式是 shuffle --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <!-- 指定YARN的老大(ResourceManager) 的地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>cloud01</value> </property> </configuration> 2.4 将hadoop的bin 添加到环境变量中, 可以再任何目录下都可以运行 vim etc/profile export JAVA_HOME=/usr/java/jdk1.7.0_60 export HADOOP_HOME=/cloud/hadoop-2.2.0/etc/hadoop export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin #刷新配置 source etc/profile.配置免密码登录
免密码登录可以在任意一台机器上输入命令,可以启动所有机器上的进程
如果不做免密码登录,需要在每一台机器上输入启动进程命令
配置201上的免密码登录
在201上生成秘钥
ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
在.ssh目录下生成
[root@bogon .ssh]# lsauthorized_keys id_dsa id_dsa.pub known_hosts[root@bogon .ssh]#
id_dsa 为私钥,id_dsa.pub为公钥
配置单台机器的免密码登录
执行下列命令
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa $ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
配置跨节点的免密码登录
先执行
$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
生成id_dsa.pub公钥
将id_dsa.pub拷贝到将要免密码登录的那台机器上
scp id_dsa.pub root@192.168.1.202:~
在 192.168.1.202 上将id_dsa.pub追加到 authorized_keys 日子文件上
$ cat ~/id_dsa.pub >> ~/.ssh/authorized_keys
使用 more authorized_keys 查看
在201上使用 ssh 192.168.1.202:22 登录到202上
需要先做本地免密码登录,然后做跨节点免密码登录
配置结果为 201-->202,201-->203, 如果需要相反,则主要重复上边相反过程
2.5 初始化文件HDFS(格式化文件系统) #hadoop namenode -format(过时了,但还可以用) #格式化只需要一次 [root@cloud01 bin]# hdfs namenode -format #格式化后会产生tmp目录 2.6 启动HDFS和YARN cd /sbin ./start-all.sh(过时了 This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh) #有个小问题(需要多次输密码) 可以通过 jps 的方式验证(jps是java 的命令,在bin下) 还可以通过浏览器的方式验证 http://192.168.1.201:50070/ (hdfs管理界面) http://192.168.1.201:8088/ (yarn管理界面) Live Nodes : 代表DataNode存活的节点 Browse th filesystem: 浏览文件系统 使用主机名 需要在windows上 配置映射关系 c:/windows/system32/dirvers/etc/host 2.7 测试HDFS jps NameNode: HDFS的老大,HA(High Ability,高可靠性)集群中NameNode是多个 DataNode:HDFS的小弟 SecondaryNameNode:NameNode的助理,完成数据的同步,但是不是实时的 ResourceManager:YARN的老大,负责资源的调度 NodeManager:YARN的小弟,负责干活 文件的上传 上传Linux上的文件到HDFS上 hadoop fs -put /root/jdk-7u60-linux-i586.gz hdfs://cloud01:9000/jdk 上传成功后可以再http://192.168.1.201:50070/ (hdfs管理界面)查看 文件的下载 从 HDFS 下载文件到本地 hadoop fs -get hdfs://cloud01:9000/jdk /home/jdk1.7 2.8 测试 MR 和 YARNHDFS块的大小 Hadoop 1.0 块的大小默认 64M 67108864字节 Hadoop 2.0 块的默认大小 128M 134217728字节问什么要进行分块存储?方便存储,MapReduce方便读取
HDFS 的shell -count 统计文件的个数 hadoop fs -count / 输出文件夹个数 文件个数 大小 hadoop fs -ls -R -h / -R代表递归查看,-h (humanRead)人类可读 将字节变成带单位的 M 或 K 等 hadoop fs -mkdir /cloud 创建目录 HDFS的文件模仿Linux上 hadoop fs -ls / -rw-r--r-- 1 root supergroup 39343 2014-06-18 10:33 /in.log drwxr-xr-x - root supergroup 0 2014-06-18 10:44 /itcast0106 drwxr-xr-x- (第1位:类型;3位:所属用户权限;3位:所属组权限;3位:其他用户权限) - 如果是文件夹表示并不存储 1 如果是文件表示文件的副本个数 root 所属用户 supergroup 所属组 39343 大小 最后修改时间 目录/文件名 hadoop fs -rm 可以删除文件,不能删除 目录 hadoop fs -rm -r 可以删除目录 递归的去掉执行权限 hadoop fs -chmod -R -x /wcout (-R 表示递归 x表示执行权限) hadoop fs -chown supergroup /in.log 修改所属用户 hadoop fs -chgrp root /in.log 修改所属组 一次指令同时修改 hadoop fs -chown supergroup:root /wcout 如果需要递归修改,需要添加 -R hadoop 2.0 hdfs dfs -ls /HDFFS架构元数据存储细节
(内存一份,磁盘一份) NameNode(FileName,replicas,block-ids,id2host...) 文件 副本数 数据块 每块所在的机器上 test/a.log, 3, {blk_1, blk_2}, [{blk_1: [h0,h1,h3]},{blk_2:[h0,h2,h4]}]每个文件都有一个校验值,在读取时如果校验值发生变化,说明文件损坏
这里使用CRC32校验算法 NameNode hdfs-site.xml 的 dfs.name.dir 属性 是整个文件系统的管理节点。维护整个文件系统的文件目录树,文件/目录的 元数据信息和每个文件对应的数据块列表。接收用户的请求操作。 文件包括: ① fsimage:元数据镜像文件。存储某一时段NameNode内存元数据信息,保存在磁盘中。 (内存当中MateDate的镜像文件,内存的东西序列化到磁盘中) ② edits:操作日志文件。 (用来记录操作日志的信息) ③ fstime:保存最近一次checkpoint(还原点)的时间 (checkpoint是保存最近一次做还原点的信息) 以上这些文件是保存在linux的文件系统中。 NameNode 始终在内存中保存metedata,用于处理“读请求” 到有“写请求” 到来时,nameNode会首先写editlog到磁盘,即向edits文件中写日志, 成功返回后,才会修改内存,并且向客户端返回 Hadoop会维护一个 fsimage 文件,也就是nameNode中metedata的镜像,但是fsimage不会随时与namenode 内存中的metedata保存一致,而是每隔一段时间通过合并edits文件来更新内容(Hadoop 1.0 与 2.0的伪分布式,) hadoop2.0会实时进行合并). SecondaryNameNode就是用来合并fsimage和edits文件来更新NameNode的metedata的(用新的替换旧的). SecondaryNameNode HA的一个解决方案.但不支持热备.配置即可。 执行过程:从NameNode 上下载元数据信息(fsimage,edits),然后把二者合并,生成新的fsimage,在本地保存,并将其推送到NameNode,替换旧的fsimage
默认安装在NameNode 节点上,但这样...不安全
注:
在合并的过程中如果有新的client操作,则产生新的edits.new文件,不在使用之前的edits文件
合并的触发条件(什么时候checkpoint):
fs.checkpoint.period 指定两次checkpoint的最大时间间隔,默认3600秒
fs.checkpoint.size 规定edits文件的最大值,一旦超过这个值则强制checkpoint,不管是否达到最大时间间隔。默认大小是64M。