hadoop 2.5.2 完全分布式集群环境搭建 (3)

经过一番艰辛的过程，搭建好hadoop2.5.2的完全分布式集群环境，本文描述环境的搭建，后续文章将描述开发环境及HDFS API 及MapReduce例程编写及运行过程，转载请注明出处(http://blog.csdn.net/kylindai/article/details/46584637)

上一篇文章描述了 zookeeper 集群的安装，本文描述 hadoop 服务器的安装过程

1. 安装 hadoop

回顾集群规划
hadoop01: NameNode
hadoop02: NameNode
hadoop03: ResourceManager
hadoop04: DataNode, JournalNode, NodeManager
hadoop05: DataNode, JournalNode, NodeManager
hadoop06: DataNode, JournalNode, NodeManager

1.1 安装软件

在hadoop01上解压hadoop，并做 /usr/local/hadoop 链接

# tar xvfz hadoop-2.5.2.tar.gz -C /opt# ln -s /opt/hadoop-2.5.2 /usr/local/hadoop

1.2 修改配置文件

修改hadoop配置文件，配置文件都位于 /usr/local/hadoop/etc/hadoop 目录下，一共要修改6个配置文件：
hadoop-env.sh
core-site.xml
hdfs-site.xml
mapred-site.xml
yarn-site.xml
slave

(1) hadoop-env.sh
这是 hadoop 命令脚本需要用到的环境变量脚本
需要修改里面的 JAVA_HOME 环境变量（奇怪的是为啥不直接取已经设置好的环境变量）
用 vi 打开 hadoop-env.sh 文件，在第25行，将 JAVA_HOME 设置为正的值：

export JAVA_HOME = /usr/local/java

如下图：

(2) core-site.xml
说明：
a. 指定 hdfs 默认的 url，其中 nameservice id 在 hdfs-site.xml 中定义
b. 指定 hdfs 元数据及edits文件的目录，这个目录需要在 namenode 上创建，也就是在 hadoop01 和 hadoop02 上都要创建，这里创建的目录为： /data/hadoop.data
c. 指定 zookeeper 服务器地址及端口，namenode ha 需要使用
最终内容如下：

<configuration>    <!-- 指定hdfs的默认url, cluster1 为集群的 nameservice id -->    <property>        <name>fs.defaultFS</name>        <value>hdfs://cluster1</value>    </property>    <!-- 指定hadoop临时目录，存放hdfs元数据及edits文件的目录 -->    <property>        <name>hadoop.tmp.dir</name>        <value>/data/hadoop.data</value>    </property>    <!-- 指定zookeeper地址，NameNode HA 需要用到 -->    <property>        <name>ha.zookeeper.quorum</name>        <value>hadoop03:2181,hadoop04:2181,hadoop05:2181</value>    </property></configuration>

(3) hdfs-site.xml
说明：
a. 指定 nameservices，一个集群有一个id，这里定义为 cluster1
b. 指定 cluster1 的 namenode 节点，namenode1, namenode2
c. 两个 namenode 的 rpc 及 http 访问地址及端口
d. 指定 cluster1 的 journalnode 的地址和端口
e. 指定 journalnode 本地同步文件路径
f. 设置 namenode failover 自动切换
g. 设置 namenode failover 自动切换的 provider 程序
h. 设置 namenode failover 自动切换时需要用到的 ssh key 的目录位置
最终内容如下：

<configuration>    <!-- nameservices id -->    <property>        <name>dfs.nameservices</name>        <value>cluster1</value>    </property>    <!-- cluster1 namenod: namenode1, namenode2 -->    <property>        <name>dfs.ha.namenodes.cluster1</name>        <value>namenode1,namenode2</value>    </property>    <!-- cluster1 namenode1 rpc-address -->    <property>        <name>dfs.namenode.rpc-address.cluster1.namenode1</name>        <value>hadoop01:9000</value>    </property>    <!-- cluster1 namenode1 http-address -->    <property>        <name>dfs.namenode.http-address.cluster1.namenode1</name>        <value>hadoop01:50070</value>    </property>    <!-- cluster1 namenode2 rpc-address -->    <property>        <name>dfs.namenode.rpc-address.cluster1.namenode2</name>        <value>hadoop02:9000</value>    </property>    <!-- cluster1 namenode2 http-address -->    <property>        <name>dfs.namenode.http-address.cluster1.namenode2</name>        <value>hadoop02:50070</value>    </property>    <!-- cluster1 journalnode 的地址和端口 - namenode1 & namenode2 元数据实时同步 -->    <property>        <name>dfs.namenode.shared.edits.dir</name>        <value>qjournal://hadoop04:8485;hadoop05:8485;hadoop06:8485/cluster1</value>    </property>    <!-- cluster1 journalnode log 文件存放目录 -->    <property>        <name>dfs.journalnode.edits.dir</name>        <value>/data/hadoop.journal</value>    </property>    <!-- namenode ha -->    <property>        <name>dfs.ha.automatic-failover.enabled</name>        <value>true</value>    </property>    <!-- failover proxy -->    <property>        <name>dfs.client.failover.proxy.provider.cluster1</name>        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>    </property>    <!-- 隔离机制 -->    <property>        <name>dfs.ha.fencing.methods</name>        <value>sshfence</value>    </property>    <!-- 使用隔离机制时需要ssh免登陆 -->    <property>        <name>dfs.ha.fencing.ssh.private-key-files</name>        <value>/root/.ssh/id_rsa</value>    </property></configuration>

(4) mapred-site.xml
说明：
a. 指定 mapreduce 的运行框架为 yarn
最终内容如下：

<configuration>    <!-- 指定 mapreduce 的运行框架为 yarn -->    <property>        <name>mapreduce.framework.name</name>        <value>yarn</value>    </property></configuration>

(5) yarn-site.xml
说明：
a. 指定 resourcemanager 的地址（还是有单点隐患）
最终内容如下：

<configuration>    <!-- 指定 resourcemanager 地址 -->    <property>        <name>yarn.resourcemanager.hostname</name>        <value>hadoop03</value>    </property>    <!-- nodemanager 启动时加载 services 的方式 -->    <property>        <name>yarn.nodemanager.aux-services</name>        <value>mapreduce_shuffle</value>    </property></configuration>

(6) slaves
说明：
a. 指定 cluster1 的 datanode 的机器名，我们规划在 hadoop04, hadoop05, hadoop06 上
最终内容如下：

hadoop04hadoop05hadoop06

1.3 复制hadoop到其他节点

# scp -r /opt/hadoop-2.5.2 hadoop02:/opt# scp -r /opt/hadoop-2.5.2 hadoop03:/opt# scp -r /opt/hadoop-2.5.2 hadoop04:/opt# scp -r /opt/hadoop-2.5.2 hadoop05:/opt# scp -r /opt/hadoop-2.5.2 hadoop06:/opt

复制好后，在 namenode (hadoop01, hadoop02) 和 datanode (hadoop04, hadoop05, hadoop06) 上创建目录

# mkdir /data# mkdir /data/hadoop.data

接下来，在 journode (hadoop04, hadoop05, hadoop06) 上创建目录

# mkdir /data# mkdir /data/hadoop.journal

2. 启动 hadoop

hadoop安装配置完毕后，接下来就可以准备启动了

2.1 启动 zookeeper

上一篇文章中我们已经安装并启动了 zookeeper，这里就略过。

2.2 在 zookeeper 中创建 hadoop_ha 节点

严格按下述步骤：

在 hadoop01 上执行下面的命令：

# hdfs zkfc –formatZK

执行结果如下：

可以看到 Successfully created /hadoop-ha/cluster1，创建成功。

到 hadoop03 上看一下 zookeeper znode 的情况：

# zkCli.sh

看到 /hadoop-ha/cluster1 节点创建成功

2.3 启动 journalnode

在 hadoop01 上，执行下述命令：

# hadoop-daemons.sh start journalnode

看到输出：

journalnode 分别在 hadoop04, hadoop05, hadoop06 上启动了。

到 hadoop04 上看一下进程：

# jps 

可以看到 JournalNode 进程如期启动。

2.4 格式化 namenode

在 hadoop01 上执行：

# hdfs namenode -format -clusterid cluster1

看到输出：

说明格式化成功，接下来将 /data/hadoop.data 目录复制到 namenode2 上

# scp -r /data/hadoop.data hadoop02:/data

可以看到刚刚格式化后生成的 fsimage 文件被复制到 namenode2 上

2.5 启动 namenode 和 datanode

在 hadoop01 上运行：

# start-dfs.sh 

输出如下：

可以看到 namenode, datanode, journalnode, zkfc 都如期启动了。

2.6 启动 yarn

在 hadoop03 上运行：

# start-yarn.sh

输出如下：

可以看到 resourcemanager, nodemanager 都如期启动了

下一篇文章，我们来操作 hdfs， 并搭建 hadoop 开发环境，编写 hdfs api 及 mapreduce 的例子。