Hadoop
1、 Hadoop的介紹
- Hadoop最早起源于Nutch蛛砰。Nutch的設計目標是構建一個大型的全網(wǎng)搜索引擎娃肿,包括網(wǎng)頁抓取咕缎、索引、查詢等功能料扰,但隨著抓取網(wǎng)頁數(shù)量的增加凭豪,遇到了嚴重的可擴展性問題——如何解決數(shù)十億網(wǎng)頁的存儲和索引問題。
- 2003年记罚、2004年谷歌發(fā)表的兩篇論文為該問題提供了可行的解決方案。
——分布式文件系統(tǒng)(GFS)Google File System(谷歌文件系統(tǒng))壳嚎,可用于處理海量網(wǎng)頁的存儲
——分布式計算框架MAPREDUCE桐智,可用于處理海量網(wǎng)頁的索引計算問題。
- Nutch的開發(fā)人員完成了相應的開源實現(xiàn)HDFS和MAPREDUCE烟馅,并從Nutch中剝離成為獨立項目HADOOP说庭,到2008年1月,HADOOP成為Apache頂級項目.
狹義上來說郑趁,hadoop就是單獨指代hadoop這個軟件刊驴,
- HDFS :分布式文件系統(tǒng)
- MapReduce : 分布式計算系統(tǒng)
- Yarn:分布式樣集群資源管理
廣義上來說,hadoop指代大數(shù)據(jù)的一個生態(tài)圈寡润,包括很多其他的軟件
2捆憎、hadoop的歷史版本和發(fā)行版公司
2.1 Hadoop歷史版本
1.x版本系列:hadoop版本當中的第二代開源版本,主要修復0.x版本的一些bug等
2.x版本系列:架構產(chǎn)生重大變化梭纹,引入了yarn平臺等許多新特性
3.x版本系列: 加入多namenoode新特性
2.2 Hadoop三大發(fā)行版公司
- 免費開源版本apache:
優(yōu)點:擁有全世界的開源貢獻者躲惰,代碼更新迭代版本比較快,
缺點:版本的升級变抽,版本的維護础拨,版本的兼容性,版本的補丁都可能考慮不太周到绍载,
apache所有軟件的下載地址(包括各種歷史版本):
http://archive.apache.org/dist/
- 免費開源版本hortonWorks:
hortonworks主要是雅虎主導Hadoop開發(fā)的副總裁诡宗,帶領二十幾個核心成員成立Hortonworks,核心產(chǎn)品軟件HDP(ambari)击儡,HDF免費開源塔沃,并且提供一整套的web管理界面,供我們可以通過web界面管理我們的集群狀態(tài)阳谍,web管理界面軟件HDF網(wǎng)址(http://ambari.apache.org/)
- 軟件收費版本ClouderaManager:
cloudera主要是美國一家大數(shù)據(jù)公司在apache開源hadoop的版本上芳悲,通過自己公司內(nèi)部的各種補丁立肘,實現(xiàn)版本之間的穩(wěn)定運行,大數(shù)據(jù)生態(tài)圈的各個版本的軟件都提供了對應的版本名扛,解決了版本的升級困難谅年,版本兼容性等各種問題
3、hadoop的架構模型
1.x的版本架構模型介紹
文件系統(tǒng)核心模塊:
NameNode:集群當中的主節(jié)點肮韧,管理元數(shù)據(jù)(文件的大小融蹂,文件的位置,文件的權限)弄企,主要用于管理集群當中的各種數(shù)據(jù)
secondaryNameNode:主要能用于hadoop當中元數(shù)據(jù)信息的輔助管理
DataNode:集群當中的從節(jié)點超燃,主要用于存儲集群當中的各種數(shù)據(jù)
數(shù)據(jù)計算核心模塊:
JobTracker:接收用戶的計算請求任務,并分配任務給從節(jié)點
TaskTracker:負責執(zhí)行主節(jié)點JobTracker分配的任務
2.x的版本架構模型介紹
第一種:NameNode與ResourceManager單節(jié)點架構模型
文件系統(tǒng)核心模塊:
NameNode:集群當中的主節(jié)點拘领,主要用于管理集群當中的各種數(shù)據(jù)
secondaryNameNode:主要能用于hadoop當中元數(shù)據(jù)信息的輔助管理
DataNode:集群當中的從節(jié)點组贺,主要用于存儲集群當中的各種數(shù)據(jù)
數(shù)據(jù)計算核心模塊:
ResourceManager:接收用戶的計算請求任務顷牌,并負責集群的資源分配
NodeManager:負責執(zhí)行主節(jié)點APPmaster分配的任務
第二種:NameNode單節(jié)點與ResourceManager高可用架構模型
文件系統(tǒng)核心模塊:
NameNode:集群當中的主節(jié)點,主要用于管理集群當中的各種數(shù)據(jù)
secondaryNameNode:主要能用于hadoop當中元數(shù)據(jù)信息的輔助管理
DataNode:集群當中的從節(jié)點,主要用于存儲集群當中的各種數(shù)據(jù)
數(shù)據(jù)計算核心模塊:
ResourceManager:接收用戶的計算請求任務庄新,并負責集群的資源分配赊窥,以及計算任務的劃分逝钥,通過zookeeper實現(xiàn)ResourceManager的高可用
NodeManager:負責執(zhí)行主節(jié)點ResourceManager分配的任務
第三種:NameNode高可用與ResourceManager單節(jié)點架構模型
文件系統(tǒng)核心模塊:
NameNode:集群當中的主節(jié)點隘弊,主要用于管理集群當中的各種數(shù)據(jù),其中nameNode可以有兩個送悔,形成高可用狀態(tài)
DataNode:集群當中的從節(jié)點慢显,主要用于存儲集群當中的各種數(shù)據(jù)
JournalNode:文件系統(tǒng)元數(shù)據(jù)信息管理
數(shù)據(jù)計算核心模塊:
ResourceManager:接收用戶的計算請求任務,并負責集群的資源分配欠啤,以及計算任務的劃分
NodeManager:負責執(zhí)行主節(jié)點ResourceManager分配的任務
第四種:NameNode與ResourceManager高可用架構模型
文件系統(tǒng)核心模塊:
NameNode:集群當中的主節(jié)點荚藻,主要用于管理集群當中的各種數(shù)據(jù),一般都是使用兩個洁段,實現(xiàn)HA高可用
JournalNode:元數(shù)據(jù)信息管理進程鞋喇,一般都是奇數(shù)個
DataNode:從節(jié)點,用于數(shù)據(jù)的存儲
數(shù)據(jù)計算核心模塊:
ResourceManager:Yarn平臺的主節(jié)點眉撵,主要用于接收各種任務侦香,通過兩個,構建成高可用
NodeManager:Yarn平臺的從節(jié)點纽疟,主要用于處理ResourceManager分配的任務
4罐韩、appache版本hadoop重新編譯
4.1為什么要編譯hadoop
由于appache給出的hadoop的安裝包沒有提供帶C程序訪問的接口,所以我們在使用本地庫(本地庫可以用來做壓縮污朽,以及支持C程序等等)的時候就會出問題,需要對Hadoop源碼包進行重新編譯.
4.2編譯環(huán)境的準備
4.2.1:準備linux環(huán)境
準備一臺linux環(huán)境散吵,內(nèi)存4G或以上,硬盤40G或以上,我這里使用的是Centos6.9 64位的操作系統(tǒng)(注意:一定要使用64位的操作系統(tǒng))
4.2.2:虛擬機聯(lián)網(wǎng)矾睦,關閉防火墻晦款,關閉selinux
關閉防火墻命令:
service iptables stop
chkconfig iptables off
關閉selinux
vim /etc/selinux/config
4.2.3:安裝jdk1.7
注意hadoop-2.7.5 這個版本的編譯,只能使用jdk1.7枚冗,如果使用jdk1.8那么就會報錯
查看centos6.9自帶的openjdk
rpm -qa | grep java
將所有這些openjdk全部卸載掉
rpm -e java-1.6.0-openjdk-1.6.0.41-1.13.13.1.el6_8.x86_64 tzdata-java-2016j-1.el6.noarch java-1.7.0-openjdk-1.7.0.131-2.6.9.0.el6_8.x86_64
注意:這里一定不要使用jdk1.8缓溅,親測jdk1.8會出現(xiàn)錯誤
將我們jdk的安裝包上傳到/export/softwares(我這里使用的是jdk1.7.0_71這個版本)
解壓我們的jdk壓縮包
統(tǒng)一兩個路徑
mkdir -p /export/servers
mkdir -p /export/softwares
cd /export/softwares
tar -zxvf jdk-7u71-linux-x64.tar.gz -C ../servers/
配置環(huán)境變量
vim /etc/profile
export JAVA_HOME=/export/servers/jdk1.7.0_71
export PATH=:$JAVA_HOME/bin:$PATH
[圖片上傳失敗...(image-ed4f2c-1565695660005)]
讓修改立即生效
source /etc/profile
4.2.4:安裝maven
這里使用maven3.x以上的版本應該都可以,不建議使用太高的版本赁温,強烈建議使用3.0.5的版本即可
將maven的安裝包上傳到/export/softwares
然后解壓maven的安裝包到/export/servers
cd /export/softwares/
tar -zxvf apache-maven-3.0.5-bin.tar.gz -C ../servers/
配置maven的環(huán)境變量
vim /etc/profile
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export MAVEN_OPTS="-Xms4096m -Xmx4096m"
export PATH=:$MAVEN_HOME/bin:$PATH
[圖片上傳失敗...(image-270739-1565695660005)]
讓修改立即生效
source /etc/profile
解壓maven的倉庫
tar -zxvf mvnrepository.tar.gz -C /export/servers/
修改maven的配置文件
cd /export/servers/apache-maven-3.0.5/conf
vim settings.xml
指定我們本地倉庫存放的路徑
[圖片上傳失敗...(image-af03aa-1565695660005)]
添加一個我們阿里云的鏡像地址坛怪,會讓我們下載jar包更快
<mirror>
<id>alimaven</id>
<name>aliyun maven</name>
<url>http://maven.aliyun.com/nexus/content/groups/public/</url>
<mirrorOf>central</mirrorOf>
</mirror>
[圖片上傳失敗...(image-3484ef-1565695660005)]
4.2.5:安裝findbugs
解壓findbugs
tar -zxvf findbugs-1.3.9.tar.gz -C ../servers/
配置findbugs的環(huán)境變量
vim /etc/profile
export JAVA_HOME=/export/servers/jdk1.7.0_75
export PATH=:$JAVA_HOME/bin:$PATH
export MAVEN_HOME=/export/servers/apache-maven-3.0.5
export PATH=:$MAVEN_HOME/bin:$PATH
export FINDBUGS_HOME=/export/servers/findbugs-1.3.9
export PATH=:$FINDBUGS_HOME/bin:$PATH
[圖片上傳失敗...(image-2e5b69-1565695660005)]
讓修改立即生效
source /etc/profile
4.2.6:在線安裝一些依賴包
yum install autoconf automake libtool cmake
yum install ncurses-devel
yum install openssl-devel
yum install lzo-devel zlib-devel gcc gcc-c++
bzip2壓縮需要的依賴包
yum install -y bzip2-devel
4.2.7:安裝protobuf
解壓protobuf并進行編譯
cd /export/softwares
tar -zxvf protobuf-2.5.0.tar.gz -C ../servers/
cd /export/servers/protobuf-2.5.0
./configure
make && make install
4.2.8、安裝snappy
cd /export/softwares/
tar -zxf snappy-1.1.1.tar.gz -C ../servers/
cd ../servers/snappy-1.1.1/
./configure
make && make install
4.2.9:編譯hadoop源碼
對源碼進行編譯
cd /export/softwares
tar -zxvf hadoop-2.7.5-src.tar.gz -C ../servers/
cd /export/servers/hadoop-2.7.5
編譯支持snappy壓縮:
mvn package -DskipTests -Pdist,native -Dtar -Drequire.snappy -e -X
編譯完成之后我們需要的壓縮包就在下面這個路徑里面
/export/servers/hadoop-2.7.5/hadoop-dist/target
5股囊、Hadoop安裝
集群規(guī)劃
服務器IP | 192.168.174.100 | 192.168.174.110 | 192.168.174.120 |
---|---|---|---|
主機名 | node01 | node02 | node03 |
NameNode | 是 | 否 | 否 |
SecondaryNameNode | 是 | 否 | 否 |
dataNode | 是 | 是 | 是 |
ResourceManager | 是 | 否 | 否 |
NodeManager | 是 | 是 | 是 |
第一步:上傳apache hadoop包并解壓
解壓命令
cd /export/softwares
tar -zxvf hadoop-2.7.5.tar.gz -C ../servers/
bin/hadoop checknative :檢查本地包
[圖片上傳失敗...(image-98a00b-1565695660005)]
第二步:修改配置文件
修改core-site.xml
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://node01:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/export/servers/hadoop-2.7.5/hadoopDatas/tempDatas</value>
</property>
<!-- 緩沖區(qū)大小袜匿,實際工作中根據(jù)服務器性能動態(tài)調(diào)整 -->
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
<!-- 開啟hdfs的垃圾桶機制,刪除掉的數(shù)據(jù)可以從垃圾桶中回收稚疹,單位分鐘 -->
<property>
<name>fs.trash.interval</name>
<value>10080</value>
</property>
</configuration>
修改hdfs-site.xml
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node01:50090</value>
</property>
<property>
<name>dfs.namenode.http-address</name>
<value>node01:50070</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2</value>
</property>
<!-- 定義dataNode數(shù)據(jù)存儲的節(jié)點位置居灯,實際工作中,一般先確定磁盤的掛載目錄内狗,然后多個目錄用怪嫌,進行分割 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas,file:///export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2</value>
</property>
<property>
<name>dfs.namenode.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/nn/edits</value>
</property>
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/snn/name</value>
</property>
<property>
<name>dfs.namenode.checkpoint.edits.dir</name>
<value>file:///export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
</configuration>
修改hadoop-env.sh
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
修改mapred-site.xml
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-site.xml
<configuration>
<property>
<name>mapreduce.job.ubertask.enable</name>
<value>true</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>node01:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node01:19888</value>
</property>
</configuration>
修改yarn-site.xml
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim yarn-site.xml
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node01</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>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
</configuration>
修改mapred-env.sh
? <property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim mapred-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_141
修改slaves
修改slaves文件,然后將安裝包發(fā)送到其他機器其屏,重新啟動集群即可
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/etc/hadoop
vim slaves
node01
node02
node03
第一臺機器執(zhí)行以下命令
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/tempDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/namenodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/datanodeDatas2
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/nn/edits
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/snn/name
mkdir -p /export/servers/hadoop-2.7.5/hadoopDatas/dfs/snn/edits
安裝包的分發(fā)
第一臺機器執(zhí)行以下命令
cd /export/servers/
scp -r hadoop-2.7.5 node02:$PWD
scp -r hadoop-2.7.5 node03:$PWD
第三步:配置hadoop的環(huán)境變量
三臺機器都要進行配置hadoop的環(huán)境變量
三臺機器執(zhí)行以下命令
vim /etc/profile
export HADOOP_HOME=/export/servers/hadoop-2.7.5
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
配置完成之后生效
source /etc/profile
第四步:啟動集群
要啟動 Hadoop 集群喇勋,需要啟動 HDFS 和 YARN 兩個模塊缨该。
注意: 首次啟動 HDFS 時偎行,必須對其進行格式化操作。 本質(zhì)上是一些清理和
準備工作贰拿,因為此時的 HDFS 在物理上還是不存在的蛤袒。
hdfs namenode -format 或者 hadoop namenode –format
準備啟動
第一臺機器執(zhí)行以下命令
cd /export/servers/hadoop-2.7.5/
bin/hdfs namenode -format
sbin/start-dfs.sh
sbin/start-yarn.sh
sbin/mr-jobhistory-daemon.sh start historyserver
三個端口查看界面
http://node01:50070/explorer.html#/ 查看hdfs
http://node01:8088/cluster 查看yarn集群
http://node01:19888/jobhistory 查看歷史完成的任務
測試1,分布式存儲的測試
hdfs dfs -put baoqiang.txt /
測試2,分布式計算的測試
cd /export/servers/hadoop-2.7.5/share/hadoop/mapreduce/
hadoop jar hadoop-mapreduce-examples-2.7.5.jar pi 2 10