Hadoop 简明教程

Hadoop - Multi-Node Cluster

本章介绍了在分布式环境中设置 Hadoop 多节点群集。

由于无法演示整个集群,我们使用三个系统(一个主设备和两个从设备)解释 Hadoop 集群环境;以下是它们的 IP 地址。

  1. Hadoop Master: 192.168.1.15 (hadoop-master)

  2. Hadoop Slave: 192.168.1.16 (hadoop-slave-1)

  3. Hadoop Slave: 192.168.1.17 (hadoop-slave-2)

按照以下步骤设置 Hadoop 多节点集群。

Installing Java

Java 是 Hadoop 的主要先决条件。首先,您应该使用“java -version”验证您的系统中是否存在 java。java 版本命令的语法如下。

$ java -version

如果一切正常,它将为您提供以下输出。

java version "1.7.0_71"
Java(TM) SE Runtime Environment (build 1.7.0_71-b13)
Java HotSpot(TM) Client VM (build 25.0-b02, mixed mode)

如果您的系统中未安装 java,请按照以下步骤安装 java。

Step 1

访问以下链接下载 java (JDK <最新版本> - X64.tar.gz): www.oracle.com

然后 jdk-7u71-linux-x64.tar.gz 将下载到您的系统中。

Step 2

通常,您将在“下载”文件夹中找到下载的 java 文件。使用以下命令对其进行验证并解压缩 jdk-7u71-linux-x64.gz 文件。

$ cd Downloads/
$ ls
jdk-7u71-Linux-x64.gz

$ tar zxf jdk-7u71-Linux-x64.gz
$ ls
jdk1.7.0_71 jdk-7u71-Linux-x64.gz

Step 3

要使所有用户都能使用 java,您必须将其移至 “/usr/local/”的位置。打开 root 并键入以下命令。

$ su
password:
# mv jdk1.7.0_71 /usr/local/
# exit

Step 4

为设置 PATHJAVA_HOME 变量,将以下命令添加到 ~/.bashrc 文件。

export JAVA_HOME=/usr/local/jdk1.7.0_71
export PATH=PATH:$JAVA_HOME/bin

现在,如上所述,从终端验证 java -version 命令。按照上述过程在所有集群节点中安装 java。

Creating User Account

在主设备和从设备上创建一个系统用户帐户以使用 Hadoop 安装。

# useradd hadoop
# passwd hadoop

Mapping the nodes

您必须在所有节点上的 /etc/ 文件夹中编辑 hosts 文件,指定每个系统的 IP 地址以及它们的主机名。

# vi /etc/hosts
enter the following lines in the /etc/hosts file.

192.168.1.109 hadoop-master
192.168.1.145 hadoop-slave-1
192.168.56.1 hadoop-slave-2

Configuring Key Based Login

在每个节点中设置 ssh,以便它们无需任何密码提示即可相互通信。

# su hadoop
$ ssh-keygen -t rsa
$ ssh-copy-id -i ~/.ssh/id_rsa.pub tutorialspoint@hadoop-master
$ ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop_tp1@hadoop-slave-1
$ ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop_tp2@hadoop-slave-2
$ chmod 0600 ~/.ssh/authorized_keys
$ exit

Installing Hadoop

在主设备服务器中,使用以下命令下载并安装 Hadoop。

# mkdir /opt/hadoop
# cd /opt/hadoop/
# wget http://apache.mesi.com.ar/hadoop/common/hadoop-1.2.1/hadoop-1.2.0.tar.gz
# tar -xzf hadoop-1.2.0.tar.gz
# mv hadoop-1.2.0 hadoop
# chown -R hadoop /opt/hadoop
# cd /opt/hadoop/hadoop/

Configuring Hadoop

您必须通过进行如下所示的更改将 Hadoop 服务器进行配置。

core-site.xml

打开 core-site.xml 文件,并按如下所示进行编辑。

<configuration>
   <property>
      <name>fs.default.name</name>
      <value>hdfs://hadoop-master:9000/</value>
   </property>
   <property>
      <name>dfs.permissions</name>
      <value>false</value>
   </property>
</configuration>

hdfs-site.xml

打开 hdfs-site.xml 文件,并按如下所示进行编辑。

<configuration>
   <property>
      <name>dfs.data.dir</name>
      <value>/opt/hadoop/hadoop/dfs/name/data</value>
      <final>true</final>
   </property>

   <property>
      <name>dfs.name.dir</name>
      <value>/opt/hadoop/hadoop/dfs/name</value>
      <final>true</final>
   </property>

   <property>
      <name>dfs.replication</name>
      <value>1</value>
   </property>
</configuration>

mapred-site.xml

打开 mapred-site.xml 文件,并按如下所示进行编辑。

<configuration>
   <property>
      <name>mapred.job.tracker</name>
      <value>hadoop-master:9001</value>
   </property>
</configuration>

hadoop-env.sh

打开 hadoop-env.sh 文件,并按如下所示编辑 JAVA_HOME、HADOOP_CONF_DIR 和 HADOOP_OPTS。

Note − 根据您的系统配置设置 JAVA_HOME。

export JAVA_HOME=/opt/jdk1.7.0_17
export HADOOP_OPTS=-Djava.net.preferIPv4Stack=true
export HADOOP_CONF_DIR=/opt/hadoop/hadoop/conf

Installing Hadoop on Slave Servers

按照提供的命令,在所有从属服务器上安装Hadoop。

# su hadoop
$ cd /opt/hadoop
$ scp -r hadoop hadoop-slave-1:/opt/hadoop
$ scp -r hadoop hadoop-slave-2:/opt/hadoop

Configuring Hadoop on Master Server

打开主服务器并按照给定的命令配置它。

# su hadoop
$ cd /opt/hadoop/hadoop

Configuring Master Node

$ vi etc/hadoop/masters

hadoop-master

Configuring Slave Node

$ vi etc/hadoop/slaves

hadoop-slave-1
hadoop-slave-2

Format Name Node on Hadoop Master

# su hadoop
$ cd /opt/hadoop/hadoop
$ bin/hadoop namenode –format
11/10/14 10:58:07 INFO namenode.NameNode: STARTUP_MSG:
/************************************************************
STARTUP_MSG: Starting NameNode
STARTUP_MSG: host = hadoop-master/192.168.1.109
STARTUP_MSG: args = [-format]
STARTUP_MSG: version = 1.2.0
STARTUP_MSG: build = https://svn.apache.org/repos/asf/hadoop/common/branches/branch-1.2 -r 1479473;
compiled by 'hortonfo' on Mon May 6 06:59:37 UTC 2013
STARTUP_MSG: java = 1.7.0_71

************************************************************/
11/10/14 10:58:08 INFO util.GSet: Computing capacity for map BlocksMap
editlog=/opt/hadoop/hadoop/dfs/name/current/edits
………………………………………………….
………………………………………………….
………………………………………………….
11/10/14 10:58:08 INFO common.Storage: Storage directory
/opt/hadoop/hadoop/dfs/name has been successfully formatted.
11/10/14 10:58:08 INFO namenode.NameNode:
SHUTDOWN_MSG:
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at hadoop-master/192.168.1.15
************************************************************/

Starting Hadoop Services

以下命令用于在Hadoop主服务器上启动所有Hadoop服务。

$ cd $HADOOP_HOME/sbin
$ start-all.sh

Adding a New DataNode in the Hadoop Cluster

以下是为Hadoop集群添加新节点的步骤。

Networking

为现有Hadoop集群添加新节点,并使用一些适当的网络配置。假设以下网络配置。

对于新节点配置−

IP address : 192.168.1.103
netmask : 255.255.255.0
hostname : slave3.in

Adding User and SSH Access

Add a User

在新节点上,添加“hadoop”用户并使用以下命令将Hadoop用户的密码设置为“hadoop123”或您想要的任何密码。

useradd hadoop
passwd hadoop

建立从主节点到新从属节点的非密码连接。

Execute the following on the master

mkdir -p $HOME/.ssh
chmod 700 $HOME/.ssh
ssh-keygen -t rsa -P '' -f $HOME/.ssh/id_rsa
cat $HOME/.ssh/id_rsa.pub >> $HOME/.ssh/authorized_keys
chmod 644 $HOME/.ssh/authorized_keys
Copy the public key to new slave node in hadoop user $HOME directory
scp $HOME/.ssh/id_rsa.pub hadoop@192.168.1.103:/home/hadoop/

Execute the following on the slaves

登录到Hadoop。如果没有,请登录到Hadoop用户。

su hadoop ssh -X hadoop@192.168.1.103

将公钥的内容复制到文件 "$HOME/.ssh/authorized_keys" 中,然后通过执行以下命令更改相同文件的权限。

cd $HOME
mkdir -p $HOME/.ssh
chmod 700 $HOME/.ssh
cat id_rsa.pub >>$HOME/.ssh/authorized_keys
chmod 644 $HOME/.ssh/authorized_keys

从主计算机检查ssh登录。现在,检查是否可以从主节点通过ssh访问新节点,而无需密码。

ssh hadoop@192.168.1.103 or hadoop@slave3

Set Hostname of New Node

您可以在文件 /etc/sysconfig/network 中设置主机名。

On new slave3 machine

NETWORKING = yes
HOSTNAME = slave3.in

为了使更改生效,请重新启动计算机或使用各自的主机名对新计算机运行主机名命令(重新启动是一个好选择)。

在slave3节点计算机上−

主机名slave3.in

使用以下行更新群集所有计算机上的 /etc/hosts

192.168.1.102 slave3.in slave3

现在尝试使用主机名ping计算机,以检查是否解析为IP。

在新节点计算机上−

ping master.in

Start the DataNode on New Node

使用 $HADOOP_HOME/bin/hadoop-daemon.sh script 手动启动dataNode守护程序。它将自动联系主(NameNode)并加入群集。我们还应该将新节点添加到主服务器中的conf/slaves文件中。基于脚本的命令将识别新的节点。

Login to new node

su hadoop or ssh -X hadoop@192.168.1.103

Start HDFS on a newly added slave node by using the following command

./bin/hadoop-daemon.sh start datanode

Check the output of jps command on a new node. It looks as follows.

$ jps
7141 DataNode
10312 Jps

Removing a DataNode from the Hadoop Cluster

在运行时,我们可以在不丢失任何数据的情况下从集群中删除一个节点。HDFS 提供了一个解除配置的功能,它确保以安全的方式删除节点。要使用该功能,请按照以下步骤操作:

Step 1 − Login to master

登录到已安装 Hadoop 的主计算机用户。

$ su hadoop

Step 2 − Change cluster configuration

必须在启动集群之前配置一个排除文件。向我们的 ` $HADOOP_HOME/etc/hadoop/hdfs-site.xml ` 文件中添加一个名为 dfs.hosts.exclude 的键。与此键关联的值提供了一个文件在 NameNode 本地文件系统上的完整路径,此文件包含不被允许连接到 HDFS 的计算机列表。

例如,将这些行添加到 ` etc/hadoop/hdfs-site.xml ` 文件。

<property>
   <name>dfs.hosts.exclude</name>
   <value>/home/hadoop/hadoop-1.2.1/hdfs_exclude.txt</value>
   <description>DFS exclude</description>
</property>

Step 3 − Determine hosts to decommission

每个需要解除配置的计算机都应添加到 hdfs_exclude.txt 标识的文件中,每行一个域名。这会阻止它们连接到 NameNode。如果你想删除 DataNode2,` "/home/hadoop/hadoop-1.2.1/hdfs_exclude.txt" ` 文件的内容如下所示:

slave2.in

Step 4 − Force configuration reload

在不加引号的情况下运行命令 ` "$HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes" `。

$ $HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes

这将强制 NameNode 重新读取其配置,包括新更新的“排除”文件。它会在一段时间内解除配置节点,从而为每个节点的块复制到计划保持活动状态的计算机上提供时间。

在 ` slave2.in ` 中,检查 jps 命令输出。一段时间后,你将看到 DataNode 进程自动关闭。

Step 5 − Shutdown nodes

解除配置过程完成后,可以安全地关闭已解除配置的硬件以进行维护。运行 dfsadmin 报告命令以检查解除配置的状态。以下命令将描述解除配置节点的状态和连接到该集群的节点。

$ $HADOOP_HOME/bin/hadoop dfsadmin -report

Step 6 − Edit excludes file again

机器解除配置后,可以从“排除”文件中删除它们。再次运行 ` "$HADOOP_HOME/bin/hadoop dfsadmin -refreshNodes" ` 将把排除文件读回到 NameNode 中;允许 DataNode 在维护完成后重新加入该集群,或者在该集群再次需要额外容量时重新加入该集群,等等。

` Special Note ` - 如果遵循以上过程,并且 tasktracker 进程仍在该节点上运行,则需要将其关闭。一种方法是像在上述步骤中所做的那样断开计算机连接。主计算机将自动识别该进程并宣布该进程已死亡。无需遵循相同过程来删除 tasktracker,因为它不如 DataNode 那样重要。DataNode 包含你要在不丢失任何数据的情况下安全删除的数据。

可以通过在任何时间点使用以下命令动态运行/关闭 tasktracker。

$ $HADOOP_HOME/bin/hadoop-daemon.sh stop tasktracker
$HADOOP_HOME/bin/hadoop-daemon.sh start tasktracker