Hadoop源码分析二安装配置过程详解

湛蓝之海

本篇是Hadoop源码分析系列文章第二篇，主要介绍Hadoop安装配置的详细过程，后续本系列文章会持续更新，有需要的朋友可以借鉴参考下
安装hadoop有好几种方式，以下按照hdfs高可用的方式来安装。
1、 创建用户
命令：

useradd -m bigdata
passwd bigdata

2、 安装jdk
解压：

tar -zvf jdk-8u191-linux-x64.tar.gz

修改环境变量

JAVA_HOME=/usr/lib/jvm/java-8-openjdk-arm64
JRE_HOME=/usr/lib/jvm/java-8-openjdk-arm64/jre
CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
export JAVA_HOME JRE_HOME PATH CLASSPATH

3、 修改hosts
修改/etc/hosts

10.211.55.12  hadoop01# NameNode Active 
10.211.55.13  hadoop01# NameNode Standby 
10.211.55.14  hadoop01# DataNode1

4、 配置ssh免密登录
在每一台需要配置的机器上执行以下命令：

ssh-keygen –t rsa

执行完成后默认会在其根目录下创建一个.ssh目录，在这个目录中有id_rsa和id_rsa.pub两个文件。然后将所有机器的id_rsa.pub文件的内容都合并到一个新的文件中，文件命名为authorized_keys，然后将该文件分发到各台机器上。
最后，使用ssh登录其他机器测试是否完成免密。
5、 安装zookeeper
下载链接：https://zookeeper.apache.org/releases.html

解压：

tar -zxvf apache-zookeeper-3.5.7-bin.tar.gz

修改配置文件
将zookeeper下conf目录中的zoo_sample.cfg文件复制一份，新复制的文件重命名为zoo.cfg文件。
修改内容如下：

#zookeeper的文件路径
dataDir=/root/zookeeper/data
 
#zookeeper集群节点信息
server.1=hadoop01:2888:3888
server.2=hadoop02:2888:3888
server.3=hadoop03:2888:3888

#server.A=B:C:D 其中A是一个数字，代表这是第几号服务器；B是服务器的IP地址；C表示服务器与群集中的“领导者”交换信息的端口；当领导者失效后，D表示用来执行选举时服务器相互通信的端口。
然后在上述设置的文件目录中新建一个文件，文件名为myid，文件内容为一个数字。例如上述配置的hadoop01对应的是server.1，它的myid的文件内容就是1。
配置环境变量
修改/etc/profile文件

export ZOOKEEPER_HOME=/root/zookeeper
export PATH=$PATH:$ZOOKEEPER_HOME/bin

启动
启动命令如下

#启动
zkServer.sh start
#查询状态
zkServer.sh status

6、 安装hadoop

对于三台节点的配置安排如下：

hadoo01：journalnode、namenode、datanode、resourcemanager、nodemanager
hadoo02：journalnode、namenode、datanode、resourcemanager、nodemanager
hadoo03：journalnode、datanode、nodemanager

下载链接：https://hadoop.apache.org/releases.html
解压：

tar -zxvf hadoop-2.7.6.tar.gz

修改配置文件：
hadoop的配置文件在解压后文件夹的etc目录下的hadoop目录中。
修改core-site.xml

<configuration>
<!-- 配置hdfs的名称，其中value标签中的nns1为自定义的，与后文hdfs-site.xml中的属性对应即可-->
 <property>
    <name>fs.defaultFS</name>
    <value>hdfs://nns1</value>
  </property>
  <property>
    <name>io.file.buffer.size</name>
    <value>131072</value>
  </property>
  <!-- 其他临时文件的存储的目录-->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/data/HadoopData/HDFSData</value>
  </property>
<!-- 下面两项与权限相关，在配置hiveserver2的时候如果没配置这两项会出问题。name标签中的root需要改为你使用的用户名-->
  <property>
    <name>hadoop.proxyuser.root.hosts</name>
    <value>*</value>
  </property>
  <property>
    <name>hadoop.proxyuser.root.groups</name>
    <value>*</value>
  </property>
<!-- -->
<!-- 配置zookeeper-->
<property>
    <name>ha.zookeeper.quorum</name>
    <value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
  </property>
</configuration>

配置hdfs-site.xml

<configuration>
<!-- 配置hdfs服务，需要与上文中的fs.defaultFS对应-->
 <property>
    <name>dfs.nameservices</name>
    <value>nns1</value>
  </property>
<!-- 配置hdfs的namenode，使用“，”分隔，value标签中的内容需要自定义-->
  <property>
    <name>dfs.ha.namenodes.nns1</name>
    <value>nn1,nn2</value>
  </property>  
<!-- 配置两台namenode，name标签最后的内容需要与上文对应-->   
  <property>
    <name>dfs.namenode.rpc-address.nns1.nn1</name>
    <value>hadoop01:9000</value>
  </property>
  <property>
    <name>dfs.namenode.rpc-address.nns1.nn2</name>
    <value>hadoop02:9000</value>
  </property>
  <property>
    <name>dfs.namenode.http-address.nns1.nn1</name>
    <value>hadoop01:50070</value>
  </property>
  <property>
    <name>dfs.namenode.http-address.nns1.nn2</name>
    <value>hadoop02:50070</value>
  </property>  
  <!--配置journalnode，修改value中的ip地址与端口便可，最后的nns1可以改为上述定义的名称 -->
  <property>
    <name>dfs.namenode.shared.edits.dir</name>
    <value>qjournal://hadoop01:8485;hadoop02:8485;hadoop03:8485/nns1</value>
  </property>
<!-- 客户端连接可用状态的NameNode所用的代理类 -->
  <property>
    <name>dfs.client.failover.proxy.provider.nns1</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>  
  <!-- 一旦需要NameNode切换，使用ssh方式进行操作，配置了这个需要服务器能使用fuster，有的服务器可能需要安装 -->
  <property>
    <name>dfs.ha.fencing.methods</name>
    <value>sshfence</value>
  </property>  
  <!-- 如果使用ssh进行故障切换，使用ssh通信时用的密钥存储的位置 -->
  <property>
    <name>dfs.ha.fencing.ssh.private-key-files</name>
    <value>/root/.ssh/id_rsa</value>
  </property>
    <!-- 指定journalnode的存储路径 -->
  <property>
    <name>dfs.journalnode.edits.dir</name>
    <value>/data/HadoopData/HDFSData/journal</value>
  </property>  
  <!-- 是否启动自动故障转移 -->
  <property>
    <name>dfs.ha.automatic-failover.enabled</name>
    <value>true</value>
  </property>  
  <!-- 指定namenode数据存储路径 -->
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/data/HadoopData/HDFSData/name</value>
  </property>  
  <!-- 指定datanode数据存储路径 -->
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/data/HadoopData/HDFSData/data</value>
  </property>  
<!-- 设置文件副本数 -->
  <property>
    <name>dfs.replication</name>
    <value>3</value>
  </property>
<!-- 是否启动hdfs网页界面 -->
  <property>
    <name>dfs.webhdfs.enabled</name>
    <value>true</value>
  </property>
</configuration>

配置mapred-site.xml

<configuration>
<!-- 采用yarn作为mapreduce的资源调度框架 -->
 <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

配置yarn-site.xml

<configuration>
 <!-- 启用HA高可用性 -->
  <property>
    <name>yarn.resourcemanager.ha.enabled</name>
    <value>true</value>
  </property>  
   <!-- 使用了2个resourcemanager,分别指定Resourcemanager的地址 -->
  <property>
    <name>yarn.resourcemanager.ha.rm-ids</name>
    <value>rm1,rm2</value>
  </property>
 <!-- 配置集群名称 -->
   <property>
    <name>yarn.resourcemanager.cluster-id</name>
    <value>cluster1-yarn</value>
  </property>
<!--配置RM节点  -->
  <property>
    <name>yarn.resourcemanager.hostname.rm1</name>
    <value>hadoop01</value>
  </property>
  <property>
    <name>yarn.resourcemanager.hostname.rm2</name>
    <value>hadoop02</value>
  </property>
  <!--在hadoop01上配置rm1,在hadoop02上配置rm2,注意：一般都喜欢把配置好的文件远程复制到其它机器上，但这个在YARN的另一个机器上一定要修改 -->
  <property>
    <name>yarn.resourcemanager.ha.id</name>
    <value>rm1</value>
  </property>
  <!--开启自动恢复功能 -->
  <property>
    <name>yarn.resourcemanager.recovery.enabled</name>
    <value>true</value>
  </property>
  <!--配置与zookeeper的连接地址 -->
  <property>
    <name>yarn.resourcemanager.zk-address</name>
    <value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
  </property>
   <!-- 配置shuffle -->
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
  </property>
</configuration>

配置slaves

hadoop01
hadoop02
hadoop03

slaves中配置的服务器ip，没改hosts文件则直接写ip地址便可。该文件配置的服务器在启动的时候会启动datanode和nodemanager两个进程。
7、 初始化
在初始化前需要将所有机器都配置好hadoop
（一般直接复制上述配置好的文件，注意yarn-site.xml中的id，还有保证配置中的路径在每台机器上都存在）。
（1） 启动zookeeper
初始化之前需要保证zookeeper能正常提供服务，启动命令之前有提到
（2） 启动journalnode
初始化前需要保证journalnode已经启动。启动脚本在hadoop的sbin目录下，名字为hadoop-daemon.sh。
启动命令如下：

./hadoop-daemon.sh start journalnode

（3） 格式化zk
命令如下

hdfs zkfc -formatZK

（4） 格式化hdfs
命令如下

hadoop namenode -format

这一步会在上述hdfs-site.xml，配置的dfs.namenode.name.dir路径下创建一系列文件。
（5） 同步元数据
在另一台配置了namenode的服务器上执行以下命令：

hdfs namenode -bootstrapStanby

上述命令如果执行失败，还有一个简单的方法可以同步元数据。可以直接将步骤4中在第一台生成的文件复制到第二台服务器。
（6） 启动hadoop
同样在sbin目录下，使用start-all.sh可以启动所有服务，使用start-dfs.sh和start-yarn.sh可以分别启动hdfs和yarn。
使用hadoop-deamon.sh和yarn-deamon.sh分别别启动hdfs和yarn的单个进程。
（7） 安装fuster
安装命令如下：

yum install psmisc

（8） 网页访问
hdfs网页访问50070端口，yarn网页访问8088。这两个端口可以在配置文件中修改。
正常启动则可以访问到以下页面。

以上就是Hadoop源码分析二安装配置过程的详细内容，本系列下一篇文章传送门Hadoop源码分析三启动及脚本剖析更多Hadoop源码分析的资料请持续关注CodeAE代码之家！
原文链接：https://blog.csdn.net/qq_39210987/article/details/113921917