vlambda博客
学习文章列表

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群


一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

上面这张思维导图喜欢就拿走,2021年,决定写大数据了。

「@Author:Runsen」

大数据常用技术词汇

未来的竞争,是数据之争。大数据本质上是Hadoop的生态群,下面是常用技术词汇

  • ETL:代表提取、转换和加载。
  • Hadoop:分布式系统基础架构
  • HDFS:分布式文件系统
  • HBase:大数据的NoSQL数据库
  • Hive:数据仓库工具
  • DAG :第二代计算引擎
  • Spark:第三代数据处理引擎
  • Flink:第四代数据处理引擎
  • MapReduce:最初的并行计算框架
  • Sqoop:nosql数据库和传统数据库之间传输数据的工具
  • Hive:数据仓库工具
  • Storm:分布式实时计算系统
  • Flume:分布式的海量日志采集系统。
  • Kafka:分布式发布订阅消息系统
  • ElasticSearch:分布式搜索引擎
  • Kibana:ElasticSearch大数据的图形化展示工具
  • Logstash:Elasticsearch 的传送带
  • Neo4j:nosql图形数据库
  • Oozie:工作流调度系统 -YARN:作业调度和集群资源管理的框架

Hadoop集群

大数据是基于集群的分布式系统。所谓集群是指一组独立的计算机系统构成的一多处理器系统,它们之间通过网络实现进程间的通信,让若干台计算机联合起来工作(服务),可以是并行的,也可以是做备份。

  • 分布式 :分布式的主要工作是分解任务,将职能拆解,多个人在一起做不同的事

  • 集群:集群主要是将同一个业务,部署在多个服务器上 ,多个人在一起做同样的事

Hadoop介绍

Hadoop是Apache旗下的一个用Java语言实现开源软件框架,是一个存储和计算大规模数据的软件平台。

Hadoop是Apache Lucene创始人 Doug Cutting 创建的,最早起源一个Nutch项目。

  • 2003年Google发表了一篇GFS论文,为大规模数据存储提供了可行的解决方案。
  • 2004年 Google发表论文MapReduce系统,为大规模数据计算提供可行的解决方案。Nutch的开发人员以谷歌的论文为基础,完成了相应的开源实现HDFS和MAPREDUCE,并从Nutch中剥离成为独立项目Hadoop。
  • 到2008年1月,Hadoop成为Apache顶级项目,迎来了它的快速发展期。
  • 如今,国内外的互联网巨头基本都在使用Hadoop框架作为大数据解决方案,越来越多的企业将Hadoop 技术作为进入大数据领域的必备技术。

目前,Hadoop发行版本分为开源社区版和商业版。

  • 开源社区版:指由Apache软件基金会维护的版本,是官方维护的版本体系,版本丰富,兼容性稍差。
  • 商业版:指由第三方商业公司在社区版Hadoop基础上进行了一些修改、整合以及各个服务组件兼容性测试而发行的版本,比较著名的有cloudera的CDH等。

开源社区版本:一般使用2.x版本系列,3.x版本系列:该版本是最新版本,但是还不太稳定。

废话不说了,开始今天的主题:使用三台Centos7系统搭建Hadoop2.X完全分布式集群

去年使用CentOS 7搭建了hadoop3.X分布式集群,由于换了电脑,考虑到电脑安装了很多前其他的东西,这次是使用二台Centos7系统搭建Hadoop完全分布式集群,虽然Centos更新到8版本,但是很多大数据学习都是选择基于Centos7系统搭建。这里不搭建一台的伪分布式,搭建的版本是目前Haddop3.X稳定的Hadoop-3.1.4

去年对应的文章教程:

  • https://blog.csdn.net/weixin_44510615/article/details/104625802
  • https://blog.csdn.net/weixin_44510615/article/details/106540129

集群搭建前的准备

在集群搭建前的准备,需要在VMwear Workstation搭建一个Centos7系统,关于搭建过程,由于简单,这里直接省略。

在通过物理机连接虚拟机的时候,需要有VMnet1和VMnet8两个虚拟网卡。

如果安装Vmware没有VMnet1和VMnet8,据我以前踩的坑,网上说安装cclear软件包进行注册表的删除,那是不断删除下载Vmware,并没有解决问题,最终采用系统刷机的办法,得以解决。

因此,搭建虚拟机的前提是,本地主机必须有虚拟本地环境,不然你怎么搞都是白搭。

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
在这里插入图片描述

在此,就可以实现本地ping通虚拟机的IP,实现本地和虚拟机的信息连接。一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

这样,就可以通过xshell对centos7进行远程的连接。

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

在第一次使用Centos7,需要对创建的用户提供管理员的权限,因此需要使用root账号进行相关的修改,防止出现node01 不在 sudoers 文件中。此事将被报告。的报错。

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

使 用 :wq! 保存退出、

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

设置静态ip

设置静态ip,通过ifconfig

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

重启网卡一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

配置阿里云yum源

一开始下载速度很慢,需要配置阿里云yum源,下面来源官方文档,使用的是root账号。

#配置阿里云yum源
yum install -y wget
cd  /etc/yum.repos.d/
mv  CentOS-Base.repo CentOS-Base.repo.bak
wget  http://mirrors.aliyun.com/repo/Centos-7.repo
mv Centos-7.repo CentOS-Base.repo
#配置epel源
wget https://mirrors.aliyun.com/repo/epel-7.repo
#清除缓存并更新
yum clean all
yum makecache
yum update

安装JDK

由于 hadoop 框架的启动是依赖 java 环境,因此需要准备 jdk 环境。目前,OpenJDK 和 Oracle Java 是最主要的两个 Java 实现。卸载Linux系统原有jdkOpenJDK,然后安装Oracle Java。

具体博客:https://blog.csdn.net/weixin_44510615/article/details/104425843

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

克隆一个虚拟机

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

并通过设置静态分别为192.168.147.129,并将三台Centos7主机名分别设置node01和node02,区别centos7机器。

之前创建用户名使用node01,发现自己搞错了,于是把两个主机的用户名都设置为hadoop。

关于Centos7修改用户名:[root@node01 ~]# usermod -l hadoop -d /home/hadoop -m node01

自此我们有两台Centos电脑,在hadoop集群不使用root账号。

NodeName IP地址 用户名
node01 192.168.147.128 hadoop
node02 192.168.147.129 hadoop

xshell均可连接成功。

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

配置ssh免密码登录

[root@node01 ~]# vim /etc/sysconfig/network
#########
HOSTNAME=node01
[root@node01 ~]# vim /etc/hosts
#########
192.168.147.128 node01
192.168.147.129 node02

[root@node01 ~]# systemctl stop firewalld
[root@node01 ~]# systemctl disable firewalld.service

[root@node02 ~]# vim /etc/sysconfig/network
#########
HOSTNAME=node02
[root@node02 ~]# vim /etc/hosts
#########
192.168.147.128 node01
192.168.147.129 node02

[root@node02 ~]# systemctl stop firewalld
[root@node02 ~]# systemctl disable firewalld.service

实现hadoop账号自由在node01和node02切换,具体查看我的博客:https://blog.csdn.net/weixin_44510615/article/details/104528001?

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

下载hadoop

下载链接:https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.1.4/hadoop-3.1.4.tar.gz

[hadoop@node01 ~]$ ls
hadoop-3.1.4.tar.gz  module  wget-log  公共  模板  视频  图片  文档  下载  音乐  桌面
[hadoop@node01 ~]$ mkdir -p  module/hadoop
[hadoop@node01 ~]$ tar -zxvf hadoop-3.1.4.tar.gz -C module/hadoop/
[hadoop@node01 ~]$ cd module/hadoop/hadoop-3.1.4/
[hadoop@node01 hadoop-3.1.4]$ sudo mkdir -p data/tmp
[hadoop@node01 hadoop-3.1.4]$ ls
bin  data  etc  include  lib  libexec  LICENSE.txt  NOTICE.txt  README.txt  sbin  share


一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

修改配置文件

在配置集群/分布式模式时,需要修改“hadoop/etc/hadoop”目录下的配置文件,这里仅设置正常启动所必须的设置项,包括workerscore-site.xmlhdfs-site.xmlmapred-site.xmlyarn-site.xml共5个文件,更多设置项可查看官方说明。

修改文件hadoop-env.sh

[hadoop@node01 hadoop]# vim hadoop-env.sh 
############
export  JAVA_HOME=/usr/java/jdk1.8.0_281/

[hadoop@node01 hadoop]# vim yarn-env.sh
############
export JAVA_HOME=/usr/java/jdk1.8.0_231

修改文件workers

在Master节点的workers文件中指定Slave节点,也就是node02

[hadoop@node01 hadoop]$ vim workers 
[hadoop@node01 hadoop]$ cat workers 
node02

修改文件core-site.xml

请把core-site.xml文件修改为如下内容:

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

修改文件hdfs-site.xml

请把hdfs-site.xml文件修改为如下内容:

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

对于Hadoop的分布式文件系统HDFS而言,一般都是采用冗余存储,冗余因子通常为3,也就是说,一份数据保存三份副本。但是,本教程只有一个Slave节点作为数据节点,即集群中只有一个数据节点,数据只能保存一份,所以 ,dfs.replication的值还是设置为 1。

修改文件mapred-site.xml

请把mapred-site.xml文件修改为如下内容:

[hadoop@node01 hadoop]$ cat mapred-site.xml 
<configuration>
        <property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
        </property>
</configuration>

修改文件 yarn-site.xml

请把yarn-site.xml文件修改为如下内容:

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

配置Hadoop环境变量

在etc/profile增加hadoop路径:

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

初始化HDFS

初始化HDFS,执行 namenode 初始化命令:

hdfs namenode -format

可能出现创建文件夹失败的问题,这个权限问题,使用 root 账号使用命令sudo chmod -R a+w /绝对路径。初始化HDFS失败都要把之前创建的文件夹给删除。

启动集群

直接执行start-all.sh,启动 Hadoop。此时 node02上的相关服务也会被启动:

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

在每台服务器上使用 jps 命令查看服务进程,

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群
一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

或直接进入 Web-UI 界面进行查看,端口为 9870。可以看到此时有一个可用的 Datanode

一、使用两台Centos7系统搭建Hadoop-3.1.4完全分布式集群

接着可以查看 Yarn 的情况,端口号为 8088

至此,Hadoop分布式集群搭建成功。

更多的文章

点击下面小程序


- END -