建站
咨詢
售后
建站咨詢
新聞中心
使用兩臺Centos7系統(tǒng)搭建Hadoop-3.1.4完全分布式集群
作者：小sen 2021-04-12 07:41:57
系統(tǒng)
Linux
分布式
Hadoop Hadoop是Apache旗下的一個用Java語言實現(xiàn)開源軟件框架，是一個存儲和計算大規(guī)模數(shù)據(jù)的軟件平臺。Hadoop是Apache Lucene創(chuàng)始人 Doug Cutting 創(chuàng)建的，最早起源一個Nutch項目。
創(chuàng)新互聯(lián)公司主要從事網(wǎng)站建設、成都網(wǎng)站建設、網(wǎng)頁設計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務。立足成都服務貢山,十年網(wǎng)站建設經驗,價格優(yōu)惠、服務專業(yè),歡迎來電咨詢建站服務:18980820575
[[392380]]
大數(shù)據(jù)常用技術詞匯
未來的競爭，是數(shù)據(jù)之爭。大數(shù)據(jù)本質上是Hadoop的生態(tài)群，下面是常用技術詞匯
- ETL：代表提取、轉換和加載。
- Hadoop：分布式系統(tǒng)基礎架構
- HDFS：分布式文件系統(tǒng)
- HBase：大數(shù)據(jù)的NoSQL數(shù)據(jù)庫
- Hive：數(shù)據(jù)倉庫工具
- DAG ：第二代計算引擎
- Spark：第三代數(shù)據(jù)處理引擎
- Flink：第四代數(shù)據(jù)處理引擎
- MapReduce：最初的并行計算框架
- Sqoop：nosql數(shù)據(jù)庫和傳統(tǒng)數(shù)據(jù)庫之間傳輸數(shù)據(jù)的工具
- Hive：數(shù)據(jù)倉庫工具
- Storm：分布式實時計算系統(tǒng)
- Flume：分布式的海量日志采集系統(tǒng)。
- Kafka：分布式發(fā)布訂閱消息系統(tǒng)
- ElasticSearch：分布式搜索引擎
- Kibana：ElasticSearch大數(shù)據(jù)的圖形化展示工具
- Logstash：Elasticsearch 的傳送帶
- Neo4j：nosql圖形數(shù)據(jù)庫
- Oozie：工作流調度系統(tǒng) -YARN：作業(yè)調度和集群資源管理的框架
Hadoop集群
大數(shù)據(jù)是基于集群的分布式系統(tǒng)。所謂集群是指一組獨立的計算機系統(tǒng)構成的一多處理器系統(tǒng)，它們之間通過網(wǎng)絡實現(xiàn)進程間的通信，讓若干臺計算機聯(lián)合起來工作(服務)，可以是并行的，也可以是做備份。
- 分布式 ：分布式的主要工作是分解任務，將職能拆解，多個人在一起做不同的事
- 集群：集群主要是將同一個業(yè)務，部署在多個服務器上 ，多個人在一起做同樣的事
Hadoop介紹
Hadoop是Apache旗下的一個用Java語言實現(xiàn)開源軟件框架，是一個存儲和計算大規(guī)模數(shù)據(jù)的軟件平臺。
Hadoop是Apache Lucene創(chuàng)始人 Doug Cutting 創(chuàng)建的，最早起源一個Nutch項目。
- 2003年Google發(fā)表了一篇GFS論文，為大規(guī)模數(shù)據(jù)存儲提供了可行的解決方案。
- 2004年 Google發(fā)表論文MapReduce系統(tǒng)，為大規(guī)模數(shù)據(jù)計算提供可行的解決方案。Nutch的開發(fā)人員以谷歌的論文為基礎，完成了相應的開源實現(xiàn)HDFS和MAPREDUCE，并從Nutch中剝離成為獨立項目Hadoop。
- 到2008年1月，Hadoop成為Apache頂級項目，迎來了它的快速發(fā)展期。
- 如今，國內外的互聯(lián)網(wǎng)巨頭基本都在使用Hadoop框架作為大數(shù)據(jù)解決方案，越來越多的企業(yè)將Hadoop 技術作為進入大數(shù)據(jù)領域的必備技術。
目前，Hadoop發(fā)行版本分為開源社區(qū)版和商業(yè)版。
- 開源社區(qū)版:指由Apache軟件基金會維護的版本，是官方維護的版本體系,版本豐富，兼容性稍差。
- 商業(yè)版:指由第三方商業(yè)公司在社區(qū)版Hadoop基礎上進行了一些修改、整合以及各個服務組件兼容性測試而發(fā)行的版本，比較著名的有cloudera的CDH等。
開源社區(qū)版本：一般使用2.x版本系列，3.x版本系列:該版本是最新版本，但是還不太穩(wěn)定。
廢話不說了，開始今天的主題：使用三臺Centos7系統(tǒng)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，由于換了電腦，考慮到電腦安裝了很多前其他的東西，這次是使用二臺Centos7系統(tǒng)搭建Hadoop完全分布式集群，雖然Centos更新到8版本，但是很多大數(shù)據(jù)學習都是選擇基于Centos7系統(tǒng)搭建。這里不搭建一臺的偽分布式，搭建的版本是目前Haddop3.X穩(wěn)定的Hadoop-3.1.4。
去年對應的文章教程：
- https://blog.csdn.net/weixin_44510615/article/details/104625802
- https://blog.csdn.net/weixin_44510615/article/details/106540129
集群搭建前的準備
Centos7的下載地址：http://mirrors.aliyun.com/centos/7.9.2009/isos/x86_64/CentOS-7-x86_64-DVD-2009.iso。共4.8g。
在集群搭建前的準備，需要在VMwear Workstation搭建一個Centos7系統(tǒng)，關于搭建過程，由于簡單，這里直接省略。
在通過物理機連接虛擬機的時候，需要有VMnet1和VMnet8兩個虛擬網(wǎng)卡。
如果安裝Vmware沒有VMnet1和VMnet8，據(jù)我以前踩的坑，網(wǎng)上說安裝cclear軟件包進行注冊表的刪除，那是不斷刪除下載Vmware，并沒有解決問題，最終采用系統(tǒng)刷機的辦法，得以解決。
因此，搭建虛擬機的前提是，本地主機必須有虛擬本地環(huán)境，不然你怎么搞都是白搭。
在這里插入圖片描述
在此，就可以實現(xiàn)本地ping通虛擬機的IP，實現(xiàn)本地和虛擬機的信息連接。
這樣，就可以通過xshell對centos7進行遠程的連接。
在第一次使用Centos7，需要對創(chuàng)建的用戶提供管理員的權限，因此需要使用root賬號進行相關的修改，防止出現(xiàn)node01 不在 sudoers 文件中。此事將被報告。的報錯。
使 用 ：wq! 保存退出、
如果遠程連接失敗，應該沒有開發(fā)端口和IP地址。需要設置sudo vim /etc/ssh/sshd_config
設置靜態(tài)ip
設置靜態(tài)ip，通過ifconfig
重啟網(wǎng)卡
配置阿里云yum源
一開始下載速度很慢，需要配置阿里云yum源，下面來源官方文檔，使用的是root賬號。
- #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
- #清除緩存并更新
- yum clean all
- yum makecache
- yum update
安裝JDK
由于 hadoop 框架的啟動是依賴 java 環(huán)境，因此需要準備 jdk 環(huán)境。目前，OpenJDK 和 Oracle Java 是最主要的兩個 Java 實現(xiàn)。卸載Linux系統(tǒng)原有jdkOpenJDK，然后安裝Oracle Java。
具體博客：https://blog.csdn.net/weixin_44510615/article/details/104425843
克隆一個虛擬機
并通過設置靜態(tài)分別為192.168.147.129，并將三臺Centos7主機名分別設置node01和node02，區(qū)別centos7機器。
之前創(chuàng)建用戶名使用node01，發(fā)現(xiàn)自己搞錯了，于是把兩個主機的用戶名都設置為hadoop。
關于Centos7修改用戶名：[root@node01 ~]# usermod -l hadoop -d /home/hadoop -m node01。
自此我們有兩臺Centos電腦，在hadoop集群不使用root賬號。
xshell均可連接成功。
配置ssh免密碼登錄
- [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
實現(xiàn)hadoop賬號自由在node01和node02切換，具體查看我的博客：https://blog.csdn.net/weixin_44510615/article/details/104528001?
下載hadoop下載鏈接：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 視頻 圖片 文檔 下載 音樂 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
修改配置文件
在配置集群/分布式模式時，需要修改“hadoop/etc/hadoop”目錄下的配置文件，這里僅設置正常啟動所必須的設置項，包括workers、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml共5個文件，更多設置項可查看官方說明。
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節(jié)點的workers文件中指定Slave節(jié)點，也就是node02
- [hadoop@node01 hadoop]$ vim workers
- [hadoop@node01 hadoop]$ cat workers
- node02
修改文件core-site.xml
請把core-site.xml文件修改為如下內容：
修改文件hdfs-site.xml
請把hdfs-site.xml文件修改為如下內容：
對于Hadoop的分布式文件系統(tǒng)HDFS而言，一般都是采用冗余存儲，冗余因子通常為3，也就是說，一份數(shù)據(jù)保存三份副本。但是，本教程只有一個Slave節(jié)點作為數(shù)據(jù)節(jié)點，即集群中只有一個數(shù)據(jù)節(jié)點，數(shù)據(jù)只能保存一份，所以 ，dfs.replication的值還是設置為 1。
修改文件mapred-site.xml
請把mapred-site.xml文件修改為如下內容：
- [hadoop@node01 hadoop]$ cat mapred-site.xml
mapreduce.framework.name yarn
修改文件 yarn-site.xml
請把yarn-site.xml文件修改為如下內容：
配置Hadoop環(huán)境變量
在etc/profile增加hadoop路徑：
初始化HDFS
初始化HDFS，執(zhí)行 namenode 初始化命令：
- hdfs namenode -format
可能出現(xiàn)創(chuàng)建文件夾失敗的問題，這個權限問題，使用 root 賬號使用命令sudo chmod -R a+w /絕對路徑。初始化HDFS失敗都要把之前創(chuàng)建的文件夾給刪除。
啟動集群
直接執(zhí)行start-all.sh，啟動 Hadoop。此時 node02上的相關服務也會被啟動：
在每臺服務器上使用 jps 命令查看服務進程，
或直接進入 Web-UI 界面進行查看，端口為 9870?？梢钥吹酱藭r有一個可用的 Datanode：
接著可以查看 Yarn 的情況，端口號為 8088 ：
至此，Hadoop分布式集群搭建成功。
網(wǎng)頁題目：使用兩臺Centos7系統(tǒng)搭建Hadoop-3.1.4完全分布式集群
分享網(wǎng)址：http://m.5511xx.com/article/cosjsjp.html
