文章目录

  • hadoop基础环境增强
  • hadoop HA的环境的搭建
  • 第一步:停止服务
  • 第二步:启动所有节点的zookeeper服务
  • 第三步:更改配置文件
  • 第四步:服务的启动
  • 第一步:初始化zookeeper
  • 第二步:启动journalNode
  • 第三步:初始化journalNode
  • 第四步:启动namenode
  • 第五步:启动所有节点的datanode进程
  • 第六步:启动zkfc
  • 第七步:启动yarn进程
  • 第八步:启动jobhsitory
  • Hadoop Federation
  • clouderaManager5.14.0环境安装搭建
  • clouderaManager环境安装前准备
  • clouderaManager安装资源下载
  • 第一步:下载安装资源并上传到服务器
  • 第二步:解压压缩包到指定路径
  • 第三步:将我们的parcel包的三个文件拷贝到对应路径
  • 第四步:所有节点添加普通用户并给与sudo权限
  • 第五步:更改主节点的配置文件
  • 第六步:将/opt目录下的安装包发放到其他机器
  • 第七步:创建一些数据库备用
  • 第八步:准备数据库连接的驱动包
  • 第九步:为clouderaManager创建数据库
  • 第十步:启动服务
  • 第十一步:浏览器页面访问


hadoop基础环境增强

Hadoop High Availability
hadoop的ha模式:

一般实际工作当中都要求我们的任务 7 *24 小时的可用
伪分布模式下,只有一个namenode,只有一个resourceManager
通过高可用,可以解决我们主节点单机故障的问题
2.x当中namenode最多两个
resourceManager最多两个
一般ha都有active节点和standby节点
如果active节点挂掉之后,standby节点需要马上切换为active状态的节点

在hadoop2当中为了解决nn单节点的故障,引入了多种手段

Linux HA, VMware FT, shared NAS+NFS, BookKeeper, QJM/Quorum Journal Manager, BackupNode

其中qjm的方案用的是最多的 其实就是搞了两个namenode出来,实现我们的ha
如果有两个namenode,那么就会存在一个问题,两个namenode当中元数据信息如何同步

星环inceptor 对比hive_hadoop


Namenode HA详解

hadoop2.x之后,Clouera提出了QJM/Qurom Journal Manager,这是一个基于Paxos算法(分布式一致性算法)实现的HDFS HA方案,它给出了一种较好的解决思路和方案,QJM主要优势如下:

不需要配置额外的高共享存储,降低了复杂度和维护成本。
消除spof(单点故障)。
系统鲁棒性(Robust)的程度可配置、可扩展。

星环inceptor 对比hive_hdfs_02


namenode active:活跃的节点,对外提供服务

namenode standby : 备份的节点,等到acitve节点死了之后,备份节点,转换为active状态,对外提供服务

journalnode: 同步用户的edits文件操作日志
zkFailoverController: 与我们namenode同在一台机器,检测我们namenode的健康状况
zk:使用zk来提供我们节点的变化感知 使用的其实就是zk的临时节点+watch机制

hadoop HA的环境的搭建

基于现有的伪分布式模式,改成完全HA分布式,改完之后,hdfs上面的数据不能丢失

第一步:停止服务

如何在已有的伪分布式的基础上面搭建HA高可用集群

集群服务规划:

星环inceptor 对比hive_hdfs_03


停止oozie服务(node3)

cd /export/servers/oozie-4.1.0-cdh5.14.0
bin/oozied.sh stop

停止hue服务

node3停止hue的服务

停止impala服务

直接使用kill -9杀死进程即可
node3停止impala相关服务
service impala-catalog stop
service impala-state-store stop
service impala-server stop
node2停止impala相关服务
service impala-server stop
node1停止impala相关服务
service impala-server stop

停止hive服务

node3停止hive服务
通过kill命令直接杀死相关hive进程即可

停止hadoop服务

node1机器执行以下命令停止hadoop服务
cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/stop-dfs.sh
sbin/stop-yarn.sh
sbin/mr-jobhistory-daemon.sh stop historyserver

第二步:启动所有节点的zookeeper服务

cd /export/servers/zookeeper-3.4.5-cdh5.14.0
bin/zkServer.sh start

第三步:更改配置文件

所有节点修改配置文件,注意yarn-site.xml当中的
yarn.resourcemanager.ha.id 这个属性值,node3机器与node2机器的配置值不太一样
修改core-site.xml

<configuration>
<!-- 伪分布式
	<property>
		<name>fs.defaultFS</name>
		<!-- hdfs:// 表示我们使用分布式的文件系统的实现-->
		<value>hdfs://node1:8020</value>
	</property>
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/tempDatas</value>
	</property>
	<!--  缓冲区大小,实际工作中根据服务器性能动态调整 -->
	<property>
		<name>io.file.buffer.size</name>
		<value>4096</value>
	</property>

	<!--  开启hdfs的垃圾桶机制,删除掉的数据可以从垃圾桶中回收,单位分钟 -->
	<property>
		<name>fs.trash.interval</name>
		<value>10080</value>
	</property>
	<property>
		<name>hadoop.proxyuser.root.hosts</name>
		<value>*</value>
	</property>
	<property>
		<name>hadoop.proxyuser.root.groups</name>
		<value>*</value>
	</property> 	
-->	
<property>
		<name>ha.zookeeper.quorum</name>
		<value>node1.hadoop.com:2181,node2.hadoop.com:2181,node3.hadoop.com:2181</value>
	</property>

	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://hann</value>
	</property>
	<!--  缓冲区大小,实际工作中根据服务器性能动态调整 -->
	<property>
		<name>io.file.buffer.size</name>
		<value>4096</value>
	</property>

	<property>
	<name>hadoop.tmp.dir</name>
	<value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/tempDatas</value>
	</property>

	<property>
		<name>fs.trash.interval</name>
		<value>10080</value>
	</property>
	 
	<property>
		<name>hadoop.proxyuser.root.hosts</name>
		<value>*</value>
	</property>
	<property>
		<name>hadoop.proxyuser.root.groups</name>
		<value>*</value>
	</property>
</configuration>

修改hdfs-site.xml

<!-- NameNode存储元数据信息的路径,实际工作中,一般先确定磁盘的挂载目录,然后多个目录用,进行分割   --> 
	<!--   集群动态上下线 
	<property>
		<name>dfs.hosts</name>
		<value>/export/servers/hadoop-2.7.4/etc/hadoop/accept_host</value>
	</property>
	
	<property>
		<name>dfs.hosts.exclude</name>
		<value>/export/servers/hadoop-2.7.4/etc/hadoop/deny_host</value>
	</property>
	 -->
	 <!-- 定义了我们secondaryNamenode的通信地址,辅助namenode管理元数据信息-->
	 
	<!-- 伪分布式
	<property>
			<name>dfs.namenode.secondary.http-address</name>
			<value>node1:50090</value>
	</property>

	<!-- 50070这个端口定义了我们通过浏览器来访问我们的hdfs的端口-->
	<property>
		<name>dfs.namenode.http-address</name>
		<value>node1:50070</value>
	</property>
	
	<!-- 定义了我们元数据fsimage的存储路径,fsimage就是我们的元数据信息,写法是file:///。
	但是要先明确放哪个磁盘可以使用df -lh查看-->
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/namenodeDatas</value>
	</property>
	<!--  定义dataNode数据存储的节点位置,实际工作中,一般先确定磁盘的挂载目录,然后多个目录用,进行分割  -->
	
	<property>
		<name>dfs.datanode.data.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/datanodeDatas</value>
	</property>
	
	<!-- edits文件的存放位置 一部分元数据信息-->
	<property>
		<name>dfs.namenode.edits.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/nn/edits</value>
	</property>
	
	<!-- 元数据保存点存放的位置-->
	<property>
		<name>dfs.namenode.checkpoint.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/snn/name</value>
	</property>
	<!-- edits元数据存放的位置-->
	<property>
		<name>dfs.namenode.checkpoint.edits.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/snn/edits</value>
	</property>
	<!-- 文件的副本数-->
	<property>
		<name>dfs.replication</name>
		<value>3</value>
	</property>
	<!-- 关闭hdfs权限-->
	<property>
		<name>dfs.permissions</name>
		<value>false</value>
	</property>
	<!-- 文件块的大小-->
	<property>
		<name>dfs.blocksize</name>
		<value>134217728</value>
	</property>
	<property>
		<name>dfs.client.read.shortcircuit</name>
		<value>true</value>
	</property>
	<property>
		<name>dfs.domain.socket.path</name>
		<value>/var/run/hdfs-sockets/dn</value>
	</property>
	<property>
		<name>dfs.client.file-block-storage-locations.timeout.millis</name>
		<value>10000</value>
	</property>
	<property>
		<name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
		<value>true</value>
	</property>
	<property>
		<name>dfs.webhdfs.enabled</name>
		<value>true</value>
	</property>
	-->


	<property>
		<name>dfs.nameservices</name>
		<value>hann</value>
	</property>

		<property>
		<name>dfs.ha.namenodes.hann</name>
		<value>nn1,nn2</value>
	</property>
	<property>
		<name>dfs.namenode.rpc-address.hann.nn1</name>
		<value>node1.hadoop.com:8020</value>
	</property>
	<property>
		<name>dfs.namenode.rpc-address.hann.nn2</name>
		<value>node2.hadoop.com:8020</value>
	</property>
	
	<property>
		<name>dfs.namenode.servicerpc-address.hann.nn1</name>
		<value>node1.hadoop.com:8022</value>
	</property>
	<property>
		<name>dfs.namenode.servicerpc-address.hann.nn2</name>
		<value>node2.hadoop.com:8022</value>
	</property>
	
	
	<property>
		<name>dfs.namenode.http-address.hann.nn1</name>
		<value>node1.hadoop.com:50070</value>
	</property>
	<property>
		<name>dfs.namenode.http-address.hann.nn2</name>
		<value>node2.hadoop.com:50070</value>
	</property>

	
		<property>
		<name>dfs.namenode.shared.edits.dir</name>
		<value>qjournal://node1.hadoop.com:8485;node2.hadoop.com:8485;node3.hadoop.com:8485/hann</value>
	</property>
	
		<property>
		<name>dfs.journalnode.edits.dir</name>
		<value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/jn</value>
	</property>
	
	<property>
		<name>dfs.client.failover.proxy.provider.hann</name>
		<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
	</property>

	<property>
		<name>dfs.ha.fencing.methods</name>
		<value>sshfence</value>
	</property>

	<property>
		<name>dfs.ha.fencing.ssh.private-key-files</name>
		<value>/root/.ssh/id_rsa</value>
	</property>
	
		<property>
		<name>dfs.ha.automatic-failover.enabled</name>
		<value>true</value>
	</property>
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/namenodeDatas</value>
		
	<!-- datanode存放数据位置,需要我们指定我们磁盘挂载的目录
			df -lh
			如果有多个路径,用逗号隔开即可
			datanodeDatas,file:///
	-->
	
	</property>
	<property>
		<name>dfs.namenode.edits.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/dfs/nn/edits</value>
	</property>
	
	<property>
		<name>dfs.datanode.data.dir</name>
		<value>file:///export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/datanodeDatas</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>
	
	<property>
	  <name>dfs.webhdfs.enabled</name>
	  <value>true</value>
	</property>

	<property>
		<name>dfs.client.read.shortcircuit</name>
		<value>true</value>
	</property>
	<property>
		<name>dfs.domain.socket.path</name>
		<value>/var/run/hdfs-sockets/dn</value>
	</property>
	<property>
		<name>dfs.client.file-block-storage-locations.timeout.millis</name>
		<value>10000</value>
	</property>
	<property>
		<name>dfs.datanode.hdfs-blocks-metadata.enabled</name>
		<value>true</value>
	</property>

	<property>
	  <name>dfs.webhdfs.enabled</name>
	  <value>true</value>
	</property>

修改mapred-site.xml

<!-- 伪分布式
<!-- 指定mapreduce运行的框架是yarn -->
	<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
	</property>
	<!-- mapreduce的小任务模式开启 -->
	<property>
		<name>mapreduce.job.ubertask.enable</name>
		<value>true</value>
	</property>
	<!-- 定义了我们jobhistory通信地址,jobhistory是我们查看历史完成任务信息地址 -->
	<property>
		<name>mapreduce.jobhistory.address</name>
		<value>node1:10020</value>
	</property>
	<!-- web界面查看jobhistory的地址  -->
	<property>
		<name>mapreduce.jobhistory.webapp.address</name>
		<value>node1:19888</value>
	</property>
	<!--Snappy压缩-->
	<property>
		<name>mapreduce.map.output.compress</name>
		<value>true</value>
	</property>
	<property>
		<name>mapreduce.map.output.compress.codec</name>
		<value>org.apache.hadoop.io.compress.SnappyCodec</value>
	</property>
	 <property>
                <name>mapreduce.output.fileoutputformat.compress</name>
                <value>true</value>
     </property>
	 <property>
                <name>mapreduce.output.fileoutputformat.compress.type</name>
                <value>RECORD</value>
     </property>
	 <property>
                <name>mapreduce.output.fileoutputformat.compress.codec</name>
                <value>org.apache.hadoop.io.compress.SnappyCodec</value>
     </property>

-->

<!--指定运行mapreduce的环境是yarn -->
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>
<!-- MapReduce JobHistory Server IPC host:port -->
<property>
        <name>mapreduce.jobhistory.address</name>
        <value>node03:10020</value>
</property>
<!-- MapReduce JobHistory Server Web UI host:port -->
<property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>node03:19888</value>
</property>
<!-- The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->
<property>
        <name>mapreduce.jobtracker.system.dir</name>
        <value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/jobtracker</value>
</property>
<!-- The amount of memory to request from the scheduler for each map task. 默认 1024-->
<property>
        <name>mapreduce.map.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
                <name>mapreduce.map.java.opts</name>
                <value>-Xmx1024m</value>
        </property> -->
<!-- The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
<property>
        <name>mapreduce.reduce.memory.mb</name>
        <value>1024</value>
</property>
<!-- <property>
               <name>mapreduce.reduce.java.opts</name>
               <value>-Xmx2048m</value>
        </property> -->
<!-- 用于存储文件的缓存内存的总数量,以兆字节为单位。默认情况下,分配给每个合并流1MB,给个合并流应该寻求最小化。默认值100-->
<property>
        <name>mapreduce.task.io.sort.mb</name>
        <value>100</value>
</property>
 
<!-- <property>
        <name>mapreduce.jobtracker.handler.count</name>
        <value>25</value>
        </property>-->
<!-- 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->
<property>
        <name>mapreduce.task.io.sort.factor</name>
        <value>10</value>
</property>
<!-- 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->
<property>
        <name>mapreduce.reduce.shuffle.parallelcopies</name>
        <value>25</value>
</property>
<property>
        <name>yarn.app.mapreduce.am.command-opts</name>
        <value>-Xmx1024m</value>
</property>
<!-- MR AppMaster所需的内存总量。默认值1536-->
<property>
        <name>yarn.app.mapreduce.am.resource.mb</name>
        <value>1536</value>
</property>
<!-- MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->
<property>
        <name>mapreduce.cluster.local.dir</name>
        <value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/mapreduce/local</value>
</property>

修改yarn-site.xml

<!-- 伪分布模式
	<!-- 定义我们resourceManager所在机器 -->
	<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>node1</value>
	</property>
	
	<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
	</property>
	<!-- 开启日志的聚集功能,可以让我们在19888 jobhistory界面上查看我们运行的日志 -->
	<property>
		<name>yarn.log-aggregation-enable</name>
		<value>true</value>
	</property>
	<property>
		<name>yarn.log-aggregation.retain-seconds</name>
		<value>604800</value>
	</property>
-->


<!-- Site specific YARN configuration properties -->
<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->
<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->
<!-- 用户可以通过应用程序时间服务器访问日志 -->

<!-- 启用日志聚合功能,应用程序完成后,收集各个节点的日志到一起便于查看 -->
	<property>
			<name>yarn.log-aggregation-enable</name>
			<value>true</value>
	</property>
 

<!--开启resource manager HA,默认为false--> 
<property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
</property>
<!-- 集群的Id,使用该值确保RM不会做为其它集群的active -->
<property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>mycluster</value>
</property>
<!--配置resource manager  命名-->
<property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2</value>
</property>
<!-- 配置第一台机器的resourceManager -->
<property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>node3.hadoop.com</value>
</property>
<!-- 配置第二台机器的resourceManager -->
<property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>node2.hadoop.com</value>
</property>

<!-- 配置第一台机器的resourceManager通信地址 -->
<property>
        <name>yarn.resourcemanager.address.rm1</name>
        <value>node3.hadoop.com:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm1</name>
        <value>node3.hadoop.com:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>node3.hadoop.com:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm1</name>
        <value>node3.hadoop.com:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>node3.hadoop.com:8088</value>
</property>

<!-- 配置第二台机器的resourceManager通信地址 -->
<property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>node2.hadoop.com:8032</value>
</property>
<property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>node2.hadoop.com:8030</value>
</property>
<property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>node2.hadoop.com:8031</value>
</property>
<property>
        <name>yarn.resourcemanager.admin.address.rm2</name>
        <value>node2.hadoop.com:8033</value>
</property>
<property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>node2.hadoop.com:8088</value>
</property>
<!--开启resourcemanager自动恢复功能-->
<property>
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
</property>
<!--在node3上配置rm1,在node2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,其他机器上不配置此项-->
	<property>       
		<name>yarn.resourcemanager.ha.id</name>
		<value>rm1</value>
       <description>If we want to launch more than one RM in single node, we need this configuration</description>
	</property>
	   
	   <!--用于持久存储的类。尝试开启-->
<property>
        <name>yarn.resourcemanager.store.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>node1.hadoop.com:2181,node2.hadoop.com:2181,node3.hadoop.com:2181</value>
        <description>For multiple zk services, separate them with comma</description>
</property>
<!--开启resourcemanager故障自动切换,指定机器--> 
<property>
        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
        <value>true</value>
        <description>Enable automatic failover; By default, it is enabled only when HA is enabled.</description>
</property>
<property>
        <name>yarn.client.failover-proxy-provider</name>
        <value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
</property>
<!-- 允许分配给一个任务最大的CPU核数,默认是8 -->
<property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>4</value>
</property>
<!-- 每个节点可用内存,单位MB -->
<property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>512</value>
</property>
<!-- 单个任务可申请最少内存,默认1024MB -->
<property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>512</value>
</property>
<!-- 单个任务可申请最大内存,默认8192MB -->
<property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>512</value>
</property>
<!--多长时间聚合删除一次日志 此处-->
<property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>2592000</value><!--30 day-->
</property>
<!--时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
<property>
        <name>yarn.nodemanager.log.retain-seconds</name>
        <value>604800</value><!--7 day-->
</property>
<!--指定文件压缩类型用于压缩汇总日志-->
<property>
        <name>yarn.nodemanager.log-aggregation.compression-type</name>
        <value>gz</value>
</property>
<!-- nodemanager本地文件存储目录-->
<property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/export/servers/hadoop-2.6.0-cdh5.14.0/hadoopDatas/yarn/local</value>
</property>
<!-- resourceManager  保存最大的任务完成个数 -->
<property>
        <name>yarn.resourcemanager.max-completed-applications</name>
        <value>1000</value>
</property>
<!-- 逗号隔开的服务列表,列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>

<!--rm失联后重新链接的时间--> 
<property>
        <name>yarn.resourcemanager.connect.retry-interval.ms</name>
        <value>2000</value>
</property>
scp core-site.xml hdfs-site.xml mapred-site.xml yarn-site.xml node2:$PWD
scp core-site.xml hdfs-site.xml mapred-site.xml yarn-site.xml node3:$PWD

注意:yarn.resourcemanager.ha.id 这个属性的配置,node3的这个属性值与node2的这个属性值内容不同

<name>yarn.resourcemanager.ha.id</name>
<value>rm1</value> node3
<value>rm2</value> node2

第四步:服务的启动

第一步:初始化zookeeper

在node1机器上进行zookeeper的初始化,其本质工作是创建对应的zookeeper节点

cd /export/servers/hadoop-2.6.0-cdh5.14.0
bin/hdfs zkfc -formatZK
第二步:启动journalNode

三台机器执行以下命令启动journalNode,用于我们的元数据管理

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/hadoop-daemon.sh start journalnode
或者
sbin/hadoop-daemons.sh start journalnode (在node1上执行)
第三步:初始化journalNode

node1机器上准备初始化journalNode

cd /export/servers/hadoop-2.6.0-cdh5.14.0
bin/hdfs namenode -initializeSharedEdits -force
第四步:启动namenode

node1机器上启动namenode

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/hadoop-daemon.sh start namenode

node2机器上启动namenode

cd /export/servers/hadoop-2.6.0-cdh5.14.0
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode
第五步:启动所有节点的datanode进程

在node1机器上启动所有节点的datanode进程

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/hadoop-daemons.sh start datanode
第六步:启动zkfc

在node1机器上面启动zkfc进程

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/hadoop-daemon.sh start zkfc

在node2机器上面启动zkfc进程

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/hadoop-daemon.sh start zkfc
第七步:启动yarn进程

node3机器上启动yarn集群

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/start-yarn.sh

node2机器上启动yarn集群

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/start-yarn.sh(yarn-daemon.sh start resourcemanager)
第八步:启动jobhsitory

node3节点启动jobhistoryserver

cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/mr-jobhistory-daemon.sh start historyserver

Hadoop Federation

星环inceptor 对比hive_hdfs_04

clouderaManager5.14.0环境安装搭建

图像化界面:cdh/ambari/星环科技/mapR
clouderaManager:cloudera公司提供的一个图像化的界面管理工具。可以用于安装管理我们的集群
包括安装各种各样的软件
以后出去实际工作当中,集群内存大于32G以上,可以考虑上CM

Cloudera Manager是cloudera公司提供的一种大数据的解决方案,可以通过ClouderaManager管理界面来对我们的集群进行安装和操作,提供了良好的UI界面交互,使得我们管理集群不用熟悉任何的linux技术,只需要通过网页浏览器就可以实现我们的集群的操作和管理,让我们使用和管理集群更加的方便。

1、ClouderaManager整体架构

星环inceptor 对比hive_星环inceptor 对比hive_05


ClouderaManager Server端:主要负责集群的管理,软件的安装,配置,启动等等

agent:安装在每一台机器上面,主要负责执行命令

managment Service:主要负责集群的监控,报警等功能

database:存储配置和监控信息

clouderaManager repository:软件安装的仓库,所有的软件安装都在这里面,软件安装都是使用的rpm的方式来进行安装的

集群监控软件:ganglia zabbix 用于监控集群的硬件资源

clouderaManager环境安装前准备

准备两台虚拟机,其中一台作为我们的主节点,安装我们的ClouderaManager Server与ClouderaManager agent,另外一台作为我们的从节点只安装我们的clouderaManager agent

星环inceptor 对比hive_hadoop_06


所有机器统一两个路径

mkdir -p /export/softwares/
mkdir -p /export/servers/

1、两台机器更改主机名

第一台机器更改主机名
vim /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=node01.hadoop.com
第二台机器更改主机名
vim /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=node02.hadoop.com

2、更改主机名与IP地址的映射

两台机器更改hosts文件
vim /etc/hosts
192.168.52.100 node01.hadoop.com
192.168.52.110 node02.hadoop.com

3、两台机器关闭防火墙

service iptables stop
chkconfig iptables off

4、两台机器关闭selinux

vim /etc/selinux/config
SELINUX=disabled

5、两台机器安装jdk

将我们的jdk的压缩包上传到node01.hadoop.com的/export/softwares路径下
cd /export/softwares/
tar -zxvf jdk-8u141-linux-x64.tar.gz  -C /export/servers/

配置环境变量
vim /etc/profile
export JAVA_HOME=/export/servers/jdk1.8.0_141
export PATH=$PATH:$JAVA_HOME/bin

source /etc/profile
第二台机器同样安装jdk即可

6、两台机器实现SSH免密码登录
第一步:两台器生成公钥与私钥

两台机器上面执行以下命令,然后按下三个回车键即可生成公钥与私钥
ssh-keygen -t rsa

第二步:两台机器将公钥拷贝到同一个文件当中去

两台机器执行以下命令
ssh-copy-id node01.hadoop.com

第三步:拷贝authorized_keys到其他机器

第一台机器上将authorized_keys拷贝到第二台机器
scp /root/.ssh/authorized_keys node02.hadoop.com:/root/.ssh/

7、第二台机器安装mysql数据库

通过yum源,在线安装mysql

yum  install  mysql  mysql-server  mysql-devel
/etc/init.d/mysqld start
/usr/bin/mysql_secure_installation
进入mysql客户端执行以下命令
 grant all privileges on *.* to 'root'@'%' identified by '123456' with grant option;
 flush privileges;

8、解除linux系统打开文件最大数量的限制

两台机器都需要执行
vi /etc/security/limits.conf
添加以下内容
*	soft noproc 11000
*	hard noproc 11000
*	soft nofile 65535
*	hard nofile 65535

9、设置linux交换区内存
两台机器都要执行
执行命令

echo 10 > /proc/sys/vm/swappiness

并编辑文件sysctl.conf:

vim /etc/sysctl.conf
添加或修改
vm.swappiness = 0

两台机器都要执行:

echo never > /sys/kernel/mm/transparent_hugepage/defrag 
echo never > /sys/kernel/mm/transparent_hugepage/enabled

并编辑文件rc.local :

vim /etc/rc.local
echo never > /sys/kernel/mm/transparent_hugepage/defrag
echo never > /sys/kernel/mm/transparent_hugepage/enabled

10、两台机器时钟同步

两台机器需要进行时钟同步操作,保证两台机器时间相同

crontab –e
*/1 * * * * /usr/sbin/ntpdate ntp4.aliyun.com;

11、服务器关机重启

clouderaManager安装资源下载

第一步:下载安装资源并上传到服务器

我们这里安装CM5.14.0这个版本,需要下载以下这些资源,一共是四个文件即可

1.下载cm5的压缩包(1个)
下载地址:http://archive.cloudera.com/cm5/cm/5/
具体文件地址:
http://archive.cloudera.com/cm5/cm/5/cloudera-manager-el6-cm5.14.0_x86_64.tar.gz

2.下载cm5的parcel包(3个)
下载地址:
http://archive.cloudera.com/cdh5/parcels/

第一个文件具体下载地址:
http://archive.cloudera.com/cdh5/parcels/5.14.0/CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel

第二个文件具体下载地址:
http://archive.cloudera.com/cdh5/parcels/5.14.0/CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel.sha1

第三个文件具体下载地址:
http://archive.cloudera.com/cdh5/parcels/5.14.0/manifest.json

将这四个安装包都上传到第一台机器的/export/softwares路径下
第二步:解压压缩包到指定路径

解压CM安装包到/opt路径下去

cd /export/softwares
tar -zxvf cloudera-manager-el6-cm5.14.0_x86_64.tar.gz -C /opt/
第三步:将我们的parcel包的三个文件拷贝到对应路径

将我们的parcel包含三个文件,拷贝到/opt/cloudera/parcel-repo路径下面去,并记得有个文件需要重命名

cd /export/softwares/
cp CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel.sha1 manifest.json  /opt/cloudera/parcel-repo/

重命名这个文件

cd /opt/cloudera/parcel-repo/
mv CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel.sha1 CDH-5.14.0-1.cdh5.14.0.p0.24-el6.parcel.sha
第四步:所有节点添加普通用户并给与sudo权限

在node01机器上面添加普通用户并赋予sudo权限
执行以下命令创建普通用户cloudera-scm

useradd --system --home=/opt/cm-5.14.0/run/cloudera-scm-server --no-create-home --shell=/bin/false --comment "Cloudera SCM User" cloudera-scm

赋予cloudera-scm普通用户的sudo权限

visudo
cloudera-scm ALL=(ALL) NOPASSWD: ALL
第五步:更改主节点的配置文件

node01机器上面更改配置文件

vim /opt/cm-5.14.0/etc/cloudera-scm-agent/config.ini
server_host=node01.hadoop.com
第六步:将/opt目录下的安装包发放到其他机器

将第一台机器的安装包发放到其他机器

cd /opt
scp -r cloudera/ cm-5.14.0/ node02.hadoop.com:/opt
第七步:创建一些数据库备用

node02机器上面创建数据库

hive 数据库

create database hive DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

集群监控数据库

create database amon DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

hue 数据库

create database hue DEFAULT CHARSET utf8 COLLATE utf8_general_ci;

oozie 数据库

create database oozie DEFAULT CHARSET utf8 COLLATE utf8_general_ci;
第八步:准备数据库连接的驱动包

在所有机器上面都准备一份数据库的连接驱动jar包放到/usr/share/java路径下
准备一份mysql的驱动连接包,放到/usr/share/java路径下去

cd /export/softwares/
wget https://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.45.tar.gz
tar -zxvf mysql-connector-java-5.1.45.tar.gz
cd /export/softwares/mysql-connector-java-5.1.45
cp mysql-connector-java-5.1.45-bin.jar /usr/share/java/mysql-connector-java.jar

拷贝驱动包到第二台机器

cd /usr/share/java
scp mysql-connector-java.jar node02.hadoop.com:$PWD
第九步:为clouderaManager创建数据库

node01服务器执行

/opt/cm-5.14.0/share/cmf/schema/scm_prepare_database.sh mysql -hnode02.hadoop.com  -uroot -p123456 --scm-host node01.hadoop.com scm root 123456

命令说明:/opt/cm-5.14.0/share/cmf/schema/scm_prepare_database.sh 数据库类型 -h数据库主机 –u数据库用户名 –p数据库密码 --scm-host cm主机 数据库名称 用户名 密码

第十步:启动服务

主节点node01启动clouderaManager Server与ClouderaManager agent服务

/opt/cm-5.14.0/etc/init.d/cloudera-scm-server start
/opt/cm-5.14.0/etc/init.d/cloudera-scm-agent start

从节点node02启动ClouderaManager agent服务

/opt/cm-5.14.0/etc/init.d/cloudera-scm-agent start
第十一步:浏览器页面访问
http://node01:7180/cmf/login

默认用户名admin
密码 admin