首页 > 代码库 > Hadoop 2.0安装以及不停集群加datanode
Hadoop 2.0安装以及不停集群加datanode
Hadoop2.0是对Hadoop1.0全面升级，诞生了通用的计算框架YARN，很多计算框架或者应用程序不再基于传统的操作系统开发，而是基于YARN这个云操作系统。典型的代表是DAG计算框架Tez，当然还有一些其他知名的自运行的计算集群系统也在YARN上有开源版本，比如Storm-on-yarn，Spark-on-yarn。我们先安装一个Hadoop2.0环境，作为一切的开始。
单机环境中，Hadoop有伪分布式模式，即“单点集群”，在该模式下，所有的守护集成均会运行在单个节点上。
伪分布式模式安装好了之后，继续动态加datanode，然后就是完全分布式的hadoop
本文的hadoop版本是2.2.0，源码以及编译包的获取地址：http://hadoop.apache.org/releases.html
[root@localhost hadoop]# pwd /root/hadoop [root@localhost hadoop]# ls hadoop-2.2.0 hadoop-2.2.0.tar.gz [root@localhost hadoop]# cd hadoop-2.2.0 [root@localhost hadoop-2.2.0]# ls bin etc include lib libexec LICENSE.txt logs NOTICE.txt README.txt sbin share
步骤1 修改配置文件
修改Hadoop配置文件 ${HADOOP_HOME}/etc/hadoop/hadoop-env.sh，这个根据实际情况修改，不过java7好像不太兼容，我这边使用java6
export JAVA_HOME=/usr/lib/jvm/java-1.6.0-openjdk-1.6.0.0.x86_64
然后修改conf目录下的mapred-site.xml,core-site.xml,yarn-site.xml和hdfs-site.xml四个文件，省略了最外围的<configuration></configuration>
<!-- mapred-site.xml -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property><!-- core-site.xml -->
<property>
<name>fs.default.name</name>
<value>hdfs://192.168.12.67:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/hadoop-tmp</value>
<!-- 设置一个不会被linux定期删除的文件夹，默认情况下namenode和datanode的文件都会存在这个目录下 -->
</property><!-- yarn-site.xml -->
<property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value>
<!-- 2.2版本中不支持中划线‘-’这边用下划线 --> </property>
<!-- hdfs-site.xml -->
<property> <name>dfs.replication</name> <value>1</value>
<!-- 默认情况下，hdfs数据块的副本数是3，在集群规模小于3的集群中，默认参数会导致错误，所以调整为1 --> </property>
修改/etc/hosts，把本机hostname从原来的127.0.0.1修改为本机ip
192.168.12.67 localhost
修改${HADOOP_HOME}/etc/hadoop/slaves
192.168.12.67
步骤2 设置免密码登录
#生成免密码公密钥对，然后把公钥加入自己的授权文件中，完成本机对本机的免密码登录 ssh-keygen -t rsa cd ~/.ssh/ cat id_ras.pub >> authorized_keys
步骤3 启动Hadoop
启动HDFS
cd $HADOOP_HOME ./sbin/start-dfs.sh
启动YARN
cd $HADOOP_HOME ./sbin/start-yarn.sh
通过以下URL可查看YARN是否启动成功： http://192.168.12.67:8088/
jps可以看到运行的进程
[root@localhost hadoop-2.2.0]# jps 21454 SecondaryNameNode 31987 Jps 21302 DataNode 21718 NodeManager 21191 NameNode 21623 ResourceManager
可以把hadoop的执行脚本加入PATH，这样方便以后直接调用hadoop脚本，具体就是修改/etc/profile文件，然后source /etc/profile生效
export PATH=$PATH:/root/hadoop/hadoop-2.2.0/bin
运行下hadoop脚本，就可以看到hdfs的文件系统了
[root@localhost hadoop-2.2.0]# hadoop fs -ls
hadoop提供了一个跑在yarn上的示例，可以运行
hadoop jar share/hadoop/yarn/hadoop-yarn-applications-distributedshell-2.2.0.jar org.apache.hadoop.yarn.applications.distributedshell.Client --jar share/hadoop/yarn/hadoop-yarn-applications-distributedshell-2.2.0.jar --shell_command ls --num_containers 10 --container_memory 350 --master_memory 350 --priority 10
完全分布式安装，动态加datanode机器
伪分布式安装完成，下面试试完全分布式安装（就是动态加datanode场景）、
这里我随便找了两台机器，把新加两台机器hostname dns解析加入namenode机器的/etc/hosts中，所有新加的机器的/etc/hosts上都要同步这个配置。否则有datanode无法连接到namenode exception
192.168.1.57 yhserver 192.168.24.33 rhel6
修改${HADOOP_HOME}/etc/hadoop/slaves，加入新机器两台
192.168.1.57 192.168.24.33
注意，我在加加机器的时候规范了下hdfs-site.xml配置文件，把namenode文件和datanode文件，指定相应的目录，当然这样改了之后，就需要重新做namenode格式化的操作了。如果一开始就规范好了，就可以不停下namenode，直接加datanode了。默认没有配置，就是在hadoop.tmp目录下，各建立dfs name目录保存相应文件。
<property>
<name>dfs.namenode.name.dir</name>
<value>/hadoop/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/hadoop/dfs</value>
</property>然后往新加的两台机器上，同步hadoop工程以及配置文件，然后设置免密码登录新加的两台机器，然后新加的机器上，各自单独执行
./sbin/hadoop-daemon.sh start datanode然后就可以看到新加的两个datanode生效了
问题汇总
error: org.apache.hadoop.hdfs.server.protocol.DisallowedDatanodeException: Datanode denied communication with namenode
datanode无法连接到namenode，是因为没有在所有机器的/etc/hosts，配置好hostname ip对应关系。配置好了，重启就可以。
参考
《Hadoop技术内幕-深入解析YARN架构设计与实现原理》
DAG计算框架Tez：http://tez.incubator.apache.org/
"Storm On YARN" Yahoo!开源： https://github.com/yahoo/storm-yarn
"Spark On YARN"：http://spark.apache.org/docs/0.9.0/running-on-yarn.html