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