1、hadoop环境搭建

1、环境配置

• ip(/etc/sysconfig/network-scripts)

# 网卡1
DEVICE=eht0
TYPE=Ethernet
ONBOOT=yes
NM_CONTROLLED=yes
BOOTPROTO=static
IPADDR=192.168.59.11
GATEWAY=192.168.59.1
NETMASK= 255.255.255.0
# 网卡2
DEVICE=eht0
TYPE=Ethernet
ONBOOT=yes
NM_CONTROLLED=yes
BOOTPROTO=dhcp

• hostname(vim /etc/sysconfig/network)

HOSTNAME = hadoop1.keane.com

• 映射（ vim /etc/hosts）

192.168.59.11 hadoop.keane.com

• (vim /etc/selinux/config)

SELINUX=disabled

• 重启

2、安装jdk

• 1.安装

rpm -ivh jdk-7u80-linux-x64.rpm

• 2、配置环境变量

# vim  ~.bash_profile
JAVA_HOME=/usr/java/jdk1.7.0_80
CLASSPATH=.
PATH=$JAVA_HOME/bin:
export JAVA_HOME
export CLASSPATH
# 重新加载配置文件
source .bash_profile
# 验证是否配置成功
echo $JAVA_HOME
# 输出配置地址

3、安装hadoop

• 1、解压

tar -zxvf hadoop-2.5.2.tar.gz -C /opt/install/

• 2、使用notebook插件NppFTP对配置文件进行修改(注意关闭防火墙systemctl stop firewalld)
• 3、hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.7.0_80

• 4、core-site.xml(解决总入口和临时目录的问题)

	<property>		<name>fs.defaultFS</name><value>hdfs://hadoop1.keane.com:8020</value></property><property><name>hadoop.tmp.dir</name><value>/opt/install/hadoop-2.5.2/data/tmp</value></property>

• 5、hdfs-site.xml

 <property><name>dfs.replication</name><value>1</value>
</property>
# 控制程序代码访问权限
<property><name>dfs.permissions.enabled</name><value>false</value></property>

• 6、yarn-site.xml

<property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value>
</property>

• 7、mapred-site.xml

<property>	 	        		<name>mapreduce.framework.name</name><value>yarn</value>
</property>

• 8、slaves

hadoop1.keane.com

• 9、格式化

bin/hdfs namenode -fromat

• 10、启动

sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager

4、hdfs命令

ls、put、get、mkdir、rm
bin/hdfs dfs -mkdir /keane
# 查看命令
bin/hdfs dfs# 新版
bin/hdfs fs# 老版

5、python访问HDFS

pip install hdfs

• 注意：
  程序访问hdfs默认执行读操作，没有写的权限，如果需要写入，需要加入配置-hdfs-site.xml
• 下载

• 上传

res = self.client.upload(hdfs_path="",local_path="")
print(res)

• 删除
• 创建目录

6、HDFS集群搭建

• 1、集群中机器的选择
  DataNode:存储数据，硬盘大
  NameNode:入口、树状目录结构、文件基本信息（都存放在内存中），内存比较大
• 2、2个问题
  1. namenode上启动所有的datanode -->配置文件slaves
  2. 登录DataNode(ip,登录提供的密码)–>shell脚本
     ssh免密码登录–>解决登录需要密码的问题
• 3、ssh免密登录
  1. ssh协议： 一台主机到另一台主机
  2. 用户端：
     通过加密算法生成公私钥对，公钥发给远程主机，私钥自己保存。
  3. 登录
     登录时，用户使用私钥+随机字符串进行登录
  4. 远程主机
     远程主机接受公钥后返回主机随机字符串，用户端使用私钥+随机字符串发给远程主机，然后远程主机解密，正确可以登录
• 4、生成公私钥对

ssh ip  登录本机回自动生成一个.ssh文件夹
# 进入文件夹  ~/.ssh
ssh-keygen -t rsa # 生成公私钥对
# 将公钥发给远程主机
ssh-copy-id  root@ip

• 5、如何将公钥发给远程主机

ssh-copy-id  root@ip

• 6、HDFS集群搭建
  1、克隆三台节点
  2、每个节点设置ip地址、主机名、映射、防火墙、selinux、jdk ssh 免密登录

   # 将host文件复制到其他主机
  scp /etc/hosts root@ip:/etc
  

  3、解压hadoop安装包

  因为copy的已完成的节点，需要删除data/tmp中的数据
  rm -rf *
  

  4、修改6个配置文件，并同步集群的每个节点

  #	hsfs-site.xml -->节点换为3个或直接删除
  <property><name>dfs.replication</name><value>3</value>
  </property>
  #	slaves
  hadoop1.keane.com
  hadoop2.keane.com
  hadoop3.keane.com
  

  5、格式化

  bin/hdfs namenode -format
  

  6、启动、关闭集群

  sbin/start-dfs.sh
  sbin/stop-dfs.sh
  统一启动namenode/datanode/secondarynamenode
  

  

7、NameNode的持久化

• 1、NameNode定期的存储到硬盘中

FSImage-->NameNode某一时刻的数据镜像1、搭建HDFS集群时，进行格式化操作（bin/hdfs namenode -format）,生成一个空的FSImage（data/tmp）,后面会写入EditsLog2、每一次重启NameNode时，把EditsLog和FSImage的数据在内存中合并，并生成一个新的EditsLog（如果没到指定的时间不会合并，到了指定的时间才会合并）3、NameNode会定时的将Edits的数据和FSImage的数据进行合并（checkpoint机制）
EditsLog-->某一时刻后的，写操作信息