阿里云-云小站(无限量代金券发放中)
【腾讯云】云服务器、云数据库、COS、CDN、短信等热卖云产品特惠抢购

yum安装CDH5.5 Hadoop集群

192次阅读
没有评论

共计 19352 个字符,预计需要花费 49 分钟才能阅读完成。

1、环境说明
系统环境:

系统环境:CentOS6.7
Hadoop 版本:CDH5.5
JDK 运行版本:1.7.0_67
集群各节点组件分配:

yum 安装 CDH5.5 Hadoop 集群

2、准备工作
安装 Hadoop 集群前先做好下面的准备工作,在修改配置文件的时候,建议在一个节点上修改,然后同步到其他节点。因为要同步配置文件和在多个节点启动服务,建议配置 ssh 无密码登陆。

2.1 配置 hosts
CDH 要求使用 IPv4,IPv6 不支持,禁用 IPv6 方法:
# vim /etc/sysctl.conf
#disable ipv6
net.ipv6.conf.all.disable_ipv6=1
net.ipv6.conf.default.disable_ipv6=1
net.ipv6.conf.lo.disable_ipv6=1

使其生效:
# sysctl -p

 最后确认是否已禁用:
# cat /proc/sys/net/ipv6/conf/all/disable_ipv6
1

设置 hostname,以 bd-ops-test-74 为例
 hostname bd-ops-test-74

 并使其永久生效

# vim /etc/sysconfig/network
修改 HOSTNAME=bd-ops-test-74

 修改 hosts 表
在每个节点上都应有一份 hosts 表,在之后的配置中,对应节点名称使用 hostname
# vim /etc/hosts
172.16.57.74 bd-ops-test-74
172.16.57.75 bd-ops-test-75
172.16.57.76 bd-ops-test-76
172.16.57.77 bd-ops-test-77

 2.2 关闭防火墙以及 selinux
# setenforce 0
# vim /etc/sysconfig/selinux #修改 SELINUX=disabled
 
# 清空 iptables
# iptables -F

2.3 时钟同步
搭建时钟同步服务器
这里选择 74 节点为时钟同步服务器,其他节点为客户端同步时间到该节点。安装 ntp:

# yum install ntp -y

 修改 74 上的配置文件 /etc/ntp.conf

driftfile /var/lib/ntp/drift
restrict default nomodify notrap nopeer noquery
restrict 127.0.0.1
restrict ::1
restrict 172.16.57.0 mask 255.255.255.0 nomodify notrap
server 0.centos.pool.ntp.org iburst
server 1.centos.pool.ntp.org iburst
server 2.centos.ntp.org iburst
server 3.centos.pool.ntp.org iburst
includefile /etc/ntp/crypto/pw
keys /etc/ntp/keys
disable monitor

 启动 ntp:

# 设置开机启动
# chkconfig ntpd on
 
# service ntpd start

ntpq 用来监视 ntpd 操作,使用标准的 NTP 模式 6 控制消息模式,并与 NTP 服务器通信。

ntpq -p 查询网络中的 NTP 服务器,同时显示客户端和每个服务器的关系。

#ntpq -p
    remote          refid      st t when poll reach  delay  offset  jitter
==============================================================================
*dns1.synet.edu. 202.118.1.47    2 u  57  64  377  41.912  -3.877  4.628

客户端的配置
在 76 和 77 节点上执行下面操作:

# ntpdate bd-ops-test-74

Ntpd 启动的时候通常需要一段时间大概 5 分钟进行时间同步,所以在 ntpd 刚刚启动的时候还不能正常提供时钟服务,报错 ”no server suitable for synchronization found”。启动时候需要等待 5 分钟。

过一会儿我们就可以看到同步成功了:

#ntpdate bd-ops-test-74
24 Aug 22:32:14 ntpdate[14024]: step time server 172.16.57.74 offset -77.582859 sec

2.4 安装 JDK
此过程不再赘述,本例中 jdk 安装目录为 /opt/programs/jdk1.7.0_67

2.5 设置本地 yum 源
从官方下载 cdh5.5 压缩仓库包,传送门:http://archive.cloudera.com/cdh5/repo-as-tarball/5.5.1/cdh5.5.1-centos5.tar.gz

解压后配置本地仓库使用。

3、安装 Zookeeper
Zookeeper 至少需要 3 个节点,并且节点数要求是基数,这里在 75、76、77 上安装 Zookeeper。

3.1 安装
在需要安装的节点上执行:

# yum install zookeeper* -y

3.2 修改配置文件
设置 zookeeper 配置 /etc/zookeeper/conf/zoo.cfg

maxClientCnxns=50
tickTime=2000
initLimit=10
syncLimit=5
dataDir=/opt/zookeeper/zkdata
clientPort=2181
dataLogDir=/opt/zookeeper/zkdatalog
server.1=172.16.57.75:2888:3888
server.2=172.16.57.76:2888:3888
server.3=172.16.57.77:2888:3888

 指定 jdk 路径 /etc/zookeeper/conf/Java.env

export JAVA_HOME=/opt/programs/jdk1.7.0_67/

3.3 同步配置文件
将配置文件同步到其他节点:

# scp -r /etc/zookeeper/conf root@bd-ops-test-76:/etc/zookeeper/
# scp -r /etc/zookeeper/conf root@bd-ops-test-77:/etc/zookeeper/

3.4 初始化并启动服务
在每个节点上初始化并启动 zookeeper,注意 myid 的值需要和 zoo.cfg 中的编号一致。

在 75 节点运行:

# service zookeeper-server init –myid=1
# service zookeeper-server start

 在 76 节点运行:

# service zookeeper-server init –myid=2
# service zookeeper-server start

 在 77 节点运行:

# service zookeeper-server init –myid=3
# service zookeeper-server start

3.5 测试
通过下面命令测试是否启动成功:

# zookeeper-client -server bd-ops-test-74:2181

4、安装和配置 HDFS(HA 模式)
根据文章开头的节点规划,

在 74,75 上安装 hadoop-hdfs-namenode,

# yum install hadoop-hdfs-namenode -y

 在 74,75,76,77 上安装 hadoop-hdfs-datanode

# yum install hadoop-hdfs-datanode -y

4.1 配置 hadoop 相关环境变量
创建 /etc/hadoop/conf/hadoop-env.sh,主要指定的是 jdk、hadoop 等相关安装目录

# cat hadoop-env.sh
export HADOOP_MAPRED_HOME=/usr/lib/hadoop-mapreduce
export HADOOP_HOME=/usr/lib/hadoop
export JAVA_HOME=/opt/programs/jdk1.7.0_67/
export HADOOP_NAMENODE_OPTS=”-XX:+UseParallelGC -XX:ParallelGCThreads=8″
export HADOOP_HEAPSIZE=16384
export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HADOOP_HOME/lib/hadoop-lzo.jar

 在 /etc/hadoop/conf/slaves 中指定集群的 hostname

# cat slaves
bd-ops-test-74
bd-ops-test-75
bd-ops-test-76
bd-ops-test-77

4.2 修改 hadoop 配置文件
在 /etc/hadoop/conf/core-site.xml 中设置 fs.defaultFS 属性值,该属性指定 NameNode 是哪一个节点以及使用的文件系统是 file 还是 hdfs,格式:hdfs://<namenode host>:<namenode port>/,默认的文件系统是 file:///:

<property>
 <name>fs.defaultFS</name>
 <value>hdfs://bd-ops-test:8020</value>
</property>

 在 /etc/hadoop/conf/hdfs-site.xml 中设置 dfs.permissions.superusergroup 属性,该属性指定 hdfs 的超级用户,默认为 hdfs,你可以修改为 hadoop:

<property>
    <name>dfs.permissions.superusergroup</name>
    <value>hadoop</value>
</property>

 更多的配置信息说明,请参考 Apache Cluster Setup

4.3 指定本地文件目录
在 hadoop 中默认的文件路径以及权限要求如下:

目录                                  所有者    权限      默认路径
hadoop.tmp.dir                      hdfs:hdfs  drwx——  /var/hadoop
dfs.namenode.name.dir              hdfs:hdfs  drwx——  file://${hadoop.tmp.dir}/dfs/name
dfs.datanode.data.dir              hdfs:hdfs  drwx——  file://${hadoop.tmp.dir}/dfs/data
dfs.namenode.checkpoint.dir        hdfs:hdfs  drwx——  file://${hadoop.tmp.dir}/dfs/namesecondary

 说明你可以在 hdfs-site.xm l 中只配置 hadoop.tmp.dir,也可以分别配置上面的路径。这里使用分别配置的方式,hdfs-site.xml 中配置如下:

<property>
      <name>dfs.namenode.name.dir</name>
      <value>file:///opt/hadoop/data/hdfs/nn</value>
  </property>
 
  <property>
      <name>dfs.datanode.data.dir</name>
      <value>file:///opt/hadoop/data1/hdfs/dn,file:///opt/hadoop/data2/hdfs/dn,file:///opt/hadoop/data3/hdfs/dn</value>
  </property>

 在 NameNode 上手动创建 dfs.name.dir 或 dfs.namenode.name.dir 的本地目录:

mkdir -p /opt/hadoop/data/hdfs/nn

 在 DataNode 上手动创建 dfs.data.dir 或 dfs.datanode.data.dir 的本地目录:

mkdir -p /opt/hadoop/data{1,2,3}/hdfs/dn

 修改上面目录所有者:

chown -R hdfs:hdfs /opt/hadoop/*

 hadoop 的进程会自动设置 dfs.data.dir 或 dfs.datanode.data.dir,但是 dfs.name.dir 或 dfs.namenode.name.dir 的权限默认为 755,需要手动设置为 700:

# chmod 700 /opt/hadoop/data/hdfs/nn

 注意:DataNode 的本地目录可以设置多个(我这里有三个),你可以设置 dfs.datanode.failed.volumes.tolerated 参数的值,表示能够容忍不超过该个数的目录失败。

4.4 开启回收站功能
回收站功能默认是关闭的,建议打开。在 /etc/hadoop/conf/core-site.xml 中添加如下两个参数:

fs.trash.interval, 该参数值为时间间隔,单位为分钟,默认为 0,表示回收站功能关闭。该值表示回收站中文件保存多长时间,如果服务端配置了该参数,则忽略客户端的配置;如果服务端关闭了该参数,则检查客户端是否有配置该参数;
fs.trash.checkpoint.interval,该参数值为时间间隔,单位为分钟,默认为 0。该值表示检查回收站时间间隔,该值要小于 fs.trash.interval,该值在服务端配置。如果该值设置为 0,则使用 fs.trash.interval 的值。
4.5 开启 WebHDFS
在 NameNode 节点上安装:

# yum install hadoop-httpfs -y

 然后修改 /etc/hadoop/conf/core-site.xml 配置代理用户:

<property> 
<name>hadoop.proxyuser.httpfs.hosts</name> 
<value>*</value> 
</property> 
<property> 
<name>hadoop.proxyuser.httpfs.groups</name> 
<value>*</value> 
</property>

 4.6 配置 LZO
安装 lzo:

# yum install hadoop-lzo* impala-lzo  -y

 最后,在 /etc/hadoop/conf/core-site.xml 中添加如下配置:

<property>
  <name>io.compression.codecs</name>
  <value>org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.BZip2Codec,com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec</value>
</property>
<property>
  <name>io.compression.codec.lzo.class</name>
  <value>com.hadoop.compression.lzo.LzoCodec</value>
</property>

 更多关于 LZO 信息,请参考:Using LZO Compression

4.7 配置 Snappy
cdh 的 rpm 源中默认已经包含了 snappy,直接在每个节点安装 Snappy:

yum install snappy snappy-devel  -y

 然后,在 core-site.xml 中修改 io.compression.codecs 的值,添加 org.apache.hadoop.io.compress.SnappyCodec。

使 snappy 对 hadoop 可用:

ln -sf /usr/lib64/libsnappy.so /usr/lib/hadoop/lib/native/

 4.8HA 配置
安装服务
在 75、76、77 上安装 hadoop-hdfs-journalnode

yum install hadoop-hdfs-journalnode -y

 在 74、75(namenode)上安装 hadoop-hdfs-zkfc:

yum install hadoop-hdfs-zkfc -y

 修改配置文件

修改 /etc/hadoop/conf/core-site.xml,做如下修改:

<property>
    <name>fs.defaultFS</name>
    <value>hdfs://bd-ops-test:8020</value>
</property>
<property>
    <name>ha.zookeeper.quorum</name>
    <value>bd-ops-test-75:2181,bd-ops-test-76:2181,bd-ops-test-77:2181</value>
</property>

修改 /etc/hadoop/conf/hdfs-site.xml

<property>
        <name>dfs.nameservices</name>
        <value>bd-ops-test</value>
    </property>
 
    <property>
        <name>dfs.ha.namenodes.bd-ops-test</name>
        <value>bd-ops-test-74,bd-ops-test-75</value>
    </property>
 
    <property>
        <name>dfs.namenode.rpc-address.bd-ops-test.bd-ops-test-74</name>
        <value>bd-ops-test-74:8020</value>
    </property>
 
    <property>
        <name>dfs.namenode.rpc-address.bd-ops-test.bd-ops-test-75</name>
        <value>bd-ops-test-75:8020</value>
    </property>
 
    <property>
        <name>dfs.namenode.http-address.bd-ops-test.bd-ops-test-74</name>
        <value>bd-ops-test-74:50070</value>
    </property>
 
    <property>
        <name>dfs.namenode.http-address.bd-ops-test.bd-ops-test-75</name>
        <value>bd-ops-test-75:50070</value>
    </property>
 
    <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://bd-ops-test-75:8485;bd-ops-test-76:8485;bd-ops-test-77:8485/bd-ops-test</value>
    </property>
 
    <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/opt/hadoop/data1/hdfs/jn</value>
    </property>
 
    <property>
        <name>dfs.client.failover.proxy.provider.bd-ops-test</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>/var/lib/hadoop-hdfs/.ssh/id_rsa</value>
    </property>
 
    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>

 4.9 启动 HDFS
将 74 上的配置文件同步到每一个节点:

scp -r /etc/hadoop/conf root@bd-ops-test-75:/etc/hadoop/
scp -r /etc/hadoop/conf root@bd-ops-test-76:/etc/hadoop/
scp -r /etc/hadoop/conf root@bd-ops-test-77:/etc/hadoop/

 在 74 节点格式化 NameNode:

sudo -u hdfs hadoop namenode -format

启动 journalnode
启动 75、76、77 上的 hadoop-hdfs-journalnode 服务

service hadoop-hdfs-journalnode start

初始化共享存储
在 namenode 上初始化共享存储,如果没有格式化,则先格式化:

hdfs namenode -initializeSharedEdits

 启动第一个 namenode(74)

service hadoop-hdfs-namenode start

同步 Standby NameNode
75 作为 Standby NameNode,运行

sudo -u hdfs hadoop namenode -bootstrapStandby

 然后,启动 Standby NameNode:

service hadoop-hdfs-namenode start

配置自动切换
在两个 NameNode 上,即 74 和 75,安装 hadoop-hdfs-zkfc

yum install hadoop-hdfs-zkfc -y

 在任意一个 NameNode 上下面命令,其会创建一个 znode 用于自动故障转移

hdfs zkfc -formatZK

 然后再两个 NameNode 节点上启动 zkfc:

service hadoop-hdfs-zkfc start

启动 datanode
在 datanode 节点运行:

service hadoop-hdfs-datanode start

 如果安装了 HttpFS,则启动 HttpFS 服务:

service hadoop-httpfs start

4.10 测试
使用 curl 运行下面命令,可以测试 webhdfs 并查看执行结果:

# curl “http://localhost:14000/webhdfs/v1?op=gethomedirectory&user.name=hdfs”
{“Path”:”\/user\/hdfs”}

更多的 API,请参考 WebHDFS REST API

分别访问 http://bd-ops-test-74:50070/ 和 http://bd-ops-test-75:50070/ 查看谁是 active namenode,谁是 standyby namenode。

查看某 Namenode 的状态:

# 查看 nn1 状态
$ sudo -u hdfs hdfs haadmin -getServiceState bd-ops-test-74
active
 
# 查看 nn2 状态
$ sudo -u hdfs hdfs haadmin -getServiceState bd-ops-test-75
standby

 执行手动切换:

sudo -u hdfs hdfs haadmin -failover bd-ops-test-74 bd-ops-test-75

再次访问 http://bd-ops-test-74:50070/ 和 http://bd-ops-test-75:50070/ 查看谁是 active namenode,谁是 standyby namenode。

5、安装和配置 YARN(HA 模式)
根据文章开头的节点规划,74、75 为 resourcemanager 节点,74,、75、76、77 为 nodemanager 节点,historyserver 装在 76 节点上。

5.1 安装服务
在 74,75 安装:

yum install hadoop-yarn hadoop-yarn-resourcemanager -y

 在 74-77 安装:

yum install hadoop-yarn hadoop-yarn-nodemanager hadoop-mapreduce -y

 在 76 安装:

yum install hadoop-mapreduce-historyserver hadoop-yarn-proxyserver -y

5.2 修改配置文件
要想使用 YARN,需要在 /etc/hadoop/conf/mapred-site.xml 中做如下配置:

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

 修改 /etc/hadoop/conf/yarn-site.xml,配置 resourcemanager 的节点名称、一些服务的端口号以及 ha 的配置:

<?xml version=”1.0″?>
<?xml-stylesheet type=”text/xsl” href=”https://www.linuxidc.com/Linux/2017-02/configuration.xsl”?>
 
<configuration>
    <!– RM Manager Configd –>
    <property>
        <name>yarn.resourcemanager.connect.retry-interval.ms</name>
        <value>2000</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.ha.automatic-failover.embedded</name>
        <value>true</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>yarn-rm-cluster</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>bd-ops-test-74,bd-ops-test-75</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.ha.id</name>
        <value>bd-ops-test-74</value>
    </property>
 
    <!–
            <property>
        <name>yarn.resourcemanager.scheduler.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
    </property>
    –>
 
    <!–scheduler capacity –>
    <property>
        <name>yarn.resourcemanager.scheduler.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.recovery.enabled</name>
        <value>true</value>
    </property>
 
    <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>bd-ops-test-75:2181,bd-ops-test-76:2181,bd-ops-test-77:2181</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.zk.state-store.address</name>
        <value>bd-ops-test-75:2181,bd-ops-test-76:2181,bd-ops-test-77:2181</value>
    </property>
 
    <property>
        <name>yarn.app.mapreduce.am.scheduler.connection.wait.interval-ms</name>
        <value>5000</value>
    </property>
 
    <!– RM1 Configs–>
    <property>
        <name>yarn.resourcemanager.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23140</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.scheduler.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23130</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.webapp.https.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23189</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.webapp.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23188</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23125</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.admin.address.bd-ops-test-74</name>
        <value>bd-ops-test-74:23141</value>
    </property>
 
 
    <!– RM2 Configs –>
    <property>
        <name>yarn.resourcemanager.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23140</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.scheduler.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23130</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.webapp.https.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23189</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.webapp.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23188</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23125</value>
    </property>
 
    <property>
        <name>yarn.resourcemanager.admin.address.bd-ops-test-75</name>
        <value>bd-ops-test-75:23141</value>
    </property>
 
    <!– Node Manager Configs –>
    <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>61440</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>24</value>
    </property>
 
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>86400</value>
    </property>
 
    <property>
        <name>yarn.log-aggregation.retain-check-interval-seconds</name>
        <value>8640</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.localizer.address</name>
        <value>0.0.0.0:23344</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.webapp.address</name>
        <value>0.0.0.0:23999</value>
    </property>
   
    <property>
        <name>yarn.web-proxy.address</name>
        <value>0.0.0.0:8080</value>
    </property>
 
    <property>
        <name>mapreduce.shuffle.port</name>
        <value>23080</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
 
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>file:///opt/hadoop/data1/yarn/dn,file:///opt/hadoop/data2/yarn/dn,file:///opt/hadoop/data3/yarn/dn</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.log-dirs</name>
        <value>file:///opt/hadoop/data1/yarn/logs,file:///opt/hadoop/data2/yarn/logs,file:///opt/hadoop/data3/yarn/logs</value>
    </property>
 
    <!–
            <property>
        <name>yarn.nodemanager.disk-health-checker.min-healthy-disks</name>
        <value>0</value>
    </property>
 
    <property>
        <name>yarn.nodemanager.disk-health-checker.enable</name>
        <value>false</value>
    </property>
    –>
 
    <property>
        <name>yarn.nodemanager.remote-app-log-dir</name>
        <value>hdfs://bd-ops-test:8020/yarn/apps</value>
    </property>
 
    <property>
        <name>yarn.application.classpath</name>
        <value>
                $HADOOP_CONF_DIR,
                $HADOOP_COMMON_HOME/*,$HADOOP_COMMON_HOME/lib/*,
                $HADOOP_HDFS_HOME/*,$HADOOP_HDFS_HOME/lib/*,
                $HADOOP_MAPRED_HOME/*,$HADOOP_MAPRED_HOME/lib/*,
                $HADOOP_YARN_HOME/*,$HADOOP_YARN_HOME/lib/*
        </value>
    </property>
 
    <property>
        <name>yarn.web-proxy.address</name>
        <value>172.16.57.76:41202</value>
    </property>
    <property>
        <name>yarn.log.server.url</name>
        <value>http://bd-ops-test-76:19888/jobhistory/logs</value>
    </property>
</configuration>

 在 /etc/hadoop/conf/mapred-site.xml 中配置 MapReduce History Server:

<property>
    <name>mapreduce.jobhistory.address</name>
    <value>bd-ops-test-76:10020</value>
</property>
 
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>bd-ops-test-76:19888</value>
</property>

 此外,确保 mapred、yarn 用户能够使用代理,在 /etc/hadoop/conf/core-site.xml 中添加如下参数:

<property>
        <name>hadoop.proxyuser.mapred.groups</name>
        <value>*</value>
    </property>
 
    <property>
        <name>hadoop.proxyuser.mapred.hosts</name>
        <value>*</value>
    </property>
 
    <property>
        <name>hadoop.proxyuser.yarn.groups</name>
        <value>*</value>
    </property>
 
    <property>
        <name>hadoop.proxyuser.yarn.hosts</name>
        <value>*</value>
    </property>

 配置 Staging 目录:

<property>
    <name>yarn.app.mapreduce.am.staging-dir</name>
    <value>/user</value>
</property>

 并在 hdfs 上创建相应的目录:

# sudo -u hdfs hadoop fs -mkdir -p /user
# sudo -u hdfs hadoop fs -chmod 777 /user
# sudo -u hdfs hadoop fs -mkdir -p /user/history
# sudo -u hdfs hadoop fs -chmod -R 1777 /user/history
# sudo -u hdfs hadoop fs -chown mapred:hadoop /user/history

5.3 创建本地文件目录
创建 yarn.nodemanager.local-dirs 和 yarn.nodemanager.log-dirs 参数对应的目录:

# mkdir -p mkdir /opt/hadoop/data{1..3}/yarn/{dn,logs}
# chown -R yarn:yarn /opt/hadoop/data{1..3}/yarn

5.4 同步配置文件
同步配置文件到整个集群。

5.5 启动服务
在每个节点启动 YARN :

for x in `ls /etc/init.d/|grep hadoop-yarn` ; do service $x start ; done

 在 76 节点启动 mapred-historyserver :

/etc/init.d/hadoop-mapreduce-historyserver start

 在 hdfs 运行之后,创建 /tmp 临时目录,并设置权限为 1777:

sudo -u hdfs hadoop fs -mkdir /tmp
sudo -u hdfs hadoop fs -chmod -R 1777 /tmp

5.6 测试
通过 http://bd-ops-test-74:23188/cluster/cluster, http:// bd-ops-test-75:23188/cluster/cluster , 可以查看谁是 actice 谁是 standby,通过 http://cdh1:19888/ 可以访问 JobHistory 的管理页面。

查看 ResourceManager 状态:

yarn rmadmin -getServiceState bd-ops-test-73

执行手动切换:

yarn rmadmin -transitionToActive –forcemanual bd-ops-test-74

下面关于 Hadoop 的文章您也可能喜欢,不妨看看:

Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程  http://www.linuxidc.com/Linux/2015-02/113487.htm

CentOS 6.3 下 Hadoop 伪分布式平台搭建  http://www.linuxidc.com/Linux/2016-11/136789.htm

Ubuntu 14.04 LTS 下安装 Hadoop 1.2.1(伪分布模式)http://www.linuxidc.com/Linux/2016-09/135406.htm

Ubuntu 上搭建 Hadoop 环境(单机模式 + 伪分布模式)http://www.linuxidc.com/Linux/2013-01/77681.htm

实战 CentOS 系统部署 Hadoop 集群服务 http://www.linuxidc.com/Linux/2016-11/137246.htm

Hadoop 2.6.0 HA 高可用集群配置详解  http://www.linuxidc.com/Linux/2016-08/134180.htm

Spark 1.5、Hadoop 2.7 集群环境搭建  http://www.linuxidc.com/Linux/2016-09/135067.htm

在 Ubuntu X64 上编译安装 Hadoop http://www.linuxidc.com/Linux/2016-12/138568.htm

CentOS 6.7 安装 Hadoop 2.7.3  http://www.linuxidc.com/Linux/2017-01/139089.htm

CentOS7+Hadoop2.5.2+Spark1.5.2 环境搭建  http://www.linuxidc.com/Linux/2017-01/139364.htm

更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13

本文永久更新链接地址:http://www.linuxidc.com/Linux/2017-02/140186.htm

正文完
星哥说事-微信公众号
post-qrcode
 0
星锅
版权声明:本站原创文章,由 星锅 于2022-01-21发表,共计19352字。
转载说明:除特殊说明外本站文章皆由CC-4.0协议发布,转载请注明出处。
【腾讯云】推广者专属福利,新客户无门槛领取总价值高达2860元代金券,每种代金券限量500张,先到先得。
阿里云-最新活动爆款每日限量供应
评论(没有评论)
验证码
【腾讯云】云服务器、云数据库、COS、CDN、短信等云产品特惠热卖中