hadoop高可用安装与配置-低调大师

hadoop高可用安装与配置

2020-03-05 595

一.SSH免密登录
1.data1:
ssh-keygen -t rsa , 然后一直按回车
   ssh-copy-id data1
   ssh-copy-id data2
   ssh-copy-id data3
2.在data2和data3上重复执行1的操作

二.安装jdk
省略

三.安装zookeeper
省略

四.安装hadoop
1.下载到/data/tools: wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.10.0/hadoop-2.10.0.tar.gz
2. 添加环境变量:sudo vi /etc/profile
export HADOOP_HOME=/data/tools/hadoop-2.10.0
export PATH=$HADOOP_HOME/bin:$PATH
3.修改配置文件: hadoop-env.sh、yarn-env.sh、mapred-env.sh、hdfs-site.xml、core-site.xml、mapred-site.xml、yarn-site.xml、slaves
3.1 hadoop-env.sh: export JAVA_HOME=/usr/local/jdk
3.2 yarn-env.sh: export JAVA_HOME=/usr/local/jdk
3.3 mapred-env.sh: export JAVA_HOME=/usr/local/jdk
3.4 slaves

data2
data3

3.5 配置hosts
3.6 配置core-site.xml文件

<configuration>
    <!-- 指定hdfs的nameservice为ns1 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://ns1</value>
    </property>
    <!-- 指定hadoop临时目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/data/hadoop-data/tmp</value>
    </property>
     <property>
        <name>hadoop.http.staticuser.user</name>
        <value>*</value>
    </property>
    <property>
        <name>hadoop.proxyuser.halo_op.hosts</name>
        <value>*</value>
    </property>
    <property>
        <name>hadoop.proxyuser.halo_op.groups</name>
        <value>*</value>
    </property>
    <!-- 指定zookeeper地址 -->
    <property>
        <name>ha.zookeeper.quorum</name>
        <value>data1:2181,data2:2181,data3:2181</value>
    </property>
     <property>
        <name>fs.trash.interval</name>
        <value>1440</value>
    </property>
</configuration>

3.7 配置hdfs-site.xml文件

<configuration> 
    <!--副本数-->
    <property>
        <name>dfs.replication</name>
        <value>2</value>
    </property> 
    <property> 
       <name>dfs.permissions.enabled</name>
       <value>false</value>
    </property>
    <!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 -->
    <property>
        <name>dfs.nameservices</name>
        <value>ns1</value>
    </property>
    <!-- ns1下面有两个NameNode，分别是nn1，nn2 -->
    <property>
        <name>dfs.ha.namenodes.ns1</name>
        <value>nn1,nn2</value>
    </property>
    <!-- nn1的RPC通信地址 -->
    <property>
        <name>dfs.namenode.rpc-address.ns1.nn1</name>
        <value>data1:9000</value>
    </property>
    <!-- nn1的http通信地址 -->
    <property>
        <name>dfs.namenode.http-address.ns1.nn1</name>
        <value>data1:50070</value>
    </property>
    <!-- nn2的RPC通信地址 -->
    <property>
        <name>dfs.namenode.rpc-address.ns1.nn2</name>
        <value>data2:9000</value>
    </property>
    <!-- nn2的http通信地址 -->
    <property>
        <name>dfs.namenode.http-address.ns1.nn2</name>
        <value>data2:50070</value>
    </property>
    <!-- 指定NameNode的元数据在JournalNode上的存放位置 (一般和zookeeper部署在一起) -->
    <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://data1:8485;data2:8485;data3:8485/ns1</value>
    </property>
    <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
    <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/data/hadoop-data/journal</value>
    </property>
    <property>  
        <name>dfs.namenode.name.dir</name>  
        <value>/data/hadoop-data/name</value>  
    </property>  
    <property>  
        <name>dfs.datanode.data.dir</name>  
        <value>/data/hadoop-data/data</value>  
    </property> 
    <!-- 开启NameNode失败自动切换 -->
    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>
    <!-- 配置失败自动切换实现方式 -->
    <property>
        <name>dfs.client.failover.proxy.provider.ns1</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行-->
    <property>
        <name>dfs.ha.fencing.methods</name>
        <value>
        sshfence
        shell(/bin/true)
        </value>
    </property>
    <!-- 使用sshfence隔离机制时需要ssh免登陆 -->
    <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/home/halo_op/.ssh/id_rsa</value>
    </property>
    <!-- 配置sshfence隔离机制超时时间 -->
    <property>
        <name>dfs.ha.fencing.ssh.connect-timeout</name>
        <value>30000</value>
    </property>
</configuration>

3.8 配置mapred-site.xml文件

<configuration>
    <!-- mr依赖的框架名称 yarn-->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <!-- mr转化历史任务的rpc通信地址-->
    <property>  
        <name>mapreduce.jobhistory.address</name>  
        <value>data1:10020</value>  
    </property>
    <!-- mr转化历史任务的http通信地址-->
    <property>  
        <name>mapreduce.jobhistory.webapp.address</name>  
        <value>data1:19888</value>  
    </property>
    <!-- 会在hdfs的根目录下面创建一个history的文件夹，存放历史任务的相关运行情况-->
    <property>
        <name>yarn.app.mapreduce.am.staging-dir</name>
        <value>/history</value>
    </property>
    <!-- map和reduce的日志级别-->
    <property>
        <name>mapreduce.map.log.level</name>
        <value>INFO</value>
    </property>
    <property>
        <name>mapreduce.reduce.log.level</name>
        <value>INFO</value>
    </property>
</configuration>

3.9 配置yarn-site.xml文件

<configuration>
    <!-- 开启RM高可靠 -->
    <property>
        <name>yarn.resourcemanager.ha.enabled</name>
        <value>true</value>
    </property>
    <!-- 指定RM的cluster id -->
    <property>
        <name>yarn.resourcemanager.cluster-id</name>
        <value>yrc</value>
    </property>
    <!-- 指定RM的名字 -->
    <property>
        <name>yarn.resourcemanager.ha.rm-ids</name>
        <value>rm1,rm2</value>
    </property>
    <!-- 分别指定RM的地址 -->
    <property>
        <name>yarn.resourcemanager.hostname.rm1</name>
        <value>data1</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname.rm2</name>
        <value>data2</value>
    </property>
    <!-- 指定zk集群地址 -->
    <property>
        <name>yarn.resourcemanager.zk-address</name>
        <value>data1:2181,data2:2181,data3:2181</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!--启用自动恢复，当任务进行一半，rm坏掉，就要启动自动恢复，默认是false-->
    <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>
        <!-- 客户端通过该地址向RM提交对应用程序操作 -->
        <name>yarn.resourcemanager.address.rm1</name>
        <value>data1:8032</value>
    </property>
    <property>
        <!--ResourceManager 对ApplicationMaster暴露的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等。 -->
        <name>yarn.resourcemanager.scheduler.address.rm1</name>  
        <value>data1:8030</value>
    </property>
    <property>
        <!-- RM HTTP访问地址,查看集群信息-->
        <name>yarn.resourcemanager.webapp.address.rm1</name>
        <value>data1:8088</value>
    </property>
    <property>
        <!-- NodeManager通过该地址交换信息 -->
        <name>yarn.resourcemanager.resource-tracker.address.rm1</name>
        <value>data1:8031</value>
    </property>
    <property>
        <!--管理员通过该地址向RM发送管理命令 -->
        <name>yarn.resourcemanager.admin.address.rm1</name>
        <value>data1:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.ha.admin.address.rm1</name>
        <value>data1:23142</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address.rm2</name>
        <value>data2:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address.rm2</name>
        <value>data2:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address.rm2</name>
        <value>data2:8088</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address.rm2</name>
        <value>data2:8031</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address.rm2</name>
        <value>data2:8033</value>
    </property>
    <property>
        <name>yarn.resourcemanager.ha.admin.address.rm2</name>
        <value>data2:23142</value>
    </property>
</configuration>

4.准备hadoop所需要的几个目录
mkdir -p /data/hadoop-data/{name,data,journal,tmp}
5.把hadoop和对应存储目录同步到data2和data3(环境变量需要各自去配)
scp -r /data/hadoop-data data2:/data
scp -r /data/hadoop-data data3:/data

scp -r /data/tools/hadoop-2.10.0 data2:/data/tools
scp -r /data/tools/hadoop-2.10.0 data3:/data/tools
6.启动
1.data1,data2,data3启动journalnode:
sbin/hadoop-daemon.sh start journalnode
2.格式化data1的namenode:
hdfs namenode -format
3.将data1上面产生的namenode的元数据信息，拷贝到data2上面
scp -r /data/hadoop-data/name data2:/data/hadoop-data/
4.data1格式化zkfc
hdfs zkfc -formatZK
实际上是在zookeeper中创建一个目录节点/hadoop-ha/ns1
5.启动hdfs
在data1机器上面或者data2上面启动:sbin/start-dfs.sh
实际上在各机器上启动了:NameNode、journalnode、zkfc,datanode
6.启动yarn
在data1上面启动sbin/start-yarn.sh
实际上时启动了:ResourceManager,NodeManager
在data2上面启动: sbin/yarn-daemon.sh start resourcemanager

7.如果要单独启动hdfs中某一个节点，使用脚本hadoop-daemon.sh start 节点进程名,如:sbin/hadoop-daemon.sh start namenode

五.测试namenode和rm的ha
1 访问web
hdfs
http://data1:50070
http://data2:50070
其中一个是active，一个是standby
yarn
http://data1:8088
http://data2:8088
在浏览的时候standby会重定向跳转之active对应的页面
2、ha的验证
NameNode HA
访问：
http://data1:50070
http://data2:50070
其中一个active的状态，一个是StandBy的状态

主备切换验证：
在data1上kill -9 namenode的进程
这时访问data2:50070发现变成了active的
然后在data1上重新启动namenode，发现启动后状态变成standby的

Yarn HA
web访问：默认端口是8088
data1:8088
data2:8088 -> data1:8088

主备切换验证：
在data1上kill -9 resourcemanager的进程
这时可以访问data2:8088,不会在跳转
然后在data1上重新启动resourcemanager，再访问时就是跳转到data2:8088
主备切换结论：
原来的主再恢复时，为了系统的稳定性，不会再进行主备的切换

3、mr任务测试
1.准备一个文件,上传hdfs: hdfs dfs -put /data/tmp/mrtest.txt /
2.cd /data/tools/hadoop-2.10.0/share/hadoop/mapreduce
3.yarn jar hadoop-mapreduce-examples-2.6.4.jar wordcount /mrtest.txt /output/wc

微信关注我们

原文链接：https://my.oschina.net/u/3464182/blog/3188448

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

一文了解各大图数据库查询语言（Gremlin vs Cypher vs nGQL）| 操作入门篇

文章的开头我们先来看下什么是图数据库，根据维基百科的定义：图数据库是使用图结构进行语义查询的数据库，它使用节点、边和属性来表示和存储数据。虽然和关系型数据库存储的结构不同（关系型数据库为表结构，图数据库为图结构），但不计各自的性能问题，关系型数据库可以通过递归查询或者组合其他 SQL 语句（Join）完成图查询语言查询节点关系操作。得益于 1987 年 SQL 成为国际标准化组织（ISO）标准，关系型数据库行业得到了很好的发展。同 60、70 年代的关系型数据库类似，图数据库这个领域的查询语言目前也没有统一标准，虽然 19 年 9 月经过国际 SQL 标准委员会投票表决，决定将图查询语言（Graph Query Language）纳为一种新的数据库查询语言，但 GQL 的制定仍需要一段时间。介于市面上没有统一的图查询语言标准，在本文中我们选取市面上主流的几款图查询语言来分析一波用法，由于篇幅原因本文旨在简单介绍图查询语言和常规用法，更详细的内容将在进阶篇中讲述。图查询语言·介绍图查询语言 Gremlin Gremlin是 Apache ThinkerPop 框架下的图遍历语言。...

2020-03-05

569

作者：才能我浪费99 1. 简介： 1.1. 什么是EasyDL专业版 EasyDL专业版是EasyDL在2019年10月下旬全新推出的针对AI初学者或者AI专业工程师的企业用户及开发者推出的AI模型训练与服务平台，目前支持视觉及自然语言处理两大技术方向，内置百度海量数据训练的预训练模型，可灵活脚本调参，只需少量数据可达到优模型效果。适用人群：专业AI工程师且追求灵活、深度调参的企业或个人开发者支持定制模型类型。 1.2. 支持视觉及自然语言处理两大技术方向: 视觉：支持图像分类及物体检测两类模型训练。任务类型: 预置算法图像分类： Resnet(50,101)、Se_Resnext(50,101)、Mobilenet Nasnet 物体检测： FasterRCNN、YoloV3、mobilenetSSD 自然语言处理：支持文本分类及短文本匹配两类模型训练，内置百度百亿级数据所训练出的预训练模型ENNIE. ERNIE(艾尼）是百度自研持续学习语义理解框架，该框架可持续学习海量数据中的知识。基于该框架的ERNIE2.0预训练模型，已累计学习10亿多知识，中英文效果全面领先，适...

2020-03-05

653

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。