Hadoop2集群搭建过程
在这里我选用4台机器进行示范，各台机器的职责如下表格所示
（说明： 1. ZooKeepe使用其它节点的 2. Hadoop0节点安装所有的master, ha的matster全部是worker, 以达到较高的资源利用率，又对master的负载不会过高）
Hadoop0 -> dchadoop206
Hadoop1 -> dchadoop207
Hadoop2 -> dchadoop208
Hadoop3 -> dchadoop209
1. 搭建自动HA
1.1. 复制编译后的hadoop项目到/usr/local目录下
1.2. 修改位于etc/hadoop目录下的配置文件
1.1.1. hadoop-env.sh
export JAVA_HOME=/usr/local/jdk
1.1.1. core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://cluster1</value>
</property>
【这里的值指的是默认的HDFS路径。当有多个HDFS集群同时工作时，用户如果不写集群名称，那么默认使用哪个哪？在这里指定！该值来自于hdfs-site.xml中的配置。在节点hadoop0和hadoop1中使用cluster1，在节点hadoop2和hadoop3中使用cluster2】
<property>
<name>hadoop.tmp.dir</name>
<value>/data0/hadoop/tmp</value>
</property>
【这里的路径默认是NameNode、DataNode、JournalNode等存放数据的公共目录。用户也可以自己单独指定这三类节点的目录。】
<property>
<name>ha.zookeeper.quorum</name>
<value>hadoop0:2181,hadoop1:2181,hadoop2:2181</value>
</property>
【这里是ZooKeeper集群的地址和端口。注意，数量一定是奇数，且不少于三个节点】
</configuration>
1.1.1. hdfs-site.xml
该文件只配置在hadoop0和hadoop1上。
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
【指定DataNode存储block的副本数量。默认值是3个，我们现在有4个DataNode，该值不大于4即可。】
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///data0/hadoop2/hdfs/name</value>
</property>
【指定namenode元数据信息存储位置】
<property>
<name>dfs.datanode.data.dir</name> <value>file:///data0/hadoop2/hdfs/data,file:///data1/hadoop2/hdfs/data,file:///data2/hadoop2/hdfs/data,file:///data3/hadoop2/hdfs/data,file:///data4/hadoop2/hdfs/data,file:///data5/hadoop2/hdfs/data,file:///data6/hadoop2/hdfs/data,file:///data7/hadoop2/hdfs/data,file:///data8/hadoop2/hdfs/data,file:///data9/hadoop2/hdfs/data,file:///data10/hadoop2/hdfs/data</value>
</property>
【指定datanode元数据信息存储位置, 设置成所有的磁盘】
<property>
<name>dfs.nameservices</name>
<value>cluster1</value>
</property>
【设置cluster1的namenode id。】
<property>
<name>dfs.ha.namenodes.cluster1</name>
<value>hadoop0,hadoop1</value>
</property>
【指定NameService是cluster1时的namenode有哪些，这里的值也是逻辑名称，名字随便起，相互不重复即可】
<property>
<name>dfs.namenode.rpc-address.cluster1.hadoop0</name>
<value>hadoop0:9000</value>
</property>
【指定hadoop0的RPC地址】
1234 <property>
<name>dfs.namenode.http-address.cluster1.hadoop0</name>
<value>hadoop0:50070</value>
</property>
【指定hadoop0的http地址】
1234 <property>
<name>dfs.namenode.rpc-address.cluster1.hadoop1</name>
<value>hadoop1:9000</value>
</property>
【指定hadoop1的RPC地址】
<property>
<name>dfs.namenode.http-address.cluster1.hadoop1</name>
<value>hadoop1:50070</value>
</property>
【指定hadoop1的http地址】
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hadoop0:8485;hadoop1:8485;hadoop2:8485/cluster1</value>
</property>
【指定cluster1的两个NameNode共享edits文件目录时，使用的JournalNode集群信息】
<property>
<name>dfs.ha.automatic-failover.enabled.cluster1</name>
<value>true</value>
</property>
【指定cluster1是否启动自动故障恢复，即当NameNode出故障时，是否自动切换到另一台NameNode】
<property>
<name>dfs.client.failover.proxy.provider.cluster1</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
【指定cluster1出故障时，哪个实现类负责执行故障切换】
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/data0/hadoop2/hdfs/journal</value>
</property>
【指定JournalNode集群在对NameNode的目录进行共享时，自己存储数据的磁盘路径】
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence</value>
</property>
【一旦需要NameNode切换，使用ssh方式进行操作】
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
【如果使用ssh进行故障切换，使用ssh通信时用的密钥存储的位置】
</configuration>
1.2.4. slaves
hadoop1
hadoop2
hadoop2
1.3. 把以上配置的内容复制到hadoop1、hadoop2、hadoop3节点上
1.4. 修改hadoop1、hadoop2、hadoop3上的配置文件内容
1.4.1. 修改hadoop2上的core-site.xml内容
fs.defaultFS的值改为hdfs://cluster2
1.4.1. 修改hadoop2上的hdfs-site.xml内容
把cluster1中关于journalnode的配置项删除，增加如下内容
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://hadoop0:8485;hadoop1:8485;hadoop2:8485/cluster2</value>
</property>
1.4.3. 开始启动
1.4.3.1. 启动journalnode
在hadoop0、hadoop1、hadoop2上执行
sbin/hadoop-daemon.sh startjournalnode
1.4.3.1. 格式化ZooKeeper
在hadoop0、hadoop2上执行
bin/hdfs zkfc -formatZK
zkCli.sh-->ls->/Hadoop-ha/cluster1
1.4.3.3. 对hadoop0节点进行格式化和启动
bin/hdfs namenode -format
sbin/hadoop-daemon.sh start namenode
1.4.3.4. 对hadoop1节点进行格式化和启动
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode
1.4.3.5. 在hadoop0、hadoop1上启动zkfc
1 sbin/hadoop-daemon.sh start zkfc
我们的hadoop0、hadoop1有一个节点就会变为active状态。
1.4.3.6. 对于cluster2执行类似操作
1.4.4. 启动datanode
在hadoop0上执行命令
sbin/hadoop-daemons.sh start datanode
1.5. 配置Yarn
1.5.1. 修改文件mapred-site.xml
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop0:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop0:19888</value>
</property>
<property>
<name>mapreduce.task.io.sort.factor</name>
<value>20</value>
<description>The number of streams to merge at once while sorting
files. This determines the numberof open file handles.</description>
</property>
<property>
<name>mapreduce.reduce.shuffle.parallelcopies</name>
<value>40</value>
<description>The default number of parallel transfers run byreduce
during the copy(shuffle) phase.
</description>
</property>
<property>
<name>mapreduce.job.reduce.slowstart.completedmaps</name>
<value>0.80</value>
<description>Fraction of the number of maps in the job whichshould be
complete before reduces are scheduled for the job.
</description>
</property>
<property>
<name>mapreduce.task.io.sort.mb</name>
<value>300</value>
<description>The total amount of buffer memory to use whilesorting
files, in megabytes. By default,gives each merge stream 1MB, which
should minimize seeks.</description>
</property>
<property>
<name>mapreduce.map.output.compress</name>
<value>true</value>
<description>Should the outputs of the maps be compressed beforebeing
sent across the network. UsesSequenceFile compression.
</description>
</property>
<property>
<name>mapreduce.client.submit.file.replication</name>
<value>5</value>
<description>默认10，The replication level for submitted job files. This
should be around thesquare root of the number of nodes.
</description>
</property>
1.5.2. 修改文件yarn-site.xml
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
【打开resourcemanager ha模式】
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>yarn-ha-cluster</value>
</property>
【打开resourcemanager ha的集群名称，这个名称可以在zookeeper中查看】
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
【设置resourcemanager的id,可以与主机同名】
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>hadoop0</value>
</property>
【指定rm1对应哪一台主机】
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>hadoop1</value>
</property>
【指定rm1对应哪一台主机】
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>zk1:2181,zk2:2181,zk3:2181</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!---用什么方式进行数据传递->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
【设置日志合并】
<property>
<name>yarn.application.classpath</name>
<value>
/usr/local/hadoop-2.5.0-cdh5.3.8/etc/hadoop,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/common/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/common/lib/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/hdfs/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/hdfs/lib/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/yarn/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/share/hadoop/yarn/lib/*,
/usr/local/hbase-0.98.6-cdh5.3.8/lib/*,
/usr/local/hadoop-2.5.0-cdh5.3.8/lib_dc/*,
/usr/local/hbase-0.98.6-cdh5.3.8/conf/
</value>
</property>
【设置classpath,没有新增外部jar的话，不需要配这个】
<!--设置调度器类型为CapacityScheduler， 默认是公平调度器-->
<property>
<name>yarn.resourcemanager.scheduler.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.capacity.CapacityScheduler</value>
</property>
<!--设置nodemanager节点内存大小，CPU个数-->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>28672</value>
</property>
【设置nodemanager节点内存大小 28G】
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>14</value>
</property>
【设置nodemanager节点内存大小 14个core】
<property>
<name>yarn.timeline-service.enabled</name>
<value>true</value>
</property>
【打开timeline服务】
1.5.3 修改环境变量（可以不改，使用默认配置）
1.5.3.1 修改 yarn-env.sh
YARN_LOG_DIR=/data0/hadoop2/logs
【修改yarn的日志目录，默认在$HADOOP_HOME/logs下】
1.5.3.2 修改hadoop-env.sh
1 export JAVA_HOME=/usr/java/jdk1.7.0_25
【修改jdk】
export HADOOP_LOG_DIR=/data0/hadoop2/logs
【修改hadoop的日志目录，默认在$HADOOP_HOME/logs下】
export HADOOP_PID_DIR=/data0/hadoop2/pid
【修改hadoop pid目录】
1.5.5 修改capacity-scheduler.xml这个文件 （可选 ，设置调度器为CapacityScheduler时，可以通过这个配置文件修改作业队列）
<configuration>
<!-- compare memroy only -->
<property>
<name>yarn.scheduler.capacity.resource-calculator</name>
<value>org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator</value>
</property>
<!-- more chance for app master that will launch MR jobs -->
<property>
<name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
<value>0.9</value>
</property>
【appMaster可以使用集群多少资源】
<!-- 打开异步调度-->
<property>
<name>yarn.scheduler.capacity.schedule-asynchronously.enable</name>
<value>true</value>
</property>
<!-- 定义队列名称queues,dev-->
<property>
<name>yarn.scheduler.capacity.root.queues</name>
<value>default,dev</value>
</property>
<property>
<name>yarn.scheduler.capacity.root.dev.capacity</name>
<value>50</value>
</property>
【设置队列dev的能力大小占集群的50%】
<property>
<name>yarn.scheduler.capacity.root.default.capacity</name>
<value>50</value>
</property>
【设置队列default的能力大小占集群的50%】
</configuration>
1.5.4 启动yarn
在hadoop0上执行
sbin/start-yarn.sh
下面关于Hadoop的文章您也可能喜欢，不妨看看：