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 -format

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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

2、FSImage和Editslog的存储位置

hdfs-site.xml
<property><name>dfs.namenode.name.dir </name><value>/opt/suns/fsimage</value>
</property>
<property><name>dfs.namenode.edits.dir </name><value>/opt/suns/editslog</value>
</property>

3、安全模式
namenode从新启动时，通过安全模式保证EditsLog的和FSImage的合并，在这个过程中，只允许client进行读操作，而不能进行写操作

# 启动安全模式
bin/hdfs dfsadmin -safemode enter(进入)|leave(离开)|get(状态)

4、secondaryNameNode
- 1、工作原理
  因为FSImage和EditsLog的合并周期有点长，所有出现了secondaryNameNode(祥见7)
  工作原理：当时间打到checkpoint设置的值或者事务达到设置的100万，会将FSImage和EditsLog合并生成新的FSImage
- 2、nameNode出现问题后，secondaryNameNode部分还原namenode数据
  secondaryNameNode，获得上一次的FSImage和EditsLog的数据合并，所以namenode如果内存出现故障，或硬盘出现故障，secondaryNameNode会有历史数据，可以基于secondaryNameNode部分还原数据

5、hadoop相关的配置文件
1、*-default.xml：最完整的配置信息

 	core-default.xml：整个集群相关的配置信息。1、总入口；2、临时目录hdfs-default.xml：hdfs相关的参数，与文件系统相关的。（权限、FSImagEditsLog文件存储位置、块相关，数据节点目录）mapred-default.xml:mapreduce相关信息yarn-default.xml:yarn相关信息

2、*-site.xml :优先级高于deault文件

	core-site.xml：整个集群相关的配置信息。1、总入口；2、临时目录hdfs-site.xml：hdfs相关的参数，与文件系统相关的。（权限、FSImagEditsLog文件存储位置、块相关，数据节点目录）mapred-site.xml:mapreduce相关信息yarn-site.xml:yarn相关信息