hadoop集群 cpu跑满了 hadoop集群工作原理

Hadoop集群管理

Hadoop是大数据通用处理平台，提供了分布式文件存储以及分布式离线并行计算，由于Hadoop的高拓展性，在使用Hadoop时通常以集群的方式运行，集群中的节点可达上千个，能够处理PB级的数据。

 

1.搭建HDFS集群

一个HDFS集群由一个NameNode节点和多个DataNode节点组成。

 

1.1 修改配置

 

1.配置SSH以及hosts文件

由于在启动HDFS时需要对用户的身份进行验证，且集群中的NameNode节点在启动时会通过SSH的方式通知其他节点，使其启动相应的进程，因此需要相互配置SSH设置免密码登录并且关闭防火墙。

//生成秘钥
ssh-keygen -t rsa 

//复制秘钥到本机和其他受信任的主机中,那么在本机可以直接通过SSH免密码登录到受信任的主机中.
ssh-copy-id 192.168.1.80

ssh-copy-id 192.168.1.81

ssh-copy-id 192.168.1.82

编辑/etc/hosts文件，添加集群中主机名与IP的映射关系。

 

2.配置Hadoop公共属性（core-site.xml）

<configuration> 
  <!-- Hadoop工作目录,用于存放Hadoop运行时产生的临时数据 -->
  <property> 
    <name>hadoop.tmp.dir</name>  
    <value>/usr/hadoop/hadoop-2.9.0/data</value> 
  </property>  
  <!-- NameNode的通信地址 -->  
  <property> 
    <name>fs.defaultFS</name>  
    <value>hdfs://192.168.1.80</value> 
  </property>  
  <!-- 开启Hadoop的回收站机制,当删除HDFS中的文件时,文件将会被移动到回收站(/usr/<username>/.Trash),在指定的时间过后再对其进行删除,此机制可以防止文件被误删除 -->  
  <property> 
    <name>fs.trash.interval</name>  
    <!-- 单位是分钟 -->  
    <value>1440</value> 
  </property> 
</configuration>

3.配置HDFS（hdfs-site.xml）

<configuration> 
  <!-- 文件在HDFS中的备份数(小于等于DataNode) -->  
  <property> 
    <name>dfs.replication</name>  
    <value>3</value> 
  </property>  
  <!-- 关闭HDFS的访问权限 -->  
  <property> 
    <name>dfs.permissions.enabled</name>  
    <value>false</value> 
  </property>  
  <!-- 设置NameNode的可视化管理界面的地址(主机地址需要与core-site.xml中fs.defaultFS配置的一致) -->  
  <property> 
    <name>dfs.namenode.http-address</name>  
    <value>192.168.1.80:50070</value> 
  </property>  
  <!-- 设置SecondaryNameNode的HTTP访问地址 -->  
  <property> 
    <name>dfs.namenode.secondary.http-address</name>  
    <value>192.168.1.80:50090</value> 
  </property> 
</configuration>

4.在NameNode节点中配置Slave文件

#配置要运行DataNode的节点，值可以是主机名或IP地址。
192.168.1.80
192.168.1.81
192.168.1.82

 

1.2 启动HDFS集群

1.分别格式化NameNode

bin/hdfs namenode -format

 

2.在任意一台Hadoop节点中启动HDFS，那么整个HDFS集群将会一起启动。

 

 

 

 

 

 

3.分别通过jps命令查看当前正在运行的JAVA进程。

 

 

  

 

  

 

 

 

 

4.当HDFS集群启动完毕后，由于NameNode部署在hadoop1机器上，因此可以访问http://192.168.1.80:50070进入HDFS的可视化管理界面，可以查看到当前HDFS集群中有3个存活的DataNode节点。

 

 

 

2.搭建YARN集群

 

一个Yarn集群由一个ResourceManager节点和多个NodeManager节点组成。

 

2.1 修改配置

 

1.配置SSH以及hosts文件

由于在启动YARN时需要对用户的身份进行验证，且集群中的ResourceManager节点在启动时会通过SSH的方式通知其他节点，使其启动相应的进程，因此需要相互配置SSH设置免密码登录并且关闭防火墙。

//生成秘钥
ssh-keygen -t rsa 

//复制秘钥到本机和其他受信任的主机中,那么在本机可以直接通过SSH免密码登录到受信任的主机中.
ssh-copy-id 192.168.1.80

ssh-copy-id 192.168.1.81

ssh-copy-id 192.168.1.82

编辑/etc/hosts文件，添加集群中主机名与IP的映射关系。

 

2.配置YARN（yarn-site.xml）

<configuration> 
  <!-- 配置Reduce取数据的方式是shuffle(随机) -->  
  <property> 
    <name>yarn.nodemanager.aux-services</name>  
    <value>mapreduce_shuffle</value> 
  </property>  
  <!-- 设置ResourceManager的地址 -->  
  <property> 
    <name>yarn.resourcemanager.hostname</name>  
    <value>192.168.1.80</value> 
  </property>  
  <!-- Web Application Proxy安全任务 -->  
  <property> 
    <name>yarn.web-proxy.address</name>  
    <value>192.168.1.80:8089</value> 
  </property>  
  <!-- 开启日志 -->  
  <property> 
    <name>yarn.log-aggregation-enable</name>  
    <value>true</value> 
  </property>  
  <!-- 设置日志的删除时间 -1:禁用,单位为秒 -->  
  <property> 
    <name>yarn.log-aggregation。retain-seconds</name>  
    <value>864000</value> 
  </property>  
  <!-- 设置yarn的内存大小,单位是MB -->  
  <property> 
    <name>yarn.nodemanager.resource.memory-mb</name>  
    <value>8192</value> 
  </property>  
  <!-- 设置yarn的CPU核数 -->  
  <property> 
    <name>yarn.nodemanager.resource.cpu-vcores</name>  
    <value>8</value> 
  </property> 
</configuration>

3.配置MapReduce（mapred-site.xml）

<configuration> 
  <!-- 让MapReduce任务使用YARN进行调度 -->  
  <property> 
    <name>mapreduce.framework.name</name>  
    <value>yarn</value> 
  </property>  
  <!-- 设置JobHistory的服务地址 -->  
  <property> 
    <name>mapreduce.jobhistory.address</name>  
    <value>192.168.1.80:10020</value> 
  </property>  
  <!-- 指定JobHistory的Web访问地址 -->  
  <property> 
    <name>mapreduce.jobhistory.webapp.address</name>  
    <value>192.168.1.80:19888</value> 
  </property>  
  <!-- 开启Uber运行模式 -->  
  <property> 
    <name>mapreduce.job.ubertask.enable</name>  
    <value>true</value> 
  </property> 
</configuration>

JobHistory记录了已经完成的MapReduce任务信息并存放在HDFS指定的目录下，默认未开启。

Uber运行模式对小作业进行优化，不会给每个任务分别申请Container资源，这些小任务将统一在一个Container中按照先执行map任务后执行reduce任务的顺序串行执行。

4.在ResourceManager节点中配置Slave文件

#配置要运行NodeManager的节点，值可以是主机名或IP地址。
192.168.1.80
192.168.1.81
192.168.1.82

 

2.2启动YARN集群

1.在ResourceManager节点中启动YARN集群。

 

 

 

 

2.分别通过jps命令查看正在运行的JAVA进程。

 

 

 

 

 

 

 

 

 

3.当YARN集群启动后，由于ResourceManager部署在hadoop1机器上，因此可以访问http://192.168.1.80:8088进入YARN的可视化管理界面，可以查看到当前YARN集群中有3个存活的NodeManager节点。

 

 

4.在JosHistory节点中启动JobHistory。

 

 

 

 

 

当启动JobHistory后，可以访问mapreduce.jobhistory.address配置项指定的地址进入JobHistory可视化管理界面，默认是http://192.168.1.80:19888。

  

3.Hadoop集群管理

 

3.1 动态新增DataNode和NodeManager节点

 

1.准备一台新的机器（节点）

 

2.修改各个节点的hosts文件，添加新节点的主机名与IP的映射关系。

 

 

 

3.相互配置SSH，使可以通过SSH进行免密码登录。

 

4.修改NameNode和ResourceManager节点的Slave文件，添加新节点的主机名或IP地址。

 

5.单独在新节点中启动DataNode和NodeManager。

 

 

 

 

 

6.进入HDFS的可视化管理界面，可以查看到当前HDFS集群中有4个存活的DataNode节点。

 

7.进入YARN的可视化管理界面，可以查看到当前YARN集群中有4个存活的NodeManager节点。

 

3.2 动态卸载DataNode和NodeMananger节点

 

1.修改NameNode节点上的hdfs-site.xml配置文件，添加过滤配置。

<!-- 指定一个配置文件,使NameNode过滤配置文件中指定的host -->
<property>
  <name>dfs.hosts.exclude</name>
  <value>/usr/hadoop/hadoop-2.9.0/etc/hadoop/hdfs.exclude</value>
</property>

  

2.修改ResourceManager节点上的yarn-site.xml配置文件，添加过滤配置。

<!-- 指定一个配置文件,使ResourceManager过滤配置文件中指定的host -->
<property>
  <name>yarn.resourcemanager.nodes.exclude-path</name>
  <value>/usr/hadoop/hadoop-2.9.0/etc/hadoop/yarn.exclude</value>
</property>

 

3.分别刷新HDFS和YARN集群

 

 

 

第一次使用该配置时需要重启HDFS和YARN集群，使其重新读取配置文件，往后一旦修改过exclude.host配置文件则直接刷新集群即可。

 

4.进入HDFS的可视化管理界面，可以查看到hadoop4的DataNode节点已经被动态的移除。

 

5.进入Yarn的可视化管理界面，可以看到hadoop4的NodeManager节点已被移除。

 

6.使用jps命令查看hadoop4正在运行的JAVA进程，可以发现该节点上的NodeManager进程已经被kill掉，而DataNode进程仍然在运行，因此YARN集群在通过exclude.hosts文件过滤节点时，会把节点上的NodeManager进程杀死，因此不能够动态的进行恢复，而HDFS集群在通过exclude.hosts文件过滤节点时，并不会把节点上的DataNode进程给杀死，因此可以动态的进行恢复。