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)

			             fs.defaultFS             hdfs://hadoop1.keane.com:8020 	  	            hadoop.tmp.dir 		   /opt/install/hadoop-2.5.2/data/tmp 	 

• 5、hdfs-site.xml

  	      dfs.replication 		  1  # 控制程序代码访问权限  	      dfs.permissions.enabled 		  false     

• 6、yarn-site.xml

          yarn.nodemanager.aux-services          mapreduce_shuffle  

• 7、mapred-site.xml

	 	        		             mapreduce.framework.name             yarn  

• 8、slaves

hadoop1.keane.com 

• 9、格式化

bin/hdfs namenode -format 

• 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 

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 

• 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        dfs.replication 	  3  #	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EditsLog 	2、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     dfs.namenode.name.dir     /opt/suns/fsimage      dfs.namenode.edits.dir     /opt/suns/editslog  

• 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 

8、HA机构（HightAvaliable高可用）

主备结构：主节点出现问题，备用节点工作
主从结构：

• 1、zookeeper
  • 1、决定主节点是谁，备用节点是谁
  • 2、主节点出现问题后，自动切换备用节点升级成为主节点，对外服务自动的故障转移
  • 3、日志同步 journalnode：通过EditsLog，保证主备的数据一致

• 2、zookeeper原理