基于Hadoop 2.2.0的高可用性集群搭建步骤(64位)

时间:2022-02-13 04:41:29

内容概要: CentSO_64bit集群搭建, hadoop2.2(64位)编译,安装,配置以及测试步骤

到2013年为止: 基于yarn计算框架和高可用性DFS的第一个稳定版本

注1:官网只提供32位release版本, 若机器为64位,需要手动编译。 

0. 编译前的准备

虚拟机vmware准备,64bit CentOS准备,jdk7_64bit准备,maven准备,protobuf-2.5.0准备,hadoop-2.2s源码包准备
CentSO_64bit官网下载地址:

http://mirrors.skyshe.cn/centos/6.5/isos/x86_64/CentOS-6.5-x86_64-bin-DVD1.iso

vmware个人网盘下载地址

http://pan.baidu.com/s/1i39QcBj

jdk7_64bit官网下载地址

http://download.oracle.com/otn-pub/java/jdk/7u55-b13/jdk-7u55-linux-x64.tar.gz?AuthParam=1399264951_dffaab7076f5609189e1cd907ff66124

maven官网下载地址

http://mirror.bit.edu.cn/apache/maven/maven-3/3.2.1/binaries/apache-maven-3.2.1-bin.tar.gz

hadoop-2.2源码包官网下载地址

http://mirrors.cnnic.cn/apache/hadoop/common/hadoop-2.2.0/hadoop-2.2.0-src.tar.gz

节点ip

cluster1   172.16.102. 201

cluster2   172.16.102. 202

cluster3   172.16.102. 203

cluster4   172.16.102. 204


各节点职能划分     

cluster1         resourcemanager, nodemanager,proxyserver,historyserver, datanode, namenode,

cluster2         datanode, nodemanager

cluster3   datanode, nodemanager

cluster4   datanode, nodemanager


说明

以下关于修改hostname, 设置静态ip, ssh免登陆,关闭防火墙等步骤,放在文章末尾,这些内容并不是本文讨论的重点。

1. hadoop2.2编译

1
说明:标准的 bash 提示符,root用户为 '#' ,普通用户为 '%' ,由于博客编辑器的缘故, '#' 提示符会被默认为comment, 因此在这篇博文中不再区分root和普通user的提示符, 默认全部为 '$'

  因为我们安装的CentOS是64bit的,而官方release的hadoop2.2.0版本没有对应的64bit安装包,故需要自行编译。

  首先安装已经下载64位jdk:

 
$suroot
$wget http://download.oracle.com/otn-pub/java/jdk/7u45-b18/jdk-7u45-linux-x64.tar.gz

  注: prompt(提示符)为%默认为当前用户, #则为root,注意以下各步骤中的prompt类型。

  下面为hadoop编译步骤(注:中间部分的文本框里内容提要只是一些补充说明,不要执行框里的命令)

  1.1 BOTPROTO改为”dhcp”

 
$suroot
$sed–i  s/static/dhcp/g/etc/sysconfig/network-scripts/ifcfg-eth0#servicenetwork restart

1.2 下载hadoop2.2.0 源码

 
$sugrid
$cd~
wget  http://apache.dataguru.cn/hadoop/common/stable/hadoop-2.2.0-src.tar.gz


  1.3 安装maven

 
$suroot
$cd/opt
wget http://apache.fayea.com/apache-mirror/maven/maven-3/3.1.1/binaries/apache-maven-3.1.1-bin.tar.gz
$tarzxvf apache-maven-3.1.1-bin.tar.gz
$cdapache-maven-3.1.1


  修改系统环境变量有两种方式,修改/etc/profile, 或者在/etc/profile.d/下添加定制的shell文件,

         鉴于profile文件的重要性,尽量不要在profile文件里添加内容,官方建议采用第二种,以保证profile文件的绝对安全。

  下面采用第二种方式:

  首先,创建一个简单shell脚脚本并添加相关内容进去:

 
$cd/etc/profile.d/
$touchmaven.sh


其次,maven.sh里添加内容如下:
 
#environmentvariable settings for mavn2
export MAVEN_HOME='/opt/apache-maven-3.1.1'3
export PATH=$MAVEN_HOME/bin:$PATH


最后,source一下


<code class="bash plain">$</code><code class="bash functions">source</code><code class="bash plain">/etc/profile</code>
$mvn -version Apache Maven 3.1.1


1.4 安装protobuf

注意apache官方网站上的提示“NOTE: You will need protoc 2.5.0 installed.”

$suroot
$cd/opt
wget https://protobuf.googlecode.com/files/protobuf-2.5.0.tar.bz2
$tarxvf protobuf-2.5.0.tar.bz2 (注意压缩文件后缀, maven安装包是—gzip文件,解压时需加–z)
$cdprotobuf-2.5.0
./configure



 安装protobuf时提示报错”configure: error: C++ preprocessor "/lib/cpp" failssanity check”

安装gcc

1
$yum install gcc

1.5 编译hadoop

首先从官网下载hadoop2.2.0source code:

$sugrid;
$cd~grid/
wget http://apache.dataguru.cn/hadoop/common/stable/hadoop-2.2.0-src.tar.gz


好了,痛苦的编译过程来了。

解压之:

$tar zxvf hadoop-2.2.0-src.tar.gz
$cdhadoop-2.2.0-src


1.6 给maven指定国内镜像源

1.6.1. 切换root权限, 修改/opt/apache-maven-3.1.1/conf/settings.xml

$suroot
$vim /opt/apache-maven-3.1.1/conf/settings.xml


修改1. 在<mirrors>…</mirrors>里添加国内源(注意,保留原本就有的<mirrors>...</mirrors>):

1  <mirrors> 
2     <mirror>
3         <id>nexus-osc</id>
4         <mirrorOf>*</mirrorOf>
5     <name>Nexusosc</name>
6     <url>http://maven.oschina.net/content/groups/public/</url>
7     </mirror>
8 </mirrors>

 

修改2. 在<profiles>标签中增加以下内容(保留原来的<profiles>…</profiles>, jdk版本根据用户的情况填写)



   <profile>
       <id>jdk-1.4</id>
       <activation>
          <jdk>1.4</jdk>
        </activation>
      <repositories>
          <repository>
           <id>nexus</id>
            <name>local private nexus</name>
           <url>http://maven.oschina.net/content/groups/public/</url>
           <releases>
             <enabled>true</enabled>
           </releases>
          <snapshots>
            <enabled>false</enabled>
          </snapshots>
        </repository>
      </repositories>
     <pluginRepositories>
        <pluginRepository>
           <id>nexus</id>
           <name>local private nexus</name>
           <url>http://maven.oschina.net/content/groups/public/</url>
           <releases>
             <enabled>true</enabled>
           </releases>
           <snapshots>
             <enabled>false</enabled>
           </snapshots>
         </pluginRepository>
       </pluginRepositories>
     </profile>
 </profiles>



   1.6.2 将刚才修改的配置文件拷到当前用户home目录下


$ su grid
$ sudo cp /opt/apache-maven-3.1.1/conf/settings.xml ~/.m2/
#若提示该用户不在sudoers里,执行以下步骤:

$ su root 
#在sudoers里第99行添加当前用户(下面行号不要加):
$ cat /etc/sudoers
  root     ALL=(ALL)       ALL
  grid     ALL=(ALL)       ALL

1.7 现在执行官方的clean步骤:
 $mvn clean install –DskipTests

 漫长的等待后发现安装一切正常。

1.8 安装3个依赖包

1
2
3
Cmake
ncurses-devel
openssl-devel

执行以下步骤:

suroot
$yum installncurses-devel
$yum installopenssl-devel
$yum installcmake89


以上安装完成后,切回用户grid:

1
2
$ su grid
$ cd ~ /hadoop-2 .2.0-src

1.9 所有依赖已安装完毕,开始编译

1
$mvn package-Pdist,native -DskipTests -Dtar

漫长的等待后,编译成功,查看结果:

一切正常。至此,hadoop2.2.0编译完成。

1.10 验证

下面验证编译结果是否符合预期, 注意我们当前是在目录~/hadoop-2.2.0-src下,

1
2
3
$ cd hadoop-dist/
$ ls
pom.xml  target

 以上为maven编译的配置文件

$cdtarget
$ls-sF
total 276M
4.0K antrun/                    92M hadoop-2.2.0.tar.gz            4.0K maven-archiver/
4.0K dist-layout-stitching.sh  4.0K hadoop-dist-2.2.0.jar          4.0Ktest-dir/
4.0K dist-tar-stitching.sh     184M hadoop-dist-2.2.0-javadoc.jar
4.0K hadoop-2.2.0/             4.0K javadoc-bundle-options/


以上为maven编译后自动生成的目录文件,进入hadoop-2.2.0:

1
2
3
$ cd hadoop-2.2.023
$ ls
bin  etc  include  lib libexec  sbin  share

这才是和官方release2.2.0版本(官方只有32bit版本)的相同的目录结构。

1.10.1 下面主要验证两项:

a.验证版本号

1
2
3
4
5
6
7
$bin /hadoop version
Hadoop 2.2.0
Subversion Unknown -r Unknown
Compiled by grid on 2013-11-06T13:51Z
Compiled with protoc 2.5.0
From source with checksum 79e53ce7994d1628b240f09af91e1af4
This command was run using /home/grid/hadoop-2 .2.0-src /hadoop-dist/target/hadoop-2 .2.0 /share/hadoop/common/hadoop-common-2 .2.0.jar

 可以看到hadoop版本号,编译工具(protoc2.5.0版本号与官方要求一致)以及编译日期.

b.验证hadoop lib的位数

$file lib//native/*
lib//native/libhadoop.a:        current ar archive
lib//native/libhadooppipes.a:   current ar archive
lib//native/libhadoop.so:       symbolic link to `libhadoop.so.1.0.0'
lib//native/libhadoop.so.1.0.0:<strong>ELF 64-bitLSB</strong> shared object, x86-64, version 1 (SYSV), dynamically linked, notstripped1011 lib//native/libhadooputils.a:   current ar archive1213 lib//native/libhdfs.a:          current ar archive1415 lib//native/libhdfs.so:         symbolic link to `libhdfs.so.0.0.0'
lib//native/libhdfs.so.0.0.0:   <strong>ELF 64-bit LSB shared object</strong>, x86-64,version 1 (SYSV), dynamically linked, not stripped


看到黑色的“ELF-64bit LSB”证明64bit hadoop2.2.0初步编译成功,查看我们之前的hadoop0.20.3版本,会发现lib//native/libhadoop.so.1.0.0是32bit,这是不正确的!。^_^

2. hadoop2.2配置

2.1 home设置

为了和MRv1区别, 2.2版本的home目录直接命名为yarn:

$suhadoop
$cd~
$mkdir–p yarn/yarn_data67
$cp–a ~hadoop/hadoop-2.2.0-src/hadoop-dist/target/hadoop-2.2.0  ~hadoop/yarn


2.2 环境变量设置

~/.bashrc里添加新环境变量:


# javaenv
export JAVA_HOME="/usr/java/jdk1.7.0_45" exportPATH="$JAVA_HOME/bin:$PATH"
# hadoopvariable settings
export HADOOP_HOME="$HOME/yarn/hadoop-2.2.0"
export HADOOP_PREFIX="$HADOOP_HOME/"
export YARN_HOME=$HADOOP_HOME
export HADOOP_MAPRED_HOME="$HADOOP_HOME"
export HADOOP_COMMON_HOME="$HADOOP_HOME"
export HADOOP_HDFS_HOME="$HADOOP_HOME"
exportHADOOP_CONF_DIR="$HADOOP_HOME/etc/hadoop/"
exportYARN_CONF_DIR=$HADOOP_CONF_DIR
exportPATH="$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH"


以上操作注意2点:

  1. jdk一定要保证是64bit的

  2.HADOOP_PREFIX极其重要,主要是为了兼容MRv1,优先级最高(比如寻找conf目录,即使我们配置了HADOOP_CONF_DIR,启动脚本依然会优先从$HADOOP_PREFIX/conf/里查找),一定要保证此变量正确配置(也可不设置,则默认使用HADOOP_HOME/etc/hadoop/下的配置文件)

2.3 改官方启动脚本的bug

说明:此版本虽然是release稳定版,但是依然有非常弱智的bug存在。

正常情况下,启动守护进程$YARN_HOME/sbin/hadoop-daemons.sh中可以指定node.

我们看下该启动脚本的说明:

1
2
$sbin /hadoop-daemons .sh
Usage:hadoop-daemons.sh [--config confdir] [--hosts hostlistfile] [start|stop] command args...

可以看到--hosts可以指定需要启动的存放节点名的文件名:

但这是无效的,此脚本调用的$YARN_HOME/libexec/hadoop-config.sh脚本有bug.

先建一个文件datanodefile 添加datanode节点,放入conf/文件夹下,然后执行一下启动脚本:

1
2
$sbin /hadoop-daemons .sh --hosts datanodefile start datanode
at: /home/grid/yarn/hadoop-2 .2.0 /etc/hadoop//126571 :No such file or directory

分析脚本,定位到嵌套脚本$YARN_HOME/libexec/hadoop-config.sh第96行:

1
96         export HADOOP_SLAVES= "${HADOOP_CONF_DIR}/$$1"

看到红色部分是不对的,应该修改为:

1
96         export HADOOP_SLAVES= "${HADOOP_CONF_DIR}/$1"

备注1:此版本11月初发布至今,网上教程不论中文还是英文,均未提及此错误。

备注2:$YARN_HOME/libexec/hadoop-config.sh中分析hostfile的逻辑非常脑残:

if["--hosts"="$1"]
    then
         shift
        export HADOOP_SLAVES="${HADOOP_CONF_DIR}/%$1"
         shift


因此,用户只能将自己的hostfile放在${HADOOP_CONF_DIR}/ 下面,放在其它地方是无效的。

备注3:按照$YARN_HOME/libexec/hadoop-config.sh脚本的逻辑,还有一种方式指定host

1
$hadoop-daemons.sh –hostnames cluster1 start datanode

注意,因为bash脚本区分输入参数的分割符为\t或\s,所以限制了此种方式只能指定一个单独的节点

总结以上分析和修改步骤:

$cd$YARN_HOME/libexec/
$vim hadoop-config.sh
#修改第96行代码为:
export HADOOP_SLAVES="${HADOOP_CONF_DIR}/$1"
#保存退出vim


 2.4 配置文件设置


  <!--$YARN_HOME/etc/hadoop/core-site.xml-->
                                                                                                                                                                                                                                  
 <?xml version="1.0"?>
  <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
                                                                                                                                                                                                                                  
  <configuration>
 <property>
  <name>fs.defaultFS</name>
   <value>hdfs://cluster1:9000</value>
 </property>
                                                                                                                                                                                                                                
 <property>
 <name>hadoop.tmp.dir</name>
  <value>/home/grid/hadoop-2.2.0-src/hadoop-dist/target/hadoop-2.2.0//yarn_data/tmp/hadoop-grid</value>
 </property>
 </configuration>
   备注1:注意fs.defaultFS为新的变量,代替旧的:fs.default.name
 
  备注2:tmp文件夹放在我们刚才新建的$HOME/yarn/yarn_data/下面。

    <!--$YARN_HOME/etc/hadoop/hdfs-site.xml-->
 <configuration>
    <property>
     <name>dfs.replication</name>
     <value>3</value>
 </property>
 </configuration>



 

  备注1. 新:dfs.namenode.name.dir,旧:dfs.name.dir,新:dfs.datanode.name.dir,旧:dfs.data.dir

  备注2. dfs.replication确定 data block的副本数目,hadoop基于rackawareness(机架感知)默认复制3份分block,(同一个rack下两个,另一个rack下一 份,按照最短距离确定具体所需block, 一般很少采用跨机架数据块,除非某个机架down了)



     <!--$YARN_HOME/etc/hadoop/yarn-site.xml-->
                                                                                                                                                                                                                             
  <configuration>
     <property>
       <name>yarn.nodemanager.aux-services</name>
       <value>mapreduce_shuffle</value>
    </property>
                                                                                                                                                                                                                             
    <property>
      <name>yarn.resourcemanager.address</name>
      <value>cluster1:8032</value>
   </property>
                                                                                                                                                                                                                            
   <property>
       <name>yarn.resourcemanager.resource-tracker.address</name>
       <value>cluster1:8031</value>
   </property>
                                                                                                                                                                                                                            
   <property>
       <name>yarn.resourcemanager.admin.address</name>
       <value>cluster1:8033</value>
   </property>
                                                                                                                                                                                                                            
   <property>
       <name>yarn.resourcemanager.scheduler.address</name>
       <value>cluster1:8030</value>
   </property>
                                                                                                                                                                                                                            
   <property>
       <name>yarn.nodemanager.loacl-dirs</name>
       <value>/home/grid/hadoop-2.2.0-src/hadoop-dist/target//hadoop-2.2.0/yarn_data/mapred/nodemanager</value>
       <final>true</final>
   </property>
                                                                                                                                                                                                                            
   <property>
       <name>yarn.web-proxy.address</name>
       <value>cluster1:8888</value>
   </property>
                                                                                                                                                                                                                            
   <property>
      <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
      <value>org.apache.hadoop.mapred.ShuffleHandler</value>
   </property>
 </configuration>



 

在此特意提醒:

  (1) 目前网上盛传的各种hadoop2.2的基于分布式集群的安装教程大部分都是错的,hadoop2.2配置里最重要的也莫过于yarn-site.xml里的变量了吧?

(2)不同于单机安装,基于集群的搭建必须设置yarn-site.xml可选变量yarn.web-proxy.addressyarn.nodemanager.loacl-dirs外的其它所有变量!后续会专门讨论yarn-site.xml里各个端口配置的含义。


 <!--$YARN_HOME/etc/hadoop/mapred-site.xml-->
                                                                                                                                                                                                           
 <configuration>
     <property>
        <name>mapreduce.framework.name</name>
         <value>yarn</value>
     </property>
 </configuration>



 

 备注1:新的计算框架取消了实体上的jobtracker, 故不需要再指定mapreduce.jobtracker.addres,而是要指定一种框架,这里选择yarn. 备注2:hadoop2.2.还支持第三方的计算框架,但没怎么关注过。
配置好以后将$HADOOP_HOME下的所有文件,包括hadoop目录分别copy到其它3个节点上。

2.5 各节点功能规划

确保在每主机的/etc/hosts里添加了所有node的域名解析表(i.e.cluster1 198.0.0.1);iptables已关闭;/etc/sysconfig/network-script/ifcfg-eth0里 BOTPROTO=static;/etc/sysconfig/network文件里已设置了各台主机的hostname, 静态ip地址,且已经重启过每台机器;jdk和hadoop都为64bit;ssh免登陆已配置;完成以上几项后,就可以启动hadoop2.2.0了。

注意到从头到尾都没有提到Master, Slave,也没有提到namenode,datanode,是因为,新的计算框架,新的hdfs中不存在物理上的Master节点,所有的节点都是等价的。

各节点职能划分在篇首已有说明, 在此重提一下:

cluster1    resourcemanager, nodemanager, proxyserver,historyserver, datanode, namenode,
cluster2    datanode, nodemanager
cluster3    datanode, nodemanager
cluster4    datanode, nodemanager


  2.6 hdfs 格式化

$bin/hdfsnamenode –format


(注意:hadoop 2.2.0的格式化步骤和旧版本不一样,旧的为 $YARN_HOME/bin/hadoop namenode –format)

  2.7 hadoop整体启动

  启动方式(1)分别登录各自主机开启

  在cluster1节点上,分别启动resourcemanager,nodemanager, proxyserver, historyserver, datanode, namenode,

  在cluster2, cluster3, cluster4 节点主机上,分别启动datanode,nodemanager

  备注:如果resourcemanager是 独立的,则除了resourcemanager,其余每一个节点都需要一个nodemanager,我们可以在$YARN_HOME/etc /hadoop/下新建一个nodehosts, 在里面添加所有的除了resourcemanager外的所有node,因为此处我们配置的resourcemanager和namenode是同一台主 机,所以此处也需要添加nodemanager

  执行步骤如下:

$hostname  #查看host名字
cluster1
$sbin/hadoop-daemon.sh  --script hdfs start namenode  # 启动namenode
$sbin/hadoop-daemon.sh --script hdfs start datanode  # 启动datanode
$sbin/yarndaemon.shstart nodemanager  #启动nodemanager
$sbin/yarn-daemon.sh   start resourcemanager # 启动resourcemanager
$sbin/yarn-daemon.shstart proxyserver  #启动web App proxy, 作用类似jobtracker,若yarn-site.xml里没有设置yarn.web-proxy.address的host和端口,或者设置了和resourcemanager相同的host和端口,则hadoop默认proxyserver和resourcemanager共享host:port
$sbin/mr-jobhistory-daemon.sh   start historyserver  #你懂得
$sshcluster2 #登录cluster2
$hostname  #查看host名字cluster2
$sbin/yarndaemon.shstart nodemanager  # 启动nodemanager
$sbin/hadoop-daemon.sh  --script hdfs start datanode  # 启动datanode
$sshcluster3 #登录cluster3...# cluster2, cluster3, cluster4启动方式和cluster2一样。


启动方式(2)使用hadoop自带的批处理脚本开启

 Step1.确认已登录cluster1:

$hostnamecluster1


 在$YARN_HOME/etc/hadoop/下新建namenodehosts,添加所有namenode节点

$cat$YARN_HOME/etc/hadoop/namenodehosts
cluster1


在$YARN_HOME/etc/hadoop/下新建datanodehosts,添加所有datanode节点

$cat$YARN_HOME/etc/hadoop/datanodehosts
cluster2
cluster3
cluster4


在$YARN_HOME/etc/hadoop/下新建nodehosts,添加所有datanode和namenode节点

$cat$YARN_HOME/etc/hadoop/datanodehosts
cluster1
cluster2
cluster3
cluster4


备注:以上的hostfile名字是随便起的,可以是任意的file1,file2,file3, 但是必须放在$YARN_HOME/etc/hadoop/下面!

Step2.执行脚本

$sbin/hadoop-daemons.sh--hosts namenodehosts --script  hdfsstart  namenode
$sbin/hadoop-daemons.sh--hosts datanodehosts --script  hdfsstart  datanode
$sbin/yarn-daemons.sh--hostnames cluster1 start resourcemanager
$sbin/yarn-daemons.sh--hosts allnodehosts start nodemanager
$sbin/yarn-daemons.sh--hostnames cluster1 start proxyserver
$sbin/mr-jobhistory-daemon.sh   start  historyserver

 在这里不得不纠正一个其他教程上关于对hadoop2.2做相关配置和运行时的错误!

  我们在core-site.xml指定了default filesystem为cluster1, 并指定了其节点ip(或节点名)和端口号, 这意味着若启动hadoop时不额外添加配置(启动hadoop时命令行里加--conf指定用户配置文件的存放位置),则默认的namenode就一个,那就是cluster1, 如果随意指定namenode必然会出现错误!

  如果你要还要再启动一个新的namenode(以cluster3为例),则必须如下操作:

  a. 新建一个core-site.xml,添加fs.defaultFS的value为hdfs://cluster3:9000

  b. command:

$sbin/hadoop-daemon.sh --hostnames cluster3 --conf you_conf_dir --script hdfs --start namenode


我们之前启动的namenode为cluster1, 假如要查看放在此文件系统根目录下的文件input_file,则它的完整路径为 hdfs://cluster1:9000/input_file

Step3.查看启动情况

在cluster1上:

$jps
22411 NodeManager
23356 Jps
22292 ResourceManager
22189 DataNode
22507 WebAppProxyServer


在cluster2上

$jps
8147 DataNode
8355 Jps
8234 NodeManager


cluster3,cluster4上和cluster2一样。

Step4.查看各节点状态以及yarncluster运行状态

(1)查看各节点状态

FireFox进入: http://cluster1:50070(cluster1为namenode所在节点)

在主页面(第一张图)上点击Live Node,查看(第二张图)上各Live Node状态:


(2)查看resourcemanager上cluster运行状态

Firefox进入:http://cluster2:8088(node1为resourcemanager所在节点)


  Step5. Cluster上MapReduce测试

  现提供3个test cases

  Test Case 1  testimated_value_of_pi

command:

$sbin/yarnjar $YARN_HOME/share/hadoop//mapreduce/hadoop-mapreduce-examples-2.2.0.jar \
pi 101000000

console输出:


Number of Maps  =10
                       
Samples per Map = 1000000
                        
Wrote input for Map #0
                         
Wrote input for Map #1
                         
Wrote input for Map #2
                        
Wrote input for Map #3
                       
Wrote input for Map #4
                      
Wrote input for Map #5
                        
Wrote input for Map #6
                       
Wrote input for Map #7
                       
Wrote input for Map #8
                       
Wrote input for Map #9
                       
Starting Job
                       
13/11/06 23:20:07 INFO Configuration.deprecation: mapred.map.tasksis deprecated. Instead, use mapreduce.job.maps
                       
13/11/06 23:20:07 INFO Configuration.deprecation:mapred.output.key.class is deprecated. Instead, usemapreduce.job.output.key.class
                        
13/11/06 23:20:07 INFO Configuration.deprecation:mapred.working.dir is deprecated. Instead, use mapreduce.job.working.dir
                        
13/11/06 23:20:11 INFO mapreduce.JobSubmitter: Submittingtokens for job: job_1383806445149_0001
                        
13/11/06 23:20:15 INFO impl.YarnClientImpl: Submittedapplication application_1383806445149_0001 to ResourceManager at /0.0.0.0:8032
                      
13/11/06 23:20:16 INFO mapreduce.Job: The url to trackthe job: http://Node1:8088/proxy/application_1383806445149_0001/
                       
13/11/06 23:20:16 INFO mapreduce.Job: Running job:job_1383806445149_0001
                        
13/11/06 23:21:09 INFO mapreduce.Job: Jobjob_1383806445149_0001 running in uber mode : false
                       
13/11/06 23:21:10 INFO mapreduce.Job:  map 0% reduce 0%
                         
13/11/06 23:24:28 INFO mapreduce.Job:  map 20% reduce 0%
                        
13/11/06 23:24:30 INFO mapreduce.Job:  map 30% reduce 0%
                         
13/11/06 23:26:56 INFO mapreduce.Job:  map 57% reduce 0%
                         
13/11/06 23:26:58 INFO mapreduce.Job:  map 60% reduce 0%
                         
13/11/06 23:28:33 INFO mapreduce.Job:  map 70% reduce 20%
                        
13/11/06 23:28:35 INFO mapreduce.Job:  map 80% reduce 20%
                        
13/11/06 23:28:39 INFO mapreduce.Job:  map 80% reduce 27%
                        
13/11/06 23:30:06 INFO mapreduce.Job:  map 90% reduce 27%
                        
13/11/06 23:30:09 INFO mapreduce.Job:  map 100% reduce 27%
                        
13/11/06 23:30:12 INFO mapreduce.Job:  map 100% reduce 33%
                        
13/11/06 23:30:25 INFO mapreduce.Job:  map 100% reduce 100%
                         
13/11/06 23:30:54 INFO mapreduce.Job: Jobjob_1383806445149_0001 completed successfully
                         
13/11/06 23:31:10 INFO mapreduce.Job: Counters: 43
                          
        File SystemCounters
                         
                  FILE:Number of bytes read=226
                         
                  FILE:Number of bytes written=879166
                          
                  FILE:Number of read operations=0
                         
                  FILE:Number of large read operations=0
                        
                  FILE:Number of write operations=0
                         
                  HDFS:Number of bytes read=2590
                           
                  HDFS:Number of bytes written=215
                           
                  HDFS:Number of read operations=43
                           
                  HDFS:Number of large read operations=0
                             
                  HDFS:Number of write operations=3
                          
        JobCounters
                          
                  Launchedmap tasks=10
                            
                  Launchedreduce tasks=1
                           
                  Data-localmap tasks=10
                            
                  Totaltime spent by all maps in occupied slots (ms)=1349359
                         
                  Totaltime spent by all reduces in occupied slots (ms)=190811
                          
        Map-ReduceFramework
                         
                  Mapinput records=10
                          
                  Mapoutput records=20
                            
                  Mapoutput bytes=180
                             
                  Mapoutput materialized bytes=280
                            
                  Inputsplit bytes=1410
                             
                  Combineinput records=0
                            
                  Combineoutput records=0
                              
                  Reduceinput groups=2
                             
                  Reduceshuffle bytes=280
                          
                  Reduceinput records=20
                            
                  Reduceoutput records=0
                             
                  SpilledRecords=40
                             
                  ShuffledMaps =10
                              
                  FailedShuffles=0
                            
                  MergedMap outputs=10
                             
                  GCtime elapsed (ms)=45355
                             
                  CPUtime spent (ms)=29860
                             
                  Physicalmemory (bytes) snapshot=1481818112
                             
                  Virtualmemory (bytes) snapshot=9214468096
                             
                  Totalcommitted heap usage (bytes)=1223008256
                              
        ShuffleErrors
                          
                  BAD_ID=0
                          
                  CONNECTION=0
                         
                  IO_ERROR=0
                          
                  WRONG_LENGTH=0
                           
                  WRONG_MAP=0
                        
                  WRONG_REDUCE=0
                          
        File InputFormat Counters
                          
                  BytesRead=1180
                          
        File OutputFormat Counters
                         
                  BytesWritten=97
                          
13/11/06 23:31:15 INFO mapred.ClientServiceDelegate:Application state is completed. FinalApplicationStatus=SUCCEEDED. Redirectingto job history server
                         
Job Finished in 719.041 seconds
                         
Estimated value of Pi is 3.14158440000000000000

 

说明:可以看到最后输出值为该job使用了 10个maps, job id为job_1383806445149_000, 最后计算得Pi的值为13.14158440000000000000, job Id分配原则为job_年月日时分_job序列号,序列号从0开始,上限值为1000, task id分配原则为job_年月日时分_job序列号_task序列号_m, job_年月日时分_job序列号_task序列号_r, m代表map taskslot , r代表reduce task slot, task 序列号从0开始,上限值为1000.

Test Case 2 random_writting

#command line
$sbin/yarnjar $YARN_HOME/share/hadoop//mapreduce/hadoop-mapreduce-examples-2.2.0.jar \randomwriter/user/grid/test/test_randomwriter/out

#Console输出摘录:
                                                                                                                                                  
Running 10 maps.Job started: Wed Nov 0623:42:17 PST 201313/11/0623:42:17 
INFO client.RMProxy: Connecting toResourceManager at /0.0.0.0:803213/11/0623:42:19 
INFO mapreduce.JobSubmitter: number ofsplits:1013/11/0623:42:20 
INFO mapreduce.JobSubmitter: Submittingtokens for job: job_1383806445149_000213/11/0623:42:21 
INFO impl.YarnClientImpl: Submittedapplication application_1383806445149_0002 to ResourceManager at /0.0.0.0:803213/11/0623:42:21 
INFO mapreduce.Job: The url to trackthe job: http://Master:8088/proxy/application_1383806445149_0002/13/11/0623:42:21 
INFO mapreduce.Job: Running job:job_1383806445149_000213/11/0623:42:40 
INFO mapreduce.Job: Jobjob_1383806445149_0002 running in uber mode : false13/11/0623:42:40 
INFO mapreduce.Job:  map 0% reduce 0%
                 
13/11/0623:55:02 INFO mapreduce.Job:  map 10% reduce 0%
                   
13/11/0623:55:14 INFO mapreduce.Job:  map 20% reduce 0%
                 
13/11/0623:55:42 INFO mapreduce.Job:  map 30% reduce 0%
                   
13/11/0700:06:55 INFO mapreduce.Job:  map 40% reduce 0%
                   
13/11/0700:07:10 INFO mapreduce.Job:  map 50% reduce 0%
                  
13/11/0700:07:36 INFO mapreduce.Job:  map 60% reduce 0%
                   
13/11/0700:13:47 INFO mapreduce.Job:  map 70% reduce 0%
                    
13/11/0700:13:54 INFO mapreduce.Job:  map 80% reduce 0%
                    
13/11/0700:13:58 INFO mapreduce.Job:  map 90% reduce 0%
                   
13/11/0700:16:29 INFO mapreduce.Job:  map 100% reduce 0%
                   
13/11/0700:16:37 INFO mapreduce.Job: Jobjob_1383806445149_0002 completed successfully        File OutputFormat Counters                  BytesWritten=10772852496Job ended: Thu Nov 0700:16:40 PST 2013The job took 2062 seconds.


  说明:电脑存储空间足够的话,可以从hdfs里down下来看看。

  现只能看一看输出文件存放的具体形式:


./bin/hadoopfs -ls /user/grid/test/test_randomwriter/out/Found 11items-rw-r--r--   2 grid supergroup          02013-11-0700:16/user/grid/test/test_randomwriter/out/_SUCCESS-rw-r--r--   2 grid supergroup 10772782142013-11-0623:54 /user/grid/test/test_randomwriter/out/part-m-00000
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772827512013-11-0623:55 /user/grid/test/test_randomwriter/out/part-m-00001
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772802982013-11-0623:55 /user/grid/test/test_randomwriter/out/part-m-00002
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10773031522013-11-0700:07 /user/grid/test/test_randomwriter/out/part-m-00003
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772842402013-11-0700:06 /user/grid/test/test_randomwriter/out/part-m-00004
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772866042013-11-0700:07 /user/grid/test/test_randomwriter/out/part-m-00005
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772843362013-11-0700:13 /user/grid/test/test_randomwriter/out/part-m-00006
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772848292013-11-0700:13 /user/grid/test/test_randomwriter/out/part-m-00007
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772897062013-11-0700:13 /user/grid/test/test_randomwriter/out/part-m-00008
                                                                                                                                                  
-rw-r--r--   2 grid supergroup 10772783662013-11-0700:16 /user/grid/test/test_randomwriter/out/part-m-00009

 

  Test Case3 word_count

  (1)Locaol上创建文件:

$mkdirinput%echo ‘hello,world’ >> input/file1.in
$echo ‘hello, ruby’ >> input/file2.in

 

  (2)上传到hdfs上:

./bin/hadoop fs -mkdir -p /user/grid/test/test_wordcount/
./bin/hadoop fs –put input/user/grid/test/test_wordcount/in

 

(3)yarn新计算框架运行mapreduce


#command line
$bin/yarn jar$YARN_HOME/share/hadoop//mapreduce/hadoop-mapreduce-examples-2.2.0.jarwordcount  /user/grid/test/test_wordcount/in/user/grid/test/test_wordcount/out
                                                                                                                                             
#ConSole输出摘录:
3/11/0700:35:03 INFO client.RMProxy:Connecting to ResourceManager at /0.0.0.0:803213/11/0700:35:05 INFO input.FileInputFormat:Total input paths to process : 213/11/0700:35:05 INFO mapreduce.JobSubmitter:number of splits:213/11/0700:35:06 INFO mapreduce.JobSubmitter:Submitting tokens for job: job_1383806445149_000313/11/0700:35:08 INFO impl.YarnClientImpl:Submitted application application_1383806445149_0003 to ResourceManager at /0.0.0.0:803213/11/0700:35:08 INFO mapreduce.Job: The urlto track the job: http://Master:8088/proxy/application_1383806445149_0003/13/11/0700:35:08 INFO mapreduce.Job: Runningjob: job_1383806445149_000313/11/0700:35:25 INFO mapreduce.Job: Jobjob_1383806445149_0003 running in uber mode : false13/11/0700:35:25 INFO mapreduce.Job:  map 0% reduce 0%
                                                                                                                                             
13/11/0700:37:50 INFO mapreduce.Job:  map 33% reduce 0%
                                                                                                                                             
13/11/0700:37:54 INFO mapreduce.Job:  map 67% reduce 0%
                                                                                                                                             
13/11/0700:37:55 INFO mapreduce.Job:  map 83% reduce 0%
                                                                                                                                             
13/11/0700:37:58 INFO mapreduce.Job:  map 100% reduce 0%
                                                                                                                                             
13/11/0700:38:51 INFO mapreduce.Job:  map 100% reduce 100%
                                                                                                                                             
13/11/0700:38:54 INFO mapreduce.Job: Jobjob_1383806445149_0003 completed successfully13/11/0700:38:56 INFO mapreduce.Job:Counters: 43

 

说明:查看word count的计算结果:

$bin/hadoopfs -cat/user/grid/test//test_wordcount/out/*
hadoop 1
hello  1
ruby


补充:因为新的YARN为了保持与MRv1框 架的旧版本兼容性,很多老的API还是可以用,但是会有INFO。此处通过修改$YARN_HOME/etc/hadoop /log4j.properties可以turn offconfiguration deprecation warnings.

建议去掉第138行的注释(可选),确保错误级别为WARN(默认为INFO级别,详见第20行:hadoop.root.logger=INFO,console):

1
138 log4j.logger.org.apache.hadoop.conf.Configuration.deprecation=WARN



附文:


集群搭建、配置步骤(基于CentOS_64bit)


0. 说明


大体规划如下:

虚拟机: VMware-workstation-full-8.0.3-703057(VMware10中文版不完整,此版本内含vmware tools,为设定共享文件夹所必须)

电脑1,VMWare,内装2个虚拟系统,(cluster1, cluster2)

电脑2,,VMware内装2个虚拟系统,(cluster3, cluster4)

虚拟主机: CentOS x86 64bit

局域网IP设置:   

cluster1    172.16.102. 201
cluster2    172.16.102. 202
cluster3    172.16.102. 203
cluster4    172.16.102. 204


网关

1
172.16.102.254

1. Linux集群安装

(1) 准备

Vmware: VMware-workstation-full-8.0.3-703057(此安装包自带VMWare Tools)

Linux:CentOS.iso

(2) VMWare配置

VMWare以及所有安装的虚拟机均为桥接

Step1. 配置VMWare 联网方式: Editor->Virtual Network Editor->选择Bridged, 点击确定

Step2. 安装虚拟机

Step3.配置各虚拟机接网方式:右键已安装虚拟机->点击NetworkAdapter, 选择桥接,确定

Step4. 为所有安装好的虚拟系统设置一个共享目录(类似FTP,但是设置共享目录更方便) :右键已安装虚拟机->点击Virtual Machine Settings对话框上部Options, 选择Shared Folder, 在本地新建SharedFolder并添加进来,确定。

(3) linux下网卡以及IP配置

以下配置在三个虚拟系统里均相同, 以cluster1为例:

配置前需切换为root

Step1. 修改主机名, 设置为开启网络

配置/etc/sysconfig/network:

[root@localhost ~]# cat /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=cluster1


Step2.修改当前机器的IP, 默认网关, IP分配方式, 设置网络接口为系统启动时有效:

a.查看配置前的ip:

[root@localhost ~]# ifconfig
eth0      Link encap:Ethernet  HWaddr 00:0C:29:E1:FB:95 
inet addr:172.16.102.3  Bcast:172.16.102.255  Mask:255.255.255.0
inet6 addr: fe80::20c:29ff:fee1:fb95/64Scope:Lin


b.配置/etc/sysconfig/network-scripts/ifcfg-eth0

注意以下几项:

BOOTPROTO="static" (IP分配方式, 设为static则主机ip即为IPADDR里所设,若为”dhcp”, 此时只有局域网有效,则vmware会启动自带虚拟”dhcp”, 动态分配ip, 此时可以连接互联网 )

基于Hadoop 2.2.0的高可用性集群搭建步骤(64位)
IPV6INIT="no"  #你懂得
IPADDR="172.16.102.201" #ip地址
GETEWAY="172.16.102.254" #默认网关地址
ONBOOT="yes" #系统启动时网络接口有效
[root@localhost ~]# cat /etc/sysconfig/network-scripts/ifcfg-eth0 
DEVICE="eth0"
BOOTPROTO="static"
HWADDR="00:0C:29:E1:FB:95"
BOOTPROTO="dhcp"
IPV6INIT="no"
IPADDR="172.16.102.201"
GETEWAY="172.16.102.254"
ONBOOT="yes"
NM_CONTROLLED="yes"
TYPE="Ethernet"
UUID="79612b26-326b-472c-94af-9ab151fc2831

 

c.使当前设置生效:

$service network restart
$ifdown eth0 #关闭默认网卡
$ifup eth#重新启用默认网卡
$service network restart; ifdown eth0; ifup eth0

 

d.查看新设置的ip:

$ifconfig
eth0      Link encap:Ethernet  HWaddr 00:0C:29:E1:FB:95  
inet addr:192.168.1.200  Bcast:192.168.1.255  Mask:255.255.255.0
inet6 addr: fe80::20c:29ff:fee1:fb95/64 Scope:Link
UP BROADCAST RUNNING MULTICAST  MTU:1500  Metric:1

 

Step3. 修改hosts文件,此文件会被DNS解析,类似linux里的alias, 设置后以后,hostname就是ip地址, 两者可以互换。

配置/etc/hosts, 添加三行如下, (注意,此3行在3个虚拟主机里都相同,切必须全部都要加上)


[root@localhost ~]# cat /etc/hosts
127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
::1         localhost localhost.localdomain localhost6 localhost6.localdomain6
cluster1    172.16.102. 201
cluster2    172.16.102. 202
cluster3    172.16.102. 203
cluster4    172.16.102. 204

 

Step4. 按照以上3个步骤分别设置两外两个虚拟主机,

配置完以后必须按照之前的三个命令分别重启 network, ifeth0:

$service network restart
$ifdown eth0
$ifup eth0

 

重新初始化以后查看各自主机的ip配置是否正确。

在任意一台主机上执行: ping cluster1; ping cluster2; ping cluster3; ping cluster4

若配置正确,一定可以ping通,否则,请检查各个主机的/etc/hosts文件是否已经添加新的映射!至此,linux集群已成功配置。

2. 设置 ssh免登陆

a. 新建一个用户

在三台主机上分别以root权限新建一个用户,此处默认为grid:

cluster1,cluster2, cluster3, cluster4上:

$useradd –m grid
$passwd grid 1qaz!QAZ

 

注意一定要保证4台主机上有相同的用户名, 以实现同一个用户在4台主机上登录。

b. 在cluster1上生成RSA密钥

切换回user: grid

$su grid
$cd ~

生成密钥对:

$ssh-keygen –t rsa
#一路回车到最后( 此处生成无需密码的秘钥-公钥对)。
#上一个步骤 ssh-keygen –t rsa会在grid的home目录下生成一个.ssh文件夹


之后:

$cd ~/.ssh/
$cp id_rsa.pub authorized_keys

 

c. 在另外3个主机上的grid用户home目录下也声称相应的密钥对, 并在.ssh目录下生成一个authorized_keys文件

d. 想办法将4台主机grid用户下刚生成的authorized_keys里的内容整合成一个完整的authorized_keys.

比如将4个authorized_keys里的内容全部复制到cluster1上的authorized_keys里, 然后:

$chmod 600 authorized_keys
$scp .ssh/authorized_keys  cluster2:/home/grid/.ssh/
$scp .ssh/authorized_keys  cluster3:/home/grid/.ssh/
$scp .ssh/authorized_keys  cluster4:/home/grid/.ssh/

若要求输入密码,则输入之前新建用户grid时设置的密码, 一路回车到最后.

e. 下面尝试ssh无秘钥登录:

在cluster1主机上:ssh cluster2, 依次尝试登陆cluster2, cluster3, cluster4

若均可可以免密码登录,则直接跳到下一步骤,否则,请看下面的解决方案:

可能出现的问题有3,

第一种可能,.ssh文件夹非自动生成,而是你手动新建的,若如此,会出现.ssh的安全上下文问题, 解决方案, 在三个主机上以grid用户,删除刚才生成的.ssh文件夹,重新进入home目录,务必用 # ssh-keygen –t rsa 生成秘钥, 此过程ssh程序会自动在home目录下成成一个.ssh文件夹

第二种可能, authorized_keys权限不一致。 在各自.ssh目录下: $ ls –al authorized_keys, 查看此文件的权限,一定为600(-rw-------), 即只对当前用户grid开放可读可写权限, 若不是,则修改authorized_keys文件权限 $chmod 600 authorized_keys

若经过以上两步还不行,则执行以下命令,重新启动ssh-agent, 且加入当前用户秘钥id_rsa

$ssh-add ~grid/.ssh/id_rsa

 

经过以上三步,一定可以实现grid从cluster1到其它3个节点的免秘钥登录。

因为hadoop2.2新架构的缘故,我们还应该设置为每一个节点到其它任意节点免登陆。

具体步骤:

  1.在将cluster2, cluster3, cluster4上各自的.ssh/id_rsa.pub 分别复制到cluster1的.ssh/下: scp id_rsa.pub cluster1:/home/grid/.ssh/tmp2, scp id_rsa.pub cluster1:/home/grid/.ssh/tmp3 ...

  2.将cluster1节点/home/grid/.ssh/下的tmp2, tmp3, tmp4分别appand到authorized_keys里, 并请将各自节点上的id_rsa.pub也append到各自节点的authorized_keys里,以实现本地登陆(类似: ssh localhost)

至此,ssh免秘钥登陆设置完成。

3. 安装jdk

Step1. 记得之前在安装cluster1时在VMWare里设置的共享目录吗?

在Windows下将Hadoop安装包,jdk安装包Copy到共享目录下,然后在linux下从/mnt/hgfs/Data-shared/下cp到/home/grid/下,直接执行jdk安装包,不需要解压。

注意:若在安装过程中提示”Extracting… install.sfx 5414: /lib/ld-linux.50.2 No such file or directory, 则执行以下命令:

a.我们之前为了测试自定义的ip是否有效,已将各台主机的ip分配方式设为了BOOTPROTO=”static”, 这种方式是无法连入外部网络的,所以此时为了安装缺省的包,切换到root, 修改/etc/sysconfig/network-script/ifcfg-eth0,将BOOTPROTO=”static” 修改为BOOTPROTO=”dhcp”,

b.重启网络服务和网卡: 在root权限下:

$service network restart; ifdown eth0; ifup eth0
$yum install glibc.i686

d.切换回grid,重新安装jdk

$cd /usr/java/  #注意必须进入java文件夹,因为java安装包默认安装在当前目录下
$./jdk-6u25-linux-i586.bin #安装jdk

安装完以后,记得将eth0文件修改回来:

$sed -i s/dhcp/static/g /etc/sysconfig/network-scripts/ifcfg-eth0 #此处用sed直接替换,若不放心也可以用编辑器修改
#service network restart; ifdown eth0;ifup eth0

至此,jdk已在linux下安装完毕。

最后,将java安装好的路径append到$PATH变量里(处于个人习惯,新环境变量一律添加到所需用户的.bashrc文件里, 即只对当前用户有效)

$su grid
$vim ~/.bashrc (修改.bashrc文件,添加如下两行:)
$tail -2 ~/.bashrc
export JAVA_HOME="/usr/java/jdk1.6.0_25/"
export PATH="${PATH}:${JAVA_HOME}/bin"

测试一下java是否可以正常启动:

$source ~/.bashrc
$which java
$/usr/java/jdk1.6.0_25/bin/java

至此,jdk安装完毕。

用同样的方式在另外3台虚拟主机上安装jdk, 提示:先复制到home下

$scp -r /mnt/hgfs/Data-shared/Archive/jdk-6u25-linux-i586.bin  cluster2:/home/grid/
$scp -r /mnt/hgfs/Data-shared/Archive/jdk-6u25-linux-i586.bin  cluster3:/home/grid/
$scp -r /mnt/hgfs/Data-shared/Archive/jdk-6u25-linux-i586.bin  cluster4:/home/grid/

再切root, copy到/usr/java下, cd /usr/java, 然后再安装.

(完)