hadoop-2.6.0
zookeeper-3.4.6
hbase-0.98.9-hadoop2
(以下示例中使用的操作系统是Centos 6.5，请将下载的3个tar包分别解压并放置在/usr/local/目录下)
(Hbase包中lib里可以看到zookeeper的jar包，从文件名可以确定使用的zookeeper版本)
|
Server Name |
Hadoop Cluster |
Zookeeper Ensemble |
HBase Cluster |
|
hadoopnamenode |
Name node & Resource manager |
√ |
Master |
|
hadoop2ndnamenode |
Secondary name node |
√ |
|
|
hadoopdatanode1 |
Data node & Node manager |
√ |
Region server |
|
hadoopdatanode2 |
Data node & Node manager |
Region server |
|
|
hadoopdatanode3 |
Data node & Node manager |
Region server |
<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://hadoopnamenode:9000</value> </property> </configuration>
<configuration> <property> <name>dfs.namenode.name.dir</name> <value>file:/root/hadoopdata/namenode</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/root/hadoopdata/datanode</value> </property> <property> <name>dfs.namenode.secondary.http-address</name> <value>hadoop2ndnamenode:9001</value> </property> </configuration>
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>hadoopnamenode:8025</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>hadoopnamenode:8030</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>hadoopnamenode:8040</value> </property> </configuration>
hadoopdatanode1
hadoopdatanode2
hadoopdatanode3
153.65.170.45 hadoopnamenode.mh.com hadoopnamenode
153.65.171.174 hadoop2ndnamenode.mh.com hadoop2ndnamenode
153.65.171.20 hadoopdatanode1.mh.com hadoopdatanode1
153.65.170.204 hadoopdatanode2.mh.com hadoopdatanode2
153.65.170.85 hadoopdatanode3.mh.com hadoopdatanode3
与上一篇博客介绍的Hadoop 1类似，为了方便起见，修改.bashrc设置环境变量，注意sbin最好也要加到path中：
export HADOOP_PREFIX=/usr/local/hadoop-2.6.0
export HADOOP_MAPRED_PREFIX=$HADOOP_PREFIX
export HADOOP_HDFS_PREFIX=$HADOOP_PREFIX
export HADOOP_YARN_PREFIX=$HADOOP_PREFIX
export PATH=$PATH:$HADOOP_PREFIX/bin
export PATH=$PATH:$HADOOP_PREFIX/sbin
把hadoop-2.6.0文件夹连同修改后的配置文件以及hosts文件，通过scp拷贝到其它四台机器上。
(并没有要求说所有的机器上都使用一样的配置文件，比如namenode的hdfs-site.xml应该是不需要dfs.datanode.data.dir配置，而datanode的hdfs-site.xml应该不需要dfs.namenode.name.dir配置。而也只有namenode上需要配置slaves文件。这里是为了简单起见，我们让所有机器上都保持一样的配置)
参见上一篇博客。
Hadoop 2中没有mapred.job.tracker了，新框架中已改为yarn-site.xml 中的 resouceManager 及 nodeManager具体配置项，新框架中历史 job 的查询已从Job tracker剥离，归入单独的mapreduce.jobtracker.jobhistory 相关配置。
yarn.resourcemanager.address---NodeManager 与 RM 通信的接口地址
yarn.resourcemanager.scheduler.address---NodeManger 需要知道 RM 主机的 scheduler 调度服务接口地址
yarn.resourcemanager.resource-tracker.address---NodeManager 需要向 RM 报告任务运行状态供 Resouce 跟踪，因此 NodeManager 节点主机需要知道 RM 主机的 tracker 接口地址
yarn.resourcemanager.webapp.address---各个 task 的资源调度及运行状况通过通过该 web 界面访问
在namenode上创建: /root/hadoopdata/namenode
在3台datanode上创建: /root/hadoopdata/datanode
(也可以让hadoop自动创建)
start-dfs.sh，执行之后，使用jps命令查看java进程情况：
hadoopnamenode上有namenode进程，
hadoop2ndnamenode上有secondarynamenode进程，
hadoopdatanode1, hadoopdatanode2, hadoopdatanode3上有datanode进程
start-yarn.sh，执行之后的java进程情况：
hadoopnamenode上有namenode, resourcemanager进程，
hadoop2ndnamenode上有secondarynamenode进程，
hadoopdatanode1, hadoopdatanode2, hadoopdatanode3上有datanode, nodemanager进程
关闭的命令对应的是stop-dfs.sh, stop-yarn.sh
hdfs dfsadmin -report //查看hdfs的一些基本信息
yarn node –list //查看yarn的一些基本信息
可以使用hadoop的share目录下的一些mapreduce示例程序进行测试，比如wordcount：
先使用copyFromLocal命令(后续有介绍用法)把一个本地文本文件放到hdfs的/book目录下，然后执行：
hadoop jar /usr/local/hadoop-2.6.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar wordcount /book /out2
即对/book目录下的书进行单词统计，然后输出到/out2目录。
可以登录web界面检查hadoop是否运行正常：
hdfs管理界面同hadoop 1： http://hadoopnamenode:50070/
yarn的管理界面不再是原来的50030端口，而是http://hadoopnamenode:8088/
若namenode上的core-site.xml中的fs.defaultFS缺失，则启动时会报错。
若各机器上的yarn-site.xml中的yarn.resourcemanager.resource-tracker.address缺失，虽然resourcemanager与nodemanager进程能够正常启动，但是在执行yarn node -list会出现node数量为0的情况。
若各机器上的yarn-site.xml中的yarn.resourcemanager.scheduler.address或yarn.resourcemanager.address缺失，则在运行job时，会卡在INFO mapreduce.Job: Job job_1422695884569_0001 running in uber mode : false
hadoop fs -ls / ---列出hdfs根目录下的文件、目录
hadoop fs -ls /out2 ---列出out2目录下的文件、目录
hadoop fs -lsr / ---递归显示文件
hadoop fs -cat /out2/part-r-00000 ---打出文件内容
hadoop dfs -copyFromLocal <local_FS_filename> <target_on_HDFS>
hadoop fs -du hdfs://namenodehost/user/hadoop ---查看目录大小
hadoop fs -rm /user/hadoop/file ---删除文件或空目录
hadoop fs -rmr /user/hadoop/dir ---删除文件或目录，递归之意
hafoop fs -tail /user/hadoop/sales.dat ---查看文件内容
注1：
dfs was deprecated in favor of "fs" command.
所以原来的hadoop dfs -copyFromLocal <local_FS_filename> <target_on_HDFS>，现在的写法是
hadoop fs -copyFromLocal <local_FS_filename> <target_on_HDFS>
注2：
hadoop fs -copyFromLocal /root/Downloads/small/war_and_peace.txt /test 这样生成的test是文件，而不是文件夹
所以一般hadoop fs -copyFromLocal /root/Downloads/small /test，这样small下的文件会被copy到test文件夹下
又或者hadoop fs -copyFromLocal /root/Downloads/small/war_and_peace.txt /test4/，注意最后的/，前提是要用hadoop fs -mkdir先创建出test4目录
tickTime=2000
dataDir=/root/zookeeperdata
clientPort=2181
initLimit=5
syncLimit=2
server.1=hadoopnamenode:2888:3888
server.2=hadoop2ndnamenode:2888:3888
server.3=hadoopdatanode1:2888:3888
把zookeeper文件夹连同修改后的配置文件通过scp拷贝到另外两台机器（hadoop2ndnamenode, hadoopdatanode）上。
hadoopnameonde上echo”1” > /root/zookeeperdata/myid
hadoop2ndnamenode上echo “2” > /root/zookeeperdata/myid
hadoopdatanode上echo”3” > /root/zookeeperdata/myid
tickTime ：心跳时间，单位毫秒。同时tickTime又是zookeeper中的基本单位，比如后面的initLimit=5就是指5个tickTime时间，在这里是10秒。
dataDir ：存储数据信息的本地目录。
在hadoopnamenode, hadoop2ndnamenode, hadoopdatanode1上创建dataDir中配置的目录/root/zookeeperdata。
{ZOOKEEPER_HOME} /bin/zkServer.sh start
启动和关闭命令必须到zookeeper集群的每个机器上，没有像start-dfs.sh那样的命令可以一下子把整个集群启动。
关闭：{ZOOKEEPER_HOME} /bin/zkServer.sh stop
{ZOOKEEPER_HOME} /bin/zkServer.sh status
以下是结果示例，可以看到各机器的角色是follower还是leader。
[root@hadoopnamenode zookeeper-3.4.6]# bin/zkServer.sh status
JMX enabled by default
Using config: /usr/local/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: follower
[root@hadoop2ndnamenode zookeeper-3.4.6]# bin/zkServer.sh status
JMX enabled by default
Using config: /usr/local/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: leader
[root@hadoopdatanode1 zookeeper-3.4.6]# bin/zkServer.sh status
JMX enabled by default
Using config: /usr/local/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: follower
对于一个包含3台server的Zookeeper集群，最多容许关闭一台(如果被关闭的是leader，则会重新选举出一个)。如果关闭两台，则剩下那台虽然进程QuorumPeerMain还在，但zkServer.sh status查看状态则显示Error contacting service. It is probably not running。
对于一个包含5台server的Zookeeper集群，最多容许关闭两台。关闭三台，则剩下两台虽然进程QuorumPeerMain还在，但也显示同样的错误。
（如果这个时候用Java程序去连接Hbase，则会提示：org.apache.hadoop.hbase.ZooKeeperConnectionException: Can't connect to ZooKeeper）
这里面有两个常见的疑问：
1） 当3台server关闭一台时，只剩下两台时，无法形成majority，那么它是如何选举出leader的？
2） 当5台server关闭三台时，剩下两台，为什么不能像1）中一样仍然正常工作？
这两个问题的答案是同一个，Zookeeper中的所谓majority voting机制，其majority是针对原始的server数量，不是指变化后的数量，这个原始的数量即你配置在zoo.cfg中的server个数。
还有一个常见的问题是为什么推荐使用奇数个Zookeeper server，那是因为3个server与4个server能够提供的可靠性是一样的，3台server的集群允许其中一台server宕机，而4台server的集群也只能容许其中一台server宕机，因为如果两台server宕机，那么剩下两台，对比于原来的4台，2/4不够成大多数。
其它不变，export HBASE_MANAGES_ZK=false，这表示不使用hbase自带的zookeeper，而使用外部的zookeeper（这里指我们在上面建的zookeeper）
<configuration> <property> <name>hbase.rootdir</name> <value>hdfs://hadoopnamenode:9000/hbase</value> <description>The directory shared by region servers.</description> </property> <property> <name>hbase.zookeeper.property.clientPort</name> <value>2181</value> <description>Property from ZooKeeper's config zoo.cfg. The port at which the clients will connect. </description> </property> <property> <name>zookeeper.session.timeout</name> <value>120000</value> </property> <property> <name>hbase.zookeeper.quorum</name> <value>hadoopnamenode,hadoop2ndnamenode,hadoopdatanode1</value> </property> <property> <name>hbase.tmp.dir</name> <value>/root/hbasedata</value> </property> <property> <name>hbase.cluster.distributed</name> <value>true</value> </property> </configuration>
hadoopdatanode1
hadoopdatanode2
hadoopdatanode3
hbase.zookeeper.property.clientPort：指定zk的连接端口
zookeeper.session.timeout：RegionServer与Zookeeper间的连接超时时间。当超时时间到后，ReigonServer会被Zookeeper从RS集群清单中移除，HMaster收到移除通知后，会对这台server负责的regions重新balance，让其他存活的RegionServer接管.
hbase.zookeeper.quorum：默认值是 localhost，列出zookeepr ensemble中的servers
bin/start-hbase.sh
bin/stop-hbase.sh
在hadoopnamenode上执行
{HBASE_HOME}/bin/hbase shell
进入shell命令行，通过创建表等操作来检查不是不工作正常。
或者通过一个简单的Java程序来测试：
Configuration config = HBaseConfiguration.create(); config.set( "hbase.zookeeper.quorum", "hadoopnamenode,hadoop2ndnamenode,hadoopdatanode1" ); config.set( "hbase.zookeeper.property.clientport", "2181" ); //config.set("zookeeper.znode.parent", "/hbase-unsecure"); // this is what most people miss :) HBaseAdmin.checkHBaseAvailable( config ); HTable t = new HTable( config, "test" ); Scan s = new Scan(); //s.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("name")); ResultScanner rs = t.getScanner( s ); try{ for ( Result r : rs ) { for ( Cell cell : r.rawCells() ) { System.out.println( "RowName:" + new String( CellUtil.cloneRow( cell ) ) + " " ); System.out.println( "Timetamp:" + cell.getTimestamp() + " " ); System.out.println( "column Family:" + new String( CellUtil.cloneFamily( cell ) ) + " " ); System.out.println( "row Name:" + new String( CellUtil.cloneQualifier( cell ) ) + " " ); System.out.println( "value:" + new String( CellUtil.cloneValue( cell ) ) + " " ); } } } finally { t.close(); } System.out.println( "Done!" );
注意，java测试程序所在机器的hosts文件，注意必须有全FDQN(fully qualified domain name, 参见上面linux中的hosts文件)，否则有java访问时会提示找不到hadoopnamenode.mh.com
HBase集群需要依赖于一个Zookeeper ensemble。HBase集群中的所有节点以及要访问HBase的客户端都需要能够访问到该Zookeeper ensemble。HBase自带了Zookeeper，但为了方便其他应用程序使用Zookeeper，最好使用单独安装的Zookeeper ensemble。
此外，Zookeeper ensemble一般配置为奇数个节点，并且Hadoop集群、Zookeeper ensemble、HBase集群是三个互相独立的集群，并不需要部署在相同的物理节点上，他们之间是通过网络通信的。
需要注意的是，如果要禁止启动hbase自带的zookeeper，那么，不仅仅需要刚才的export HBASE_MANAGES_ZK=false配置，还需要hdfs-site.xml中的hbase.cluster.distributed为true，否则你在启动时会遇到Could not start ZK at requested port of 2181 错误，这是因为hbase尝试启动自带的zookeeper，而我们已经启动了自己安装的那个zookeeper，默认都使用2181端口，所以出错。
还有，有时候会遇到stop-hbase.sh执行很长时间未结束，很可能的原因是你之前把zookeeper关闭了.
最后，Hbase不需要mapreduce，所以只要start-dfs.sh启动hdfs，然后到zookeeper各节点上启动zookeeper，最后再hbase-start.sh启动hbase即可.
送书了，送书了，关注公众号“后厂村思维导图馆”，送出O'Reilly《Spark快速大数据分析》纸质书（亦有一批PDF分享）！ —— 2018年12月
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。