hadoop2.5.2 安装与部署

主从机构

   主:jobtracker

   从:tasktracker

四个阶段

1、 split

2、 Mapper: key-value（对象）

3、 shuffle

    a)  分区(partition,HashPartition:根据 key 的 hashcode值 和 Reduce 的数量 模运算),可以自定义分区，运算速度要快，一定要解决数据倾斜和reduce

的负载均衡。

    b)  排序: 默认按照字典排序。WriterCompartor(比较)

    c)  合并：减少当前mapper输出数据，根据key相同(比较)，把value进行合并。

    d)  分组（key相同（比较）,value组成一个集合）(merge)

4、Reduce

    a)  输入数据： key +迭代器

Hadoop2.5 HA 搭建

四台机器：hadoop1, hadoop2, hadoop3, hadoop4

	NN	DN	ZK	ZKFC	JN	RM	NM(任务管理器)
hadoop1	Y		Y	Y		Y
hadoop2	Y	Y	Y	Y	Y		Y
hadoop3		Y	Y		Y		Y
hadoop4		Y			Y		Y

1. core-site.xml

<configuration>

<property>

  <name>fs.defaultFS</name>

  <value>hdfs://bjsxt</value>

</property>

<property>

   <name>ha.zookeeper.quorum</name>

   <value>192.168.200.128:2181,192.168.200.4:2181,192.168.200.5:2181</value>

 </property>

 <property>

         <name>hadoop.tmp.dir</name>

         <value>/opt/hadoop-2.5.2</value>

     </property>

</configuration>

1. hdfs-site.xml

<configuration>

<property>

  <name>dfs.nameservices</name>

  <value>bjsxt</value>

</property>

<property>

  <name>dfs.ha.namenodes.bjsxt</name>

  <value>nn1,nn2</value>

</property>

<property>

  <name>dfs.namenode.rpc-address.bjsxt.nn1</name>

  <value>192.168.200.128:8020</value>

</property>

<property>

  <name>dfs.namenode.rpc-address.bjsxt.nn2</name>

  <value>192.168.200.4:8020</value>

</property>

<property>

  <name>dfs.namenode.http-address.bjsxt.nn1</name>

  <value>192.168.200.128:50070</value>

</property>

<property>

  <name>dfs.namenode.http-address.bjsxt.nn2</name>

  <value>192.168.200.4:50070</value>

</property>

<property>

  <name>dfs.namenode.shared.edits.dir</name>

  <value>qjournal://192.168.200.4:8485;192.168.200.5:8485;192.168.200.6:8485/bjsxt</value>

</property>

<property>

  <name>dfs.client.failover.proxy.provider.bjsxt</name>

  <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

</property>

<property>

  <name>dfs.ha.fencing.methods</name>

  <value>sshfence</value>

</property>

<property>

  <name>dfs.ha.fencing.ssh.private-key-files</name>

  <value>/root/.ssh/id_dsa</value>

</property>

<property>

  <name>dfs.journalnode.edits.dir</name>

  <value>/opt/jn/data</value>

</property>

 <property>

   <name>dfs.ha.automatic-failover.enabled</name>

   <value>true</value>

 </property>

</configuration>

1.  准备 zookeeper

a)       三台 zookeeper: hadoop1, hadoop2, hadoop3

b)       编辑 zoo.cfg 配置文件

1. 修改 dataDir=/opt/zookeeper
2. server.1=192.168.200.128:2888:3888

server.2=192.168.200.4:2888:3888

server.3=192.168.200.5:2888:3888

c)       在dataDir目录中创建一个myid的文件,文件内容1，2,3

1. 配置 hadoop中的slaves
2. 启动三个zookeeper:   ./zkServer.sh start
3. 启动三个journalNode:  ./Hadoop-daemon.sh start journalnode
4. 在其中一个namenode上格式化:  hdfs namenode –format
5. 把刚刚格式化之后的元数据拷贝到另外 一个namenode上

a)       启动刚刚格式化的namenode

b)       在没有格式化的namenode上执行：hdfs namenode –bootstrapStandby

c)       启动第二个namenode

9.  在其中一个namenode上初始化 zkfc：hdfs zkfc –formatZK

10. 停止上面节点：stop-dfs.sh

11. 全面启动： start-dfs.sh

配置mapreduce
1>修改 mapred-site.xml

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

 2> 修改yarn-site.xml

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

3> 启动

  ./start-yarn.sh 

访问路径

hadoop2.2.5mapreduce的web界面     http://192.168.200.128:8088/

hdfs web界面    http://192.168.200.128:50070/

手动切换命令

 　　- transitionToActiove  <serviceId>        // serviceId指 nn1,nn2

  建立输入文件目录

./hdfs dfs -mkdir -p /usr/input/hot

删除文件目录

./hdfs dfs -rm /usr/input/hot

上传文件到输入目录

./hdfs dfs -put /usr/data /usr/input/hot

查看目录下文件

./hdfs dfs -ls /usr/input/hot

./hadoop jar /usr/local/hadoop2.jar RunJob