页面树结构
转至元数据结尾
转至元数据起始

Hadoop 分布式系统基础平台,主要存储计算任务的中间结果数据。

文档环境

单机部署数据挖掘组件环境如下:

服务器IP主机名组件实例部署目录
10.10.204.24810-10-204-248数据挖掘/data
10.10.204.24910-10-204-249Spark,Hadoop/data
10.10.204.25010-10-204-250Python/data

注意事项

数据挖掘数据量2000万以下时,可以不单独部署hadoop组件,提高数据挖掘服务器配置即可

1、系统环境准备

温馨提示

配置防火墙,selinux相关操作,需要管理员权限。

1.1 防火墙配置

为了便于安装,建议在安装前关闭防火墙。使用过程中,为了系统安全可以选择启用防火墙,但必须启用服务相关端口。

1.关闭防火墙

临时关闭防火墙(立即生效)

systemctl stop firewalld

永久关闭防火墙(需重启后生效)

systemctl disable firewalld

查看防火墙状态

systemctl status firewalld

2.开启防火墙

相关服务及端口对照表:

服务名需要开放端口
Hadoop

9864,9866,9867,9868,9870,9000

如果确实需要打开防火墙安装,需要给防火墙放开以下需要使用到的端口
开启端口:9864,9866,9867,9868,9870

firewall-cmd --zone=public --add-port=9864/tcp --permanent
firewall-cmd --zone=public --add-port=9866/tcp --permanent
firewall-cmd --zone=public --add-port=9867/tcp --permanent
firewall-cmd --zone=public --add-port=9868/tcp --permanent
firewall-cmd --zone=public --add-port=9870/tcp --permanent
firewall-cmd --zone=public --add-port=9000/tcp --permanent

配置完以后重新加载firewalld,使配置生效

firewall-cmd --reload

查看防火墙的配置信息

firewall-cmd --list-all

3.关闭selinux

临时关闭selinux,立即生效,不需要重启服务器。

setenforce 0

永久关闭selinux,修改完配置后需要重启服务器才能生效

sed -i 's/=enforcing/=disabled/g'  /etc/selinux/config

1.2 取消打开文件限制

修改/etc/security/limits.conf文件在文件的末尾加入以下内容:

vi /etc/security/limits.conf

在文件的末尾加入以下内容:

* soft nofile 65536
* hard nofile 65536
* soft nproc 131072
* hard nproc 131072

2、Hadoop单节点安装

温馨提示

配置主机名映射,需要管理员权限。

2.1 配置主机名映射

将数据挖掘组件中的服务器主机名映射到hosts文件中

vi /etc/hosts

文件末尾添(根据实际环境信息设置,如果已设置,则无需重复):

10.10.204.248 10-10-204-248
10.10.204.249 10-10-204-249
10.10.204.250 10-10-204-250

2.2 配置系统免密登录

说明

文档中Spark与Hadoop部署在相同环境,则无需重复设置系统免密登陆

登陆服务器,生成密钥

ssh-keygen

输入ssh-keygen后,连续按三次回车,不用输入其它信息。

复制公钥到文件中:

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys

测试是否设置成功

示例:

ssh root@10-10-204-249

如果不用输入密码,表示配置成功

2.3 安装JAVA环境

说明

文档中Spark与Hadoop部署在相同环境,则无需重复设置JAVA环境

解压jdk到指定目录:

tar -zxvf jdk-8u181-linux-x64.tar.gz -C /data

添加环境变量

vi /etc/profile

在文件末尾添加下面内容:

export JAVA_HOME=/data/jdk1.8.0_181
export JAVA_BIN=$JAVA_HOME/bin
export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_BIN

让配置生效

source /etc/profile

验证安装

java -version

2.4 安装Hadoop

温馨提示

1、安装部署、启动hadoop等,可以使用普通用户权限进行操作。

2、部署过程中用普通用户操作,则后续的所有运维操作等,都需要用普通用户来执行。如果切换其他用户操作,可能会因为权限问题导致服务启动失败。

3、hadoop的端口配置如果小于1024,也需要管理员权限才能启动服务。

2.4.1.准备hadoop数据目录

创建临时目录

mkdir -p /data/hdfs/tmp

创建namenode数据目录

mkdir -p /data/hdfs/name

创建datanode 数据目录

注意:这个目录尽量创建在空间比较大的目录,如果有多个磁盘,可以创建多个目录

mkdir -p /data/hdfs/data


2.4.2.解压Hadoop到安装目录

tar -zxvf hadoop-3.2.3.tar.gz -C /data


2.4.3.修改hadoop配置

① 修改hadoop-env.sh

cd /data/hadoop-3.2.3/etc/hadoop
vi hadoop-env.sh

找到"export JAVA_HOME",修改为如下所示(替换成实际环境的路径):

export JAVA_HOME=/data/jdk1.8.0_181


找到"export HDFS_NAMENODE_OPTS", 在下面添加一行

export HDFS_NAMENODE_OPTS="-XX:+UseParallelGC -Xmx4g"


添加启动用户, 在文件最后添加以下内容

export HDFS_DATANODE_USER=root
export HDFS_NAMENODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root

关于启动用户

启动用户可根据实际环境替换成实际的用户名


② 修改core-site.xml

cd /data/hadoop-3.2.3/etc/hadoop
vi core-site.xml

内容如下:

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <!-- 注意替换成实际的主机名 -->
        <value>hdfs://10-10-204-249:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <!-- 注意替换成实际的路径 -->
        <value>file:/data/hdfs/tmp</value>
    </property>
    <property>
        <name>fs.trash.interval</name>
        <value>100800</value>
    </property>
    <property>
        <name>hadoop.security.authorization</name>
        <value>true</value>
    </property>
</configuration>


③ 修改hdfs-site.xml

cd /data/hadoop-3.2.3/etc/hadoop
vi hdfs-site.xml

内容如下:

<configuration>
    <property>
        <name>dfs.name.dir</name>
        <!-- 注意替换成实际的路径 -->
        <value>file:/data/hdfs/name</value> 
    </property>
    <property>
        <name>dfs.data.dir</name>
        <!-- 注意替换成实际的路径 -->
        <value>file:/data/hdfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.web.authentication.simple.anonymous.allowed</name>
        <value>false</value>
    </property>
    <property>
        <name>dfs.webhdfs.user.provider.user.pattern</name>
        <value>(?s)!(.+)</value>
    </property>
    <property>
        <name>dfs.datanode.max.transfer.threads</name>
        <value>16384</value>
    </property>
</configuration>

建议

dfs.data.dir尽量配置在空间比较大的目录,可以配置多个目录,中间用逗号分隔

④ 修改hadoop-policy.xml

cd /data/hadoop-3.2.3/etc/hadoop
vi hadoop-policy.xml

内容如下:

<configuration>
  <property>
    <name>security.client.protocol.acl</name>
    <value>*</value>
    <description>ACL for ClientProtocol, which is used by user code
    via the DistributedFileSystem.
    The ACL is a comma-separated list of user and group names. The user and
    group list is separated by a blank. For e.g. "alice,bob users,wheel".
    A special value of "*" means all users are allowed.</description>
  </property>
  
  <!-- 这里把实验引擎ip, python执行节点ip,spark部署机器ip,hadoop部署机器ip,SmartbiMPP部署服务器ip都加上--> 
  <!-- ETL/数据挖掘中的组合查询节点,需要SmartbiMPP访问hdfs--> 
  <!-- 增加以下配置 -->
  <property>
    <name>security.client.protocol.hosts</name>
    <value>10.10.204.248,10.10.204.249,10.10.204.250</value>
  </property>
  <!-- end -->

  <property>
    <name>security.client.datanode.protocol.acl</name>
    <value>*</value>
    <description>ACL for ClientDatanodeProtocol, the client-to-datanode protocol
    for block recovery.
    The ACL is a comma-separated list of user and group names. The user and
    group list is separated by a blank. For e.g. "alice,bob users,wheel".
    A special value of "*" means all users are allowed.</description>
  </property>
  
  <!-- 这里把实验引擎ip,python执行节点ip,spark部署机器ip,hadoop部署机器ip,SmartbiMPP部署服务器ip都加上-->
  <!-- ETL/数据挖掘中的组合查询节点,需要SmartbiMPP访问hdfs--> 
  <!-- 增加以下配置 -->
  <property>
    <name>security.client.datanode.protocol.hosts</name>
    <value>10.10.204.248,10.10.204.249,10.10.204.250</value>
  </property>
  <!-- end -->

  <property>
    <name>security.datanode.protocol.acl</name>
    <value>*</value>
    <description>ACL for DatanodeProtocol, which is used by datanodes to
    communicate with the namenode.
    The ACL is a comma-separated list of user and group names. The user and
    group list is separated by a blank. For e.g. "alice,bob users,wheel".
    A special value of "*" means all users are allowed.</description>
  </property>

  <!-- hadoop-policy.xml配置文件以上部分需要修改 -->
  <!-- hadoop-policy.xml后续配置无需修改和添加,此处省略,避免文档篇幅过长 -->
  <!-- ... -->

</configuration>


注意

hadoop-policy.xml配置文件仅添加两处配置项;

新增的security.client.protocol.hosts,security.client.datanode.protocol.hosts两个配置项中的值,要替换成实际环境的IP地址;

此配置文件是限制可以访问hadoop节点的服务器ip,提高hadoop应用的安全性。


2.4.4.配置hadoop环境变量

vi /etc/profile

在文件末尾添加下面内容:

export HADOOP_HOME=/data/hadoop-3.2.3
export PATH=$PATH:$HADOOP_HOME/bin

让配置生效

source /etc/profile

2.4.5.启动Hadoop

①格式化hadoop

cd /data/hadoop-3.2.3/ 
./bin/hdfs namenode -format

仅第一次启动时需要执行格式化Hadoop操作,后续启动无需进行此操作

②启动hadoop

cd /data/hadoop-3.2.3/ 
./sbin/start-dfs.sh

③创建中间数据存储目录

hdfs dfs -mkdir /mining
hdfs dfs -chown mining:mining /mining

2.4.6.验证安装

①在浏览器输入: http://HadoopIP:9870/dfshealth.html#tab-overview    检查集群状态




②检查mining目录是否创建成功

hdfs dfs -ls /    #显示创建的/mining即表示创建成功

2.5 Smartbi连接Hadoop

前提条件

Smartbi配置Hadoop信息时,需要确保Smartbi能正常连接数据挖掘引擎。如下图

打开系统运维–数据挖掘配置–执行引擎--引擎配置,参考下图修改hadoop地址(根据实际环境修改),修改完成后点击保存

配置完成后可参考: 测试数据挖掘及其组件 运行数据挖掘实验

2.6 运维操作

停止hadoop

cd /data/hadoop-3.2.3/
./sbin/stop-dfs.sh

启动hadoop

cd /data/hadoop-3.2.3/
./sbin/start-dfs.sh

查看日志
hadoop的日志路径:/data/hadoop-3.2.3/logs
安装部署或者使用中有问题,可能需要根据日志来分析解决。


  • 无标签