在学习HDFS之前我们首先了解一下什么是hadoop？

hadoop中有3个核心组件：

分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上

分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算

分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

hdfs整体运行机制：

hdfs：

分布式文件系统

hdfs有着文件系统共同的特征：

系统中存放的就是文件

系统可以提供对文件的：创建、删除、修改、查看、移动等功能

hdfs跟普通的单机文件系统有区别：

（1）单机文件系统中存放的文件，是在一台机器的操作系统中

（2）hdfs的文件系统会横跨N多的机器

（3）单机文件系统中存放的文件，是在一台机器的磁盘上

（4）hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：

（1）客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

（2）一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

（3）为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

扫描二维码关注公众号，回复： 2918984 查看本文章

搭建hdfs分布式集群

hdfs集群组成结构：

安装hdfs集群的具体步骤：

一、首先需要准备N台linux服务器

学习阶段，用虚拟机即可！

先准备4台虚拟机：1个namenode节点 + 3 个datanode 节点

（博主使用的是Vmware安装一台Centos然后克隆3台后，再进行修改 IP 网卡主机名 hosts对应域名）

先来了解一下虚拟机的网络机制：

再了解一下HDFS的整体工作机制：

二、修改各台机器的主机名和ip地址

主机名：hdp-01 对应的ip地址：192.168.33.61

主机名：hdp-02 对应的ip地址：192.168.33.62

主机名：hdp-03 对应的ip地址：192.168.33.63

主机名：hdp-04 对应的ip地址：192.168.33.64

修改IP:

vi /etc/sysconfig/network-scripts/ifcfg-en33

看到的上述图片已经修改过的，特别注意点：

ONBOOT 要改成yes

BOOTPROTO要改成static

IPADDR GATEWAP NETMASK 要根据实际情况进行更改

DNS1和网关地址一样即可

修改主机名：

vi /etc/hostname

修改hosts文件对应的主机名ip映射

vi /etc/sysconfig/hosts

三、从windows中用CRT软件进行远程连接

在windows中将各台linux机器的主机名配置到的windows的本地域名映射文件中：

c:/windows/system32/drivers/etc/hosts

192.168.33.61 hdp-01

192.168.33.62 hdp-02

192.168.33.63 hdp-03

192.168.33.64 hdp-04

用crt连接上后，修改一下crt的显示配置（字号，编码集改为UTF-8）：

四、配置linux服务器的基础软件环境

防火墙

关闭防火墙：service iptables stop

关闭防火墙自启： chkconfig iptables off

若上述方法不能使用则：

这是因为CentOS7版本后防火墙默认使用firewalld，因此在CentOS7中关闭防火墙使用以下命令，

//临时关闭

systemctl stop firewalld

//禁止开机启动

systemctl disable firewalld

Removed symlink /etc/systemd/system/multi-user.target.wants/firewalld.service.

Removed symlink /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.

开始安装软件的准备工作：

（1）安装jdk：（hadoop体系中的各软件都是java开发的）

利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
然后在linux中将jdk压缩包解压到/bigdata(自己创建)下
配置环境变量：JAVA_HOME PATH

vi /etc/profile 在文件的最后，加入：

export JAVA_HOME=/root/apps/jdk1.8.0_60

export PATH=$PATH:$JAVA_HOME/bin

修改完成后，记得 source /etc/profile使配置生效
检验：在任意目录下输入命令： java -version 看是否成功执行
将安装好的jdk目录用scp命令拷贝到其他机器
将/etc/profile配置文件也用scp命令拷贝到其他机器并分别执行source命令

集群内主机的域名映射配置

在hdp-01上，vi /etc/hosts

127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4

::1 localhost localhost.localdomain localhost6 localhost6.localdomain6

192.168.33.61 hdp-01

192.168.33.62 hdp-02

192.168.33.63 hdp-03

192.168.33.64 hdp-04

然后，将hosts文件拷贝到集群中的所有其他机器上

scp /etc/hosts hdp-02:/etc/

scp /etc/hosts hdp-03:/etc/

scp /etc/hosts hdp-04:/etc/

（SCP远程命令的使用 SCP 【-r】当前目录或文件目标地址或域名：目标文件夹下）

补充

提示:

如果在执行scp命令的时候，提示没有scp命令，则可以配置一个本地yum源来安装

先在虚拟机中配置cdrom为一个centos的安装镜像iso文件
在linux系统中将光驱挂在到文件系统中（某个目录）
mkdir /mnt/cdrom
mount -t iso9660 -o loop /dev/cdrom /mnt/cdrom
检验挂载是否成功： ls /mnt/cdrom
3、配置yum的仓库地址配置文件
yum的仓库地址配置文件目录： /etc/yum.repos.d
先将自带的仓库地址配置文件批量更名：

然后，拷贝一个出来进行修改

修改完配置文件后，再安装scp命令：
yum install openssh-clients -y

五、安装hdfs集群

上传hadoop安装包到hdp-01

修改配置文件

要点提示	*核心配置参数：* 指定hadoop的默认文件系统为：hdfs 指定hdfs的namenode节点为哪台机器指定namenode软件存储元数据的本地目录指定datanode软件存放文件块的本地目录

hadoop的配置文件在：/root/apps/hadoop安装目录/etc/hadoop/

1) 修改hadoop-env.sh

export JAVA_HOME=/root/apps/jdk1.8.0_60

2) 修改core-site.xml

<configuration>

<property>

<name>fs.defaultFS</name>

<value>hdfs://hdp-01:9000</value>

</property>

</configuration>

3) 修改hdfs-site.xml

    <configuration>

    <property>

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

    <value>/root/hdpdata/name/</value>

    </property>


    <property>

    <name>dfs.datanode.data.dir</name>

    <value>/root/hdpdata/data</value>

    </property>


    <property>

    <name>dfs.namenode.secondary.http-address</name>

    <value>hdp-02:50090</value>

    </property>


    </configuration>

4) 拷贝整个hadoop安装目录到其他机器

scp -r /bigdata/hadoop-2.8.1 hdp-02:/bigdata/

scp -r /bigdata/hadoop-2.8.1 hdp-03:/bigdata/

scp -r /bigdata/hadoop-2.8.1 hdp-04:/bigdata/

5) 启动HDFS

所谓的启动HDFS，就是在对的机器上启动对的软件

要点

提示：

要运行hadoop的命令，需要在linux环境中配置HADOOP_HOME和PATH环境变量

vi /etc/profile

export JAVA_HOME=/root/apps/jdk1.8.0_60

export HADOOP_HOME=/root/apps/hadoop-2.8.1

export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

首先，初始化namenode的元数据目录

要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录

hadoop namenode -format

创建一个全新的元数据存储目录
生成记录元数据的文件fsimage
生成集群的相关标识：如：集群id——clusterID

然后，启动namenode进程（在hdp-01上）

hadoop-daemon.sh start namenode

启动完后，首先用jps查看一下namenode的进程是否存在

然后，在windows中用浏览器访问namenode提供的web端口：50070

http://hdp-01:50070

然后，启动众datanode们（在任意地方）

hadoop-daemon.sh start datanode

6) 用自动批量启动脚本来启动HDFS

先配置hdp-01到集群中所有机器（包含自己）的免密登陆 (详细步骤查看)
配完免密后，可以执行一次 ssh 0.0.0.0（进行第二个datanode的设置）
修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）

hdp-01

hdp-02

hdp-03

hdp-04

在hdp-01上用脚本：start-dfs.sh 来自动启动整个集群

如果要停止，则用脚本：stop-dfs.sh

hdfs的客户端操作：

客户端的理解

hdfs的客户端有多种形式：

网页形式
命令行形式
客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网

文件的切块大小和存储的副本数量，都是由客户端决定！

所谓的由客户端决定，是通过配置参数来定的

hdfs的客户端会读以下两个参数，来决定切块大小、副本数量：

切块大小的参数： dfs.blocksize

副本数量的参数： dfs.replication

上面两个参数应该配置在客户端机器的hadoop目录中的hdfs-site.xml中配置

<property>

<name>dfs.blocksize</name>

<value>64m</value>

</property>


<property>

<name>dfs.replication</name>

<value>2</value>

</property>

hdfs客户端的常用操作命令

上传文件到hdfs中

hadoop fs -put /本地文件 /aaa

下载文件到客户端本地磁盘

hadoop fs -get /hdfs中的路径 /本地磁盘目录

在hdfs中创建文件夹

hadoop fs -mkdir -p /aaa/xxx

移动hdfs中的文件（更名）

hadoop fs -mv /hdfs的路径1 /hdfs的另一个路径2

复制hdfs中的文件到hdfs的另一个目录

hadoop fs -cp /hdfs路径_1 /hdfs路径_2

删除hdfs中的文件或文件夹

hadoop fs -rm -r /aaa

查看hdfs中的文本文件内容

hadoop fs -cat /demo.txt

hadoop fs -tail -f /demo.txt

HDFS分布式文件系统集群搭建与常见坑的解决办法

在学习HDFS之前我们首先了解一下什么是hadoop？

hadoop中有3个核心组件：

分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上

分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算

分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

hdfs整体运行机制：

hdfs：

hdfs有着文件系统共同的特征：

hdfs跟普通的单机文件系统有区别：

（1）单机文件系统中存放的文件，是在一台机器的操作系统中

（2）hdfs的文件系统会横跨N多的机器

（3）单机文件系统中存放的文件，是在一台机器的磁盘上

（4）hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：

（1）客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

（2）一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

（3）为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

搭建hdfs分布式集群

hdfs集群组成结构：

安装hdfs集群的具体步骤：

一、首先需要准备N台linux服务器

二、修改各台机器的主机名和ip地址

修改IP:

三、从windows中用CRT软件进行远程连接

四、配置linux服务器的基础软件环境

开始安装软件的准备工作：

（1）安装jdk：（hadoop体系中的各软件都是java开发的）

五、安装hdfs集群

首先，初始化namenode的元数据目录

然后，启动namenode进程（在hdp-01上）

然后，在windows中用浏览器访问namenode提供的web端口：50070

http://hdp-01:50070

6) 用自动批量启动脚本来启动HDFS

hdfs的客户端操作：

客户端的理解

hdfs客户端的常用操作命令

猜你喜欢

HDFS分布式文件系统集群搭建与常见坑的解决办法

在学习HDFS之前我们首先了解一下什么是hadoop？

hadoop中有3个核心组件：

分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上

分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算

分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

hdfs整体运行机制：

hdfs：

hdfs有着文件系统共同的特征：

hdfs跟普通的单机文件系统有区别：

（1） 单机文件系统中存放的文件，是在一台机器的操作系统中

（2）hdfs的文件系统会横跨N多的机器

（3）单机文件系统中存放的文件，是在一台机器的磁盘上

（4）hdfs文件系统中存放的文件，是落在n多机器的本地单机文件系统中（hdfs是一个基于linux本地文件系统之上的文件系统）

hdfs的工作机制：

（1）客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>

（2）一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node）

（3）为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）

综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

搭建hdfs分布式集群

hdfs集群组成结构：

安装hdfs集群的具体步骤：

一、首先需要准备N台linux服务器

二、修改各台机器的主机名和ip地址

修改IP:

三、从windows中用CRT软件进行远程连接

四、配置linux服务器的基础软件环境

开始安装软件的准备工作：

（1）安装jdk：（hadoop体系中的各软件都是java开发的）

五、安装hdfs集群

首先，初始化namenode的元数据目录

然后，启动namenode进程（在hdp-01上）

然后，在windows中用浏览器访问namenode提供的web端口：50070

http://hdp-01:50070

6) 用自动批量启动脚本来启动HDFS

hdfs的客户端操作：

客户端的理解

hdfs客户端的常用操作命令

猜你喜欢

（1）单机文件系统中存放的文件，是在一台机器的操作系统中