Hadoop3的高可用搭建-Toy模板网

这篇具有很好参考价值的文章主要介绍了Hadoop3的高可用搭建。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1. 准备工作
前期准备工作包括了

CenOS 7虚拟化安装与配置，

Java虚拟机的安装，

Hadoop相关部署包的下载，

Hadoop集群所需基础环境的配置。

第一点CenOS 7虚拟化安装与配置和第二点Java虚拟机的安装：

需要我们参考第一章：大数据技术训练舱——从零开始安装、配置CentOS 7

第三点Hadoop相关部署包的下载：

这就包括了ZooKeeper部署包、Hadoop部署包。ZooKeeper是分布式协调系统，主要用于Hadoop的高可用（HA）协调；

Hadoop部署包括了HDFS（Hadoop分布式文件系统）和YARN（Hadoop资源管理者）。

ZooKeeper最新版3.7下载地址

Hadoop最新版本3.3.1下载地址

第四点Hadoop集群所需基础环境的配置，包括：

1) 复制节点构建集群

2) 集群节点间ssh免密登陆

我们本次集群实践至少需要三个CentOS节点，我们有两种办法实现，第一种办法就是按照中的安装步骤连续安装三个节点；

第二种办法比较简单，需要将第一次安装后的CentOS虚拟化文件再复制两份，然后进行二次修改。

1) 复制节点构建集群
步骤：

(1) MacOS的VMware Fusion会生成一份虚拟机文件，如下图2.1所示，我将“CentOS 7 64 位”文件又复制了两份。Windows的VMware Workstaion则会将很多虚拟机文件放在一个目录里，因此我们需要再复制两份目录。

图2.1

(2) 我们需要对复制过的文件进行IP和主机名修改，MacOS的VMware Fusion直接打开复制后的文件，Windows的VMware Workstaion则打开复制后目录里的.vmx文件。需要注意一点：修改IP之前尽量关闭第一个节点。

我们打开后，VMware会提示“复制”或“移动”，请选择复制。

(3) 系统启动后，通过与第一个节点相同设定root用户名和密码登陆，我们首先修改IP，参考大数据技术训练舱——从零开始安装、配置CentOS 7中第3部分的网络配置，修改ifcfg-ens33配置文件，将新的两个节点的IP从192.168.83.4修改为192.168.83.5和192.168.83.6，

#新增的两个节点修改此IP为192.168.83.5或192.168.83.6

IPADDR=192.168.83.4
(4) 然后我们进行主机名的修改，在192.168.83.5节点上执行：

hostnamectl set-hostname datanode-2
在192.168.83.6节点上执行：

hostnamectl set-hostname datanode-3
各个节点重启后，我们将形成主机/IP的映射关系如下：

192.168.83.4 datanode-1
192.168.83.5 datanode-2
192.168.83.6 datanode-3
(5) 请将上面这三条IP/主机名映射关系记录分别追加到这三个节点的/etc/hosts文件里：

vim /etc/hosts
如下图2.2所示：

图2.2

2) 集群节点间ssh免密登陆
Hadoop集群具有远程节点控制的需要，因此集群节点之间需要设置为ssh免密登录模式。

步骤：

(1) 通过ssh分别登陆datanode-1、datanode-2、datanode-3，若/root/.ssh目录不存在，创建此目录并修改目录权限属性。

mkdir /root/.ssh
chmod -R 0600 /root/.ssh
(2) 登陆datanode-1节点制作公私密钥。生成ssh登陆公私密钥id_rsa、id_rsa.pub，追加authorized_keys，修改目录内的文件权限属性。

ssh-keygen -t rsa -P '' -f /root/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> /root/.ssh/authorized_keys
chmod 0600 /root/.ssh/id_rsa
chmod 0600 /root/.ssh/authorized_keys
(3) 复制id_rsa、authorized_keys到其他节点。

scp /root/.ssh/authorized_keys root@datanode-2:/root/.ssh/
scp /root/.ssh/id_rsa root@datanode-2:/root/.ssh/
scp /root/.ssh/authorized_keys root@datanode-3:/root/.ssh/
scp /root/.ssh/id_rsa root@datanode-3:/root/.ssh/
做到这一步，我们准备工作已经完成，我们可以在这三个节点上用ssh datanode-(序号)的命令执行测试，看看互相之间ssh登陆是否已经不需要密码了。注意只要/root/.ssh目录及下面的密钥没有实现0600权限属性，就无法实现免密登陆。

2. ZooKeeper集群部署
ZooKeeper是Hadoop高可用环境的分布式协调系统，因此我们搭建Hadoop HA集群之前一定先部署ZooKeeper集群。

1) 上传解压
首先我们需要将下载到本机的ZooKeeper部署包上传至这三个节点，Mac系统如下：

scp /Users/你的用户名/Downloads/apache-zookeeper-3.7.0-bin.tar.gz root@192.168.83.4:/root
scp /Users/你的用户名/Downloads/apache-zookeeper-3.7.0-bin.tar.gz root@192.168.83.5:/root
scp /Users/你的用户名/Downloads/apache-zookeeper-3.7.0-bin.tar.gz root@192.168.83.6:/root
Windows平台请参考大数据技术训练舱——从零开始安装、配置CentOS 7中Java环境安装的jdk包上传。

我们选择了这三个节点同时为ZooKeeper的集群节点，分别ssh登陆datanode-1、datanode-2、datanode-3，解压到/opt目录，并做好软链，三节点分别执行：

tar -zxvf /root/apache-zookeeper-3.7.0-bin.tar.gz -C /opt/
ln -s /opt/apache-zookeeper-3.7.0-bin /opt/zookeeper
2) 环境配置
登陆datanode-1节点编辑/etc/profile：

vim /etc/profile
追加 ZooKeeper bin目录到PATH，实现ZK命令全局可执行：

export ZOOKEEPER_HOME=/opt/zookeeper
export PATH=$PATH:$ZOOKEEPER_HOME/bin
并使其执行生效：

source /etc/profile
Profile文件复制给其他两个节点：

scp /etc/profile root@datanode-2:/etc
scp /etc/profile root@datanode-3:/etc
生成ZooKeeper配置文件，并编辑：

cp /opt/zookeeper/conf/zoo_sample.cfg /opt/zookeeper/conf/zoo.cfg
vim /opt/zookeeper/conf/zoo.cfg
配置zoo.cfg，ZK数据放在在/home/data/zkdata下，端口为2888，3888

dataDir=/home/data/zkdata
server.1=datanode-1:2888:3888
server.2=datanode-2:2888:3888
server.3=datanode-3:2888:3888
如下图2.3蓝框所示:

图2.3

分发zoo.cfg到其他节点：

scp /opt/zookeeper/conf/zoo.cfg root@datanode-2:/opt/zookeeper/conf
scp /opt/zookeeper/conf/zoo.cfg root@datanode-3:/opt/zookeeper/conf
创建数据目录和集群标识:

mkdir -p /home/data/zkdata
echo "1" > /home/data/zkdata/myid
登陆datanode-2，执行上面操作，但集群标识为2

mkdir -p /home/data/zkdata
echo "2" > /home/data/zkdata/myid
登陆datanode-3，执行上面操作，但集群标识为3

mkdir -p /home/data/zkdata
echo "3" > /home/data/zkdata/myid
分别登陆三个节点，启动zookeeper：

zkServer.sh start
3).测试
每台机器jps查看验证zk进程:

jps

任意节点登陆ZK客户端，验证zk客户端，获取配置路径ZNode信息，并退出：

zkCli.sh
get /zookeeper/config
quit
蓝色框所示：

我们也可以分别三个节点验证当前ZK节点属于Leader还是Follower，注：ZK集群只有一个Leader：

zkServer.sh status
datanode-3节点为ZK集群的Leader节点：

4).加入自启动
登陆datanode-1节点增加并编辑systemctl自启动文件：

vim /etc/systemd/system/zookeeper.service
编辑内容：

[Unit]
Description=zookeeper.service
After=network.target
ConditionPathExists=/opt/zookeeper/conf/zoo.cfg
[Service]
Type=forking
Environment=JAVA_HOME=/usr/jdk1.8.0_311
User=root
Group=root
ExecStart=/opt/zookeeper/bin/zkServer.sh start
ExecStop=/opt/zookeeper/bin/zkServer.sh stop
[Install]
WantedBy=multi-user.target
分发到其他节点：

scp /etc/systemd/system/zookeeper.service root@datanode-2:/etc/systemd/system
scp /etc/systemd/system/zookeeper.service root@datanode-3:/etc/systemd/system
分别ssh登陆datanode-1、datanode-2、datanode-3，增加到系统自启动服务，并kill掉ZK进程，该用systemctl启动验证：

systemctl enable zookeeper
jps |grep QuorumPeerMain|awk '{print $1}'|xargs kill -9
systemctl start zookeeper
jps
3. HDFS高可用集群部署
HDFS(Hadoop分布式文件系统)是Hadoop生态的数据底座，很多上层大数据技术框架最终会依赖对HDFS的读与写，HDFS是Hadoop部署的关键部分。HDFS为集中式元数据管理，其中主服务NameNode部署可以分为单机版和高可用版（HA）两种，作为以高可靠为目的的大数据存储系统，高可用性非常关键，因此作为训练目的，我们应该掌握高可用版的部署，同样我们也要面对高可用的部署复杂度。

1) 上传解压
首先我们需要将下载到本机的Hadoop部署包上传至这三个节点，Mac系统如下：

scp /Users/你的用户名/Downloads/hadoop-3.3.1.tar.gz root@192.168.83.4:/root
scp /Users/你的用户名/Downloads/hadoop-3.3.1.tar.gz root@192.168.83.5:/root
scp /Users/你的用户名/Downloads/hadoop-3.3.1.tar.gz root@192.168.83.6:/root
我们选择了这三个节点为HDFS的集群节点，通过ssh分别登陆datanode-1、datanode-2、datanode-3，解压到/opt目录，并做好软链，三节点分别执行：

tar -zxvf hadoop-3.3.1.tar.gz -C /opt
ln -s /opt/hadoop-3.3.1 /opt/hadoop
2) 环境配置
登陆datanode-1节点编辑/etc/profile：

vim /etc/profile
追加 Haddop bin目录到PATH，实现Hadoop命令全局可执行：

export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
并使其执行生效：

source /etc/profile
将profile分发到其他节点：

scp /etc/profile root@datanode-2:/etc
scp /etc/profile root@datanode-3:/etc
编辑hadoop环境变量

vim /opt/hadoop/etc/hadoop/hadoop-env.sh
vi非编辑模式，查询关键字“export JAVA_HOME”，输入下面关键字、回车、查询：

/export JAVA_HOME
查询到"#export JAVA_HOME="，vi进入编辑模式取消注释，修改为：

export JAVA_HOME=/usr/jdk1.8.0_311
vi非编辑模式，查询关键字“export HADOOP_HOME”，输入下面关键字、回车、查询：

/export HADOOP_HOME
查询到“#export HADOOP_HOME=”，vi进入编辑模式取消注释，修改为：

export HADOOP_HOME=/opt/hadoop
编辑HDFS参数配置文件：

vim /opt/hadoop/etc/hadoop/hdfs-site.xml
在<configuration></configuration>之间增加如下内容：

<property>
    <!--为高可用配置逻辑名称，名称自定义，当前为:fsnss -->
    <name>dfs.nameservices</name>
    <value>fsnss</value>
  </property>
  <property>
    <!-- 禁用权限 -->
    <name>dfs.permissions.enabled</name>
    <value>false</value>
  </property>
  <property>
    <!-- 配置namenode节点逻辑名称，两个NameNode节点用逗号分割，nn1，nn2形成高可用 -->
    <name>dfs.ha.namenodes.fsnss</name>
    <value>nn1,nn2</value>
  </property>
  <property>
    <!-- namenode nn1对外RPC监听地址和端口号 -->
    <name>dfs.namenode.rpc-address.fsnss.nn1</name>
    <value>datanode-1:9820</value>
  </property>
  <property>
    <!-- namenode nn2对外RPC监听地址和端口号 -->
    <name>dfs.namenode.rpc-address.fsnss.nn2</name>
    <value>datanode-2:9820</value>
  </property>
  <property>
    <!-- namenode nn1 HTTP协议的管理地址和端口 -->
    <name>dfs.namenode.http-address.fsnss.nn1</name>
    <value>datanode-1:9870</value>
  </property>
  <property>
    <!-- namenode nn2 HTTP协议的管理地址和端口 -->
    <name>dfs.namenode.http-address.fsnss.nn2</name>
    <value>datanode-2:9870</value>
  </property>
  <property>
    <!-- namenode HA共享的EditLogs目录，使用QJM管理，配置journalnode集群的服务器名称与端口 -->
    <name>dfs.namenode.shared.edits.dir</name>
    <value>qjournal://datanode-1:8485;datanode-2:8485;datanode-3:8485/fsnss</value>
  </property>
  <property>
    <!-- 客户端用ConfiguredFailoverProxyProvider类作为namenode故障转移的高可用代理类 -->
    <name>dfs.client.failover.proxy.provider.fsnss</name>
    <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
  </property>
  <property>
    <!-- 高可用隔离方法使用ssh隔离-->
    <name>dfs.ha.fencing.methods</name>
    <value>sshfence</value>
  </property>
  <property>
    <!-- ssh隔离所需的私钥，就是第一部分配置的id_rsa -->
    <name>dfs.ha.fencing.ssh.private-key-files</name>
    <value>/root/.ssh/id_rsa</value>
  </property>
  <property>
    <!-- journalnode存储数据的位置/home/data/dfs下 -->
    <name>dfs.journalnode.edits.dir</name>
    <value>/home/data/dfs/journal/node/local/data</value>
  </property>
  <property>
    <!-- 配置namenode故障自动切换 -->
    <name>dfs.ha.automatic-failover.enabled</name>
    <value>true</value>
    </property>

编辑core-site.xml

vim /opt/hadoop/etc/hadoop/core-site.xml
在<configuration></configuration>之间增加如下内容：

  <property>
     <!-- 为Hadoop客户端配置默认的高可用路径 -->
    <name>fs.defaultFS</name>
    <value>hdfs://fsnss</value>
  </property>
  <!-- 为Hadoop配置临时数据目录/home/data/dfs/hadoop/ -->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/home/data/dfs/hadoop/</value>
  </property>
  <property>
    <!-- 指定zookeeper所在的节点地址和端口 -->
    <name>ha.zookeeper.quorum</name>
    <value>datanode-1:2181,datanode-2:2181,datanode-3:2181</value>
  </property>

4. YARN高可用集群配置
YARN是Hadoop资源管理和和作业调度的核心组件，是MapReduce V2框架的主要组成部分。

按照高可用计算架构部署，datanode-1、datnode-2两个节点组成ResourceManager(RM) HA，负责整个集群的资源管理和调度。

编辑yarn-site.xml

vim /opt/hadoop/etc/hadoop/yarn-site.xml
在<configuration></configuration>之间增加如下内容：

<property>
    <!-- NodeManager上可运行MapReduce程序 -->
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <!-- 允许NodeManager继承的环境属性 -->
    <name>yarn.nodemanager.env-whitelist</name>
    <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
  <property>
     <!-- 配置yarn为高可用 -->
    <name>yarn.resourcemanager.ha.enabled</name>
    <value>true</value>
    </property>
  <property>
    <!-- 集群的唯一标识 -->
    <name>yarn.resourcemanager.cluster-id</name>
    <value>mycls</value>
  </property>
  <property>
    <!-- ResourceManager HA 逻辑名称，两个ResourceManager节点用逗号分割，rm1，rm2形成高可用-->
    <name>yarn.resourcemanager.ha.rm-ids</name>
    <value>rm1,rm2</value>
  </property>
  <property>
    <!-- 指定ResourceManager rm1所在的节点主机名-->
    <name>yarn.resourcemanager.hostname.rm1</name>
    <value>datanode-1</value>
  </property>
  <property>
    <!-- 指定ResourceManager rm2所在的节点主机名-->
    <name>yarn.resourcemanager.hostname.rm2</name>
    <value>datanode-2</value>
  </property>
  <property>
    <!-- 指定yarn的http web管理端为rm1，端口8088-->
    <name>yarn.resourcemanager.webapp.address.rm1</name>
    <value>datanode-1:8088</value>
  </property>
  <property>
    <!-- 指定yarn的http web管理端为rm2，端口8088-->
    <name>yarn.resourcemanager.webapp.address.rm2</name>
    <value>datanode-2:8088</value>
  </property>
  <property>
    <!-- 指定zookeeper所在的节点 -->
    <name>yarn.resourcemanager.zk-address</name>
    <value>datanode-1:2181,datanode-2:2181,datanode-3:2181</value>
    </property>
  <property>
    <!-- 启用节点的内容和CPU自动检测，最小内存为1G -->
    <name>yarn.nodemanager.resource.detect-hardware-capabilities</name>
    <value>true</value>
  </property>
  <!-- 开启日志聚合 -->
  <property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
  </property>
  <!-- 日志聚合目录 -->
  <property>
    <name>yarn.nodemanager.remote-app-log-dir</name>
    <value>/user/container/logs</value>
  </property>
  <property>
   <!-- 单个Map任务的内存范围,1.5GB是以节点总内存4G为依据 -->
    <name>mapreduce.map.memory.mb</name>
    <value>1536</value>
  </property>

编辑mapred-site.xml:

vim /opt/hadoop/etc/hadoop/mapred-site.xml
在<configuration></configuration>之间增加如下内容：

<property>
   <!-- MapReduce引擎选择默认框架-->
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
  <property>
  <!-- 配置MapReduce工作任务写入并存储的地址与端口-->
    <name>mapreduce.jobhistory.address</name>
    <value>datanode-1:10020</value>
  </property>
  <property>
    <!--配置查看已经结束的工作任务的web地址与端口 -->
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>datanode-1:19888</value>
  </property>
  <property>
    <!--配置存放当前正在运行的工作任务记录的目录 -->
    <name>mapreduce.jobhistory.intermediate-done-dir</name>
    <value>/mr-history/tmp</value>
  </property>
  <property>
   <!--配置存放运行结束的工作任务记录的目录，可用于自定义分析 -->
    <name>mapreduce.jobhistory.done-dir</name>
    <value>/mr-history/done</value>
  </property>

5. 结束配置与初始化
1) 配置文件分发

scp /opt/hadoop/etc/hadoop/hadoop-env.sh root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/hadoop-env.sh root@datanode-3:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/hdfs-site.xml root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/hdfs-site.xml root@datanode-3:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/core-site.xml root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/core-site.xml root@datanode-3:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/yarn-site.xml root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/yarn-site.xml root@datanode-3:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/mapred-site.xml root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/mapred-site.xml root@datanode-3:/opt/hadoop/etc/hadoop

2) 初始化
(1) 登陆datanode-1，连接ZooKeeper，格式化ZKFC(ZK故障转移控制)：

hdfs zkfc -formatZK
日志打印中的蓝色框代表初始化成功。

登陆ZooKeeper，检查hadoop-ha节点是否创建：

zkCli.sh
ls /hadoop-ha
quit
ZooKeeper中创建的ZNode节点/hadoop-ha/fsnss

通过ssh分别登陆datanode-1、datanode-2、datanode-3，启动journalnode：

hdfs --daemon start journalnode
通过jps命令，查看journalnode节点进程是否启动正常

重返datanode-1节点，格式化namenode nn1:

hdfs namenode -format nn1
代表格式化成功：

启动namenode nn1，准备namenode nn2格式化同步：

hdfs --daemon start namenode
通过jps命令，查看namenode节点进程是否启动正常，如下图2.10所示：

登陆datanode-2节点，执行namenode nn2格式化同步：

hdfs namenode -bootstrapStandby
代表格式化同步成功：

启动namenode nn2，组成高可用：

hdfs --daemon start namenode
通过jps命令，查看namenode节点进程是否启动正常：

我们查看一下高可用的状态：

hdfs haadmin -getAllServiceState
这时候，我们得到的是nn1、nn2都属于准备状态：

datanode-1:9820 standby
datanode-2:9820 standby
我们将namenode nn1变为激活状态成为主服务：

hdfs haadmin -transitionToActive --forcemanual nn1
执行过程选择‘Y’，然后再查看一下高可用状态，我们会发现nn1已经变为active状态。

我们打开客户端浏览器，输入nn1的地址（谁处于Active状态就输入谁的IP地址）:

http://192.168.83.4:9870
就能看到HDFS管理界面，只不过这时候还没有任何DataNode节点：

重返datanode-1节点，编辑works列表：

vim /opt/hadoop/etc/hadoop/workers
删除localhost，增加这三个节点为DataNode节点：

datanode-1
datanode-2
datanode-3
编辑start-dfs.sh、stop-dfs.sh:

vim /opt/hadoop/sbin/start-dfs.sh
vim /opt/hadoop/sbin/stop-dfs.sh
在第一行之后处加入root和Hadoop用户的绑定:

HDFS_DATANODE_USER=root
HDFS_DATANODE_SECURE_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root
HDFS_JOURNALNODE_USER=root
HDFS_ZKFC_USER=root

编辑start-yarn.sh、stop-yarn.sh:

vim /opt/hadoop/sbin/start-yarn.sh
vim /opt/hadoop/sbin/stop-yarn.sh
在第一行之后处加入root和Hadoop用户的绑定:

YARN_RESOURCEMANAGER_USER=root
HADOOP_USER_NAME=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=roo

配置文件分发：

scp /opt/hadoop/etc/hadoop/workers root@datanode-2:/opt/hadoop/etc/hadoop
scp /opt/hadoop/etc/hadoop/workers root@datanode-3:/opt/hadoop/etc/hadoop
scp /opt/hadoop/sbin/start-dfs.sh root@datanode-2:/opt/hadoop/sbin
scp /opt/hadoop/sbin/start-dfs.sh root@datanode-3:/opt/hadoop/sbin
scp /opt/hadoop/sbin/stop-dfs.sh root@datanode-2:/opt/hadoop/sbin
scp /opt/hadoop/sbin/stop-dfs.sh root@datanode-3:/opt/hadoop/sbin
scp /opt/hadoop/sbin/start-yarn.sh root@datanode-2:/opt/hadoop/sbin
scp /opt/hadoop/sbin/start-yarn.sh root@datanode-3:/opt/hadoop/sbin
scp /opt/hadoop/sbin/stop-yarn.sh root@datanode-2:/opt/hadoop/sbin
scp /opt/hadoop/sbin/stop-yarn.sh root@datanode-3:/opt/hadoop/sbin

通过ssh分别登陆datanode-1、datanode-2、datanode-3，jps命令显示的Java进程中，除了保留ZooKeeper进程之外，其他全部Kill：

jps |grep -v 'QuorumPeerMain\|Jps'|awk '{print $1}'|xargs kill -9
6. 启动与验证
1) 启动HDFS
登陆datanode-1节点，执行HDFS集群启动：

start-dfs.sh
NameNode高可用[datanode-1、datanode-2]，Journal集群[datanode-1、datanode-2、datanode-3]，ZKFC服务[datanode-1、datanode-2]全部正常启动。

我们分别登陆三个节点，用jps验证包括DataNode进程是否正常启动

HDFS进程列表：

datanode-1   NameNode、DFSZKFailoverController、QuorumPeerMain、DataNode、JournalNode
datanode-2   NameNode、DFSZKFailoverController、QuorumPeerMain、DataNode、JournalNode
datanode-3   QuorumPeerMain、DataNode、JournalNode
2) 启动YARN
重返datanode-1节点，执行YARN集群启动：

start-yarn.sh
ResourceManager高可用[datanode-1、datanode-2]，各个节点NodeManager正常启动：

我们分别登陆三个节点，用jps验证

启动工作任务记录服务：

mapred --daemon start historyserver
在datanode-1节点启动了JobHistoryServer进程，

至此，Hadoop安装已经结束。

3) 验证HDFS
我们做一个简单的HDFS验证：

hdfs dfs -mkdir /sdk
hdfs dfs -put jdk-8u311-linux-x64.tar.gz /sdk
hdfs dfs -ls /sdk
我们为HDFS根目录创建了sdk子目录，并上传JDK包，查看sdk目录，

我们再看看HDFS界面管理端，sdk上传的目录：

DFS管理端监控的三个数据节点[datanode-1、datanode-2、datanode-3]。

3) 验证YARN
我们编写一个MapReduce样例程序来验证Yarn系统是否正常。

我们的目标是：将一组三份存有数字的乱序文件通过MapRedue程序排序计数后输出，特点是三个Map任务的输出经过混洗排序后，通过自定义分区划分的范围，分别交给三个Reduce进行计数，并输出给三个排序过的文件。

分区划分：小于数字500一组、大于等于500并小于1000一组，大于等于1000一组。

三份乱序文件

MapReduce排序后的三份计数后的文件。

我们先将三份乱序文件上传到HDFS：

hdfs dfs -put file* /example/simple1/sort/input
hdfs dfs -ls /example/simple1/sort/input

我们执行打包好的MR测试程序：

hadoop jar HadoopTrainer-1.0-SNAPSHOT.jar
，展示了MR整个执行日志输出过程，红色箭头指向的任务为：

job: job_1640683809954_0003，我们可以在Yarn管理端查看此任务日志。

可以看到Map任务为3个，Reduce任务为3个。

客户端打开Yarn管理端需要将IP和节点名加入到host里面，Mac系统：

sudo vi /etc/hosts
加入IP节点名映射：

192.168.83.4 datanode-1
192.168.83.5 datanode-2
192.168.83.6 datanode-3
浏览器输入Yarn管理端地址，以下两个地址均可，Yarn启动后会确定其中一个为活动地址，若输入的是HA备份地址，会重定向到活动地址：

http://datanode-2:8088/cluster
http://datanode-1:8088/cluster
已完成任务列表中蓝色框标注的就是刚才执行的任务job_1640683809954_0003。

4) 结尾
ZooKeeper集群已经加入系统自启动，方便反复开关OS的学习场景。

Hadoop启动顺序：

start-dfs.sh
start-yarn.sh
mapred --daemon start historyserver
Hadoop停止顺序：

stop-yarn.sh
stop-dfs.sh
jps |grep JobHistoryServer|awk '{print $1}'|xargs kill -9
7. 结束
整个Hadoop高可用集群及相关系统的部署、配置和验证就正式结束了。Hadoop集群作为当今大数据技术的基础数据底座非常重要，尽管部署过程非常复杂，步骤特别多，不过本文尽可能对每一步都做到细致入微，目的是让初学者手把手的照着做，也能正确部署好Hadoop平台，为后续的大数据技术学习，解决一入门就遇到这个高门槛。

参考：大数据技术训练舱：从零开始部署Hadoop3高可用集群（基于CentOS7）_centos7上hadoop集群改为高可用_守护石技术研究的博客-CSDN博客文章来源地址https://www.toymoban.com/news/detail-499853.html

到了这里，关于Hadoop3的高可用搭建的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！