Ubuntu HDFS如何配置与管理

在Ubuntu上配置和管理Hadoop分布式文件系统（HDFS）涉及多个步骤，包括安装Hadoop、配置环境变量、设置HDFS相关配置文件以及启动HDFS服务。以下是一个基本的指南：

安装Hadoop

首先，你需要在所有节点上安装Hadoop。你可以从Apache Hadoop官方网站下载最新版本的Hadoop。

wget https://archive.apache.org/dist/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz
tar -xzvf hadoop-3.3.4.tar.gz -C /usr/local/

配置环境变量

编辑 /etc/profile 或 ~/.bashrc 文件，添加以下内容：

export HADOOP_HOME=/usr/local/hadoop-3.3.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

使环境变量生效：

source /etc/profile

配置Hadoop配置文件

Hadoop的主要配置文件位于 $HADOOP_HOME/etc/hadoop 目录下。

core-site.xml

编辑 core-site.xml 文件，添加以下内容：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://namenode:9000</value>
    </property>
</configuration>

hdfs-site.xml

编辑 hdfs-site.xml 文件，添加以下内容：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/path/to/namenode/data</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/path/to/datanode/data</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>secondarynamenode:50090</value>
    </property>
</configuration>

yarn-site.xml

编辑 yarn-site.xml 文件，添加以下内容：

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>resourcemanager</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.address</name>
        <value>hadoop0:8032</value>
    </property>
    <property>
        <name>yarn.resourcemanager.scheduler.address</name>
        <value>hadoop0:8030</value>
    </property>
    <property>
        <name>yarn.resourcemanager.resource-tracker.address</name>
        <value>hadoop0:8031</value>
    </property>
    <property>
        <name>yarn.resourcemanager.admin.address</name>
        <value>hadoop0:8033</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.shufflehandler</value>
    </property>
</configuration>

mapred-site.xml

编辑 mapred-site.xml 文件，添加以下内容：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

格式化HDFS

在NameNode节点上执行以下命令来格式化HDFS：

hdfs namenode -format

启动HDFS集群

在NameNode节点上执行以下命令启动HDFS集群：

start-dfs.sh

在ResourceManager节点上执行以下命令启动YARN ResourceManager和NodeManager：

start-yarn.sh

验证集群状态

使用以下命令检查HDFS和YARN的状态：

hdfs dfsadmin -report
yarn node -list

配置SSH无密码登录

为了方便管理，你可以配置SSH无密码登录到所有节点。

生成SSH密钥：

ssh-keygen -t rsa

分发公钥：

ssh-copy-id user@datanode1
ssh-copy-id user@datanode2

配置防火墙

确保防火墙允许Hadoop所需的端口通信。例如：

sudo firewall-cmd --permanent --zone=public --add-port=9000/tcp
sudo firewall-cmd --permanent --zone=public --add-port=50010/tcp
sudo firewall-cmd --permanent --zone=public --add-port=50020/tcp
sudo firewall-cmd --permanent --zone=public --add-port=50070/tcp
sudo firewall-cmd --permanent --zone=public --add-port=50075/tcp
sudo firewall-cmd --permanent --zone=public --add-port=50090/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8030/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8031/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8032/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8033/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8040/tcp
sudo firewall-cmd --permanent --zone=public --add-port=8042/tcp
sudo firewall-cmd --reload

完成以上步骤后，你就成功在Ubuntu上配置和管理了HDFS集群。