hadoop: настройка клиента кластера Hadoop

Большие данные
hadoop: настройка клиента кластера Hadoop

Что такое клиент для кластера

可以理解为：
   客户端是一台可以去访问集群，向集群发送/获取数据文件，可以执行分布式作业的机器(服务器)。
   客户端就像是一个抓手，有了这个抓手，我们就可以去使用集群.
  
在Hadoop和Spark(或者mapreduce，或者storm)集群搭建好了之后，
如果我们需要向集群中发送、获取文件，或者执行MapReduce、Spark作业，
我们的做法通常是搭建一个外围的、集群的客户端，在这个客户端上进行操作。
而不是直接在集群的NameNode或者DataNode上进行。
此时，集群和客户端的结构如下图（简化图，没有考虑NameNode的高可用），本文将介绍如何快速搭建一个集群客户端（有时也叫gateway）。
下图就是hadoop集群和客户端的结构。

image.png

 在上图的网络配置方面，可以遵循集群仅开放内网访问(因为集群内的服务器一般不需要同外部环境有交流)，
 而客户端开放外网访问，所有对集群的访问和管理，均通过客户端来完成。

Действия по настройке клиента кластера

Настройка хостов

客户端的主机名是dc1（DataClient1的缩写，192.168.0.150），
Hadoop集群中的NameNode主机名hadoop01（192.168.0.34）。
我们只需要让客户端和namenode这两台机器认识就可以了，不需要让客户端和集群中的所有机器都认识。

首先配置hosts让两台机器相互“认识”一下：
    修改dc1的hosts，把hadoop001添加进去，这样客户端就认识了namenode节点
    #vim /etc/hosts
    添加：192.168.0.34 hadoop01
    
    
    修改hadoop01的hosts，把客户端添加进去，这样namenode就认识了客户端了。
    #vim /etc/hosts
    添加：192.168.0.150 dc1

当数据中心的服务器很多时，配置hosts可能不够方便，此时可以部署一台DNS（Domain Name Service）服务器，用于解析主机名。

Настроить вход по ssh без пароля

把客户端的.ssh目录下的公钥文件中的公钥，添加到namenode服务器的.ssh/authorized_keys文件中。

Скопируйте файл ~/.bashrc (файл конфигурации переменных среды)

接下来，还要配置一下$HADOOP_HOME、$JAVA_HOME等环境变量，
实际就是拷贝一下~/.bashrc文件
#scp -P 60034 ~/.bashrc dc1:~/.bashrc
就是把namenode机器上的.bashrc文件复制到客户端上

Установите Java и Hadoop

安装java和hadoop的操作很简单，只需要将hadoop01上的Hadoop和Java文件夹复制到dc1就可以了。
#scp -P 60034 -r $HADOOP_HOME dc1:$HADOOP_HOME
#scp -P 60034 -r $JAVA_HOME dc1:$JAVA_HOME

此时，可能会疑惑，这样不是就和安装和配置Hadoop集群节点一样了，好像又往集群中添加了一台机器一样。
这里最大的不同是：不需要运行hadoop进程（DataNode、NameNode、ResourceManager、NodeManager等），既不需要执行start-dfs.sh/start-yarn.sh。同时，也没有修改$HADOOP_CONF_DIR/slaves文件，因此并没有加入集群。而只是作为集群的客户端使用。
因为我们上面是将整个$HADOOP_HOME拷贝到了dc1，其中包含了所有的配置文件，因此，也无需配置。

Проверить установку

因为我在Hadoop集群上已经放有一些测试文件，
通过命令行界面，对文件进行一下获取和发送，可以验证客户端与集群工作良好。

1.从集群下载文件到客户端
#hdfs dfs -get /user/root/tmp/file1.txt ~/tmp

2.在客户端重命名后上传到集群
#mv ~/tmp/file1.txt ~/tmp/file1_2.txt
#hdfs dfs -put ~tmp/file1_2.txt /user/root/tmp

<6>

至此，一个简单的Hadoop集群客户端就搭建好了。
除了在客户端上执行HDFS的文件操作以外，还可以运行Hive，Hive本身就是一个客户端的工具。
同时，也可以运行Spark的Driver程序，它是Spark集群的客户端。
而Spark集群中的Worker通常是和HDFS的DataNode部署在同一台服务器上，以提升数据访问效率。
Категории