宜宾网站建设公司

Hadoop1.x版本升级Hadoop2.x

引言

随着企业数据化和Hadoop的应用越加广泛，hadoop1.x的框架设计越来越无法满足人们对需求，Apache一直在对Hadoop1.x进行修改，最后推出了新一代的Hadoop2.x。从业界使用分布式系统的变化趋势和 hadoop 框架的长远发展来看，MapReduce 的 JobTracker/TaskTracker 机制需要大规模的调整来修复它在可扩展性，内存消耗，线程模型，可靠性和性能上的缺陷。为从根本上解决旧 MapReduce 框架的性能瓶颈，促进 Hadoop 框架的更长远发展，从 0.23.0 版本开始，Hadoop 的 MapReduce 框架完全重构，发生了根本的变化。新的 Hadoop MapReduce 框架命名为 MapReduceV2 或者叫 Yarn。

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：国际域名空间、雅安服务器托管、营销软件、网站建设、镇远网站维护、网站推广。

 

一 hadoop1.0版本与2.0版本的差异

1.1 HDFS之间的差异

1.1.1  Hadoop1.x

在Hadoop1.x中，HDFS的采用Masters/Slaves的方式设计集群，通过NameNode和DataNode的方式管理集群。在整个Hadoop1.x HDFS中分为Namespace和BlockStorageServer两个部分。其中Namespace完全分布在NameNode节点中，Namespace其中包括了所有文件的元数据、p_w_picpaths镜像和edits文件等。而BlockStorageServer分布则是分布在NameNode节点和Datanode节点上的，在NamNodee节点中存放了所有的Block与DataNode节点之间的对应关系。而在Block的内容数据则是在DataNode节点中分布式存放着。如图1，Hadoop1.x版本HDFS示意图所示。

Hadoop1.x版本升级Hadoop2.x 

图1  Hadoop1.x版本HDFS示意图

弊端：

1）因为NameNode节点是整个集群的中心，一旦NameNode发生宕机，将会导致整个集群的瘫痪，直到NameNode被重启以后问题才被解决。

2）NameNode节点的个数只有一个，单机的性能是有限的，并且NameNode中存放着有关DataNode节点的信息，因此在理论上无法实现横向无限性增加DataNode节点，这也就是为什么有NameNode最多支持4000个节点的由来。

1.1.2  Hadoop 2.x

Hadoop2.x实现联邦HDFS，即多个NameNode节点并存，并且每一个NameNode节点管理一个Namespace，如图2，Hadoop2.x的HDFS示意图所示。

Hadoop1.x版本升级Hadoop2.x 

图2 Hadoop2.x的HDFS示意图

Block Pool：block池，一个NameNode管理的所有的block节点，一个NameNode节点和去的Pool为一个管理单元，来管理自己的Block。

在联邦HDFS中，每个Namespace都有自己的Block管理，但这些Block全部存放在整个DataNode集群中，如上图所示，Namespace之间是相互隔离的，即使一个NameNode节点宕机，也不会影响到其他NameSpace，同时也不会影响到其管理的Datanodes中的Block。

优势：

（1）可以做到自由的横向无限制扩充DataNode节点。

（2）可以实现多个NameNode并发执行任务，提高HDFS系统的吞吐量

（3）安全性得到很大的提示，单个NameNode节点的崩溃不会导致整个系统的瘫痪。

1.2  MapReduce之间的区别

1.2.1  Hadoop1.x

Hadoop1.x运行MapReduce任务的流程为：

（1）Job Client提交任务给JobTracker（NameNode节点中），JobTracker向各个节点发出询问请求，查看每个DataNode节点中执行的Task（任务）的个数

（2）JobTrack收集DataNodes的信息，并对Job进行资源分配。

（3）将MapReduce任务所需的资源、信息等全部复制到Datanodes节点中。

（4）DataNode节点接受任务后，将本地的Block读取，并形成相应的Map和Reduce任务，这些任务的管理全部由DataNodes节点中的TaskTracker进行监督。如图3，MapReduce示意图所示。

Hadoop1.x版本升级Hadoop2.x 

图3  MapReduce示意图

从图中可知，JobTacker是整个Hadoop1.x MapReduce框架的中心，其承担的任务有：接受任务、计算资源、分配资源、与DataNode进行交流等功能。Hadoop1.x 框架在发布时收到很大的欢迎，但是随着需求越来越大，Hadoop1.x 的MapReduce（MapReduce v1）已经不能够胜任现在的需求，主要表现在以下几个问题：

（1）JobTracker是整个MapReduce v1的核心，存在单点故障。

（2）JobTracker管理整个MapReduce作业的任务，造成资源消耗，当map/reduce task过多的时候，JobTracker将会耗费大量内存，同时也增加Job Tracker fail的风险。

（3）JobTracker对DataNode进行资源询问，使用的Task的个数，为考虑内存和CPU的使用率等，如果将两个大内存的Map/reduce Task放在一个节点上执行，可能会出现内存溢出。

（4）代码层中的类有些超过3000行，导致整个类的任务不够明确，并且进行修改是任务量也巨大，因此增加了维护、开发人员进行修改的难度。

1.2.2  Hadoop2.x

为了应对越来越大的需求，已经MapReduce v1的弊端，Apache对MapReduce v2进行了重新设计，出现了MapReduce v2，也就是YARN框架。下面介绍一下YARN框架。如图4，YARN示意图所示。

Hadoop1.x版本升级Hadoop2.x

 

Hadoop1.x版本升级Hadoop2.x

图4  YARN示意图

名词解释：

ResourceManager：以下简称RM。YARN的中控模块，负责统一规划资源的使用。

NodeManager:以下简称NM。YARN的资源结点模块，负责启动管理container。

ApplicationMaster:以下简称AM。YARN中每个应用都会启动一个AM，负责向RM申请资源，请求NM启动container，并告诉container做什么事情。

Container：资源容器。YARN中所有的应用都是在container之上运行的。AM也是在container上运行的，不过AM的container是RM申请的。

（1）ResourceManager：在MapReduce v1中，JobTracker的任务有两个：资源管理和任务调度。而在YARN框架中，将JobTracker的两个核心任务进行分离，其中的资源管理形成新的ResourceManager。ResourceManager负责管理每个NodeManager节点所提供的资源状态（内存、CPU、磁盘和带宽等传统信息）。在MapReduce任务的时候，RM会精确计算每个整个集群的资源情况，已分配给该任务合适的资源。

（2）Container：对一个节点的内存、CPU等资源的描述的整体描述。

（3）ApplicationMaster：每一个MapReduce任务都对应着一个AM，AM负责向ResourceManager索要执行任务所需要的资源容器，根据进程的状态、管理进行和处理进程失败的原因。

（4）NodeManager：是一个机器框架的代理，是任务执行的容器，其管理着节点的诸多信息：例如内存、CPU、硬盘、网络等资源。

YARN相对于MapReduce v1的优势：

（1）JobTracker所承担的庞大负担被分割，分成了resourceManager和nodemanager。资源管理和任务调度分配在不同的节点，并且实现程序的分布化、最优化。

（2）ResourceManager资源分配不再凭借slot的个数，而是根据节点的内存是分配任务，使得负载均衡更在完善。

（3）ResourceManager节点上有一个ApplicationMasters进程，负责管理每个ApplicationMatser进程的状态，从而实现监督任务。

1.3  其它差异

MapReduce变成了和HBase和Hive等一样的YARN上面的一个应用；Hadoop1.x的默认块大小为64M，Hadoop2.x的默认块大小为128M；在2.x中除了datanode要向namenode报告status，nodemanager也要向ResourceManager报告status。

二、 Hadoop1.x升级Hadoop2.x实现

版本情况：老版本Hadoop1.0.3；新版本Hadoop2.6.4。

HOST信息：

Hadoop1.x版本升级Hadoop2.x

升级所需下载安装包：

hadoop-2.6.4.tar.gz http://apache.opencas.org/hadoop/common/hadoop-2.6.4/hadoop-2.6.4.tar.gz

jdk-8u77-linux-x64.tar.gz：官网下载

包的放置路径：/usr/local/src/

创建新的HDFS系统目录和测试文件：

[root@namenode ~]# hadoop fs -mkdir /test

[root@namenode ~]# hadoop fs -put /home/hadoop/hadoop/conf/*  /test/

Hadoop1.x版本升级Hadoop2.x

解压jdk安装包（每个节点都要操作）：

[root@namenode ~]# cd /usr/local/src

[root@namenode ~]#tar zxvf jdk-8u77-linux-x64.tar.gz


备份旧的jdk（每个节点都要操作）：

[root@namenode ~]#mv  /usr/local/jdk1.6  /usr/local/jdk1.6.bak

替换新的jdk版本（每个节点都要操作）：

[root@namenode ~]#mv  jdk1.8.0_77 /usr/local/jdk/

修改jdk环境（每个节点都要操作）：

[root@namenode ~]#vim /etc/profile

更改JAVA_HOME

export JAVA_HOME=/usr/local/jdk

export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

export PATH=$PATH:$JAVA_HOME/bin

[root@namenode ~]#source /etc/profile

验证jdk是否成功：

[root@namenode ~]#java –version

2.2  namenode节点操作

解压hadoop2.6的包：

[root@namenode ~]#tar zxvfhadoop-2.6.4.tar.gz

备份hadoop1.0（每个节点都操作）：

[root@namenode ~]#mkdir /home/hadoop/backup

[root@namenode~]#mv /home/hadoop/hadoop /home/hadoop/backup/

备份好集群namenode的元数据（${HADOOP_HOME}/conf/hdfs-site.xml中的dfs.name.dir所配置的文件夹）：

[root@namenode ~]#cp–r /data/work/hdfs/name /data/backup/hdfsname.20160418.bak

安装hadoop2.6：

[root@namenode ~]#mv /usr/local/src/hadoop-2.6.4 /home/hadoop/hadoop

[root@namenode ~]#chown -R hadoop.hadoop /home/hadoop/hadoop


切换到hadoop用户：

[root@namenode ~]#su – hadoop

    

修改用户环境（每个节点都操作）：

[hadoop@namenode ~]$vim /home/hadoop/.bash_profile

修改：

export HADOOP_HOME=/home/hadoop/hadoop

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

export HADOOP_HOME_WARN_SUPPRESS=1

export PATH

[hadoop@namenode ~]$source/home/hadoop/.bash_profile

p8

2.3  修改配置文件

[hadoop@namenode ~]$cd /home/hadoop/hadoop/etc/hadoop/

[hadoop@hadoop/ ~]$vim hadoop-env.sh

修改export JAVA_HOME=/usr/local/jdk

增加export HADOOP_PREFIX=/home/hadoop/hadoop

    export HADOOP_HEAPSIZE=15000

[hadoop@hadoop/ ~]$vim yarn-env.sh

修改export JAVA_HOME=/usr/local/jdk

[hadoop@hadoop/ ~]$vim mapred-env.sh

修改export JAVA_HOME=/usr/local/jdk

[hadoop@hadoop/ ~]$vim hdfs-site.xml

  

        dfs.namenode.http-address

        namenode:50070

         NameNode 通过当前参数 获得fsp_w_picpath和edits

  

  

        dfs.namenode.secondary.http-address

        node2:50090

         SecondNameNode 通过当前参数 获得最新的fsp_w_picpath

    

 

    

        dfs.replication

        2

         设定HDFS存储文件的副本个数，默认为3

    

   

        dfs.namenode.checkpoint.dir

        file:///home/hadoop/hadoop2.2/hdfs/namesecondary

         设置secondary存放 临时镜像 的本地文件系统路径，如果这是一个用逗号分隔的文件列表，则镜像将会冗余复制到所有目录，只对secondary有效

    

 

    

        dfs.webhdfs.enabled

        true

    

    

        dfs.namenode.name.dir

        file:///data/work/hdfs/name/

         namenode 用来持续存放命名空间和交换日志的本地文件系统路径

    

 

    

        dfs.datanode.data.dir

        file:///data/work/hdfs

         DataNode 在本地存放块文件的目录列表，用逗号分隔

    

    

        dfs.stream-buffer-size

        131072

         默认是4KB，作为hadoop缓冲区，用于hadoop读hdfs的文件和写

hdfs的文件，还有map的输出都用到了这个缓冲区容量，对于现在的硬件很保守，可以设置为128k

(131072),甚至是1M(太大了map和reduce任务可能会内存溢出)

    

    

        dfs.namenode.checkpoint.period

        3600

         两次checkpoints之间的间隔，单位为秒，只对secondary有效

    

[hadoop@hadoop/ ~]$vim mapred-site.xml

 mapreduce.framework.name

 yarn

[hadoop@hadoop/ ~]$vim yarn-site.xml

  yarn.nodemanager.aux-services

  mapreduce_shuffle

[hadoop@hadoop/ ~]$vim core-site.xml

   fs.defaultFS

   hdfs://namenode:9000/

    设定namenode的 主机名 及 端口

 

   hadoop.tmp.dir

   /home/hadoop/tmp

    存放临时文件的目录

新建文件目录（所有节点操作）

$mkdir /home/hadoop/tmp

$mkdir/data/work/hdfs/namesecondary/

$chown -R hadoop.hadoop /home/hadoop/tmp/

$ chown -R hadoop.hadoop  /data/work/hdfs/namesecondary/

启动hdfs

[hadoop@namenode ~]$tart-dfs.sh

[hadoop@namenode ~]$hadoop-daemon.sh start namenode -upgrade

重新启动所有守护线程

[hadoop@namenode ~]$stop-dfs.sh

[hadoop@namenode ~]$start-all.sh

查看元数据是否成功保留

[hadoop@namenode ~]$hadoop fs -ls /

Hadoop1.x版本升级Hadoop2.x

成功之后停掉所有守护进程

[hadoop@namenode ~]$stop-all.sh

修改/home/hadoop/hadoop/etc/hadoop/slaves

[hadoop@namenode ~]$vim slaves

修改：

node1

node2

将hadoop文件拷贝给其它节点

[hadoop@namenode ~]$scp -r /home/hadoop/hadoop node2:/home/hadoop/hadoop/

[hadoop@namenode ~]$scp -r /home/hadoop/hadoop node1:/home/hadoop/hadoop/

Node1,2节点修改hadoop的目录权限

$chown -R hadoop.hadoop /home/hadoop/hadoop

namenode启动守护线程

[hadoop@namenode ~]$start-all.sh

namenode和datanode的dfs.namenode.name.dir目录下（本次实验中为/data/work/hdfs/name）会多出一个文件夹previous/或者通过jps查看信息

文件夹previous/，这是升级之前数据的备份，如果回滚也是需要有这个文件夹。

    


本文题目：Hadoop1.x版本升级Hadoop2.x
浏览路径：http://ybzwz.com/article/ijsijs.html

其他资讯