Hadoop：The Definitive Guid 总结 Chapter 9 构建MapReduce集群

1.集群规范

1)配置规范

一般Hadoop DataNode和TaskTracker节点典型机器具有吐下规范：

• 处理器：2个四核 2~2.5 GHz CPU
• 内存：16~24 ECC RAM
• 存储器：4*1TB SATA 磁盘
• 网络：千兆以太网

2).网络拓扑

Hadoop集群架构包含两级网络拓扑，如下图所示，机架拓扑由两个网络位置描述，例如：/交换机1/机架1 和 /交换机1/机架2。这个架构的一突出特点是：同一机架内部节点间的总宽带要远高于不同机架间的节点的宽带

2.集群的构建原装、SSH配置、Hadoop配置

这里只给出Yarn的典型伪分布配置 分布式配置与此差别不大 详见http://hadoop.apache.org/ 里面的配置安装文档较比权威指南的要更加权威和准确

core.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:8020</value>
  </property>
</configuration>

hdfs.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/home/yourname/Hadoop/hadoop-0.23.1/dfs/name</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/home/yourname/Hadoop/hadoop-0.23.1/dfs/data</value>
  </property>
  <property>
    <name>dfs.federation.nameservices</name>
    <value>ns1</value>
  </property>
  <property>
    <name>dfs.namenode.rpc-address.ns1</name>
    <value>localhost:8020</value>
  </property>
  <property>
    <name>dfs.namenode.http-address.ns1</name>
    <value>localhost:23004</value>
  </property>
  <property>
    <name>dfs.namenode.secondary.http-address.ns1</name>
    <value>localhost:23005</value>
  </property>
</configuration>

mapred.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
  <property>
    <name>mapreduce.cluster.temp.dir</name>
    <value>/home/yourname/Hadoop/hadoop-0.23.1/mapred/temp</value>
  </property>
  <property>
    <name>mapreduce.cluster.local.dir</name>
    <value>/home/yourname/Hadoop/hadoop-0.23.1/mapred/local</value>
  </property>
</configuration>

yarn-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce.shuffle</value>
  </property>
  <property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
  </property>
  <property>
    <name>yarn.resourcemanager.address</name>
    <value>localhost:8042</value>
  </property>
  <property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>localhost:8032</value>
  </property>
  <property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>localhost:18089</value>
  </property>
  <property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>localhost:8027</value>
  </property>
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>4096</value>
  </property>
  <property>
    <name>yarn.resourcemanager.admin.address</name>
    <value>localhost:8143</value>
  </property>
</configuration>

 

3.安全性

Kerberos实现了用户验证，它的职责在于鉴定登陆账号是否是他所声称的用户，Hadoop则决定这个用户到底有多少权限。

使用Kerberos时，客户端要经过三个步骤来获取服务：

1).认证     

2).授权 

3).服务请求

如下图：

另外还有一种认证方法--委托令牌，它有服务器创建(NameNode)，可以视为客户端和服务器之间共享的密文

4.利用基准测试程序测试Hadoop集群

1).使用TestDFSIO来测试HDFS

   TestDFSIO能够用于测试HDFS的I/O性能，它用一个MapReduce作业并行地读或写作业

2).使用Sort程序测试MapReduce

   整个测试含三个步骤：随机才生一些数据，排序操作，验证结果。

5.云端Hadoop

  主要举例在Amazon EC2上的Hadoop  详见相关资料