CentOS Hadoop资源管理如何实现 - 问答

CentOS环境下Hadoop资源管理的实现流程

1. 环境准备

在CentOS上实现Hadoop资源管理前，需完成基础环境配置：

操作系统：确保CentOS版本为7及以上（推荐使用稳定版）；
Java环境：安装JDK 8（Hadoop 3.x兼容JDK 8/11），配置JAVA_HOME环境变量（如export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk）；
SSH配置：在集群所有节点间配置SSH免密登录（使用ssh-keygen -t rsa生成密钥，ssh-copy-id复制公钥到其他节点），确保NameNode能无密码访问DataNode和NodeManager。

2. Hadoop安装与核心配置

2.1 安装Hadoop

从Apache官网下载Hadoop（如3.3.1版本），解压至指定目录（如/usr/local/hadoop），并设置目录权限（chown -R hadoop:hadoop /usr/local/hadoop）。

2.2 配置环境变量

编辑/etc/profile文件，添加Hadoop路径：

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

执行source /etc/profile使配置生效。

2.3 核心配置文件修改

Hadoop资源管理的核心配置集中在etc/hadoop目录下的4个XML文件：

core-site.xml：配置Hadoop文件系统默认URI（连接HDFS）：

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

hdfs-site.xml：配置HDFS存储路径与副本数（提升数据可靠性）：

<property>
    <name>dfs.replication</name>
    <value>2</value> <!-- 副本数，根据集群节点数调整 -->
</property>
<property>
    <name>dfs.namenode.name.dir</name>
    <value>/usr/local/hadoop/hdfs/namenode</value> <!-- NameNode元数据存储路径 -->
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>/usr/local/hadoop/hdfs/datanode</value> <!-- DataNode数据存储路径 -->
</property>

yarn-site.xml：配置YARN资源管理器与NodeManager通信：

<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>localhost</value> <!-- ResourceManager所在节点 -->
</property>
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value> <!-- 启用MapReduce Shuffle服务 -->
</property>

mapred-site.xml（需从mapred-site.xml.template复制生成）：指定MapReduce运行框架为YARN：
```
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
```

3. 启动Hadoop集群

3.1 格式化NameNode

首次启动前，需格式化NameNode以初始化HDFS元数据（注意：格式化会清除原有数据，仅首次启动执行）：

hdfs namenode -format

3.2 启动服务

依次启动HDFS和YARN服务：

start-dfs.sh  # 启动HDFS（NameNode、DataNode）
start-yarn.sh # 启动YARN（ResourceManager、NodeManager）

3.3 验证集群状态

使用jps命令查看进程：

NameNode、DataNode（HDFS进程）；
ResourceManager、NodeManager（YARN进程）。
若进程均正常启动，说明集群部署成功。

4. YARN资源管理配置

YARN是Hadoop的资源管理核心，需通过以下配置实现资源分配与调度：

4.1 资源分配参数

修改yarn-site.xml，设置NodeManager可用资源与调度器限制：

<property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>8192</value> <!-- 每个NodeManager可用的总内存（MB） -->
</property>
<property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>4096</value> <!-- 单个应用程序可申请的最大内存（MB） -->
</property>
<property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>512</value> <!-- 单个应用程序可申请的最小内存（MB） -->
</property>

4.2 调度器选择与配置

YARN支持多种调度器，需在yarn-site.xml中指定：

FIFO Scheduler（默认）：按作业提交顺序调度，适合单队列场景；
Capacity Scheduler：支持多队列（如default、high_priority），每个队列分配固定资源比例（如yarn.scheduler.capacity.root.default.capacity=50表示default队列占50%资源）；
Fair Scheduler：动态分配资源，确保所有作业公平共享集群资源（需配置fair-scheduler.xml）。

5. 资源管理与监控

5.1 Web界面监控

ResourceManager Web界面：默认地址http://<resourcemanager-host>:8088，可查看集群状态、应用程序列表、节点资源使用情况；
NameNode Web界面：默认地址http://<namenode-host>:50070，可查看HDFS存储使用情况、目录结构。

5.2 命令行工具

yarn node -list：列出所有NodeManager节点；
yarn application -list：列出所有正在运行的应用程序；
yarn application -kill <application_id>：终止指定应用程序。

6. 优化与安全

6.1 动态资源分配

修改yarn-site.xml启用动态资源分配（适合Spark、MapReduce等框架），提升资源利用率：

<property>
    <name>yarn.dynamic allocation.enabled</name>
    <value>true</value>
</property>
<property>
    <name>yarn.dynamicallocation.minExecutors</name>
    <value>1</value> <!-- 最小Executor数量 -->
</property>
<property>
    <name>yarn.dynamicallocation.maxExecutors</name>
    <value>10</value> <!-- 最大Executor数量 -->
</property>

6.2 安全配置

Kerberos认证：启用Kerberos认证（需配置core-site.xml与hadoop-policy.xml），确保集群访问安全；
权限管理：通过hdfs dfs -chmod、hdfs dfs -chown命令设置HDFS目录权限（如hdfs dfs -chmod 750 /user/hadoop）。

通过以上步骤，可在CentOS上实现Hadoop集群的资源管理，涵盖环境准备、配置部署、资源调度、监控优化等全流程，满足大规模数据处理需求。

0 赞

0 踩