今天就跟大家聊聊有关Hadoop集群怎么构建，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

建立一个集群的安装选项

• Apache tarball 二进制包 安装灵活，工作量大

• Packages 各个Linux 发行版提供的包

• 集群管理工具 Cloudera Manager 和Apache Ambari

集群规范

• Hadoop 运行在商业硬件上

• 商业硬件并不等同于低端硬件

• 也不推荐使用大型的数据库级别的机器，性价比太低。

• 一般使用多核CPU和多磁盘

• HDFS namenode 节点采用RAID, datanode 不建议使用RAID

• 集群规模

• 你的集群需要增长得多快？

• 网络拓扑

• DNSToSwitchMapping

集群的构建和安装

• 安装Java

• 创建Unix 用户账号

• 解压，额，最好不要放在home 目录，因为home目录可能挂载在NFS上

• SSH 配置（分布式shell，公钥共享）

• 配置Hadoop

• 格式化HDFS文件系统

• 启动和停止守护进程

• 创建用户目录

• 在本地机器上启动一个资源管理器

• 在slaves 文件列举的每台机器上启动一个节点管理器

• 在每台机器上启动一个namenode， 这些机器由执行hdfs getconf -namenodes 得到的返回值所缺东

• 在slaves 文件列举的每台机器上启动一个datanode

• 在每台机器上启动一个辅助namenode,这些机器由执行 hdfs getconf -secondarynamenodes 得到的返回值所确定

• start-dfs.sh

• start-yarn.sh

• 此时是给目录设置空间限制的好时机

• 最好创建特定的Unix 用户账号以区分各Hadoop进程，及区分同一机器上的其他服务

• HDFS，MapReduce 和YARN服务通常作为独立的用户运行，分别命名为hdfs,mapred 和yarn.他们都属于同一hadoop组

• 安装hadoop

Hadoop配置

• hadoop 分发包 etc/hadoop

• HADOOP_CONF_DIR

  hadoop-env.sh
  mapred-env.sh
  yarn-env.sh
  core-site.xml
  hdfs-site.xml
  mapred-site.xml
  yarn-site.xml
  slaves
  hadoop-metrics2.properties
  log4j.properties
  hadoop-policy.xml

  
  

• 配置管理

• 集群的每个节点都各自保存一系列配置文件，推荐使用控制

• 环境设置

      fs.defaultFS 
      dfs.namenode.name.dir
      dfs.datanode.data.dir
      dfs.namenode.checkpoint.dir

   

  守护进程1000MB yarn.nodemanager.resource.memory-mb

  每个进程占用一个核

• Hadoop守护进程的地址和端口号

• yarn 和MapReduce 中的CPU设置

• 默认情况下，HDFS存储目录放在 hadoop.tmp.dir 属性设置的目录下（/tmp/hadoop-${user.name}）,需要手动更改

• yarn 和MapReduce中的内存设置

• 内存堆大小 默认各个守护进程分配1000MB内存

• 系统日志文件

• SSH设置

• hadoop 守护进程的一些关键属性

• hadoop其他属性

• 缓冲区 大小 4kB

• HDFS 块 128MB

• 回收站（额，神奇的东东）

安全性

• kerberos

• 委托令牌

看完上述内容，你们对Hadoop集群怎么构建有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注天达云行业资讯频道，感谢大家的支持。