Hadoop常用操作

1、Hadoop安装

略

2、Hadoop配置

略

3、Hadoop多目录配置

namenode和datanode节点下都可以进行多个目录的配置，但是意义不同。namenode的多目录配置是副本策略，保证数据可靠性，datanode多目录配置是对容量进行扩容，由于datanode已经有副本机制了。

[hdfs-site.xml]

<!-- namenode多目录配置 -->
<property>
  <name>dfs.namenode.name.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/name1,file://${hadoop.tmp.dir}/dfs/name2</value>
</property>
<!-- datanode多目录配置 -->
<property>
  <name>dfs.datanode.data.dir</name>
  <value>file://${hadoop.tmp.dir}/dfs/data1,file://${hadoop.tmp.dir}/dfs/data2</value>
</property>

其中${hadoop.tmp.dir}是hadoop临时目录配置。

[core-site.xml]

<property>
  <name>hadoop.tmp.dir</name>
  <value>/home/centos/hadoop/ha</value>
</property>

4、hadoop配额管理

配额是对空间和目录个数进行限制，放置目录下的文件个数或大小过于庞大。因此配额分为空间配额和目录配额。

目录配额

限制目录所含文件或文件夹的个数。如果为1，则保持目录为空（可以认为将目录本身也包含在内）。
```
#设置配额
$>hdfs dfsadmin -setQuota 1 data
#清除配额
$>hdfs dfsadmin -clsQuota data
```
空间配额

由于每份文件都有三个副本，空间配额计算时也将副本数计算在内，加上每个数据块文件默认为128m，因此空间配额至少要指定384m的空间值。即128 * 3 = 384。
```
#该设置会出错，说至少是384m空间
$>hdfs dfsadmin -setSpaceQuota 384m data
```

5、快照

快照是对hdfs的目录进行瞬间照相，内部采用差异化存储机制。因此不会空间造成大量的消耗。这可以通过查看blockid来考察。默认情况下目录是不允许快照的，因此如果要使用该功能，还需要对特定目录先启用快照。

#启用快照
$>hfds dfsadmin -allowSnapshot data
#禁用快照
$>hfds dfsadmin -disallowSnapshot data

#创建快照
$>hdfs dfs -createSnapshot data sp1
#删除
$>hdfs dfs -deleteSnapshot data sp1
#重命名
$>hdfs dfs -renameSnapshot data sp1 sp2

注意：删除目录时，如果是可快照目录并且有快照，需要先删除快照，再删除目录。

6、元数据管理

6.1 镜像文件查看

镜像文件存放的是hdfs的元数据，是最重要的数据文件。可以通过多种格式进行查看。内容包括目录、权限、配额、数据块等信息。

#i:input o:output p:处理方式
$>hdfs oiv -i fsimage_0000000000000207400 -o ~/1.xml -p XML

6.2 编辑日志查看

对hdfs的每个写操作都会记录到编辑日志中，查看方式同镜像类似。

$>hdfs oev -i edits_0000000000000200088-00000000000002000199 -o 2.xml -p XML

6.3 镜像控制

2nn节点对nn节点会进行周期性检查，以完成元数据的备份与融合。具体可以通过以下属性进行控制：

dfs.namenode.checkpoint.period

检查周期，多长时间生成一次新的检查点，默认为3600秒，即1小时。
dfs.namenode.checkpoint.txns

操作记录数控制，默认1000,000，发生这些次操作也会生成新的检查点，即时时间不到1小时。

dfs.namenode.checkpoint.check.period

<property>
  <name>dfs.namenode.checkpoint.check.period</name>
  <value>60</value>
  <description>The SecondaryNameNode and CheckpointNode will poll the NameNode
    every 'dfs.namenode.checkpoint.check.period' seconds to query the number
    of uncheckpointed transactions.
  </description>
</property>

dfs.namenode.num.checkpoints.retained

<property>
  <name>dfs.namenode.num.checkpoints.retained</name>
  <value>2</value>
  <description>The number of image checkpoint files (fsimage_*) that will be retained by
    the NameNode and Secondary NameNode in their storage directories. All edit
    logs (stored on edits_* files) necessary to recover an up-to-date namespace from the oldest retained
    checkpoint will also be retained.
  </description>
</property>

7、旧节点下线操作

7.1 介绍

旧节点下线操作，需要通过黑白名单进行控制。下线时主要完成旧节点数据的安全转移。成功后，就可以安全下线了。hdfs的黑白名单由dfs.hosts.exclude和dfs.hosts控制，yarn的黑白名单由yarn.resourcemanager.nodes.exclude-path和yarn.resourcemanager.nodes.include-path控制。

dfs.hosts

白名单，可以连到namenode的datanode节点列表。
dfs.hosts.exclude

黑名单，不允许连接到namenode的datanode节点列表。

黑白名单组合规则：

dfs.hosts	dfs.hosts.exclude	结果
NO	NO	Not
NO	YES	Not
YES	NO	YES
YES	YES	YES并将退役

7.2 HDFS旧节点下线操作

准备黑白名单
- dfs_exclude.conf
- dfs_include.conf

配置hdfs-site.xml的黑白名单属性

[hdfs-site.xml]

<!-- 白名单 -->
<property>
  <name>dfs.hosts</name>
  <value>/soft/hadoop/etc/full/dfs_include.conf</value>
</property>
<!-- 黑名单 -->
<property>
  <name>dfs.hosts.exclude</name>
  <value>/soft/hadoop/etc/full/dfs_exclude.conf</value>
</property>

添加退役节点地址到黑名单，不要更新白名单

[dfs_exclude.conf]

s102
刷新nn
```
$>hdfs dfsadmin -refreshNodes
```
进入webui，查看退役的节点是否显式为"退役中"，开始复制数据块到其他节点。
```
http://s101:50070/
```
一旦复制完成，状态显式"Decommissioned",停止退役节点
从白名单中删除退役节点
再次刷新节点
```
$>hdfs dfsadmin -refreshNodes
```
从slaves中删除退役节点

8、HDFS新节点上线

新节点上线时，需要先配置ssh和hadoop软件包。上线实操过程如下：

配置新节点ssh和安装hadoop软件包以及配置环境变量

略
添加新地址到白名单
刷新名称节点
```
$>hdfs dfsadmin -refreshNodes
```
更新slaves文件
单独启动新节点的datanode进程
```
$>hadoop-daemon.sh start datanode
```
检查webui

9、YARN旧节点下线

准备黑白名单

yarn_exclude.conf

yarn_include.conf

配置yarn-site.xml的黑白名单属性

[yarn-site.xml]

<!-- yarn白名单 -->
<property>
  <name>yarn.resourcemanager.nodes.include-path</name>
  <value>/soft/hadoop/etc/full/yarn_include.conf</value>
</property>
<!-- yarn黑名单 -->
<property>
  <name>yarn.resourcemanager.nodes.exclude-path</name>
  <value>/soft/hadoop/etc/full/yarn_exclude.conf</value>
</property>

添加退役节点地址到黑名单，不要更新白名单

[yarn-exclude.conf]

s102
刷新yarn
```
$>yarn rmadmin -refreshNodes
```
进入webui，查看退役的节点是否显式为"退役中"，开始复制数据块到其他节点。
```
http://rm:8088/
```
一旦复制完成，状态显式"Decommissioned",停止退役节点
从白名单中删除退役节点
再次刷新节点
```
$>yarn rmadmin -refreshNodes
```
从slaves中删除退役节点

来源：https://www.cnblogs.com/xupccc/p/9655323.html

标签

HDFS

Hadoop

yarn

数据处理