---
title: "hadoop3.3 集群部署"
date: 2023-07-28T14:00:00+08:00
lastmod: 2026-02-03T11:00:00+08:00
keywords: []
tags: ["hadoop", "hive", "tez", "hbase", "spark"]
categories: ["hadoop"]
---

## 环境
主机名 | 地址 | 数据目录 | 组件
---- | ---- | ---- | ----
hdp-nn      | 192.168.8.1/24  | /data/hdp-nn  | Namenode
hdp-snn     | 192.168.8.2/24  | /data/hdp-snn | SecondaryNamenode
hdp-rm      | 192.168.8.3/24  | -             | ResourceManager
hdp-worker0 | 192.168.8.10/24 | /data/hdp-dn  | Datanode NodeManager
hdp-worker1 | 192.168.8.11/24 | /data/hdp-dn  | Datanode NodeManager
hive-hs     | 192.168.8.20/24 | -             | HiveServer2 Tez
hive-ms     | 192.168.8.21/24 | -             | HiveMetastore Tez

## 部署 hadoop 集群
### 服务器初始配置
- 在**全部主机**上执行如下操作
- 禁用防火墙
- 禁用 selinux
- 配置时间同步
- 配置主机名解析，修改 /etc/hosts，增加如下内容
    ```bash
    # hadoop
    192.168.8.1  hdp-nn
    192.168.8.2  hdp-snn
    192.168.8.3  hdp-dn
    192.168.8.10 hdp-worker0
    192.168.8.11 hdp-worker1
    ```

### ssh 免密登录
- 在 **hdp-nn** 配置 ssh 免密登录 hdp-nn、hdp-snn 和 hdp-workerX
    ```bash
    ssh-copy-id hdp-nn
    ssh-copy-id hdp-snn
    ssh-copy-id hdp-worker0
    ssh-copy-id hdp-worker1
    ```

- 在 **hdp-rm** 上配置 ssh 免密登录 hdp-rm 和 hdp-workerX
    ```bash
    ssh-copy-id hdp-rm
    ssh-copy-id hdp-worker0
    ssh-copy-id hdp-worker1
    ```

### 部署 jdk8 环境
- 在**全部主机**上下载**最新的 jdk8 安装包**，解压
    ```bash
    tar zxf jdk-8u471-linux-x64.tar.gz
    mv jdk1.8.0_471 /opt/jdk
    # 无需配置 jdk 环境变量
    ```

### 部署 dfs 和 yarn 集群
- 在**全部主机**上执行如下操作
- 下载 hadoop 3.3.6 部署包，解压
    ```bash
    curl -LO https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz
    tar zxf hadoop-3.3.6.tar.gz
    mv hadoop-3.3.6 /opt/hdp
    ```

- 配置 hadoop 环境变量
    ```bash
    echo 'export HADOOP_HOME=/opt/hdp' > /etc/profile.d/hdp.sh
    echo 'export PATH=$HADOOP_HOME/bin:$PATH' >> /etc/profile.d/hdp.sh
    # 不推荐把 $HADOOP_HOME/sbin 加入环境变量 PATH，避免与 spark 冲突
    source /etc/profile.d/hdp.sh
    ```

- 编辑 $HADOOP_HOME/etc/hadoop/hadoop-env.sh，指定 JAVA_HOME 环境变量和运行各组件的用户
    ```bash
    export JAVA_HOME=/opt/jdk
    export HDFS_NAMENODE_USER=root
    export HDFS_DATANODE_USER=root
    export HDFS_SECONDARYNAMENODE_USER=root
    export YARN_RESOURCEMANAGER_USER=root
    export YARN_NODEMANAGER_USER=root
    ```

- 编辑 $HADOOP_HOME/etc/hadoop/core-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <!-- namenode 的 hdfs 协议通信地址 -->
        <name>fs.defaultFS</name>
        <value>hdfs://hdp-nn:8020</value>
      </property>
      <property>
        <!-- hadoop 集群存储临时文件的目录，datanode 里建议挂载独立盘 -->
        <name>hadoop.tmp.dir</name>
        <value>/tmp/hdp</value>
      </property>
      <property>
        <!-- hive beeline 登录用户 root -->
        <name>hadoop.proxyuser.root.hosts</name>
        <value>*</value>
      </property>
      <property>
        <!-- hive beeline 登录用户 root -->
        <name>hadoop.proxyuser.root.groups</name>
        <value>*</value>
      </property>
    </configuration>
    ```

- 编辑 $HADOOP_HOME/etc/hadoop/hdfs-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <!-- namenode 元数据存放位置，可指定多个目录(用逗号分隔)实现容错 -->
        <name>dfs.namenode.name.dir</name>
        <value>/data/hdp_nn</value>
      </property>
      <property>
        <!-- secondary namenode 镜像数据存放位置，可指定多个目录(用逗号分隔)实现容错 -->
        <name>dfs.namenode.checkpoint.dir</name>
        <value>/data/hdp_snn</value>
      </property>
      <property>
        <!-- datanode 数据块存放位置，可指定多个目录(多盘，用逗号分隔)提高读写 io -->
        <name>dfs.datanode.data.dir</name>
        <value>/data/hdp_dn</value>
      </property>
      <property>
        <!-- namenode 的 Web UI 访问地址 -->
        <name>dfs.namenode.http-address</name>
        <value>hdp-nn:9870</value>
      </property>
      <property>
        <!-- secondary namenode 的主机和端口 -->
        <name>dfs.namenode.secondary.http-address</name>
        <value>hdp-snn:9868</value>
      </property>
      <property>
        <!-- hdfs 副本数量，默认3，这里设置为2，保证两个 datanode 时数据有冗余 -->
        <name>dfs.replication</name>
        <value>2</value>
      </property>
      <property>
        <!-- 启用 webhdfs api -->
        <name>dfs.webhdfs.enabled</name>
        <value>true</value>
      </property>
    </configuration>
    ```

- 编辑 $HADOOP_HOME/etc/hadoop/yarn-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
      </property>
      <property>
        <!--resourcemanager 的主机名-->
        <name>yarn.resourcemanager.hostname</name>
        <value>hdp-rm</value>
      </property>
      <property>
        <!-- resourcemanager 的 Web UI 访问地址 (默认端口8088) -->
        <name>yarn.resourcemanager.webapp.address</name>
        <value>hdp-rm:8088</value>
      </property>
      <!-- 设置 nodemanager 可用 6 核处理器
      <property>
        <name>yarn.nodemanager.resource.cpu-vcores</name>
        <value>6</value>
      </property> -->
      <!-- 设置 nodemanager 可用 12GB 内存
      <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>12288</value>
      </property> -->
      <property>
        <!-- (可选) 开启日志聚集功能，方便在Web UI上查看已完成任务的日志 -->
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
      </property>
      <property>
        <!-- (可选) 日志保留时间(7天) -->
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
      </property>
      <property>
        <!-- 使用 spark/tez 时需关闭 yarn 虚拟内存检查 -->
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
      </property>
      <property>
        <!-- 使用 spark 时需关闭 yarn 虚拟内存检查 -->
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
      </property>
    </configuration>
    ```

- 无需修改 $HADOOP_HOME/etc/hadoop/mapred-env.sh
- 编辑 $HADOOP_HOME/etc/hadoop/mapred-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
      </property>
      <property>
        <!-- MapReduce JobHistory Server 地址 -->
        <name>mapreduce.jobhistory.address</name>
        <value>hdp-rm:10020</value>
      </property>
      <property>
        <!-- MapReduce JobHistory Server Web UI 地址 (默认端口19888) -->
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hdp-rm:19888</value>
      </property>
      <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=/opt/hdp</value>
      </property>
      <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=/opt/hdp</value>
      </property>
      <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=/opt/hdp</value>
      </property>
    </configuration>
    ```

- 编辑 $HADOOP_HOME/etc/hadoop/workers，替换成全部的 worker 主机，参考内容如下
    ```
    hdp-worker0
    hdp-worker1
    ```

### 格式化 namenode
- 在 **hdp-nn** 上执行如下操作
    ```bash
    hdfs namenode -format
    ```

## 启动 hadoop 集群
- 在 **hdp-nn** 上启动 dfs 集群
    ```bash
    /opt/hdp/sbin/start-dfs.sh
    ```

- 在 **hdp-rm** 上启动 yarn 集群
    ```bash
    /opt/hdp/sbin/start-yarn.sh
    ```

- 在 **hdp-X** 上查看 java 进程
    ```bash
    /opt/jdk/bin/jps
    ```

---

## 部署 hive 集群
### 前提
- [已部署好 mysql 8](/post/mysql-install/#安装-mysql84-通用二进制包)
- 已创建好 mysql 用户机器数据库，参考 sql 如下
    ```sql
    create user hive@'%' identified by 'Hive_1234';
    create database hive default charset utf8mb4;
    grant all on hive.* to hive@'%';
    ```

### 服务器初始配置
- 在 **hive-X** 上配置主机名解析，修改 /etc/hosts，增加如下内容
    ```
    # 注意前面的 hadoop 解析记录不能删
    # hive
    192.168.8.20 hive-hs
    192.168.8.21 hive-ms
    ```

### 部署 tez 环境
- 在 **hive-X** 上下载 tez 0.10.4 安装包，解压
    ```bash
    curl -LO https://mirrors.tuna.tsinghua.edu.cn/apache/tez/0.10.4/apache-tez-0.10.4-bin.tar.gz
    tar zxf apache-tez-0.10.4-bin.tar.gz
    mv apache-tez-0.10.4-bin /opt/tez
    ```

- 在 **hive-hs** 上 put tez.tar.gz 到 hdfs
	```bash
    hdfs dfs -mkdir /tez
    hdfs dfs -put /opt/tez/share/tez.tar.gz /tez/
	```

- 在**全部主机**上修改 $HADOOP_HOME/etc/hadoop/mapred-site.xml，关闭 yarn 虚拟内存检查(已关闭)
- 在**全部主机**上创建 $HADOOP_HOME/etc/hadoop/tez-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <name>tez.lib.uris</name>
        <type>string</type>
        <value>${fs.defaultFS}/tez/tez.tar.gz</value>
      </property>
    </configuration>
    ```

- 重启 hadoop dfs 和 yarn 集群

### 部署 hive 环境
- 在 **hive-X** 上执行如下操作
- 下载 hive 4.0.1 部署包，解压
    ```bash
    curl -LO https://archive.apache.org/dist/hive/hive-4.0.1/apache-hive-4.0.1-bin.tar.gz
    tar zxf apache-hive-4.0.1-bin.tar.gz
    mv apache-hive-4.0.1-bin /opt/hive
    ```

- 下载 mysql 连接库，解压到 hive 库目录下
    ```bash
    curl -LO https://downloads.mysql.com/archives/get/p/3/file/mysql-connector-j-8.0.33.tar.gz
    tar zxf mysql-connector-j-8.0.33.tar.gz mysql-connector-j-8.0.33/mysql-connector-j-8.0.33.jar
    mv mysql-connector-j-8.0.33/mysql-connector-j-8.0.33.jar /opt/hive/lib/
    rm -rf mysql-connector-j-8.0.33*
    ```

- 配置环境变量
    ```bash
    echo 'export HIVE_HOME=/opt/hive' > /etc/profile.d/hive.sh
    echo 'export PATH=$HIVE_HOME/bin:$PATH' >> /etc/profile.d/hive.sh
    source /etc/profile.d/hive.sh
    ```

- 编辑 $HIVE_HOME/conf/hive-env.sh，指定 HADOOP_HOME 环境变量和 tez 库
    ```bash
    HADOOP_HOME=/opt/hdp
	export TEZ_HOME=/opt/tez
	export HIVE_AUX_JARS_PATH=$TEZ_HOME/lib
	export HADOOP_CLASSPATH=$TEZ_HOME:$TEZ_HOME/lib
    ```

- 创建 $HIVE_HOME/conf/hive-site.xml，参考内容如下
    ```xml
    <configuration>
      <property>
        <!-- mysql 地址 -->
        <name>javax.jdo.option.ConnectionURL</name>
        <value>jdbc:mysql://mysql-ip:3306/hive?createDatabaseIfNotExist=true&amp;useSSL=false</value>
      </property>
      <property>
        <!-- mysql 驱动 -->
        <name>javax.jdo.option.ConnectionDriverName</name>
        <value>com.mysql.cj.jdbc.Driver</value>
      </property>
      <property>
        <!-- mysql 用户 -->
        <name>javax.jdo.option.ConnectionUserName</name>
        <value>hive</value>
      </property>
      <property>
        <!-- mysql 密码 -->
        <name>javax.jdo.option.ConnectionPassword</name>
        <value>Hive_1234</value>
      </property>
      <property>
        <!-- 自动初始化 hive 库 -->
        <name>datanucleus.schema.autoCreateAll</name>
        <value>true</value>
      </property>
      <property>
        <name>hive.cli.print.header</name>
        <value>true</value>
      </property>
      <property>
        <name>hive.cli.print.current.db</name>
        <value>true</value>
      </property>
      <property>
        <!-- hive server 端口 -->
        <name>hive.server2.webui.port</name>
        <value>10002</value>
      </property>
      <property>
        <!-- 数据存储位置(hdfs) -->
        <name>hive.metastore.warehouse.dir</name>
        <value>/hive/warehouse</value>
      </property>
      <property>
        <!-- hive metastore 端口-->
        <name>hive.metastore.uris</name>
        <value>thrift://hive-ms:9083</value>
      </property>
      <property>
        <!-- hive 默认使用 tez 引擎 -->
        <name>hive.execution.engine</name>
        <value>tez</value>
      </property>
    </configuration>
    ```

### 初始化 hive
- 在 **hive-ms** 上初始化 mysql 库
    ```bash
    schematool -dbType mysql -initSchema
    ```

### 启动 hive 集群
- 在 **hive-ms** 上启动 hive metastore
    ```bash
    hive --service metastore
    ```

- 在 **hive-hs** 上启动 hive server
    ```bash
    hive --service hiveserver2
    ```

### 客户端
- beeline 连接，需要先在 $HADOOP_HOME/etc/hadoop/core-site.xml 中配置 proxyuser(已配置)
    ```bash
    beeline -u jdbc:hive2://hive-hs:10000 -n root
    ```