技术库 > 网站架构

Hadoop多用户的配置(Hadoop 2.x)

技术库:tec.5lulu.com

from:tec.5lulu.com

假设我们以名为hadoop的用户,建好了集群,见在CentOS上安装Hadoop 2.x 集群。通常,我们会把这个集群共享给多个用户,而不是让大家都登录为hadoop,这样做有几个好处:

  • 一个用户不能修改另一个用户的的文件
  • hadoop web管理页面,可以很方便的看到不同的用户的job

现在集群中有一台机器,上面有一个用户名为 hbase 的用户,他想要使用hadoop集群,怎么配置呢?

1 1. 安装hadoop客户端

1.1 下载,解压

下载跟hadoop集群一样的hadoop软件包,并解压,

$ wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.2.0/hadoop-2.2.0.tar.gz
$ tar -zxf hadoop-2.2.0.tar.gz -C ~/local/opt
$ cd ~/local/opt/hadoop-2.2.0

1.2 拷贝Hadoop集群的配置文件

Hadoop集群的配置文件全部拷贝到客户端,相当与把集群的信息告诉客户端。

$ scp -r hadoop@localhost:~/local/opt/hadoop-2.2.0/etc/hadoop ./etc/

修改conf/mapred-site.xml中的mapreduce.cluster.local.dir,改为本机上的某个目录,确保这个目录存在且有写权限。因为这个目录是本地目录,每台机器都可以不同。例如我的是:

<property>
  <name>mapreduce.cluster.local.dir</name>
  <value>/home/soulmachine/local/var/hadoop/mapred/local</value>
</property>

确保这个目录存在,

$ mkdir -p ~/local/var/hadoop/mapred/local

还有另一种方法,由于mapreduce.cluster.local.dir默认值是${hadoop.tmp.dir}/mapred/local,也可以通过修改hadoop.tmp.dir达到目的,在core-site.xml中,确保${hadoop.tmp.dir}/mapred/local存在且有写权限。

2 2. 在master上配置权限

以下操作均在hadoop集群的 namenode 这台机器上进行,且登录为hadoop,因为hadoop这个用户是整个hadoop集群权限最高的用户(但对于Linux系统本身,这个用户其实没有sudo权限)。

Hadoop关于用户权限方面,有很多高级的配置,这里我们简单的利用HDFS本身的文件权限检查机制,来配置多用户。

HDFS本身没有提供用户名、用户组的创建,在客户端调用hadoop 的文件操作命令时,hadoop 识别出执行命令所在进程的linux系统的用户名和用户组,然后使用这个用户名和组来检查文件权限。 用户名=linux命令中的whoami,而组名等于groups。

启动hadoop hdfs系统的用户即为超级用户(在这里就是名为hadoop的这个用户),可以进行任意的操作。

在客户端机器上,用gropus命令看一下hbase所在的组,

$ groups
hbase

说明hbase这个用户所在的组为hbase

2.1 为客户端用户创建home文件夹

$ hdfs dfs -mkdir /user/hbase
$ hdfs dfs -chown hbase /user/hbase
$ hdfs dfs -chgrp hbase /user/hbase

2.2 设置HDFS上的/tmp目录的权限

客户端提交job的时候,需要往/tmp里写入文件,因此最好把/tmp设置为所有用户都有可读、可写和可执行的权限。

$ hdfs dfs -chmod -R 777 /tmp

2.3 设置mapreduce.jobtracker.staging.root.dir

客户端向集群提交任务时,需要把该job需要的文件打包,拷贝到HDFS上。在拷贝之前,得先确定这些资源文件存放在HDFS的什么地方。JobTracker设置有一个工作目录(Staging area, 也称数据中转站),用来存储与每个job相关的数据。这个目录的前缀由mapreduce.jobtracker.staging.root.dir 参数来指定,默认是${hadoop.tmp.dir}/mapred/staging,每个client user可以提交多个job,在这个目录后就得附加user name的信息。所以这个工作目录(Staging area)默认是${hadoop.tmp.dir}/mapred/staging/denny/.staging/。

一般把前缀设置为/user,这是官方推荐的,见 mapred-default.xml 里的mapreduce.jobtracker.staging.root.dir处:

The root of the staging area for users’ job files In practice, this should be the directory where users’ home directories are located (usually /user)

#以hadoop用户登录jobtracker机器
$ vim conf/mapred-site.xml
<property>
  <name>mapreduce.jobtracker.staging.root.dir</name>
  <value>/user</value>
</property>

2.4 重启hadoop集群

将配置文件scp到所有机器,然后重启集群,

$ ./sbin/stop-yarn.sh
$ ./sbin/start-yarn.sh
$ ./sbin/stop-dfs.sh
$ ./sbin/start-dfs.sh

3 3. 测试一下

回到客户端机器。

将输入数据拷贝到分布式文件系统中:

$ ./bin/hdfs dfs -put /etc/hadoop input
$ ./bin/hdfs dfs -ls input

运行 Hadoop 自带的例子:

$ ./bin/$ hadoop jar $HADOOP_PREFIX/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount input output

查看输出文件:

$ hdfs dfs -lsr output
$ hdfs dfs -cat output/part-r-00000

如果能看到结果,说明这个例子运行成功。

4 (可选)将bin目录加入PATH

这样就不用每次都cd到Hadoop目录,执行命令了。

在 ~/.bashrc中添加如下4行:

export HADOOP_PREFIX=$HOME/local/opt/hadoop-2.2.0
export PATH=$PATH:$HADOOP_PREFIX/bin
alias hls="hdfs dfs -ls"

source使之立刻生效,

$ source ~/.bashrc

Hadoop多用户的配置(Hadoop 2.x)


标签: hadoop本文链接 http://tec.5lulu.com/detail/105djn2i526k98sf3.html

我来评分 :6.1
0

转载注明:转自5lulu技术库

本站遵循:署名-非商业性使用-禁止演绎 3.0 共享协议

www.5lulu.com