Hadoop核心架構(gòu)淺析及集群部署的設(shè)計與實現(xiàn)

摘 要 隨著大數(shù)據(jù)應(yīng)用的如火如荼，各種大數(shù)據(jù)技術(shù)業(yè)層出不窮，其中以Hadoop技術(shù)為核心的大數(shù)據(jù)存儲和計算解決方案受到越來越廣泛的好評，成功案例也越來越多。在這種背景下，本文介紹了Hadoop的核心架構(gòu)并用實驗的方式對Hadoop集群的部署給出了設(shè)計方案。

【關(guān)鍵詞】Hadoop 架構(gòu) 集群部署

Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎(chǔ)架構(gòu)，其前身為本世紀(jì)初Apache研發(fā)出的Nutch。簡單來說，Hadoop就是一個搜索引擎，其可以為人們的各種搜索需要提供與之相對應(yīng)的搜索工具，而谷歌公司發(fā)表的關(guān)于谷歌文件系統(tǒng)的論文，則是谷歌公司首次向世人展示了這一集數(shù)據(jù)搜索功能、數(shù)據(jù)存儲功能等于一身的專用文件系統(tǒng)。Nutch創(chuàng)始人緊隨其后，通過學(xué)習(xí)和借鑒谷歌公司發(fā)布的技術(shù)論文，重新開發(fā)出了分布式文件系統(tǒng)，并將其命名為NDFS。此舉則使得Google在該領(lǐng)域加大了研究力度，其在隨后發(fā)表的MapReduce即編程模型論文當(dāng)中，展示了該模型強大的分析和運算能力，其可以同時完成超過1TB的數(shù)據(jù)集分析與運算。次年，Nutch創(chuàng)始人以MapReduce為基礎(chǔ)，依托Nutch搜索引擎，同樣實現(xiàn)了大容量數(shù)據(jù)集的分析和運算。直到2006年雅虎公司聘用Nutch創(chuàng)始人，使得NDFS以及MapReduce被正式統(tǒng)一命名為Hadoop。

1 Hadoop核心技術(shù)架構(gòu)

Hadoop作為分布式文件系統(tǒng)的一種，除了具備強大的存儲功能之外，其通過大量計算設(shè)備，使得系統(tǒng)可以在大型集群上完成分布式應(yīng)用的有效執(zhí)行。事實上，在Hadoop的當(dāng)中，HDFS和MapReduce占據(jù)著最為重要的地位，但其只是一種基礎(chǔ)理論，缺乏足夠的應(yīng)用性。

1.1 HDFS文件系統(tǒng)

HDFS文件系統(tǒng)具有高容錯性，適用于價格較為低廉的機器，而其提供的數(shù)據(jù)訪問具備較高的吞吐量，因此對于大型數(shù)據(jù)集的應(yīng)用程序而言無疑是一利好消息。

在 Hadoop軟件框架當(dāng)中，HDFS雖然身處最底層，但是其傳輸和容錯較高的特性使其能夠輕松完成全部存儲節(jié)點文件的存儲工作，在對文件系統(tǒng)數(shù)據(jù)進行訪問時，也支持流形式，使得管理大量信息數(shù)據(jù)的工作變得更加輕松和高效，如圖1所示，管理者、工作者是組成Hadoop集群最為關(guān)鍵的兩大部分（如圖1）。

1.2 MapReduce軟件框架

在Hadoop當(dāng)中，分布式處理機制（MapReduce）是其十分重要的一項技術(shù)。其組成要素分別JobTracker 和TaskTracker，前者為 Hadoop集群當(dāng)中獨一無二的應(yīng)用程序，負責(zé)啟動并控制單個主系統(tǒng)上與之相對應(yīng)的對象，提交應(yīng)用程序后將負責(zé)直接提供輸入目錄、輸出目錄。TaskTracker的數(shù)量眾多，其充當(dāng)著執(zhí)行者的身份，在執(zhí)行完JobTracker各項命令后會直接向其反饋本地節(jié)點狀態(tài)。

MapReduce會采用分化的方式，將原本十分龐大的數(shù)據(jù)分析劃分成若干個小塊，在對每一個小塊進行分析之后將最終獲得的數(shù)據(jù)進行匯總，進而得到最終的分析結(jié)果。而Hadoop出現(xiàn)使得人們通過編寫極為簡單的需求命令，便可以完成相關(guān)數(shù)據(jù)的有效獲取。

2 Hadoop集群部署

2.1 安裝環(huán)境準(zhǔn)備

2.1.1 硬件環(huán)境準(zhǔn)備

我們的集群部署環(huán)境選擇四臺PC服務(wù)器，每臺服務(wù)器裝有紅帽LINUX操作系統(tǒng)，并配有8GB 內(nèi)存和40GB 的存儲。通過局域網(wǎng)實現(xiàn)四臺服務(wù)器之間的互聯(lián)， 其中主節(jié)點一臺 ，從節(jié)點共有三臺。在每一臺服務(wù)器上都需要完成 Hadoop 用戶的建立，由此完成所有 Hadoop操作。

注意Hadoop 是用 Java 語言開發(fā)的分布式計算框架，所以每臺服務(wù)器需要安裝JDK。

另外，Hadoop 集群在運行時需要通過 ssh免密碼服務(wù)來進行通信。

2.1.2 配置 Hadoop 文件

考慮到Hadoop 擁有不同的版本，本文最終選擇使用具有較好穩(wěn)定性的 Hadoop 2.2.0。 在將安裝文件下載并保存至主節(jié)點之后，在相關(guān)目錄下配置 Hadoop 文件。其配置過程如下所示：

（1） 對從節(jié)點進行配置。在將文件打開之后將 slave1，slave2，slave3加入其中。

（2） 配置hadoop環(huán)境變量腳本Hadoop-env.sh。修改 JAVA_HOME值： export JAVA_HOME = /usr/local/java/jdk1.8.0_25

（3）對yarn環(huán)境變量腳本yarn-env.sh進行配置。將JAVAHOME值修改為xport JAVA_HOME=/usr/local/java/jdk1.8.0_25

（4）對目錄當(dāng)中的xml 文件（共計四個）進行修改。

最后，將 Hadoop 文件通過 scp 命令發(fā)送到各個從結(jié)點。這樣，就完成了 Hadoop 集群的部署。

3 結(jié)語

Hadoop是一種主流的大數(shù)據(jù)技術(shù)，本文通過對 Hadoop及其關(guān)鍵技術(shù)進行簡要分析研究，分別從理論和實踐兩個角度，對 Hadoop技術(shù)進行全面展示，這證明其具有強大的信息數(shù)據(jù)存儲、分析和處理能力。

參考文獻

[1]TomWhite.Hadoop權(quán)威指南（2版）[M].北京：清華大學(xué)出版社，2011：15-73，167-188.

[2]TomWhite.HadoopTheDefinitiveGuide2ndEdition[M].Oreilly，2010：41-73，167-188.

[3]JasonVenner.ProHadoop[M].Apress，2009：27-53.

作者簡介

韓健（1982-），男，北京市人。碩士研究生。工程師。研究方向為大數(shù)據(jù)和數(shù)據(jù)挖掘。

作者單位

中國民生銀行總行 北京市 100031endprint