配置Hadoop集群客户端

在Hadoop和Spark集群搭建好了以后，如果我们需要向集群中发送、获取文件，或者是执行MapReduce、Spark作业，通常是搭建一个外围的、集群的客户端，在这个客户端上进行操作。而不是直接在集群的NameNode或者DataNode上进行。此时，集群和客户端的结构如下图所示（简化图，没有考虑NameNode的高可用），本文将介绍如何快速搭建一个集群客户端（有时也叫gateway）。

图1. Hadoop集群和客户端结构

说明：在网络配置方面，可以遵循集群仅开放内网访问，而客户端开放外网访问，所有对集群的访问和管理，均通过客户端来完成。

Step1. 配置hosts

在这篇文章中，客户端的主机名是dc1（DataClient1的缩写，192.168.0.150），Hadoop集群中的NameNode主机名是hadoop01（192.168.0.34）。首先配置hosts让两台机器相互“认识”一下。

修改hadoop01的hosts：

# vim /etc/hosts

192.168.0.150 dc1

修改dc1的hosts：

# vim /etc/hosts

192.168.0.34 hadoop01

提示：当数据中心的服务器很多时，配置hosts可能不够方便，此时可以部署一台DNS（Domain Name Service）服务器，用于解析主机名。

Step2. 配置ssh免密码登录

请参考：linux上配置ssh实现免密登录

Step3. 复制~/.bashrc文件

除此以外，还要配置一下$HADOOP_HOME、$JAVA_HOME等环境变量。

# scp -P 60034 ~/.bashrc dc1:~/.bashrc

Step4. 安装java和hadoop

只需要将hadoop01上的Hadoop和Java文件夹复制到dc1就可以了。

# scp -P 60034 -r $HADOOP_HOME dc1:$HADOOP_HOME

# scp -P 60034 -r $JAVA_HOME dc1:$JAVA_HOME

此时，可能会疑惑，这样不是就和安装和配置Hadoop集群(3节点) 一样了，好像又往集群中添加了一台机器一样。这里最大的不同是：

1、不需要运行hadoop进程（DataNode、NameNode、ResourceManager、NodeManager等），即不需要执行start-dfs.sh/start-yarn.sh。

2、也没有修改$HADOOP_CONF_DIR/slaves文件，因此并未加入集群。而只是作为集群的客户端使用。

因为我们上面是将整个$HADOOP_HOME拷贝到了dc1，其中包含了所有的配置文件，因此，也无需再次进行配置。

Step5. 验证安装

因为我在Hadoop集群上已经放有一些测试文件，通过命令行界面，对文件进行一下获取和发送，可以验证客户端与集群工作良好。

1.从集群下载文件到客户端

# hdfs dfs -get /user/root/tmp/file1.txt ~/tmp

2.在客户端重命名后上传到集群

# mv ~/tmp/file1.txt ~/tmp/file1_2.txt
# hdfs dfs -put ~/tmp/file1_2.txt /user/root/tmp

至此，一个简单的Hadoop集群客户端就搭建好了。除了在客户端上执行HDFS的文件操作以外，还可以运行Hive，Hive本身就是一个客户端的工具。同时，也可以运行Spark的Driver程序，它是Spark集群的客户端。而Spark集群中的Worker通常是和HDFS的DataNode部署在同一台服务器上，以提升数据访问效率。

感谢阅读，希望这篇文章能给你带来帮助！