分享

Hadoop集群搭建完毕后,如何测试是否正常工作?

问题导读
1、你如何解决Hadoop问题的?
2、Hadoop集群搭建的重点问题有哪些?
3、Hadoop集群搭建完毕后,如何测试是否正常工作?






最近,要在沙箱的环境装一个hadoop的集群,用来建索引所需,装hadoop已经没啥难的了,后面,散仙会把重要的配置信息,贴出来,本次装的hadoop版本是hadoop1.2的版本,如果不知道怎么装的,可以参考 这篇文章,安装的具体步骤,散仙在这里不在重述,重点在于hadoop-nd,hadoop-dd,tmp目录的配置,下面是配置文件的示例:



core-site.xml的配置:
  1. <configuration>
  2.         <property>
  3.                 <name>fs.default.name</name>
  4.                 <value>hdfs://h1:8020</value>
  5.         </property>
  6.         <property>
  7.                 <name>io.compression.codecs</name>
  8.                 <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress
  9. .SnappyCodec</value>
  10.                 <final>true</final>
  11.         </property>
  12. </configuration>
复制代码
         

hdfs-site.xml的配置:
  1. <configuration>
  2.         <property>
  3.                 <name>fs.default.name</name>
  4.                 <value>hdfs://h1:8020</value>
  5.         </property>
  6.         <property>
  7.                 <name>dfs.block.size</name>
  8.                 <value>134217728</value>
  9.         </property>
  10.         <property>
  11.                 <name>dfs.namenode.handler.count</name>
  12.                 <value>10</value>
  13.         </property>
  14.         <property>
  15.                 <name>dfs.replication</name>
  16.                 <value>1</value>
  17.         </property>
  18.         <property>
  19.                 <name>dfs.name.dir</name>
  20.                 <value>/home/search/hadoop-nd</value>
  21.         </property>
  22.         <property>
  23.                 <name>dfs.data.dir</name>
  24.                 <value>/home/search/hadoop-dd</value>
  25.         </property>
  26.         <property>
  27.                 <name>dfs.tmp.dir</name>
  28.                 <value>/home/search/tmp</value>
  29.         </property>
  30.         <property>
  31.                 <name>dfs.web.ugi</name>
  32.                 <value>search,search</value>
  33.         </property>
  34.         <property>
  35.                 <name>dfs.balance.bandwidthPerSec</name>
  36.                 <value>10485760</value>
  37.         </property>
  38.         <property>
  39.                 <name>dfs.support.append</name>
  40.                 <value>true</value>
  41.         </property>
  42.         <property>
  43.                 <name>dfs.permissions</name>
  44.                 <value>false</value>
  45.         </property>
  46. </configuration>
复制代码


mapred-site.xml的配置:
  1. <configuration>
  2.         <property>
  3.                 <name>mapred.job.tracker</name>
  4.                 <value>h1:8021</value>
  5.         </property>
  6.         <property>
  7.                 <name>mapred.tasktracker.map.tasks.maximum</name>
  8.                 <value>2</value>
  9.         </property>
  10.         <property>
  11.                 <name>mapred.tasktracker.reduce.tasks.maximum</name>
  12.                 <value>2</value>
  13.         </property>
  14.         <property>
  15.                 <name>mapred.map.child.java.opts</name>
  16.                 <value>-Xmx512M</value>
  17.         </property>
  18.         <property>
  19.                 <name>mapred.reduce.child.java.opts</name>
  20.                 <value>-Xmx512M</value>
  21.         </property>
  22. </configuration>
复制代码

hadoop-env.sh,看情况配置,第一次安装需要配置JDK的路径

下面说重点问题:

集群,安装完毕后,
(1)先使用jps命令,查看所有的hadoop进程是否,启动正常,如果没有全部启动,需要查看,对应的log信息。
(2)如果进程都正常,可以访问对应的端口信息,在Web上查看集群页面信息
(3)如果页面上也正常,这时候,我们需要跑一个基准测试来真正的校验下,集群的计算情况,基准测试主要测试两个方面,一个是生成文件,测的是Map的运行情况,一个是排序输出,测的是Reduce的运行情况,针对hadoop1.2.x的版本我们可以使用如下的命令进行基准测试,注意需要进入到hadoop的根目录:

生成数据文件
1,hadoop jar hadoop-examples-1.2.1.jar teragen 10000000 input
排序输出
2, hadoop jar hadoop-examples-1.2.1.jar terasort  input output


如果是hadoop2.x,需要使用如下方式跑基准:
  1. (1)./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar randomwriter rand
  2. (2)./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar sort rand sort-rand
复制代码

第一个命令会在rand 目录的生成没有排序的数据。第二个命令会读数据,排序,然后写入rand-sort 目录


基准测试,正是验证hadoop集群是否工作正常的一个非常重要的手段,散仙,运行之后,发现生成文件时,没有问题,而使用排序的基准时,发现reduce卡死现象,map100%之后,reduce一直不动,内存,Cpu等资源是充足的,然后看查看log,发现读取的映射地址有问题,在web页面上查看reduce的执行情况,发现解析地址错误:
1.jpg



注意上图做下面的地址,正常的情况,这个链接应该是本机IP的某个地址下的,但现在解析成这样,肯定获取不到数据,在reduce阶段,要拉取所有节点上的数据,进行排序,如果拉取中,出现网络异常,那么程序一直阻塞,重试,导致reduce阶段,失败,或出现运行缓慢的情况下,找到大致原因后,回到linux上,查看主机名,/etc/hosts的配置
,并使用ping命令,ping自己的主机名,或者在hosts文件里,相对应的主机名,并查看DNS的解析名,是否正常,确定无误后,把hosts文件,同步到集群上的其他机器上,确保一致,然后关掉集群,重启格式化,重启,再跑次,基准测试,运行正常:
  1. [search@apsaras-server5 ~/hadoop]$ hadoop jar hadoop-examples-1.2.1.jar terasort  input output
  2. 14/10/28 15:23:29 INFO terasort.TeraSort: starting
  3. 14/10/28 15:23:29 INFO mapred.FileInputFormat: Total input paths to process : 2
  4. 14/10/28 15:23:29 WARN snappy.LoadSnappy: Snappy native library is available
  5. 14/10/28 15:23:29 INFO util.NativeCodeLoader: Loaded the native-hadoop library
  6. 14/10/28 15:23:29 INFO snappy.LoadSnappy: Snappy native library loaded
  7. 14/10/28 15:23:29 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
  8. 14/10/28 15:23:29 INFO compress.CodecPool: Got brand-new compressor
  9. Making 1 from 100000 records
  10. Step size is 100000.0
  11. 14/10/28 15:23:30 INFO mapred.FileInputFormat: Total input paths to process : 2
  12. 14/10/28 15:23:30 INFO mapred.JobClient: Running job: job_201410281520_0002
  13. 14/10/28 15:23:31 INFO mapred.JobClient:  map 0% reduce 0%
  14. 14/10/28 15:23:41 INFO mapred.JobClient:  map 25% reduce 0%
  15. 14/10/28 15:23:42 INFO mapred.JobClient:  map 75% reduce 0%
  16. 14/10/28 15:23:51 INFO mapred.JobClient:  map 100% reduce 0%
  17. 14/10/28 15:23:55 INFO mapred.JobClient:  map 100% reduce 16%
  18. 14/10/28 15:23:58 INFO mapred.JobClient:  map 100% reduce 66%
  19. 14/10/28 15:24:01 INFO mapred.JobClient:  map 100% reduce 72%
  20. 14/10/28 15:24:04 INFO mapred.JobClient:  map 100% reduce 75%
  21. 14/10/28 15:24:07 INFO mapred.JobClient:  map 100% reduce 79%
  22. 14/10/28 15:24:11 INFO mapred.JobClient:  map 100% reduce 82%
  23. 14/10/28 15:24:14 INFO mapred.JobClient:  map 100% reduce 86%
  24. 14/10/28 15:24:17 INFO mapred.JobClient:  map 100% reduce 89%
  25. 14/10/28 15:24:20 INFO mapred.JobClient:  map 100% reduce 92%
  26. 14/10/28 15:24:23 INFO mapred.JobClient:  map 100% reduce 96%
  27. 14/10/28 15:24:26 INFO mapred.JobClient:  map 100% reduce 99%
  28. 14/10/28 15:24:27 INFO mapred.JobClient:  map 100% reduce 100%
  29. 14/10/28 15:24:29 INFO mapred.JobClient: Job complete: job_201410281520_0002
  30. 14/10/28 15:24:29 INFO mapred.JobClient: Counters: 31
  31. 14/10/28 15:24:29 INFO mapred.JobClient:   Job Counters
  32. 14/10/28 15:24:29 INFO mapred.JobClient:     Launched reduce tasks=1
  33. 14/10/28 15:24:29 INFO mapred.JobClient:     SLOTS_MILLIS_MAPS=74679
  34. 14/10/28 15:24:29 INFO mapred.JobClient:     Total time spent by all reduces waiting after reserving slots (ms)=0
  35. 14/10/28 15:24:29 INFO mapred.JobClient:     Total time spent by all maps waiting after reserving slots (ms)=0
  36. 14/10/28 15:24:29 INFO mapred.JobClient:     Rack-local map tasks=3
  37. 14/10/28 15:24:29 INFO mapred.JobClient:     Launched map tasks=8
  38. 14/10/28 15:24:29 INFO mapred.JobClient:     Data-local map tasks=5
  39. 14/10/28 15:24:29 INFO mapred.JobClient:     SLOTS_MILLIS_REDUCES=45667
  40. 14/10/28 15:24:29 INFO mapred.JobClient:   File Input Format Counters
  41. 14/10/28 15:24:29 INFO mapred.JobClient:     Bytes Read=1000024576
  42. 14/10/28 15:24:29 INFO mapred.JobClient:   File Output Format Counters
  43. 14/10/28 15:24:29 INFO mapred.JobClient:     Bytes Written=1000000000
  44. 14/10/28 15:24:29 INFO mapred.JobClient:   FileSystemCounters
  45. 14/10/28 15:24:29 INFO mapred.JobClient:     FILE_BYTES_READ=2040001344
  46. 14/10/28 15:24:29 INFO mapred.JobClient:     HDFS_BYTES_READ=1000025344
  47. 14/10/28 15:24:29 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=3060519016
  48. 14/10/28 15:24:29 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=1000000000
  49. 14/10/28 15:24:29 INFO mapred.JobClient:   Map-Reduce Framework
  50. 14/10/28 15:24:29 INFO mapred.JobClient:     Map output materialized bytes=1020000048
  51. 14/10/28 15:24:29 INFO mapred.JobClient:     Map input records=10000000
  52. 14/10/28 15:24:29 INFO mapred.JobClient:     Reduce shuffle bytes=1020000048
  53. 14/10/28 15:24:29 INFO mapred.JobClient:     Spilled Records=30000000
  54. 14/10/28 15:24:29 INFO mapred.JobClient:     Map output bytes=1000000000
  55. 14/10/28 15:24:29 INFO mapred.JobClient:     Total committed heap usage (bytes)=1232338944
  56. 14/10/28 15:24:29 INFO mapred.JobClient:     CPU time spent (ms)=79710
  57. 14/10/28 15:24:29 INFO mapred.JobClient:     Map input bytes=1000000000
  58. 14/10/28 15:24:29 INFO mapred.JobClient:     SPLIT_RAW_BYTES=768
  59. 14/10/28 15:24:29 INFO mapred.JobClient:     Combine input records=0
  60. 14/10/28 15:24:29 INFO mapred.JobClient:     Reduce input records=10000000
  61. 14/10/28 15:24:29 INFO mapred.JobClient:     Reduce input groups=10000000
  62. 14/10/28 15:24:29 INFO mapred.JobClient:     Combine output records=0
  63. 14/10/28 15:24:29 INFO mapred.JobClient:     Physical memory (bytes) snapshot=1721982976
  64. 14/10/28 15:24:29 INFO mapred.JobClient:     Reduce output records=10000000
  65. 14/10/28 15:24:29 INFO mapred.JobClient:     Virtual memory (bytes) snapshot=10064424960
  66. 14/10/28 15:24:29 INFO mapred.JobClient:     Map output records=10000000
  67. 14/10/28 15:24:29 INFO terasort.TeraSort: done
复制代码


总结:

关于散仙这个异常的原因,就是因为hosts文件的配置的映射名,太多了,并且本机的host名没有配置,和其他的机器上的hosts文件也不大一致,导致了上述问题的发生,出现问题时,我们就从日志下手,找到相关的蛛丝马迹然后一点点解决,

已有(1)人评论

跳转到指定楼层
hb1984 发表于 2014-12-15 11:57:36
谢谢楼主分享。         
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条