Hadoop搭建

写在最前，本文中所使用的配置是可以达到使用hadoop集群搭建的最基本配置，如果有其他需求，按照自己的需求去增加或删除配置文件即可，本文只阐述最基本用例，后期优化就靠自己啦~加油噢💪

Hadoop完全分布式安装

解压到指定文件夹

1	tar -zxvf /opt/software/hadoop.tar.gz -C /opt/module/

每一个文件的配置无外乎就两个配置内容，一个是环境变量的配置，一个是文件内的配置。而要使用的第一步，自然就是安装。我们采用的安装方法是压缩包安装，所以我们安装的第一步，是解压文件

@配置环境变量

1
2
3

vi /etc/profile
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

以上是hadoop2.7版本中环境变量需要配置的内容。

在这里再提一个Linux shell语法，可以快速查询路径：

查询当前所在路径名

pwd

但是在hadoop的3.1.3的版本中，需要加入以下内容，否则会报错。幸运的是，报错内容也会提示你如何去修改环境变量。（这是第一种配置方式，文章结尾的补充说明中，我会讲述第二种配置方式🤣当然我还是觉得这种配置起来更方便啦）

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

hadoop3.1.3版本需要加入以上内容。

全局环境变量生效

1	source /etc/profile

每次修改完环境变量需要对环境变量进行生效命令。

关于环境变量的生效，再补充一些内容。

如果当出现全局变量配置出现问题导致基础命令失效的情况——

有一个最高位的命令可以使用：

全局变量修改

1	/bin/vi /etc/profile

全局变量生效

1	./etc/profile

以上方法无法解决直接输入

1	export PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin

或者

使用最高位指令进入/etc/profile后输入

1	export PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin

@配置文件

配置文件模板

<configuration>
    <property>
        <name></name>
        <value></value>
    </property>
</configuration>

没啥用，存一个，方便复制粘贴。

#core-site.xml

vi /opt/module/hadoop/etc/hadoop/core-site.xml
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop/data</value>
    </property>
</configuration>

NameNode内部通信的端口在hadoop3.1.3版本中有三个常用端口号：8020，9000，9820，我常用的端口号是9000。需要注意的是，Clickhouse的默认端口号也是9000，所以当需要配置两个的时候，有一个需要更改端口号，否则会出现占用的情况。

hadoop.tmp.dir存储的是hadoop文件系统依赖，它有默认位置在根目录的/tmp下，但是存储于默认位置下的tmp文件是临时文件，在机器进行开关时会重置丢失文件，所以我们需要手动为它配置一个路径。我写的data文件夹是安装包不自带的，data文件在执行NameNode的初始化时会自动生成，也可以自己为它创建。

新建data文件夹

1	mkdir data

#hdfs-site.xml

vi /opt/module/hadoop/etc/hadoop/hdfs-site.xml
<configuration>
    <property>
        <name>dfs.namenode.http-address</name>
        <value>master:9870</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>slave1:9868</value>
    </property>
</configuration>

dfs.namenode.http-address是dfs namenode web ui使用的监听地址和基本端口，我这里设置的基本端口号为9870。

dfs.namenode.secondary,http-address同理是SecondaryNameNode使用的监听地址和基本端口，我这里设置的基本端口号为9868。

#yarn-site.xml

vi /opt/module/hadoop/etc/hadoop/yarn-site.xml
<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>slave2</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

yarn.reosurcemanager.hostname，如名字所示，就是用于指定resourcemanager的主机名。

yarn.nodemanager.aux-services属性用于指定在进行mapreduce作业时，yarn使用mapreduce_shuffle混洗技术。shuffle是MapReduce中重要的组成部分，工作原理这里就不进行赘述了。

具体的工作原理我放到其他文章里进行讲述，这里我们先讲配置。

#mapred-site.xml

vi /opt/module/hadoop/etc/hadoop/mapred-site.xml
<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

mapreduce.framework.name属性用于执行MapReduce作业的运行时框架。属性值可以是local，classic，yarn。什么情况下使用什么属性值，我们在其他文章里再进行讲述。

在hadoop2.7版本中，mapred-site.xml是一个模板文件，文件名为：mapred-site.xml.template，如果要进行配置，就复制模板文件，在复制的新文件中进行配置。

复制模板文件

1	cp mapred-site.xml.template mapred-site.xml

意为，复制模板文件，命名为：mapred-site.xml

#hadoop-env.sh

1 2	vi /opt/module/hadoop/etc/hadoop/hadoop-env.sh export JAVA_HOME=/opt/module/jdk

关于hadoo-env.sh，在hadoop2.7的版本中，我会配置三个.sh文件（hadoop-env.sh、yarn-env.sh、mapred-env..sh）的jdk路径，但是具体用处不太了解（等我查一查再说），在hadoop3.1.3的版本中，我尝试过不配置jdk路径，发现会报错，于是配置了hadoop-env.sh这个文件的jdk路径，解决问题。所以结论是需要配置这个文件，这个文件的具体含义等我查了再进行补充。

#wokers

vi /opt/module/hadoop/etc/hadoop/workers
master
slave1
slave2

wokers文件的原身是旧版本中的slaves，在hadoop2.7版本中，此文件名为slaves，在hadoop3.1.3版本中，此文件名为wokers，虽然更改的名字，但是文件的配置内容不发生改变。

@启动集群

#拷贝文件

scp -r /opt/module/hadoop/ slave1:/opt/module
scp -r /opt/module/hadoop/ slave2:/opt/module
scp -r /etc/profile slave1:/etc/
scp -r /etc/profile slave2:/etc/

将hadoop、环境变量拷贝到两外两个节点，同时注意另外两个节点要进行环境变量的生效。

#初始化NameNode

1
2
3

cd /opt/module/hadoop/bin
hdfs namenode -format
hadoop namenode -format

两种命令都可以进行NameNode的初始化，不过需要注意的是，根据版本不同，有一些命令可能会出现被淘汰的情况，不过目前来说，并未禁用，仍然可以继续使用，所以无伤大雅🤣

配一张格式化成功的图片

出现标红字体即代表初始化成功

需要说明的是，如果更改了根目录下的一些文件，则需要重新初始化NameNode，以保证NamNode的配置，如pid文件不会出现问题，否则，集群可能无法启动，无法使用。

#启动集群

cd /opt/module/hadoop/sbin
start-dfs.sh
start-yarn.sh
start-all.sh

需要说明的是，启动不同集群需要在配置的那台机器上进行启动，比如我的ResourceManager配置在了slave2节点上，那么我就要进入到slave2中hadoop的sbin文件夹下启动start-yarn.sh，才能正常启动ResourceManager以及NodeManager。

其中三条命令，要么选择start-dfs.sh加start-yarn.sh，要么选择start-all.sh，二选其一即可。

启动完成后，可以通过jps来查询各节点进程，正确的进程状态如下表

节点名拥有进程

master NameNode、DataNode、Jps、NodeManager

slave1 SecondaryNameNode、DataNode、Jps、NodeManager

slave2 ResourceManager、DataNode、Jps、NodeManager

进程所在节点根据不同的集群规划会在不同的地方，但是以上进程必须拥有，如果没有对应进程，则证明启动失败，需要检查日志文件、报错信息进行配置文件的修改。

节点名	拥有进程
master	NameNode、DataNode、Jps、NodeManager
slave1	SecondaryNameNode、DataNode、Jps、NodeManager
slave2	ResourceManager、DataNode、Jps、NodeManager

Hadoop伪分布式安装

有关Hadoop的伪分布式配置，就简单的提一嘴，Hadoop的伪分布式是在只有一台机器时，模拟的集群配置，所以和完全分布式配置不同的地方在于，因为只有一台机器，所以所有内容必须搭建在同一台机器，即所有节点端口，都配置在master节点上（看你仅存的节点名叫什么hhh🤣）即可。

Hadoop on Yarn(HA)

写在最前：关于HadoopHA的内容，个人理解不深，目前只能达到能做题目的水平，对配置项内的参数也并不是十分理解。此外，还需要注意的是，关于HadoopHA的后续安装，目前实测只成功了kafka、hive，失败报错flume的数据采集部分（仍未解决）😭😭。

Hadoop 的HA有两个前置环境需要安装，第一个是JAVA环境，第二个是Zookeeper环境。

JAVA环境在第一章中我们已经进行过了配置，这里就不再赘述。接下来我们来配置i所需要的第二种环境——

Zookeeper配置

解压文件

1	tar -zxvf /opt/software/zookeeper.tar.gz -C /opt/module/

解压压缩包到指定文件夹中。

@配置环境变量

vi /etc/profile
export ZOOKEEPER_HOME=/opt/module/apache-zookeeper
export PATH=$PATH:$ZOOKEEPER_HOME/bin
source /etc/profile

@配置文件

#myid

1
2
3

cd /opt/module/apache-zookeeper
mkdir data
echo 1 > data/myid

对于zookeeper，首先是每个节点的myid值，这个myid值再进行文件拷贝后，需要在不同的节点写上不同的值，值必须和zoo.cfg文件中server.x中x的值相同，注意对应节点。我的配置下，master节点为1，slave1节点为2，slave2节点为3。

#zoo.cfg

cd /opt/module/apche-zookeeper/conf
cp zoo_sample.cfg zoo.cfg
vi /opt/module/apache-zookeeper/zoo.cfg
dataDir=/opt/module/apache-zookeeper/data
server.1=master:2888:3888
server.2=slave1:2888:3888
server.3=slave2:2888:3888

首先进入到zookeeper的conf文件夹下，conf文件夹下有一个zoo_sample.cfg文件，我们需要对这个进行修改，但是同样的，这个文件也只是一个模板文件，所以在进行修改配置之前，我们要先拷贝此文件。

zoo.cfg文件的修改内容为两处——

dataDir，这条属性存储的是zookeeper各个节点的myid值，路径设置为zookeeper根目录下的data文件夹，也就是指向myid值即可

server.x=ip:2888:3888，这条属性就是对应myid的值，x即你在当前节点下myid所需要配置的值，ip可以是IP名也可以是IP地址，具体是什么，可以具体情况都试试看（🤣），因为曾经出现过IP名报错，但是IP地址可以使用的情况，但是hhh网上的都说不可以用IP地址，唔，具体原因还没有研究过，等后面再研究了看。

@启动集群

1
2
3

cd /opt/module/apache-zookeeper/bin
zkServer.sh start
zkServer.sh status

zookeeper的启动是有说法的，这个原理关系到zookeeper的选举机制。这里就先不进行赘述了。主要分为两个进程——Mode：follower和Mode：Leader。

同时还有一个需要注意的地方，zookeeper的启动需要三台同时启动，这个可以借助Xshell工具或者是自主编写脚本，或者另一种方式是单节点的一台一台启动。其中启动实践应该是控制在30000ms以内（还没找到具体的时间要求，但是很久以前好像在哪里看到过）。根据zookeeper的选举机制，第一台和第三台启动的节点为follow节点，第二台启动的节点为leader节点。

可以通过

查询状态

1	zkServer.sh status

启动完成后jps查询

节点名称进程状态

master Mode：follower

slave1 Mode：leader

slave2 Mode：follower

zookeeper正常启动后进程状态如上表所示，注意：jps查询不会有结果

节点名称	进程状态
master	Mode：follower
slave1	Mode：leader
slave2	Mode：follower

HadoopHA部署

解压文件

1	tar -zxvf /opt/software/hadoop-3.1.3 -C /opt/module/

@配置环境变量

这里配置的版本是hadoop-3.1.3，所以环境变量中多出来的七项，在hadoop-2.7版本中不需要配置

vi /etc/profile
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/bin
//以下是hadoop-3.1.3版本中需要额外配置的，这些配置内容还可以配置在启动文件或者是hadoop-env.sh中
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
//以下是hadoop-3.1.3版本中HA所需要的新配置内容
export HDFS_ZKFC_USER=root
export HDFS_JOURNALNODE_USER=root

以上内容在启动时，如果没有配置或是配置有误，会error报错提示，但是，这里推荐配置好，不要到时候再进行修改，可能会出现解决不了报错问题。

@配置文件

#hadoop-env.sh

1 2	vi /opt/module/hadoop-3.1.3/etc/hadoop/hadoop-env.sh export JAVA_HOME=/opt/module/jdk

#core-site.xml

vi /opt/module/hadoop-3.1.3/etc/hadoop/
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://mycluster</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/dfs/tmp</value>
    </property>
    <property>
        <name>ha.zookeeper.quorum</name>
        <value>master:2181,slave1:2181,slave2:2181</value>
    </property>
 
    <!-- 👇❌ -->
 
    <property>
        <name>io.file.buffer.size</name>
        <value>131072</value>
    </property>
    <property>
        <name>hadoop.proxyuser.root.hosts</name>
        <value>*</value>
    </property>
    <property>
        <name>hadoop.proxyuser.root.groups</name>
        <value>*</value>
    </property>
    <property>
        <name>hadoop.proxyuser.root.users</name>
        <value>*</value>
    </property>
</configuration>

fs.defaultFS：Hadoop FS 客户端使用的默认路径

hadoop.tmp.dir：Hadoop临时文件路径

ha.zookeeper.quorum：配置zk集群

dfs.journalnode.edits.dir：JournalNode守护进程将存储其本地状态的路径

io.file.buffer.size：SequenceFiles中使用的读/写缓冲区的大小

hadoop.proxyuser.root.hosts：配置允许访问的主机

hadoop.proxyuser.root.groups：配置允许访问的用户组

hadoop.proxyuser.root.users：配置运行访问的用户

#hdfs-site.xml

vi /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml
<configuration>
    <property>
        <name>dfs.nameservices</name>
        <value>mycluster</value>
    </property>
    <property>
        <name>dfs.ha.namenodes.mycluster</name>
        <value>nn1,nn2</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.mycluster.nn1</name>
        <value>master:8020</value>
    </property>
    <property>
        <name>dfs.namenode.rpc-address.mycluster.nn2</name>
        <value>slave1:8020</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.mycluster.nn1</name>
        <value>master:9870</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.mycluster.nn2</name>
        <value>slave1:9870</value>
    </property>
    <property>
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://master:8485;slave1:8485;slave2:8485/mycluster</value>
    </property>
    <property>
        <name>dfs.journalnode.edits.dir</name>
        <value>/opt/module/hadoop-3.1.3/data/jn</value>
    </property>
    <property>
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>dfs.client.failover.proxy.provider.mycluter</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>
    <property>
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence
            shell(/bin/bash)
        </value>
    </property>
    <property>
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/root/.ssh/id_rsa</value>
    </property>
 
    <!-- 👇❌ -->
 
    <property>
        <name>dfs.ha.fencing.ssh.connection-timeout</name>
        <value>30000</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/opt/module/hadoop-3.1.3/dfs/data</value>
    </property>
    <property>
        <name>dfs.blocksize</name>
        <value>268435456</value>
    </property>
    <property>
        <name>dfs.namenode.handler.count</name>
        <value>100</value>
    </property>
</configuration>

dfs.nameservices：nameservices逻辑名称

dfs.ha.namenodes.mycluster：nameservices服务中每个NameNode的唯一标识符

dfs.ha.namenode.rpc-address.mycluster.nnX：nnX NameNode监听的完全限定的RPC地址

dfs.ha.namenode.http-address.mycluster.nnX：nnX NameNode监听的完全限定的HTTP地址

dfs.namenode.shared.edits.dir：标识NameNode 将在其中写入/读取编辑的 JN 组的URL

dfs.client.failover.proxy.provider.mycluster：HDFS客户端用来联系Active NameNode的Java类

dfs.ha.fencing.methods：一个脚本或JAVA类的列表，将在故障转移期间用于隔离Active NameNode

dfs.ha.fencing.ssh.private-key-files：SSH 到 Active NameNode 并终止进程

dfs.ha.fencing.ssh.connect-timeout：SSH连接超时时长(毫秒)

dfs.ha.automatic-failover.enabled：开启自动故障转移

dfs.replication：Hadoop的副本数量，默认为3

dfs.namenode.name.dir：在本地文件系统所在的NameNode的存储空间和持续化处理日志

dfs.datanode.data.dir：在本地文件系统所在的DataNode的存储空间和持续化处理日志

dfs.blocksize：用于大型文件系统的 HDFS 块大小为 256MB

dfs.namenode.handler.count：NameNode 服务器线程来处理来自大量DataNode 的 RPC

#yarn-site.xml

vi /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml
<configuration>
    <property>
          <name>yarn.nodemanager.aux-services</name>
          <value>mapreduce_shuffle</value>
    </property>
    <property>
          <name>yarn.resourcemanager.ha.enabled</name>
          <value>true</value>
    </property>
    <property>
          <name>yarn.resourcemanager.cluster-id</name>
          <value>RMcluster</value>
    </property>
    <property>
          <name>yarn.resourcemanager.ha.rm-ids</name>
          <value>rm1,rm2</value>
    </property>
    <property>
          <name>yarn.resourcemanager.hostname.rm1</name>
          <value>master</value>
    </property>
    <property>
          <name>yarn.resourcemanager.hostname.rm2</name>
          <value>slave1</value>
    </property>
    <property>
          <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
          <name>yarn.nodemanager.vmem-check-enabled</name>
          <value>false</value>
    </property>
    <property>
          <name>hadoop.zk.address</name>
          <value>master:2181,slave1:2181,slave2:2181</value>
    </property>
 
    <!-- 👇❌ -->
 
    <property>
          <name>yarn.scheduler.minimum-allocation-mb</name>
          <value>1024</value>
    </property>
    <property>
          <name>yarn.scheduler.maximum-allocation-mb</name>
          <value>4096</value>
    </property>
    <property>
          <name>yarn.nodemanager.resource.cpu-vcores</name>
          <value>5</value>
    </property>
    <property>
          <name>yarn.resourcemanager.ha.enabled</name>
          <value>true</value>
    </property>
    <property>
          <name>yarn.resourcemanager.webapp.address.rm1</name>
          <value>master:8088</value>
    </property>
    <property>
          <name>yarn.resourcemanager.webapp.address.rm2</name>
          <value>slave1:8088</value>
    </property>
</configuration>

yarn.scheduler.minimum-allocation-mb：在资源管理器中分配给每个容器请求的最小内存限制。以 MB 为单位

yarn.scheduler.maximum-allocation-mb：在资源管理器中分配给每个容器请求的最大内存限制。以 MB 为单位

yarn.nodemanager.resource.cpu-vcores：可以为容器分配的 vcore 数量，这不用于限制 YARN 容器使用的物理内核数。默认为8

yarn.resourcemanager.ha.enabled：启用 RM HA

yarn.resourcemanager.cluster-id：标识集群。选举人使用它来确保 RM 不会接管另一个集群的活动

yarn.resourcemanager.ha.rm-ids：RM 的逻辑 ID 列表

yarn.resourcemanager.hostname.rmX：指定 RM逻辑id,rmX对应的主机名

yarn.resourcemanager.webapp.address.rmX：指定 RM逻辑id,rmX对应的web地址

hadoop.zk.address：指定hadoop集群

#mapred-site.xml

vi /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml
<configuration>
    <property>
          <name>mapreduce.framework.name</name>
          <value>yarn</value>
    </property>
 
    <!-- 👇❌ -->
 
    <property>
          <name>yarn.app.mapreduce.am.env</name>
          <value>HADOOP_MAPRED_HOME=/opt/module/hadoop-3.1.3</value>
    </property>
    <property>
          <name>mapreduce.map.env</name>
          <value>HADOOP_MAPRED_HOME=/opt/module/hadoop-3.1.3</value>
    </property>
    <property>
          <name>mapreduce.reduce.env</name>
          <value>HADOOP_MAPRED_HOME=/opt/module/hadoop-3.1.3</value>
    </property>
    <property>
          <name>mapreduce.map.memory.mb</name>
          <value>2048</value>
    </property>
    <property>
          <name>mapreduce.map.java.opts</name>
          <value>-Xmx1536M</value>
    </property>
    <property>
          <name>mapreduce.reduce.memory.mb</name>
          <value>4096</value>
    </property>
    <property>
          <name>mapreduce.map.java.opts</name>
          <value>-Xmx2560M</value>
    </property>
    <property>
          <name>mapreduce.jobhistory.address</name>
          <value>master:10020</value>
    </property>
    <property>
          <name>mapreduce.jobhistory.webapp.address</name>
          <value>master:19888</value>
    </property>
    <property>
          <name>mapreduce.jobhistory.intermediate-done-dir</name>
          <value>/mr-history/tmp</value>
    </property>
    <property>
          <name>mapreduce.jobhistory.done-dir</name>
          <value>/mr-history/done</value>
    </property>
</configuration>

mapreduce.framework.name：执行框架设置为 Hadoop YARN

mapreduce.map.memory.mb：mapreduce.map.memory.mb

mapreduce.map.java.opts：map任务子jvm的堆大小

mapreduce.reduce.memory.mb：reduce任务的资源限制

mapreduce.map.java.opts：reduce任务子jvm的堆大小

mapreduce.jobhistory.address：MapReduce JobHistory 服务器主机：端口

mapreduce.jobhistory.webapp.address：MapReduce JobHistory Server Web UI主机：端口

mapreduce.jobhistory.intermediate-done-dir：MapReduce 作业写入历史文件的目录

mapreduce.jobhistory.done-dir：历史文件由 MR JobHistory Server 管理的目录

#workers

vi /opt/module/hadoop-3.1.3/etc/hadoop/workers
master
slave1
slave2

@启动集群

分发节点
启动JournalNode（3台节点）

1	hdfs --daemon start journalnode

格式化namenode

1	hdfs namenode -format

格式化zkfc

1	hdfs zkfc -formatZK

启动集群

1	start-all.sh

备用NameNode复制元数据目录（2台分节点）

1 2	hdfs namenode -bootstrapStandby hdfs --daemon start namenode

查看所有NameNode状态

1	hdfs haadmin -getAllServiceState

运行Pi程序测试

1	yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar pi 10 10

重启master namenode

1 2	hdfs --daemon start namenode hdfs haadmin -getServiceState nn1

本文采用署名-非商业性使用-相同方式共享 4.0 国际许可协议，转载请注明出处。