大数据之Hadoop3(4)

[root@hadoop100 ~]# chown ovo:ovo /opt/module 
[root@hadoop100 ~]# chown ovo:ovo /opt/software

• 3.查看module、software文件夹的所有者和所属组

[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12
drwxr-xr-x. 2 ovo ovo 4096 10月  24 17:18 module
drwxr-xr-x. 2 root    root    4096 10月   7 2017 rh
drwxr-xr-x. 2 ovo ovo 4096 10月  24 17:18 software

6）卸载虚拟机自带的JDK 。注意：如果你的虚拟机是最小化安装不需要执行这一步。

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps 

• rpm -qa：查询所安装的所有rpm软件包
• grep -i：忽略大小写
• xargs -n1：表示每次只传递一个参数
• rpm -e –nodeps：强制卸载软件

7）重启虚拟机

[root@hadoop100 ~]# reboot

1.2 克隆虚拟机

1）利用模板机hadoop100，克隆三台虚拟机：hadoop102 hadoop103 hadoop104

注意：克隆时，要先关闭hadoop100

• 关机后，右键 》 管理 》 克隆
  
• 选择创建完整克隆
  - 修改虚拟机名称
  
• 克隆完成
  

2）修改克隆机IP，以下以hadoop102举例说明

• 1.修改克隆虚拟机的静态IP

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2

• 2.查看Linux虚拟机的虚拟网络编辑器，编辑->虚拟网络编辑器->VMnet8
  
  
• 3.查看Windows系统适配器VMware Network Adapter VMnet8的IP地址
  
• 4.保证Linux系统ifcfg-ens33文件中IP地址、虚拟网络编辑器地址和Windows系统VM8网络IP地址相同

3）修改克隆机主机名，以下以hadoop102举例说明

• 1.修改主机名称

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

• 2.配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts（根据上一篇文章配置了小伙伴可以不弄了！）

[root@hadoop100 ~]# vim /etc/hosts

添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

4）重启克隆机hadoop102

[root@hadoop100 ~]# reboot

5）修改windows的主机映射hosts文件（根据上一篇文章配置了小伙伴可以不弄了！）

• 1.进入C:\Windows\System32\drivers\etc路径
• 2.拷贝hosts文件到桌面
• 3.打开桌面hosts文件并添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

• 4.将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件

1.3 在hadoop102安装JDK

1）卸载现有JDK
注意：安装JDK前，一定确保提前删除了虚拟机自带的JDK。（之前卸载了的就不用卸载了）

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

2）用XShell传输工具将JDK导入到opt目录下面的software文件夹下面

3）在Linux系统下的opt目录中查看软件包是否导入成功

[ovo@hadoop102 ~]$ ls /opt/software/

看到如下结果：

4）解压JDK到/opt/module目录下

[ovo@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

5）配置JDK环境变量

• 1.新建/etc/profile.d/my_env.sh文件

[ovo@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA\_HOME
export JAVA\_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA\_HOME/bin

• 2.保存后退出

:wq

• 3.source一下/etc/profile文件，让新的环境变量PATH生效

[ovo@hadoop102 ~]$ source /etc/profile

6）测试JDK是否安装成功

[ovo@hadoop102 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

注意：重启（如果java -version可以用就不用重启）

[ovo@hadoop102 ~]$ sudo reboot

1.4 在hadoop102安装Hadoop

1）用XShell文件传输工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面（和刚才拖拽JDK一样就不截图了）

2）进入到Hadoop安装包路径下

[ovo@hadoop102 ~]$ cd /opt/software/

3）解压安装文件到/opt/module下面

[ovo@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

4）查看是否解压成功

[ovo@hadoop102 software]$ ls /opt/module/
hadoop-3.1.3

5）将Hadoop添加到环境变量

• 1.获取Hadoop安装路径

[ovo@hadoop102 hadoop-3.1.3]$ pwd
/opt/module/hadoop-3.1.3

• 2.打开/etc/profile.d/my_env.sh文件

[ovo@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh

在my_env.sh文件末尾添加如下内容：（shift+g）

#HADOOP\_HOME
export HADOOP\_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP\_HOME/bin
export PATH=$PATH:$HADOOP\_HOME/sbin

保存并退出： :wq

• 3.让修改后的文件生效

[ovo@hadoop102 hadoop-3.1.3]$ source /etc/profile

6）测试是否安装成功

[ovo@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3

7）重启（如果Hadoop命令不能用再重启虚拟机）

[ovo@hadoop102 hadoop-3.1.3]$ sudo reboot

1.5 Hadoop目录结构

1）查看Hadoop目录结构

[ovo@hadoop102 hadoop-3.1.3]$ ll

2）重要目录

• bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本
• etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
• lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）
• sbin目录：存放启动或停止Hadoop相关服务的脚本
• share目录：存放Hadoop的依赖jar包、文档、和官方案例

二、Hadoop运行模式

1）Hadoop官方网站：http://hadoop.apache.org

2）Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。

• 本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。
• 伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。
• 完全分布式模式：多台服务器组成分布式环境。生产环境使用。

2.1 完全分布式运行模式（开发重点）

分析：

• 1.准备3台虚拟机（关闭防火墙、静态IP、主机名称）
• 2.安装JDK
• 3.配置环境变量
• 4.安装Hadoop
• 5.配置环境变量
• 6.配置集群
• 7.单点启动
• 8.配置ssh
• 9.群起并测试集群

2.2.1 虚拟机准备

详见1.1、1.2两节。

2.2.2 编写集群分发脚本xsync

1）scp（secure copy）安全拷贝

scp定义：scp可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）

• 1.基本语法（重要！！！）

scp	-r	$pdir/$fname	$user@$host:$pdir/$fname
命令	递归	要拷贝的文件路径/名称	目的地用户@主机:目的地路径/名称

• 2.案例实操

前提：在hadoop102、hadoop103、hadoop104都已经创建好的/opt/module、 /opt/software两个目录，并且已经把这两个目录修改为ovo:ovo

[ovo@hadoop102 ~]$ sudo chown ovo:ovo -R /opt/module

效果如图：

（a）在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

[ovo@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212  ovo@hadoop103:/opt/module

（b）在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。

[ovo@hadoop103 ~]$ scp -r ovo@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

（c）在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。

[ovo@hadoop103 opt]$ scp -r ovo@hadoop102:/opt/module/* ovo@hadoop104:/opt/module

2）rsync远程同步工具

rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。
rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。

• 1.基本语法

rsync	-av	$pdir/$fname	$user@$host:$pdir/$fname
命令	递归	要拷贝的文件路径/名称	目的地用户@主机:目的地路径/名称

选项参数说明：

选项	功能
-a	归档拷贝
-v	显示复制过程

• 2.案例实操

（a）删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

[ovo@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/

（b）同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

[ovo@hadoop102 module]$ rsync -av hadoop-3.1.3/ ovo@hadoop103:/opt/module/hadoop-3.1.3/

3）xsync集群分发脚本

• 1.需求：循环复制文件到所有节点的相同目录下
• 2.需求分析：
  （a）rsync命令原始拷贝：

rsync  -av     /opt/module  		ovo@hadoop103:/opt/

（b）期望脚本：xsync要同步的文件名称
（c）期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径）

[ovo@hadoop102 ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/ovo/.local/bin:/home/ovo/bin:/opt/module/jdk1.8.0_212/bin

• 3.脚本实现

（a）在/home/ovo/bin目录下创建xsync文件

[ovo@hadoop102 opt]$ cd /home/ovo
[ovo@hadoop102 ~]$ mkdir bin
[ovo@hadoop102 ~]$ cd bin
[ovo@hadoop102 bin]$ vim xsync

在该文件中编写如下代码

#!/bin/bash

#1. 判断参数个数
if [ $# -lt 1 ]
then
    echo Not Enough Arguement!
    exit;
fi

#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
    echo ====================  $host  ====================
    #3. 遍历所有目录，挨个发送

    for file in $@
    do
        #4. 判断文件是否存在
        if [ -e $file ]
            then
                #5. 获取父目录
                pdir=$(cd -P $(dirname $file); pwd)

                #6. 获取当前文件的名称
                fname=$(basename $file)
                ssh $host "mkdir -p $pdir"
                rsync -av $pdir/$fname $host:$pdir
            else
                echo $file does not exists!
        fi
    done
done

（b）修改脚本 xsync 具有执行权限

[ovo@hadoop102 bin]$ chmod +x xsync

（c）测试脚本

[ovo@hadoop102 ~]$ xsync /home/ovo/bin

（d）将脚本复制到/bin中，以便全局调用

[ovo@hadoop102 bin]$ sudo cp xsync /bin/

（e）同步环境变量配置（root所有者）

[ovo@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

注意：如果用了sudo，那么xsync一定要给它的路径补全。
让环境变量生效

[ovo@hadoop103 bin]$ source /etc/profile
[ovo@hadoop104 opt]$ source /etc/profile

2.2.3 SSH无密登录配置

1）配置ssh

• 1.基本语法：ssh 另一台电脑的主机名
• 2.ssh连接时出现Host key verification failed的解决方法

[ovo@hadoop102 ~]$ ssh hadoop103

如果出现如下内容

Are you sure you want to continue connecting (yes/no)? 

输入yes，并回车

• 3.退回到hadoop102

[ovo@hadoop103 ~]$ exit

2）无密钥配置

• 1.免密登录原理
  
• 2.生成公钥和私钥

[ovo@hadoop102 .ssh]$ pwd
/home/ovo/.ssh

[ovo@hadoop102 .ssh]$ ssh-keygen -t rsa

然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）

• 3.将公钥拷贝到要免密登录的目标机器上

[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop102
[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop103
[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：

+ 还需要在hadoop103上采用ovo账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
+ 还需要在hadoop104上采用ovo账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
+ 还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

2.2.4 集群配置

1）集群部署规划

注意：

• NameNode 和 SecondaryNameNode不要安装在同一台服务器
• ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
  

2）配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

• 默认配置文件：
  
• 自定义配置文件：core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

3）配置集群

• 1.核心配置文件：core-site.xml

[ovo@hadoop102 ~]$ cd $HADOOP\_HOME/etc/hadoop
[ovo@hadoop102 hadoop]$ vim core-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/data</value>
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为ovo -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>ovo</value>
    </property>
</configuration>

• 2.HDFS配置文件：hdfs-site.xml

[ovo@hadoop102 hadoop]$ vim hdfs-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- nn web端访问地址-->
	<property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:9868</value>
    </property>
</configuration>

• 3.YARN配置文件：yarn-site.xml

[ovo@hadoop102 hadoop]$ vim yarn-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
    </property>

    <!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

• 4.MapReduce配置文件：mapred-site.xml

[ovo@hadoop102 hadoop]$ vim mapred-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

4）在集群上分发配置好的Hadoop配置文件

[ovo@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5）去103和104上查看文件分发情况

[ovo@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[ovo@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

2.2.5 群起集群

1）配置workers

[ovo@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在该文件中增加如下内容：

hadoop102
hadoop103
hadoop104

注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

同步所有节点配置文件

[ovo@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc

2）启动集群

• 1.如果集群是第一次启动，需要在hadoop102节点格式化NameNode

注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。

重点：如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。

[ovo@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

• 2.启动HDFS

[ovo@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

• 3.在配置了ResourceManager的节点（注意：hadoop103上）启动YARN

[ovo@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

• 4.Web端查看HDFS的NameNode
  （a）浏览器中输入：http://hadoop102:9870
  （b）查看HDFS上存储的数据信息
• 5.Web端查看YARN的ResourceManager
  （a）浏览器中输入：http://hadoop103:8088
  （b）查看YARN上运行的Job信息

2.2.6 配置历史服务器

为了查看程序的历史运行情况（集群重新格式化后访问之前的数据），需要配置一下历史服务器。具体配置步骤如下：

1）配置mapred-site.xml

[ovo@hadoop102 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置。

<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop102:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop102:19888</value>
</property>

2）分发配置

[ovo@hadoop102 hadoop]$ xsync $HADOOP\_HOME/etc/hadoop/mapred-site.xml

3）在hadoop102启动历史服务器

[ovo@hadoop102 hadoop]$ mapred --daemon start historyserver

4）查看历史服务器是否启动

[ovo@hadoop102 hadoop]$ jps

5）查看JobHistory：http://hadoop102:19888/jobhistory

2.2.7 配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

开启日志聚集功能具体步骤如下：

1）配置yarn-site.xml

[ovo@hadoop102 hadoop]$ vim yarn-site.xml



![img](https://img-blog.csdnimg.cn/img_convert/ef9b19e1576156f2391a2669a739e1d2.png)
![img](https://img-blog.csdnimg.cn/img_convert/48c615c301f05724c1c8c5fa0fa8150c.png)
![img](https://img-blog.csdnimg.cn/img_convert/10f91a4b62559066cdefbf4c041303b4.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**

doop102 hadoop]$ jps

5）查看JobHistory：http://hadoop102:19888/jobhistory

2.2.7 配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

开启日志聚集功能具体步骤如下：

1）配置yarn-site.xml

[ovo@hadoop102 hadoop]$ vim yarn-site.xml



[外链图片转存中...(img-HjiiizRM-1714294389473)]
[外链图片转存中...(img-7tICXE7A-1714294389474)]
[外链图片转存中...(img-VyFi44nz-1714294389475)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**