尚硅谷离线数仓5，2024年最新3天拿到网易大数据开发岗offer

本文链接：https://blog.csdn.net/2401_84185626/article/details/137522020

2023/5/9

今天学了5h30min(上课疯狂摸鱼)，视频看到了p27安装flume之前。

整体都是环境的搭建，因为hadoop，flume，kafka啥的都搭建了好多次了，没啥难度，视频1.5倍速就当复习了一遍。

但是也碰到了几个问题，比如手动编写的分发脚本xsync不是要放在atguigu的bin文件夹下嘛，但是我的atguigu/bin不是全局变量，我也不知道为啥，我怀疑是一开始给atguigu用户权限的操作出了问题，然后我就用了老师给的样板机hadoop100

然后我把hadoop四个配置文件贴上吧，毕竟文档里没有。

core-site.xml

fs.defaultFS hdfs://hadoop102:8020 hadoop.tmp.dir /opt/module/hadoop/data hadoop.http.staticuser.user atguigu hadoop.proxyuser.atguigu.hosts * hadoop.proxyuser.atguigu.groups * hadoop.proxyuser.atguigu.users *

1.第四行的hadoop102是主机映射，你可以直接用虚拟机的ip地址，但是还是建议改成 hadoop102~hadoop104，因为后边都是用的映射，你总不能每次都改ip吧

2.第九行的路径要改成自己的，你要注意你是不是在opt的module里，以及hadoop的文件夹名字，如果你没有改名的话他应该是hadoop-3.xxx啥的

hdfs-site.xml

dfs.namenode.http-address hadoop102:9870 dfs.namenode.secondary.http-address hadoop104:9868 dfs.replication 3

记得hadoop102和hadoop104都是映射名，如果你不是记得改了

yarn-site.xml

yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname hadoop103 yarn.nodemanager.env-whitelist JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HO yarn.scheduler.minimum-allocation-mb 512 yarn.scheduler.maximum-allocation-mb 3072 yarn.nodemanager.resource.memory-mb 3072 yarn.nodemanager.pmem-check-enabled true yarn.nodemanager.vmem-check-enabled false yarn.log-aggregation-enable true yarn.log.server.url http://hadoop102:19888/jobhistory/logs yarn.log-aggregation.retain-seconds 604800

yarn只需要注意最大内存和最小内存的配置，最大内存不要超过你当前虚拟机的内存，一般来说hadoop102的内存要比103和104要大，所以你分发完之后要去103和104改了。

最大内存改成虚拟机的内存或者小一点，然后最小内存不能不最大的大(这个应该好理解吧。。。)，允许管理的物理内存和最大内存一样大就行

mapred-site.xml

mapreduce.framework.name yarn mapreduce.jobhistory.address hadoop102:10020 mapreduce.jobhistory.webapp.address hadoop102:19888

除了映射名之外没啥要注意的~

workers

hadoop102
hadoop103
hadoop104

workers要留意留的是映射名，不能有空格和空行，不然hadoop会读进去的，然后如果后期要添加节点就需要在workers里添加对应的映射也好ip也好，不然你的集群咋知道谁是自己人。

配置完成之后，在格式化namenode之前一定要拍快照！！！！

重要的事情说三遍

如果你格式化出问题了，需要把hadoop文件夹里的data文件夹和logs文件夹删掉，然后再去修改问题，然后再格式化。

千万不要出了错还疯狂格式化，那样一定会不行的，一定要删掉hadoop文件夹下的data和logs才行

当然不排除别的问题，所以我才说在格式化前一定要拍快照

格式化之后就是在hadoop102启动hdfs

然后再hadoop103启动yarn，注意哦，是hadoop103，不要搞错了

然后编写群起脚本，hadoop就算完成了。

如果你是服务都起来了，但是web网页进不去，比如hadoop102：9870啥的

1.查看虚拟机的防火墙关了没，然后检查你的主机能不能ping通虚拟机，反过来行不行(一般不是这个问题，不然xshell都用不了)

2.查看win系统里的映射配置了没，因为hadoop102还是映射名，你在win里使用需要配置，如果不配置的话直接用ip也可以，我的是192.168.10.102.

至于去哪里配置，C:\Windows\System32\drivers\etc\hosts

如果说权限有问题修改不了，你就把他复制到桌面上修改了，再粘回去覆盖掉

然后就是配置zookeeper和kafka了，这个没啥难度，跟着视频来就行。

只有一点要注意就是，关闭zookeeper和kafka的时候要先关闭kafka，不然如果先关闭的zookeeper，你的kafka就不能通过正常的命令来关闭了，只能直接强行kill -9了

今天我就搞到了这里，明天继续来更新~

day3

2023/5/10

各位，我来啦！今天锻炼花的时间久了点。

今天总共学了5h，视频看到了p36的一半，成功安装了mysql flume maxwell

然后按照视频的顺序我说一下自己碰到的问题以及解决方式

1.

flume 在idea里编辑代码的时候 pom包的maven打包插件依赖爆红，虽然老师说可以不用管，但是如果想解决的话也是有办法的

进到你的maven对应的文件夹下的/maven/repository/org/apache/maven/plugins

然后将pom文件里对应的版本号改成文件夹下有的版本号就不会爆红了

2.

在虚拟机搭建好mysql，我在win上连接mysql的工具是DataGrip 2021.1.3，但是在连接mysql的时候一直报错，连接不上，报错内容如下：

[08S01]
Communications link failure

The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any packets from the server.
No appropriate protocol (protocol is disabled or cipher suites are inappropriate).

我是在确认防火墙，映射，权限一切问题都没有的情况下，在网上找到了这个解决方法

将useSSL选择为NO就行，至于具体原因是啥也不清楚，如果有大佬知道可以解释一下，跪谢大佬！