2024年大数据最新大数据之Hadoop3,Context都没弄明白凭什么拿高薪

img
img
img

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

[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

在这里插入图片描述

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:
在这里插入图片描述

(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
    在这里插入图片描述
  • 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。
    在这里插入图片描述

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:
    在这里插入图片描述
  • 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

在这里插入图片描述

5)查看JobHistoryhttp://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。

在这里插入图片描述
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

在该文件里面增加如下配置。

<!-- 开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>  
    <name>yarn.log.server.url</name>  
    <value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

2)分发配置

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

3)关闭NodeManager 、ResourceManager和HistoryServer

[ovo@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[ovo@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver

4)启动NodeManager 、ResourceManage和HistoryServer

[ovo@hadoop103 ~]$ start-yarn.sh
[ovo@hadoop102 ~]$ mapred --daemon start historyserver

5)删除HDFS上已经存在的输出文件

[ovo@hadoop102 ~]$ hadoop fs -rm -r /output

6)执行WordCount程序(路径写自己任意一个文件路径)

[ovo@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7)查看日志

2.2.8 集群启动/停止方式总结

1)各个模块分开启动/停止(配置ssh是前提)常用

  • 1.整体启动/停止HDFS
start-dfs.sh/stop-dfs.sh

  • 2.整体启动/停止YARN
start-yarn.sh/stop-yarn.sh

2)各个服务组件逐一启动/停止

  • 1.分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode

  • 2.启动/停止YARN
yarn --daemon start/stop  resourcemanager/nodemanager

2.2.9 编写Hadoop集群常用脚本

1)Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh

[ovo@hadoop102 ~]$ cd /home/ovo/bin
[ovo@hadoop102 bin]$ vim myhadoop.sh

输入如下内容

#!/bin/bash

if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi

case $1 in
"start")
        echo " =================== 启动 hadoop集群 ==================="

        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

保存后退出,然后赋予脚本执行权限

[ovo@hadoop102 bin]$ chmod +x myhadoop.sh

2)查看三台服务器Java进程脚本:jpsall

[ovo@hadoop102 ~]$ cd /home/ovo/bin
[ovo@hadoop102 bin]$ vim jpsall

输入如下内容

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出,然后赋予脚本执行权限

[ovo@hadoop102 bin]$ chmod +x jpsall

3)分发/home/ovo/bin目录,保证自定义脚本在三台机器上都可以使用

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

2.2.10 集群时间同步

如果服务器在公网环境(能连接外网),可以不采用集群时间同步,因为服务器会定期和公网时间进行校准;

如果服务器在内网环境,必须要配置集群时间同步,否则时间久了,会产生时间偏差,导致集群执行任务时间不同步。

1)需求

找一个机器,作为时间服务器,所有的机器与这台集群时间进行定时的同步,生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果,采用1分钟同步一次。
在这里插入图片描述

2)时间服务器配置(必须root用户)

  • 1.查看所有节点ntpd服务状态和开机自启动状态

img
img

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出,然后赋予脚本执行权限

[ovo@hadoop102 bin]$ chmod +x jpsall

3)分发/home/ovo/bin目录,保证自定义脚本在三台机器上都可以使用

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

2.2.10 集群时间同步

如果服务器在公网环境(能连接外网),可以不采用集群时间同步,因为服务器会定期和公网时间进行校准;

如果服务器在内网环境,必须要配置集群时间同步,否则时间久了,会产生时间偏差,导致集群执行任务时间不同步。

1)需求

找一个机器,作为时间服务器,所有的机器与这台集群时间进行定时的同步,生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果,采用1分钟同步一次。
在这里插入图片描述

2)时间服务器配置(必须root用户)

  • 1.查看所有节点ntpd服务状态和开机自启动状态

[外链图片转存中…(img-hbAIPznL-1715619678748)]
[外链图片转存中…(img-Pf96UOHQ-1715619678749)]

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值