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
[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
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
- 1.历史服务器地址：http://hadoop102:19888/jobhistory
- 2.历史任务列表
- 3.查看任务运行日志
- 4.运行日志详情
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。
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
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。
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。
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。
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！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
