解压 hadoop-3.3.0-Centos7-64-with-snappy.tar.gz
,目录结构如下:
- bin:包含Hadoop最基本的管理脚本和使用脚本,这些脚本是
sbin
目录下管理脚本的基础实现,用户可以直接使用这些脚本管理和使用Hadoop。 - etc:存放Hadoop配置文件,包括
core-site.xml
、hdfs-site.xml
、mapred-site.xml
等从Hadoop 1.0继承而来的配置文件,以及yarn-site.xml
等Hadoop 2.0新增的配置文件。 - include:提供的编程库头文件(具体动态库和静态库在
lib
目录中),这些头文件均是用C++定义的,通常用于C++程序访问HDFS或者编写MapReduce程序。 - lib:包含了Hadoop对外提供的编程动态库和静态库,与
include
目录中的头文件结合使用。 - libexec:各个服务对应的shell配置文件所在的目录,可用于配置日志输出、启动参数(如JVM参数)等基本信息。
- sbin:Hadoop管理脚本所在的目录,主要包含HDFS和YARN中各类服务的启动/关闭脚本。
- share:Hadoop各个模块编译后的jar包所在的目录,包含官方自带示例。
Hadoop配置文件修改
Hadoop安装主要是配置文件的修改,一般在主节点进行修改,完毕后 scp
下发给其他各个从节点机器。
修改hadoop-env.sh
文件中设置的是Hadoop运行时需要的环境变量。JAVA_HOME
是必须设置的,即使系统中已经设置了JAVA_HOME
,Hadoop也是不认识的。
sh
复制代码
export JAVA_HOME=/export/server/jdk1.8.0_65
# 文件最后添加
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
修改core-site.xml
core-site.xml
是Hadoop的核心配置文件,有默认的配置项 core-default.xml
。core-default.xml
与 core-site.xml
的功能是一样的,如果在 core-site.xml
里没有配置的属性,则会自动获取 core-default.xml
里的相同属性的值。
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/export/data/hadoop-3.3.0</value>
</property>
<!-- 设置HDFS web UI用户身份 -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>root</value>
</property>
<!-- 整合hive -->
<property>
<name>hadoop.proxyuser.root.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.root.groups</name>
<value>*</value>
</property>
修改hdfs-site.xml
hdfs-site.xml
是HDFS的核心配置文件,有默认的配置项 hdfs-default.xml
。hdfs-default.xml
与 hdfs-site.xml
的功能是一样的,如果在 hdfs-site.xml
里没有配置的属性,则会自动获取 hdfs-default.xml
里的相同属性的值。
<!-- 指定secondarynamenode运行位置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>node2:50090</value>
</property>
修改mapred-site.xml
mapred-site.xml
是MapReduce的核心配置文件,有默认的配置项 mapred-default.xml
。mapred-default.xml
与 mapred-site.xml
的功能是一样的,如果在 mapred-site.xml
里没有配置的属性,则会自动获取 mapred-default.xml
里的相同属性的值。
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
修改yarn-site.xml
yarn-site.xml
是YARN的核心配置文件,有默认的配置项 yarn-default.xml
。yarn-default.xml
与 yarn-site.xml
的功能是一样的,如果在 yarn-site.xml
里没有配置的属性,则会自动获取 yarn-default.xml
里的相同属性的值。
<!-- 指定YARN的主角色(ResourceManager)的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node1</value>
</property>
<!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle,才可运行MapReduce程序 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 是否将对容器实施物理内存限制 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<!-- 是否将对容器实施虚拟内存限制 -->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<!-- 开启日志聚集 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置yarn历史服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://node1:19888/jobhistory/logs</value>
</property>
<!-- 保存的时间7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
修改workers文件
workers
文件里面记录的是集群主机名,主要作用是配合一键启动脚本如 start-dfs.sh
、stop-yarn.sh
用来进行集群启动。workers
文件里面的主机标记的就是从节点角色所在的机器。
vi workers
node1.itcast.cn
node2.itcast.cn
node3.itcast.cn
scp同步安装包
cd /export/server scp -r hadoop-3.3.0 root@node2:$PWD scp -r hadoop-3.3.0 root@node3:$PWD
在 node1
上进行了配置文件的修改,使用 scp
命令将修改好之后的安装包同步给集群中的其他节点。
Hadoop环境变量
3台机器都需要配置环境变量文件。
vim /etc/profile
export HADOOP_HOME=/export/server/hadoop-3.3.0
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin source /etc/profile
Hadoop集群启动与初体验
启动方式
要启动Hadoop集群,需要启动HDFS和YARN两个集群。注意:首次启动HDFS时,必须对其进行格式化操作。这是一些清理和准备工作,因为此时的HDFS在物理上还是不存在的。
hadoop namenode -format
单节点逐个启动
在主节点上使用以下命令启动HDFS NameNode:
$HADOOP_HOME/bin/hdfs --daemon start namenode
在每个从节点上使用以下命令启动HDFS DataNode:
$HADOOP_HOME/bin/hdfs --daemon start datanode
在 node2
上使用以下命令启动HDFS SecondaryNameNode:
$HADOOP_HOME/bin/hdfs --daemon start secondarynamenode
在主节点上使用以下命令启动YARN ResourceManager:
$HADOOP_HOME/bin/yarn --daemon start resourcemanager
在每个从节点上使用以下命令启动YARN NodeManager:
$HADOOP_HOME/bin/yarn --daemon start nodemanager
如果想要停止某个节点上某个角色,只需要把命令中的 start
改为 stop
即可。
脚本一键启动
如果配置了 etc/hadoop/workers
和SSH免密登录,则可以使用程序脚本启动所有Hadoop两个集群的相关进程,在主节点所设定的机器上执行。
hdfs:$HADOOP_PREFIX/sbin/start-dfs.sh yarn:
$HADOOP_PREFIX/sbin/start-yarn.sh 停止集群:stop-dfs.sh、stop-yarn.sh
集群web-ui
一旦Hadoop集群启动并运行,可以通过web-ui进行集群查看,如下所述:
- NameNode:
http://nn_host:port/
默认9870
- ResourceManager:
http://rm_host:port/
默认8088
Hadoop初体验
HDFS使用
从Linux本地上传一个文本文件到 hdfs
的 /test/input
目录下:
hadoop fs -mkdir -p /wordcount/input hadoop fs -put /root/somewords.txt /test/input
运行MapReduce程序
在Hadoop安装包的 share/hadoop/mapreduce
下有官方自带的MapReduce程序。我们可以使用如下的命令进行运行测试。
示例程序jar:
hadoop jar hadoop-mapreduce-examples-3.3.0.jar pi 20 50
关于圆周率的估算,可以查询资料Monte Carlo方法来计算Pi值。
Hadoop辅助功能
6.1 MapReduce jobhistory服务
背景:默认情况下,yarn上关于MapReduce程序执行历史信息、执行记录不会永久存储;一旦yarn集群重启,之前的信息就会消失。
功能:保存yarn上已经完成的MapReduce的执行信息。
配置:需要修改配置,并重启Hadoop集群才能生效。
修改 mapred-site.xml
:
<property>
<name>mapreduce.jobhistory.address</name>
<value>node1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>node1:19888</value>
</property>
同步配置给其他机器:
scp /export/server/hadoop-3.3.0/etc/hadoop/mapred-site.xml node2:/export/server/hadoop-3.3.0/etc/hadoop/
scp /export/server/hadoop-3.3.0/etc/hadoop/mapred-site.xml node3:/export/server/hadoop-3.3.0/etc/hadoop/
重启Hadoop集群,并手动启停 jobhistory
服务。
# hadoop2.x版本命令
mr-jobhistory-daemon.sh start|stop historyserver
# hadoop3.x版本命令
mapred --daemon start|stop historyserver
[root@node1 ~]# jps
13794 JobHistoryServer
13060 DataNode
12922 NameNode
13436 NodeManager
13836 Jps
13327 ResourceManager
6.2 HDFS垃圾桶机制
背景:在默认情况下,HDFS没有垃圾桶,意味着删除操作直接物理删除文件。
[root@node1 ~]# hadoop fs -rm /itcast/1.txt Deleted /itcast/1.txt
功能:类似回收站,在删除数据时,先进入垃圾桶,如果后悔可以复原。
配置:在 core-site.xml
中开启垃圾桶机制,并指定保存在垃圾桶的时间(单位分钟)。
<property>
<name>fs.trash.interval</name>
<value>1440</value>
</property>
同步配置并重启Hadoop服务:
[root@node1 hadoop]# pwd
/export/server/hadoop-3.3.0/etc/hadoop
[root@node1 hadoop]# scp core-site.xml node2:$PWD
[root@node1 hadoop]# scp core-site.xml node3:$PWD
垃圾桶使用:配置好之后,再删除文件将直接进入垃圾桶。
[root@node1 ~]# hadoop fs -rm /itcast.txt
INFO fs.TrashPolicyDefault: Moved: 'hdfs://node1:8020/itcast.txt' to trash at: hdfs://node1:8020/user/root/.Trash/Current/itcast.txt
垃圾桶的本质是HDFS上的一个隐藏目录:
hdfs://node1:8020/user/用户名/.Trash/Current
恢复文件:
hadoop fs -cp /user/root/.Trash/Current/itcast.txt /
直接删除文件:
hadoop fs -rm -skipTrash /itcast.txt
[root@node1 ~]# hadoop fs -rm -skipTrash /itcast.txt
Deleted /itcast.txt