前言
- Hadoop是Java语言编写的,需要Java环境(JVM)
- JDK版本:jdk8版本
目录
4.1 单节点启动(已配置环境变量/etc/profile,在任意目录下都可执行)
一、服务器环境准备(在此使用虚拟机)
1.三台虚拟机(静态IP,关闭防火墙,修改主机名,配置免密登陆,集群主机时间同步)
2.在/opt下创文件夹
mkdir /opt/software --软件包存放目录
mkdir /opt/servers --软件安装目录
3.Hadoop的下载地址:
https://archive.apache.org/dis/hadoop/common/hadoop-2.9.2/
Hadoop官网地址:
4.上传Hadoop的安装文件到 /opt/software
二、集群规划
框架 | linux161 | linux162 | linux163 |
---|---|---|---|
HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode |
YARN | NodeManager | ResourceManager、NodeManager | NodeManager |
三、安装Hadoop
- 登录linux161节点;进入/opt/software,解压安装文件到/opt/servers
tar -zxvf hadoop-2.9.2.tar.gz -C /opt/servers
- 查看是否解压成功
ll /opt/servers/hadoop-2.9.2
-
添加Hadoop到环境变量 vim /etc/profile(添加如下内容)
##HADOOP_HOME
export HADOOP_HOME=/opt/servers/hadoop2.9.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
- 使配置的环境变量生效
source /etc/profile
- 验证Hadoop
hadoop version
- Hadoop目录
[root@linux161 hadoop-2.9.2]# ll
total 132
drwxr-xr-x. 2 501 dialout 194 Nov 13 2018 bin
drwxr-xr-x. 3 root root 17 Dec 6 22:08 data
drwxr-xr-x. 3 501 dialout 20 Nov 13 2018 etc
drwxr-xr-x. 2 501 dialout 106 Nov 13 2018 include
drwxr-xr-x. 3 501 dialout 20 Nov 13 2018 lib
drwxr-xr-x. 3 root root 4096 Jan 30 02:17 logs
drwxr-xr-x. 3 501 dialout 4096 Nov 13 2018 sbin
drwxr-xr-x. 4 501 dialout 31 Nov 13 2018 share
[root@linux161 hadoop-2.9.2]#
1.bin目录:对Hadoop进行操作的相关命令,如hadoop、hdfs等
2.etc目录:Hadoop的配置文件,如hdfs-site.xml,core-site.xml等
3.lib目录:Hadoop的本地库(解压缩的依赖)
4.sbin目录:存放Hadoop集群启动停止的相关脚本、命令
5.share目录:Hadoop的一些jar,官方案例jar,文档等
3.1集群配置
Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 +Yarn集群配置
- HDFS集群配置
1.将JDK路径明确配置给HDFS(修改hadoop-env.sh)
[root@linux161 hadoop]# vim hadoop-env.sh
export JAVA_HOME=/opt/servers/jdk1.8.0_231
2.指定NameNode节点以及数据存储目录(修改core-site.xml)
[root@linux161 hadoop]# vim core-site.xml
<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://linux161:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/servers/hadoop-2.9.2/data/tmp</value>
</property>
</configuration>
3.指定SecondaryNameNode节点(修改hdfs-site.xml)
[root@linux161 hadoop]# vim hdfs-site.xml
<configuration>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>linux163:50090</value>
</property>
<!-- 副本数量 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
</configuration>
4.指定DataNode从节点(修改etc/hadoop/slave文件,每个节点配置信息占一行)
[root@linux161 hadoop]# vim slaves
linux161
linux162
linux163
- MapReduce集群配置
1.将JDK路径明确配置给MapReduce(修改mapred-env.sh)
[root@linux161 hadoop]# vim mapred-env.sh
export JAVA_HOME=/opt/servers/jdk1.8.0_231
2.指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml)
[root@linux161 hadoop]# mv mapred-site.xml.template mapred-site.xml
[root@linux161 hadoop]# vim mapred-site.xml
<configuration>
<!-- 指定MR运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>linux161:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>linux161:19888</value>
</property>
</configuration>
- Yarn集群配置
1.将JDK路径明确配置给Yarn(修改yarn-env.sh)
[root@linux161 hadoop]# vim yarn-env.sh
export JAVA_HOME=/opt/servers/jdk1.8.0_231
2.指定ResourceManager老大节点所在计算机节点(修改yarn-site.xml)
[root@linux161 hadoop]# vim yarn-site.xml
<configuration>
<!-- 指定YARB的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>linux162</value>
</property>
<!-- Redurer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- ⽇志聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- ⽇志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
<!-- 指定任务调度使用fairScheeduler的调度方式 -->
<property>
<name>yarn.resourcemanager.scheduler.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
<description>In case you do not want to use the default scheduler</description>
</property>
<!--<property>
<name>mapred.child.java.opts</name>
<value>-Xmx3096m</value>
</property>-->
</configuration>
3.指定NodeManager节点(会通过slave文件内容确定)
注意:
Hadoop安装目录所属用户和所属用户组信息,默认是501 dialout,而我们操作Hadoop集群的用户使用的是虚拟机的root用户,所以为了避免出现信息混乱,修改Hadoop安装目录所属用户和用户组!!
[root@linux161 hadoop]# chown -R root:root /opt/servers/hadoop-2.9.2
3.2分发配置至集群其它节点
使用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。
- 基本语法:
rsync -rvl $pdir/$filename $user@$host:$pdir/$filename
命令 选项参数 要拷贝的文件路径/文件名称 目的用户@主机:目的路径/文件名称
- 选项参数说明
选项 | 功能 |
---|---|
-r | 递归 |
-v | 显示复制过程 |
-l | 拷贝符号链接 |
- 案例
三台机器安装rsync
[root@linux161 hadoop]# yum install -y rsync
3.2.1 将linux161机器上的/opt/servers/hadoop-2.9.2 目录拷贝复制到linux162、linux163机器对应目录(集群信息)
[root@linux161 opt]# rsync -rvl /opt/servers root@linux162:/opt/servers
[root@linux161 opt]# rsync -rvl /opt/servers root@linux163:/opt/servers
3.2.2 将linux161机器上的/etc/profile 内新增数据拷贝复制到linux162、linux163机器对应目录(环境变量信息)
[root@linux161 opt]# rsync -rvl /etc/profile root@linux162:/etc/profile
[root@linux161 opt]# rsync -rvl /etc/profile root@linux163:/etc/profile
环境变量修改后需要使其生效(linux162\linux163机器)
[root@linux162 opt]# source /etc/profile
[root@linux163 opt]# source /etc/profile
四、启动集群
注意:如果集群是第一次启动,需要在Namenode所在节点格式化NameNode,非第一次不用执行格式化NameNode操作
4.1 单节点启动(已配置环境变量/etc/profile,在任意目录下都可执行)
##格式化NameNode
[root@linux161 opt]# hadoop namenode -format
4.1.1 在linux161上启动NameNode
[root@linux161 opt]# hadoop-daemon.sh start namenode
[root@linux161 opt]# jps -l
70354 org.apache.hadoop.hdfs.server.datanode.DataNode
70120 org.apache.hadoop.hdfs.server.namenode.NameNode
72056 sun.tools.jps.Jps
4.1.2 在linux162、linux163上分别启动NameNode
[root@linux162 opt]# hadoop-daemon.sh start datanode
[root@linux162 opt]# jps -l
71721 sun.tools.jps.Jps
66157 org.apache.hadoop.hdfs.server.datanode.DataNode
[root@linux163 opt]# hadoop-daemon.sh start datanode
[root@linux163 opt]# jps -l
76900 org.apache.hadoop.hdfs.server.datanode.DataNode
81144 sun.tools.jps.Jps
77083 org.apache.hadoop.hdfs.server.namenode.SecondaryNameNode
4.1.3 web 端查看hdfs
http://linux161:50070/dfshealth.html#tab-overview
4.1.4 Yarn节点集群启动
[root@linux161 opt]# yarn-daemon.sh start nodemanager
[root@linux161 opt]# jps -l
71570 org.apache.hadoop.yarn.server.nodemanager.NodeManager
70354 org.apache.hadoop.hdfs.server.datanode.DataNode
70120 org.apache.hadoop.hdfs.server.namenode.NameNode
72056 sun.tools.jps.Jps
[root@linux162 opt]# yarn-daemon.sh start resourcemanager
[root@linux162 opt]# jps -l
71523 org.apache.hadoop.yarn.server.resourcemanager.ResourceManager
70354 org.apache.hadoop.hdfs.server.datanode.DataNode
71673 org.apache.hadoop.yarn.server.nodemanager.NodeManager
70120 org.apache.hadoop.hdfs.server.namenode.NameNode
9946 sun.tools.jps.Jps
[root@linux163 opt]# yarn-daemon.sh start nodemanager
[root@linux163 opt]# jps -l
71570 org.apache.hadoop.yarn.server.nodemanager.NodeManager
76900 org.apache.hadoop.hdfs.server.datanode.DataNode
81144 sun.tools.jps.Jps
77083 org.apache.hadoop.hdfs.server.namenode.SecondaryNameNode
4.2 集群群起
4.2.1 如果已经单节点方式启动了Hadoop,可以先停止之前的NameNode与DataNode进程,如果之前NameNode没有进行格式化,这儿需要进行格式化!!
[root@linux161 opt]# hadoop namenode -format
4.2.2 集群启动(注意:dfs应在NameNode所在机器节点启动。yarn应在ResourceManager所在节点启动)
[root@linux161 opt]# start-dfs.sh
[root@linux162 opt]# start-yarn.sh
[root@linux161 opt]# jps -l
71570 org.apache.hadoop.yarn.server.nodemanager.NodeManager
70354 org.apache.hadoop.hdfs.server.datanode.DataNode
70120 org.apache.hadoop.hdfs.server.namenode.NameNode
72056 sun.tools.jps.Jps
[root@linux162 opt]# jps -l
71523 org.apache.hadoop.yarn.server.resourcemanager.ResourceManager
70354 org.apache.hadoop.hdfs.server.datanode.DataNode
71673 org.apache.hadoop.yarn.server.nodemanager.NodeManager
70120 org.apache.hadoop.hdfs.server.namenode.NameNode
9946 sun.tools.jps.Jps
[root@linux163 opt]# jps -l
71570 org.apache.hadoop.yarn.server.nodemanager.NodeManager
76900 org.apache.hadoop.hdfs.server.datanode.DataNode
81144 sun.tools.jps.Jps
77083 org.apache.hadoop.hdfs.server.namenode.SecondaryNameNode
4.3 hadoop 集群启停命令汇总
4.3.1 单节点启停
hadoop-daemon.sh start / stop namenode / datanode /secondarynamenode
yarn-daemon.sh start / stop resourcemanager /nodemanager
4.3.2 整体启停
start-dfs.sh / stop-dfs.sh
start-yarn.sh / stop-yarn.sh
五、集群测试
1.HDFS分布式存储初体验
从Linux本地上传下载文件验证hdfs集群是否工作正常
#hdfs创建文件夹,-mkdir创建,-p创建多层
[root@linux162 opt]# hdfs dfs -mkdir -p /test/input
[root@linux162 root]# cd /root
[root@linux162 root]# vim test
hello hdfs
#上传文件到hdfs
[root@linux162 root]# hdfs dfs -put /root/test.txt /test/input
#从hdfs下载文件到Linux本地
[root@linux162 root]# hdfs dfs -get /test/input/test.txt
2.MapReducef分布式计算初体验
2.1 在hdfs文件系统根目录下面创建一个wcinput文件夹
[root@linux162 root]# hdfs dfs -mkdir /wcinput
2.2 在root目录下创建一个wc.txt文件
[root@linux162 root]# vim wc.txt
hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn
: wq!
2.3 上传wc.txt到hdfs目录/wcinput下
hdfs dfs -put wc.txt /wcinput
2.4 回到hadoop目录 /opt/servers/hadoop-2.9.2,执行程序
[root@linux162 hadoop-2.9.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput
2.5 查看计算结果
[root@linux162 hadoop-2.9.2]# hdfs dfs -cat /wcoutput/part-r-00000
hadoop 2
hdfs 1
mapreduce 3
yarn 2
六、配置历史服务器
在yarn中运行的任务产生的历史数据不能查看,为了查看程序的历史运行情况 ,需要设置历史服务器。集体步骤如下:
6.1 配置mapred-site.xml
[root@linux162 hadoop-2.9.2]# vim mapred-site.xml
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>linux161:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>linux161:19888</value>
</property>
6.2 分发配置到其他节点
[root@linux161 opt]# rsync -rvl /opt/servers root@linux162:/opt/servers
[root@linux161 opt]# rsync -rvl /opt/servers root@linux163:/opt/servers
6.3 启动历史服务器
[root@linux161 opt]# mr-jobhistory-daemon.sh start historyserver
[root@linux161 opt]# jps -l
10020 org.apache.hadoop.mapreduce.v2.hs.JobHistoryServer
6.4 查看历史服务器
http://linux161:19888/jobhistory