Hadoop环境搭建

最新推荐文章于 2024-06-20 16:12:27 发布

有梦想的人不睡觉o0

最新推荐文章于 2024-06-20 16:12:27 发布

阅读量880

点赞数

分类专栏： hadoop 文章标签：大数据 hadoop

本文链接：https://blog.csdn.net/JY631591678/article/details/106318695

版权

hadoop 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1. Hadoop运行环境搭建

1.1 虚拟机环境准备

1. 克隆虚拟机

2. 修改克隆虚拟机的静态IP

3. 修改主机名

4. 关闭防火墙

5. 创建shenyang用户

6. 配置shenyang用户具有root权限（详见我的另外一篇博客博客地址）

7．在/opt目录下创建文件夹

（1）在/opt目录下创建module、software文件夹

[shenyang@spark01 opt]$ sudo mkdir module
[shenyang@spark01 opt]$ sudo mkdir software

（2）修改module、software文件夹的所有者

[shenyang@spark01 opt]$ sudo chown shenyang:shenyang module/ software/
[shenyang@spark01 opt]$ ll
总用量 8
drwxr-xr-x. 2 shenyang shenyang 4096 5月  25 02:22 module
drwxr-xr-x. 2 shenyang shenyang 4096 5月  25 02:23 software

1.2 安装JDK

1. 卸载现有JDK

（1）查询是否安装Java软件：

[shenyang@spark01 opt]$ rpm -qa | grep java

（2）如果安装的版本低于1.7，卸载该JDK：

[shenyang@spark01 opt]$ sudo rpm -e 软件包

（3）查看JDK安装路径：

[shenyang@spark01 ~]$ which java

2. 用SecureCRT工具将JDK导入到opt目录下面的software文件夹下面，如图

“alt+p”进入sftp模式

选择jdk1.8拖入

上传完成

3. 在Linux系统下的opt目录中查看软件包是否导入成功

[shenyang@spark01 opt]$ cd /opt/software/
[shenyang@spark01 software]$ ll
总用量 181168
-rw-rw-r--. 1 shenyang shenyang 185515842 8月  19 2017 jdk-8u144-linux-x64.tar.gz

4. 解压JDK到/opt/module目录下

[shenyang@spark01 software]$ tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/

5. 配置JDK环境变量

（1）先获取JDK路径

[shenyang@spark01 module]$ cd ../module/
[shenyang@spark01 module]$ ll
总用量 4
drwxr-xr-x. 8 shenyang shenyang 4096 7月  22 2017 jdk1.8.0_144
[shenyang@spark01 module]$ cd jdk1.8.0_144/
[shenyang@spark01 jdk1.8.0_144]$ pwd
/opt/module/jdk1.8.0_144

（2）打开/etc/profile文件

[shenyang@spark01 jdk1.8.0_144]$ sudo vi /etc/profile

在profile文件末尾添加JDK路径

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin

（3）保存后退出

:wq

（4）让修改后的文件生效

[shenyang@spark01 jdk1.8.0_144]$ source /etc/profile

6. 测试JDK是否安装成功

[shenyang@spark01 jdk1.8.0_144]$ java -version
java version "1.8.0_144"
Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)

1.3 安装Hadoop

0. hadoop下载地址

1. 用SecureCRT工具将hadoop-2.7.2.tar.gz导入到opt目录下面的software文件夹下面

2. 进入到Hadoop安装包路径下

[shenyang@spark01 jdk1.8.0_144]$ cd /opt/software/
[shenyang@spark01 software]$ ll
总用量 374196
-rw-rw-r--. 1 shenyang shenyang 197657687 5月  22 2017 hadoop-2.7.2.tar.gz
-rw-rw-r--. 1 shenyang shenyang 185515842 8月  19 2017 jdk-8u144-linux-x64.tar.gz

3. 解压安装文件到/opt/module下面

[shenyang@spark01 software]$ tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

4. 查看是否解压成功

[shenyang@spark01 software]$ cd ../module/
[shenyang@spark01 module]$ ll
总用量 8
drwxr-xr-x. 9 shenyang shenyang 4096 5月  22 2017 hadoop-2.7.2
drwxr-xr-x. 8 shenyang shenyang 4096 7月  22 2017 jdk1.8.0_144

5. 将Hadoop添加到环境变量

（1）获取Hadoop安装路径

[shenyang@spark01 module]$ cd hadoop-2.7.2/
[shenyang@spark01 hadoop-2.7.2]$ pwd
/opt/module/hadoop-2.7.2

（2）打开/etc/profile文件

[shenyang@spark01 hadoop-2.7.2]$ sudo vi /etc/profile

在profile文件末尾添加hadoop路径：（shitf+g）

##HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-2.7.2

export PATH=$PATH:$HADOOP_HOME/bin

export PATH=$PATH:$HADOOP_HOME/sbin

（3）保存后退出

:wq

（4）让修改后的文件生效

[shenyang@ spark01 hadoop-2.7.2]$ source /etc/profile

6. 测试是否安装成功

[shenyang@spark01 hadoop-2.7.2]$ hadoop version
Hadoop 2.7.2
Subversion Unknown -r Unknown
Compiled by root on 2017-05-22T10:49Z
Compiled with protoc 2.5.0
From source with checksum d0fda26633fa762bff87ec759ebe689c
This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar

1.4 Hadoop目录结构

1、查看Hadoop目录结构

[shenyang@spark01 hadoop-2.7.2]$ ll
总用量 52
drwxr-xr-x. 2 shenyang shenyang  4096 5月  22 2017 bin
drwxr-xr-x. 3 shenyang shenyang  4096 5月  22 2017 etc
drwxr-xr-x. 2 shenyang shenyang  4096 5月  22 2017 include
drwxr-xr-x. 3 shenyang shenyang  4096 5月  22 2017 lib
drwxr-xr-x. 2 shenyang shenyang  4096 5月  22 2017 libexec
-rw-r--r--. 1 shenyang shenyang 15429 5月  22 2017 LICENSE.txt
-rw-r--r--. 1 shenyang shenyang   101 5月  22 2017 NOTICE.txt
-rw-r--r--. 1 shenyang shenyang  1366 5月  22 2017 README.txt
drwxr-xr-x. 2 shenyang shenyang  4096 5月  22 2017 sbin
drwxr-xr-x. 4 shenyang shenyang  4096 5月  22 2017 share

2、重要目录

（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行操作的脚本

（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件

（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）

（4）sbin目录：存放启动或停止Hadoop相关服务的脚本

（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例

2. Hadoop运行模式

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。

hadoop官网地址

2.1 本地运行模式

官方WordCount案例

1. 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹

[shenyang@spark01 hadoop-2.7.2]$ mkdir wcinput

2. 在wcinput文件下创建一个wc.input文件

[shenyang@spark01 hadoop-2.7.2]$ cd wcinput
[shenyang@spark01 wcinput]$ touch wc.input

3. 编辑wc.input文件

[shenyang@spark01 wcinput]$ vi wc.input

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
shenyang
shenyang

保存退出：：wq

4. 回到Hadoop目录/opt/module/hadoop-2.7.2

5. 执行程序

[shenyang@spark01 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput

6. 查看结果

[shenyang@spark01 hadoop-2.7.2]$ cat wcoutput/part-r-00000
shenyang 2
hadoop  2
mapreduce       1
yarn    1

2.2 伪分布式运行模式

2.2.1 启动HDFS并运行MapReduce程序

（1）配置集群

（a）配置：hadoop-env.sh

Linux系统中获取JDK的安装路径：

[shenyang@spark01 ~]$ echo $JAVA_HOME
/opt/module/jdk1.8.0_144

修改JAVA_HOME 路径：

[shenyang@spark01 hadoop]$ cd /opt/module/hadoop-2.7.2/etc/hadoop
[shenyang@spark01 hadoop]$ vi hadoop-env.sh

（b）配置：core-site.xml

创建一个文件夹作为Hadoop运行时产生文件的存储目录

[shenyang@spark01 hadoop-2.7.2]$ cd /opt/module/hadoop-2.7.2
[shenyang@spark01 hadoop-2.7.2]$ mkdir -p data/tmp

[shenyang@spark01 hadoop]$ cd /opt/module/hadoop-2.7.2/etc/hadoop
[shenyang@spark01 hadoop]$ vi core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://spark01:9000</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/module/hadoop-2.7.2/data/tmp</value>
</property>

（c）配置：hdfs-site.xml

[shenyang@spark01 hadoop]$ vi hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<property>
	<name>dfs.replication</name>
	<value>1</value>
</property>

（2）启动集群

（a）格式化NameNode（第一次启动时格式化，以后就不要总格式化）

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs namenode -format

（b）启动NameNode

[shenyang@spark01 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

（c）启动DataNode

[shenyang@spark01 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode

（3）查看集群

（a）查看是否启动成功

[shenyang@spark01 hadoop-2.7.2]$ jps
2016 DataNode
1925 NameNode
2089 Jps

注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps

（b）查看产生的Log日志

[shenyang@spark01 hadoop-2.7.2]$ cd logs
[shenyang@spark01 logs]$ ll
总用量 60
-rw-rw-r--. 1 shenyang shenyang 23894 5月  25 04:41 hadoop-shenyang-datanode-spark01.log
-rw-rw-r--. 1 shenyang shenyang   719 5月  25 04:41 hadoop-shenyang-datanode-spark01.out
-rw-rw-r--. 1 shenyang shenyang 27520 5月  25 04:41 hadoop-shenyang-namenode-spark01.log
-rw-rw-r--. 1 shenyang shenyang   719 5月  25 04:40 hadoop-shenyang-namenode-spark01.out
-rw-rw-r--. 1 shenyang shenyang     0 5月  25 04:40 SecurityAuth-shenyang.audit
[shenyang@spark01 logs]$ cat hadoop-shenyang-datanode-spark01.log

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。所以，格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。

[shenyang@spark01 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/
[shenyang@spark01 current]$ cat VERSION
#Mon May 25 04:40:26 CST 2020
namespaceID=1808386724
clusterID=CID-f8a9bb39-ad57-49be-9061-48c159033dee
cTime=0
storageType=NAME_NODE
blockpoolID=BP-512757869-192.168.207.201-1590352826750
layoutVersion=-63

（4）操作集群

（a）在HDFS文件系统上创建一个input文件夹

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -mkdir -p /user/shenyang/input

（b）将测试文件内容上传到文件系统上

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -put wcinput/wc.input /user/shenyang/input/

（c）查看上传的文件是否正确

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -ls  /user/shenyang/input/
Found 1 items
-rw-r--r--   1 shenyang supergroup         47 2020-05-25 04:50 /user/shenyang/input/wc.input
[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -cat  /user/shenyang/ input/wc.input
cat: `/user/shenyang': Is a directory
hadoop yarn
hadoop mapreduce
shenyang
shenyang

（d）运行MapReduce程序

[shenyang@spark01 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shenyang/input/ /user/shenyang/
output

（e）查看输出结果

命令行查看：

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/shenyang/output/*
hadoop  2
mapreduce       1
shenyang        2
yarn    1

浏览器查看，如图所示

（f）将测试文件内容下载到本地

[shenyang@spark01 hadoop-2.7.2]$ hdfs dfs -get /user/shenyang/output/part-r-00000 ./wcoutput/

（g）删除输出结果

[shenyang@spark01 hadoop-2.7.2]$ hdfs dfs -rm -r /user/shenyang/output

2.2.2 启动YARN并运行MapReduce程序

（1）配置集群

（a）配置yarn-env.sh

配置一下JAVA_HOME

[shenyang@spark01 hadoop-2.7.2]$ cd etc/hadoop/
[shenyang@spark01 hadoop]$ vi yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

（b）配置yarn-site.xml

[shenyang@spark01 hadoop]$ vi yarn-site.xml

<!-- Reducer获取数据的方式 -->
<property>
 		<name>yarn.nodemanager.aux-services</name>
 		<value>mapreduce_shuffle</value>
</property>

<!-- 指定YARN的ResourceManager的地址 -->
<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>spark01</value>
</property>

（c）配置mapred-env.sh

配置一下JAVA_HOME

[shenyang@spark01 hadoop]$ vi mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

（d）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

[shenyang@spark01 hadoop]$ mv mapred-site.xml.template mapred-site.xml
[shenyang@spark01 hadoop]$ vi mapred-site.xml

<!-- 指定MR运行在YARN上 -->
<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
</property>

（2）启动集群

（a）启动前必须保证NameNode和DataNode已经启动

[shenyang@spark01 hadoop-2.7.2]$ jps
2624 Jps
2016 DataNode
1925 NameNode

（b）启动ResourceManager

[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager

（c）启动NodeManager

[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

（3）集群操作

（a）YARN的浏览器页面查看，如图所示

http://spark01:8088/cluster

（b）删除文件系统上的output文件

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/shenyang/output

（c）执行MapReduce程序

[shenyang@spark01 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shenyang/input  /user/shenyang/
output

（d）查看运行结果

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/shenyang/output/*
hadoop  2
mapreduce       1
shenyang        2
yarn    1

2.2.3 配置历史服务器

为了查看程序的历史运行情况，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

[shenyang@spark01 hadoop-2.7.2]$ cd etc/hadoop/
[shenyang@spark01 hadoop]$ vi mapred-site.xml

<!-- 历史服务器端地址 -->
<property>
	<name>mapreduce.jobhistory.address</name>
	<value>spark01:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>spark01:19888</value>
</property>

2. 启动历史服务器

[shenyang@spark01 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

3. 查看历史服务器是否启动

[shenyang@spark01 hadoop-2.7.2]$ jps

4. web查看JobHistory

http://spark01:19888/jobhistory

2.2.4 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HistoryManager。

开启日志聚集功能具体步骤如下：

1. 配置yarn-site.xml

[shenyang@spark01 hadoop]$ vi yarn-site.xml

在该文件里面增加如下配置

<!-- 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>

2. 关闭NodeManager 、ResourceManager和HistoryManager

[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[shenyang@spark01 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver

3. 启动NodeManager 、ResourceManager和HistoryManager

[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[shenyang@spark01 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
[shenyang@spark01 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

4. 删除HDFS上已经存在的输出文件

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/shenyang/output

5. 执行WordCount程序

[shenyang@spark01 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shenyang/input /user/shenyang/outpu
t

6. 查看日志

http://spark01:19888/jobhistory

2.3 完全分布式运行模式

步骤：

1）准备3台客户机（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

2.3.1 虚拟机准备

见1.1章

2.3.2 编写集群分发脚本xsync

1. scp（secure copy）安全拷贝

（1）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）

（2）基本语法

scp -r $pdir/$fname $user@hadoop$host:$pdir/$fname

命令递归要拷贝的文件路径/名称目的用户@主机:目的路径/名称

（3）案例

（a）在spark01上，将spark01中/opt/module目录下的软件拷贝到spark02上。

[shenyang@spark01 /]$ scp -r /opt/module  root@spark02:/opt/module

尖叫提示：

如果报 -bash: scp: command not found，就执行yum install openssh-clients进行安装

（b）在spark03上，将spark01服务器上的/opt/module目录下的软件拷贝到spark03上。

[shenyang@spark03 opt]$sudo scp -r shenyang@spark01:/opt/module root@spark03:/opt/module

注意：拷贝过来的/opt/module目录，别忘了在spark02、spark03上修改所有文件的，所有者和所有者组。sudo chown shenyang:shenyang -R /opt/module

（c）将spark01中/etc/profile文件拷贝到spark02的/etc/profile上。

[shenyang@spark01 ~]$ sudo scp /etc/profile root@spark02:/etc/profile

（d）将spark01中/etc/profile文件拷贝到spark03的/etc/profile上。

[shenyang@spark01 ~]$ sudo scp /etc/profile root@spark03:/etc/profile

注意：拷贝过来的配置文件别忘了使用root用户source /etc/profile

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 -rvl $pdir/$fname $user@hadoop$host:$pdir/$fname

命令选项参数要拷贝的文件路径/名称目的用户@主机:目的路径/名称

选项参数说明

选项	功能
-r	递归
-v	显示复制过程
-l	拷贝符号连接

（2）案例

把spark01机器上的/opt/software目录同步到spark02服务器的root用户下的/opt/目录

[shenyang@spark01 opt]$ rsync -rvl /opt/software/ root@spark02:/opt/software

尖叫提示：没有这个命令的话就sudo yum install rsync -y

3. xsync集群分发脚本

（a）在/home/shenyang目录下创建bin目录，并在bin目录下创建xsync文件

[shenyang@spark01 ~]$ mkdir bin
[shenyang@spark01 ~]$ cd bin/
[shenyang@spark01 bin]$ touch xsync
[shenyang@spark01 bin]$ vi xsync

在该文件中编写如下代码

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=2; host<4; host++)); do
        echo ------------------- spark0$host --------------
        rsync -rvl $pdir/$fname $user@spark0$host:$pdir
done

注意：如果将xsync放到/home/shenyang/bin目录下仍然不能实现全局使用，可以将xsync移动到/usr/local/bin目录下。

2.3.3 集群配置

1. 集群部署规划

spark01

spark02

spark03

HDFS

NameNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

2. 配置集群

（1）核心配置文件

core-site.xml

<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
        <name>fs.defaultFS</name>
        <value>hdfs://spark01:9000</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/module/hadoop-2.7.2/data/tmp</value>
</property>
</configuration>

（2）HDFS配置文件

hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

hdfs-site.xml

<property>
		<name>dfs.replication</name>
		<value>3</value>
</property>

<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>spark03:50090</value>
</property>

（3）YARN配置文件

yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

yarn-site.xml

<!-- Reducer获取数据的方式 -->
<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
</property>

<!-- 指定YARN的ResourceManager的地址 -->
<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>spark02</value>
</property>

（4）MapReduce配置文件

mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

mapred-site.xml

[shenyang@spark01 hadoop]$ cp mapred-site.xml.template mapred-site.xml
[shenyang@spark01 hadoop]$ vi mapred-site.xml

<!-- 指定MR运行在Yarn上 -->
<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
</property>

3．在集群上分发配置好的Hadoop配置文件

[shenyang@spark01 hadoop]$ xsync /opt/module/hadoop-2.7.2/

4．查看文件分发情况

[shenyang@spark03 hadoop]$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml

2.3.4 SSH免密登录

（1）原理

（2）生成公钥和私钥：

[shenyang@spark01 .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

[shenyang@spark01 .ssh]$ ssh-copy-id spark01
[shenyang@spark01 .ssh]$ ssh-copy-id spark02
[shenyang@spark01 .ssh]$ ssh-copy-id spark03

注意：

还需要在spark02上采用shenyang账号，配置一下无密登录到spark01、spark02、spark03

还需要在spark03上采用shenyang账号，配置一下无密登录到spark01、spark02、spark03

2.3.5 群起集群

1. 配置slaves

[shenyang@spark01 .ssh]$ vi /opt/module/hadoop-2.7.2/etc/hadoop/slaves

在该文件中增加如下内容：

spark01
spark02
spark03

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

[shenyang@spark01 .ssh]$ cd /opt/module/hadoop-2.7.2/etc/hadoop/
[shenyang@spark01 hadoop]$ xsync slaves

2. 启动集群

（1）如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

[shenyang@spark01 hadoop-2.7.2]$ bin/hdfs namenode -format

（2）启动HDFS

[shenyang@spark01 hadoop-2.7.2]$ sbin/start-dfs.sh
Starting namenodes on [spark01]
spark01: starting namenode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-shenyang-namenode-spark01.out
localhost: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-shenyang-datanode-spark01.out
spark01: datanode running as process 2784. Stop it first.
spark03: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-shenyang-datanode-spark03.out
spark02: starting datanode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-shenyang-datanode-spark02.out
Starting secondary namenodes [spark03]
spark03: starting secondarynamenode, logging to /opt/module/hadoop-2.7.2/logs/hadoop-shenyang-secondarynamenode-spark03.out
jps
[shenyang@spark01 hadoop-2.7.2]$ jps
2784 DataNode
2998 Jps
2635 NameNode

[shenyang@spark03 logs]$ jps
1968 DataNode
2070 SecondaryNameNode
2125 Jps

（3）启动YARN

[shenyang@spark02 hadoop-2.7.2]$ sbin/start-yarn.sh

注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

（4）Web端查看SecondaryNameNode

（a）浏览器中输入：http://spark03:50090/status.html

（b）查看SecondaryNameNode信息，如图

2.3.6 集群启动/停止方式总结

各个模块分开启动/停止（配置ssh是前提）

（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

2.3.7 集群时间同步

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，比如，每隔十分钟，同步一次时间。

1. 时间服务器配置（必须root用户）

（1）安装ntp

[root@spark01 hadoop-2.7.2]# yum install ntp -y

（2）检查ntp

[root@spark01 hadoop-2.7.2]# rpm -qa|grep ntp                            
ntp-4.2.6p5-15.el6.centos.x86_64
fontpackages-filesystem-1.41-1.1.el6.noarch
ntpdate-4.2.6p5-15.el6.centos.x86_64

（3）修改ntp配置文件

[root@spark01 hadoop-2.7.2]# vi /etc/ntp.conf

修改内容如下

（3）修改/etc/sysconfig/ntpd 文件

[root@spark01 hadoop-2.7.2]# vi /etc/sysconfig/ntpd

增加内容如下（让硬件时间与系统时间一起同步）

SYNC_HWCLOCK=yes

（4）重新启动ntpd服务

[root@spark01 hadoop-2.7.2]# service ntpd status
ntpd 已停
[root@spark01 hadoop-2.7.2]# service ntpd start
正在启动 ntpd：

（5）设置ntpd服务开机启动

[root@spark01 hadoop-2.7.2]# chkconfig ntpd on

2. 其他机器配置（必须root用户）

（1）在其他机器配置10分钟与时间服务器同步一次

[root@spark03 logs]# crontab -e

编写定时任务如下：

*/10 * * * * /usr/sbin/ntpdate spark01

（2）修改任意机器时间

[root@spark02 hadoop-2.7.2]# date -s "2017-9-11 11:11:11"
2017年 09月 11日 星期一 11:11:11 CST
[root@spark02 hadoop-2.7.2]# date
2017年 09月 11日 星期一 11:11:12 CST

（3）十分钟后查看机器是否与时间服务器同步

说明：测试的时候可以将10分钟调整为1分钟，节省时间。

有梦想的人不睡觉o0

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Hadoop环境搭建

1. Hadoop运行环境搭建1.1 虚拟机环境准备1. 克隆虚拟机2. 修改克隆虚拟机的静态IP3. 修改主机名4. 关闭防火墙5. 创建shenyang用户6. 配置shenyang用户具有root权限（详见我的另外一篇博客博客地址）7．在/opt目录下创建文件夹（1）在/opt目录下创建module、software文件夹...
复制链接

扫一扫

专栏目录