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。
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:$pdir
done
注意:如果将xsync放到/home/shenyang/bin目录下仍然不能实现全局使用,可以将xsync移动到/usr/local/bin目录下。
2.3.3 集群配置
1. 集群部署规划
| spark01 | spark02 | spark03 |
HDFS
| NameNode DataNode |
DataNode | SecondaryNameNode DataNode |
YARN |
NodeManager | ResourceManager NodeManager |
NodeManager |
2. 配置集群
(1)核心配置文件
core-site.xml
<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://spark01:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
</configuration>
(2)HDFS配置文件
hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>spark03:50090</value>
</property>
(3)YARN配置文件
yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
yarn-site.xml
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>spark02</value>
</property>
(4)MapReduce配置文件
mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
mapred-site.xml
[shenyang@spark01 hadoop]$ 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。