1. Hadoop概述
1.1 Hadoop优势
-
高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
-
高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
-
高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
-
高容错性：能够自动将失败的任务重新分配。
1.2 Hadoop组成
Hadoop1.x、2.x、3.x区别
1.2.1 HDFS架构概述
Hadoop Distributed File System，简称 HDFS，是一个分布式文件系统。
NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、 文件权限），以及每个文件的块列表和块所在的DataNode等。
DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份。
1.2.2 YARN架构概述
Yet Another Resource Negotiator 简称 YARN ，另一种资源协调者，是 Hadoop 的资源管理器。
1.2.3 MapReduce架构概述
MapReduce 将计算过程分为两个阶段：Map 和 Reduce。
-
Map 阶段并行处理输入数据。
-
Reduce 阶段对 Map 结果进行汇总。
1.2.4 HDFS、YARN、MapReduce三者关系
1.3 大数据技术生态体系
Sqoop： Sqoop 是一款开源的工具，主要用于在 Hadoop、Hive 与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到 Hadoop 的 HDFS 中，也可以将 HDFS 的数据导进到关系型数据库中。
Flume： Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume 支持在日志系统中定制各类数据发送方，用于收集数据；
Kafka： Kafka 是一种高吞吐量的分布式发布订阅消息系统；
Spark： Spark 是当前最流行的开源大数据内存计算框架。可以基于 Hadoop 上存储的大数据进行计算。
Flink： Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
Oozie： Oozie 是一个管理 Hadoop 作业（job）的工作流程调度管理系统。
Hbase： HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
Hive： Hive 是基于 Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的 SQL 查询功能，可以将 SQL 语句转换为 MapReduce 任务进行运行。其优点是学习成本低，可以通过类 SQL 语句快速实现简单的 MapReduce 统计，不必开发专门的 MapReduce 应用，十分适合数据仓库的统计分析。
ZooKeeper： 它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。
1.4 推荐系统框架图
2. Hadoop运行环境搭建（开发重点）
2.1 模板虚拟机环境准备
安装虚拟机： VMware虚拟机安装Linux(CentOS7)
Linux教程： Linux教程
-
安装模板虚拟机
IP地址
192.168.10.100、主机名称hadoop100、内存4G、硬盘50G-
编辑VMware的网络配置
-
虚拟机网络IP修改地址配置
1）修改网络IP地址为静态IP地址，避免IP地址经常变化，从而方便节点服务器间的互相通信。
[root@hadoop100 ~]#vim /etc/sysconfig/network-scripts/ifcfg-ens332）以下加粗的项必须修改，有值的按照下面的值修改，没有该项的则需要增加。
TYPE="Ethernet" #网络类型（通常是Ethemet） PROXY_METHOD="none" BROWSER_ONLY="no" BOOTPROTO="static" #IP的配置方法[none|static|bootp|dhcp]（引导时不使用协议|静态分配IP|BOOTP协议|DHCP协议） DEFROUTE="yes" IPV4_FAILURE_FATAL="no" IPV6INIT="yes" IPV6_AUTOCONF="yes" IPV6_DEFROUTE="yes" IPV6_FAILURE_FATAL="no" IPV6_ADDR_GEN_MODE="stable-privacy" NAME="ens33" UUID="e83804c1-3257-4584-81bb-660665ac22f6" #随机id DEVICE="ens33" #接口名（设备,网卡） ONBOOT="yes" #系统启动的时候网络接口是否有效（yes/no） #IP地址 IPADDR=192.168.10.100 #网关 GATEWAY=192.168.10.2 #域名解析器 DNS1=192.168.10.23）修改IP地址后的结果如图所示，执行“:wq”命令，保存退出
4）执行systemctl restart network命令，重启网络服务。如果报错，则执行“reboot”命令，重启虚拟机
[root@hadoop100 ~]# systemctl restart network5）使用ifconfig命令查看当前IP
[root@hadoop100 ~]# ifconfig
6）保证Linux系统ifcfg-ens33文件中IP地址、虚拟网络编辑器地址相同
-
修改主机名和hosts文件
1）修改主机名称
[root@hadoop100 ~]# vim /etc/hostname hadoop1002）配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts
[root@hadoop100 ~]# vim /etc/hosts添加如下内容
192.168.10.100 hadoop100 192.168.10.101 hadoop101 192.168.10.102 hadoop102 192.168.10.103 hadoop103 192.168.10.104 hadoop104 192.168.10.105 hadoop105 192.168.10.106 hadoop106 192.168.10.107 hadoop107 192.168.10.108 hadoop1083）重启克隆机hadoop102
[root@hadoop100 ~]# reboot
-
-
hadoop100虚拟机配置
- 使用yum安装需要虚拟机可以正常上网，yum安装前可以先测试下虚拟机联网情况
[root@hadoop100 ~]# ping www.baidu.com PING www.baidu.com (14.215.177.39) 56(84) bytes of data. 64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=1 ttl=128 time=8.60 ms 64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=2 ttl=128 time=7.72 ms - 安装epel-release
[root@hadoop100 ~]# yum install -y epel-release
- 使用yum安装需要虚拟机可以正常上网，yum安装前可以先测试下虚拟机联网情况
-
关闭防火墙，关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld [root@hadoop100 ~]# systemctl disable firewalld.service注意： 在企业开发时，通常单个服务器的防火墙时关闭的。公司整体对外会设置非常安全的防火墙
-
创建 kc 用户，并修改 kc 用户的密码
[root@hadoop100 ~]# useradd kc [root@hadoop100 ~]# passwd kc -
配置 kc 用户具有 root 权限，方便后期加 sudo 执行 root 权限的命令
[root@hadoop100 ~]# vim /etc/sudoers修改
/etc/sudoers文件，在%wheel这行下面添加一行，如下所示：## Allow root to run any commands anywhere root ALL=(ALL) ALL ## Allows people in group wheel to run all commands %wheel ALL=(ALL) ALL kc ALL=(ALL) NOPASSWD:ALL注意： kc 这一行不要直接放到 root 行下面，因为所有用户都属于 wheel 组，你先配置了 kc 具有免密功能，但是程序执行到 %wheel 行时，该功能又被覆盖回需要密码。所以 kc 要放到 %wheel 这行下面。
-
在/opt目录下创建文件夹，并修改所属主和所属组
-
在/opt目录下创建 module、software 文件夹
[root@hadoop100 ~]# mkdir /opt/module [root@hadoop100 ~]# mkdir /opt/software -
修改 module、software 文件夹的所有者和所属组均为 kc 用户
[root@hadoop100 ~]# chown kc:kc /opt/module [root@hadoop100 ~]# chown kc:kc /opt/software -
查看 module、software 文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/ [root@hadoop100 opt]# ll 总用量 12 drwxr-xr-x. 2 kc kc 4096 5月 28 17:18 module drwxr-xr-x. 2 root root 4096 9月 7 2017 rh drwxr-xr-x. 2 kc kc 4096 5月 28 17:18 software
-
-
卸载虚拟机自带的JDK
注意： 如果你的虚拟机是最小化安装不需要执行这一步。
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodepsrpm -qa：查询所安装的所有rpm软件包
grep -i：忽略大小写
xargs -n1：表示每次只传递一个参数
rpm -e –nodeps：强制卸载软件 -
重启虚拟机
[root@hadoop100 ~]# reboot
2.2 克隆虚拟机
-
克隆
利用模板机hadoop100，克隆三台虚拟机：hadoop102 hadoop103 hadoop104
注意：克隆时，要先关闭hadoop100
克隆操作：具体详见第二章
-
修改克隆机IP
以下以 hadoop102 举例说明
-
修改克隆虚拟机的静态IP
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33改成
DEVICE=ens33 TYPE=Ethernet ONBOOT=yes BOOTPROTO=static NAME="ens33" IPADDR=192.168.10.102 PREFIX=24 GATEWAY=192.168.10.2 DNS1=192.168.10.2 -
查看Linux虚拟机的虚拟网络编辑器，编辑 → \rightarrow → 虚拟网络编辑器 → \rightarrow → VMnet8
-
-
修改克隆机主机名
以下以 hadoop102 举例说明
-
修改主机名称
[root@hadoop100 ~]# vim /etc/hostname hadoop102 -
配置 Linux 克隆机主机名称映射
hosts文件，打开/etc/hosts[root@hadoop100 ~]# vim /etc/hosts添加如下内容
192.168.10.100 hadoop100 192.168.10.101 hadoop101 192.168.10.102 hadoop102 192.168.10.103 hadoop103 192.168.10.104 hadoop104 192.168.10.105 hadoop105 192.168.10.106 hadoop106 192.168.10.107 hadoop107 192.168.10.108 hadoop108
-
-
重启克隆机hadoop102
[root@hadoop100 ~]# reboot
2.3 在hadoop102安装JDK
-
卸载现有JDK
注意：安装JDK前，一定确保提前删除了虚拟机自带的JDK。
详细步骤见本章2.1节中卸载JDK步骤。
-
SFTP传输工具
用 SFTP 传输工具将 JDK 导入到 opt 目录下面的 software 文件夹下面
-
查看软件包是否导入成功
在 Linux 系统下的 opt 目录中查看软件包是否导入成功
[kc@hadoop102 ~]$ ls /opt/software/ jdk-8u212-linux-x64.tar.gz -
解压 JDK 到 /opt/module 目录下
[kc@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/ -
配置JDK环境变量
-
新建
/etc/profile.d/my_env.sh文件[kc@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh添加如下内容
#JAVA_HOME export JAVA_HOME=/opt/module/jdk1.8.0_212 export PATH=$PATH:$JAVA_HOME/bin -
保存后退出
:wq -
source一下/etc/profile文件，让新的环境变量PATH生效[kc@hadoop102 ~]$ source /etc/profile
-
-
测试JDK是否安装成功
[kc@hadoop102 ~]$ java -version java version "1.8.0_212"若不是以上结果，则需要重启
[kc@hadoop102 ~]$ sudo reboot
2.4 在hadoop102安装Hadoop
Hadoop下载地址：Hadoop
-
SFTP传输工具
用 SFTP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 -
进入到Hadoop安装包路径下并解压
# 进入Hadoop安装包路径下 [kc@hadoop102 ~]$ cd /opt/software/ # 解压 [kc@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/ -
查看是否解压成功
[kc@hadoop102 software]$ ls /opt/module/ hadoop-3.1.3 -
将Hadoop添加到环境变量
-
获取Hadoop安装路径
[kc@hadoop102 hadoop-3.1.3]$ pwd /opt/module/hadoop-3.1.3 -
打开
/etc/profile.d/my_env.sh文件[kc@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 -
让修改后的文件生效
[kc@hadoop102 hadoop-3.1.3]$ source /etc/profile
-
-
测试是否安装成功
[kc@hadoop102 hadoop-3.1.3]$ hadoop version Hadoop 3.1.3 -
重启（如果Hadoop命令不能用再重启虚拟机）
[kc@hadoop102 hadoop-3.1.3]$ sudo reboot
2.5 Hadoop目录结构
-
查看Hadoop目录结构
[kc@hadoop102 hadoop-3.1.3]$ ll 总用量 52 drwxr-xr-x. 2 kc kc 4096 5月 22 2017 bin drwxr-xr-x. 3 kc kc 4096 5月 22 2017 etc drwxr-xr-x. 2 kc kc 4096 5月 22 2017 include drwxr-xr-x. 3 kc kc 4096 5月 22 2017 lib drwxr-xr-x. 2 kc kc 4096 5月 22 2017 libexec -rw-r--r--. 1 kc kc 15429 5月 22 2017 LICENSE.txt -rw-r--r--. 1 kc kc 101 5月 22 2017 NOTICE.txt -rw-r--r--. 1 kc kc 1366 5月 22 2017 README.txt drwxr-xr-x. 2 kc kc 4096 5月 22 2017 sbin drwxr-xr-x. 4 kc kc 4096 5月 22 2017 share -
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
3. Hadoop运行模式
- Hadoop官方网站：http://hadoop.apache.org/
- 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。
3.1 本地运行模式（官方WordCount）
-
创建文件夹并进入
创建在
hadoop-3.1.3文件下面创建一个wcinput文件夹并进入# 创建文件夹 [kc@hadoop102 hadoop-3.1.3]$ mkdir wcinput # 进入文件夹 [kc@hadoop102 hadoop-3.1.3]$ cd wcinput -
编辑 word.txt 文件
[kc@hadoop102 wcinput]$ vim word.txt在文件中输入如下内容
hadoop yarn hadoop mapreduce kc kc保存退出：
:wq -
回到 Hadoop 目录 /opt/module/hadoop-3.1.3
-
执行程序
[kc@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput -
查看结果
[kc@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000看到如下结果：
kc 2 hadoop 2 mapreduce 1 yarn 1
3.2 完全分布式运行模式（开发重点）
3.2.1 虚拟机准备
详见2.1、2.2两小节
3.2.2 编写集群分发脚本xsync
-
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）
-
基本语法
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 -
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kc:kc(1) 在 hadoop102 上，将 hadoop102 中
/opt/module/jdk1.8.0_212目录拷贝到 hadoop103 上。[kc@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 kc@hadoop103:/opt/module(2) 在 hadoop103 上，将 hadoop102 中
/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。[kc@hadoop103 ~]$ scp -r kc@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/(3) 在 hadoop103 上，将 hadoop102 中
/opt/module目录下所有目录拷贝到 hadoop104 上。[kc@hadoop103 opt]$ scp -r kc@hadoop102:/opt/module/* kc@hadoop104:/opt/module
-
-
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 -av $pdir/$fname $user@$host:$pdir/$fname 命令 选项参数 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 功能 -a 归档拷贝 -v 显示复制过程 -
案例实操
删除 hadoop103 中
/opt/module/hadoop-3.1.3/wcinput[kc@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/同步 hadoop102 中的
/opt/module/hadoop-3.1.3到hadoop103[kc@hadoop102 module]$ rsync -av hadoop-3.1.3/ kc@hadoop103:/opt/module/hadoop-3.1.3/
-
-
xsync集群分发脚本
-
需求：循环复制文件到所有节点的相同目录下
-
需求分析
(1) rsync命令原始拷贝：
rsync -av /opt/module kc@hadoop103:/opt/(2) 期望脚本：xsync要同步的文件名称
[kc@hadoop102 ~]$ echo $PATH /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/kc/.local/bin:/home/kc/bin:/opt/module/jdk1.8.0_212/bin -
脚本实现
(1) 在
/home/kc/bin目录下创建 xsync 文件[kc@hadoop102 opt]$ cd /home/kc [kc@hadoop102 ~]$ mkdir bin [kc@hadoop102 ~]$ cd bin [kc@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 $file does not exists! fi done done(2) 修改脚本 xsync 具有执行权限
[kc@hadoop102 bin]$ chmod +x xsync(3) 测试脚本
[kc@hadoop102 ~]$ xsync /home/kc/bin(4) 将脚本复制到/bin中，以便全局调用
[kc@hadoop102 bin]$ sudo cp xsync /bin/(5) 同步环境变量配置（root所有者）
[kc@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
[kc@hadoop103 bin]$ source /etc/profile [kc@hadoop104 opt]$ source /etc/profile
-
3.2.3 SSH无密登录配置
-
配置ssh
-
基本语法：
ssh IP地址 -
ssh 连接如果出现如下内容
Are you sure you want to continue connecting (yes/no)?输入yes，并回车
-
退回到 hadoop102
[kc@hadoop103 ~]$ exit
-
-
无密钥配置
-
免密登录原理
-
生成公钥和私钥
[kc@hadoop102 .ssh]$ pwd /home/kc/.ssh [kc@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）
-
将公钥拷贝到要免密登录的目标机器上
[kc@hadoop102 .ssh]$ ssh-copy-id hadoop102 [kc@hadoop102 .ssh]$ ssh-copy-id hadoop103 [kc@hadoop102 .ssh]$ ssh-copy-id hadoop104注意：
还需要在 hadoop103 上采用 kc 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 kc 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 服务器上。
-
-
.ssh文件夹下（~/.ssh）的文件功能解释
文件名 功能 known_hosts 记录ssh访问过计算机的公钥（public key） id_rsa 生成的私钥 id_rsa.pub 生成的公钥 authorized_keys 存放授权过的无密登录服务器公钥
3.2.4 集群配置
-
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。
-
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
要获取的默认文件 文件存放在Hadoop的jar包中的位置 [core-default.xml] hadoop-common-3.1.3.jar/core-default.xml [hdfs-default.xml] hadoop-hdfs-3.1.3.jar/hdfs-default.xml [yarn-default.xml] hadoop-yarn-common-3.1.3.jar/yarn-default.xml [mapred-default.xml] hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml -
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$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。
-
-
配置集群
-
核心配置文件
配置
core-site.xml[kc@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop [kc@hadoop102 hadoop]$ 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atguigu --> <property> <name>hadoop.http.staticuser.user</name> <value>kc</value> </property> </configuration> -
HDFS配置文件
配置
hdfs-site.xml[kc@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> -
YARN配置文件
配置
yarn-site.xml[kc@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> -
MapReduce配置文件
配置
mapred-site.xml<?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>
-
-
在集群上分发配置好的Hadoop配置文件
[kc@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/ -
去103和104上查看文件分发情况
[kc@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml [kc@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
3.2.5 群起集群
-
配置workers
[kc@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
[kc@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc -
启动集群
-
如果集群是第一次启动，需要在 hadoop102 节点格式化
NameNode非常重要！！！
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。
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。[kc@hadoop102 hadoop-3.1.3]$ hdfs namenode -format -
启动HDFS
[kc@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh -
在配置了
ResourceManager的节点（hadoop103） 启动YARN[kc@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh -
Web端查看
HDFS的NameNode(1) 浏览器中输入：
http://hadoop102:9870(2) 查看HDFS上存储的数据信息
-
Web端查看
YARN的ResourceManager(1) 浏览器中输入：
http://hadoop103:8088(2) 查看HDFS上存储的数据信息
-
-
集群基本测试
-
上传文件到集群
上传小文件
[kc@hadoop102 ~]$ hadoop fs -mkdir /input [kc@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input上传大文件
[kc@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz / -
上传文件后查看文件存放在什么位置
查看HDFS文件存储路径
[kc@hadoop102 subdir0]$ pwd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-192.168.10.102-1610603650062/current/finalized/subdir0/subdir0查看HDFS在磁盘存储文件内容
[kc@hadoop102 subdir0]$ cat blk_1073741825 hadoop yarn hadoop mapreduce kc kc -
拼接
-rw-rw-r--. 1 kc kc 134217728 5月 23 16:01 blk_1073741836 -rw-rw-r--. 1 kc kc 1048583 5月 23 16:01 blk_1073741836_1012.meta -rw-rw-r--. 1 kc kc 63439959 5月 23 16:01 blk_1073741837 -rw-rw-r--. 1 kc kc 495635 5月 23 16:01 blk_1073741837_1013.meta [kc@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz [kc@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz [kc@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz -
下载
[kc@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./ -
执行wordcount程序
[kc@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
-
3.2.6 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：
-
配置
mapred-site.xml[kc@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> -
分发配置
[kc@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml -
在 hadoop102 启动历史服务器
[kc@hadoop102 hadoop]$ mapred --daemon start historyserver -
查看历史服务器是否启动
[kc@hadoop102 hadoop]$ jps -
查看JobHistory
http://hadoop102:19888/jobhistory
3.2.7 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：
-
配置
yarn-site.xml[kc@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> -
分发配置
[kc@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml -
关闭
NodeManager、ResourceManager和HistoryServer[kc@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh [kc@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver -
启动
NodeManager、ResourceManage和HistoryServer[kc@hadoop103 ~]$ start-yarn.sh [kc@hadoop102 ~]$ mapred --daemon start historyserver -
删除HDFS上已经存在的输出文件
[kc@hadoop102 ~]$ hadoop fs -rm -r /output -
执行WordCount程序
[kc@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output -
查看日志
-
历史服务器地址
http://hadoop102:19888/jobhistory -
历史任务日志
-
3.2.8 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）常用
-
整体启动/停止
HDFSstart-dfs.sh/stop-dfs.sh -
整体启动/停止
YARNstart-yarn.sh/stop-yarn.sh
-
-
各个服务组件逐一启动/停止
-
分别启动/停止
HDFS组件hdfs --daemon start/stop namenode/datanode/secondarynamenode -
分别启动/停止
YARNyarn --daemon start/stop resourcemanager/nodemanager
-
3.2.9 编写Hadoop集群常用脚本
-
Hadoop集群启停脚本（包含
HDFS，Yarn，Historyserver）[kc@hadoop102 ~]$ cd /home/kc/bin [kc@hadoop102 bin]$ vim myhadoop.sh输入如下内容
#!/bin/bash if [ $# -lt 1 ] then echo "No Args Input..." exit ; fi case $1 in "start") echo " =================== 启动 hadoop集群 ===================" echo " --------------- 启动 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh" echo " --------------- 启动 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh" echo " --------------- 启动 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver" ;; "stop") echo " =================== 关闭 hadoop集群 ===================" echo " --------------- 关闭 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver" echo " --------------- 关闭 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh" echo " --------------- 关闭 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh" ;; *) echo "Input Args Error..." ;; esac保存后退出，然后赋予脚本执行权限
[kc@hadoop102 bin]$ chmod +x myhadoop.sh -
查看三台服务器Java进程脚本：jpsall
[kc@hadoop102 ~]$ cd /home/kc/bin [kc@hadoop102 bin]$ vim jpsall输入如下内容
#!/bin/bash for host in hadoop102 hadoop103 hadoop104 do echo =============== $host =============== ssh $host jps done保存后退出，然后赋予脚本执行权限
[kc@hadoop102 bin]$ chmod +x jpsall -
分发/home/kc/bin目录，保证自定义脚本在三台机器上都可以使用
[kc@hadoop102 ~]$ xsync /home/kc/bin/
3.2.10 常用端口号说明
4. 常见错误及解决方案
-
防火墙没关闭、或者没有启动YARN
INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032 -
主机名称配置错误
-
IP地址配置错误
-
ssh没有配置好
-
root用户和kc两个用户启动集群不统一
-
配置文件修改不细心
-
不识别主机名称
java.net.UnknownHostException: hadoop102: hadoop102 at java.net.InetAddress.getLocalHost(InetAddress.java:1475) at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:146) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287) at java.security.AccessController.doPrivileged(Native Method) at javax.security.auth.Subject.doAs(Subject.java:415)-
解决办法：
(1) 在
/etc/hosts文件中添加192.168.10.102 hadoop102(2) 主机名称不要起
hadoophadoop000等特殊名称
-
-
DataNode和NameNode进程同时只能工作一个
-
jps发现进程已经没有，但是重新启动集群，提示进程已经开启
原因：在Linux的根目录下
/tmp目录中存在启动的进程临时文件，将集群相关进程删除掉，再重新启动集群。 -
jps不生效
原因：全局变量
hadoop java没有生效。解决办法：需要
source /etc/profile文件 -
8088端口连接不上
[kc@hadoop102 ~]$ cat /etc/hosts注释掉如下代码
#127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 #::1 hadoop102
73
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
