单机模式/本地运行模式/Local (Standalone) Mode
demo:
1、在hadoop-3.1.3目录下创建一个wcinput文件夹。
[ramelon@hadoop102 hadoop-3.1.3]$ mkdir wcinput
2、在wcinput文件夹下创建一个word.txt
[ramelon@hadoop102 wcinput]$ vim word.txt
并输入一下内容,保存并退出。
ss ss
cls cls
banzhang
bobo
yangge
3、回到目录/opt/module/hadoop-3.1.3。(若不会到此目录,命令中的地址要用绝对地址也可)
[ramelon@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutpu
4、查看结果。
[ramelon@hadoop102 hadoop-3.1.3]$ cd wcoutput/
[ramelon@hadoop102 wcoutput]$ cat part-r-00000
结果如下:
banzhang 1
bobo 1
cls 2
ss 2
yangge 1
伪分布式模式(Pseudo-Distributed Mode)
完全分布式模式(Fully-Distributed Mode)
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
以上相关操作见前文档。
6、配置集群
scp(secure copy)安全拷贝
Linux scp 命令用于 Linux 之间复制文件和目录。
scp 是 secure copy 的缩写, scp 是 linux 系统下基于 ssh 登陆进行安全的远程文件拷贝命令。
scp 是加密的,rcp 是不加密的,scp 是 rcp 的加强版。
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
实验:
将hadoop102上/opt目录下的/module下的jdk和hadoop文件拷贝到hadoop103,hadoop104。
注意要将module下多有的文件的所属用户所属组都要改成对应的用户,我这里就是ramelon。
[ramelon@hadoop102 ~]$ sudo chown ramelon:ramelon -R /opt/module
(-R : 处理指定目录以及其子目录下的所有文件)
a、在hadoop102上,将hadoop102中/opt/module/jdk1.8.0_301目录拷贝到hadoop103上。
[ramelon@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_301 ramelon@hadoop103:/opt/module
b、在hadoop103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。
[ramelon@hadoop103 ~]$ scp -r ramelon@hadoop102/opt/module/hadoop-3.1.3 ramelon@hadoop103:/opt/module
c、在hadoop103上操作,将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。
[ramelon@hadoop103 ~]$ scp -r ramelon@hadoop102:/opt/module/* ramelon@hadoop104:/opt/module
rsync
rsync命令是一个远程数据同步工具,可通过LAN/WAN快速同步多台主机间的文件。rsync使用所谓的“rsync算法”来使本地和远程两个主机之间的文件达到同步,这个算法只传送两个文件的不同部分,而不是每次都整份传送,因此速度相当快。
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。
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
-a 归档拷贝
-v 显示复制过程
实验:
a、删除hadoop103中/opt/module/hadoop-3.1.3/wcinput
[ramelon@hadoop103 ~]$ rm -rf /opt/module/hadoop-3.1.3/wcinput
b、同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103
[ramelon@hadoop102 ~]$ rsync -av /opt/module/hadoop-3.1.3 ramelon@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:
(a)rsync命令原始拷贝:
[ramelon@hadoop102 ~]$ rsync -av /opt/module/hadoop-3.1.3 ramelon@hadoop103:/opt/module/hadoop-3.1.3
(b)期望脚本:
xsync 要同步的文件名称
(c)期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)
[ramelon@hadoop102 ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_301/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/home/ramelon/.local/bin:/home/ramelon/bin
脚本实现:
1、在**/home/ramelon目录下创建bin**目录。
[ramelon@hadoop102 ~]$ mkdir bin
2、在bin目录下创建xsync文件。
[ramelon@hadoop102 bin]$ vim xsync
3、在xsync文件中输入脚本。(一定要在输入模式中粘贴)
#!/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 $file does not exists!
fi
done
done
4、给xsync文件加入可执行权限
[ramelon@hadoop102 bin]$ chmod +x xsync
5、测试脚本
[ramelon@hadoop102 bin]$ xsync /home/ramelon/bin
6、分发环境变量**(如果用了sudo,则一定要用绝对路径)**
[ramelon@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh
7、source刷新一下文件
[ramelon@hadoop103 bin]$ source /etc/profile
[ramelon@hadoop104 opt]$ source /etc/profile
7、单点启动
需要到每个服务器上去启动服务
8、配置ssh无密登录
1、进入**.ssh**目录下
[ramelon@hadoop102 ~]$ cd .ssh/
2、生成公钥和私钥,然后敲(三个回车),就会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)。
[ramelon@hadoop102 .ssh]$ ssh-keygen -t rsa
3、将公钥拷贝到要免密登录的目标机器上
[ramelon@hadoop102 .ssh]$ ssh-copy-id hadoop102
[ramelon@hadoop102 .ssh]$ ssh-copy-id hadoop103
[ramelon@hadoop102 .ssh]$ ssh-copy-id hadoop104
此外,注意:
还需要在hadoop103上采用ramelon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ramelon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;
.ssh文件夹下(~/.ssh)的文件功能解释
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
9、群起并测试集群
1)集群部署规划
hadoop102 | hadoop103 | hadoop104 | |
---|---|---|---|
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
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。
2)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。
-
系统默认配置文件
-
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。
3)配置集群
注意配置文件在 $HADOOP_HOME/etc/hadoop目录下
-
核心配置文件 core-site.xml
-
[ramelon@hadoop102 hadoop]$ vim core-site.xml
-
<?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ramelon --> <!-- 不配置HDFS网页无法删除--> <property> <name>hadoop.http.staticuser.user</name> <value>ramelon</value> </property> </configuration>
-
-
HDFS配置文件 hdfs-site.xml
-
[ramelon@hadoop102 hadoop]$ vim hdfs-site.xml
-
<?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 yarn-site.xml
-
[ramelon@hadoop102 hadoop]$ vim yarn-site.xml
-
<?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 mapred-site.xml
-
[ramelon@hadoop102 hadoop]$ vim 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>
-
4)在集群上分发配置好的Hadoop配置文件
[ramelon@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
5)去hadoop103和hadoop104上查看文件分发情况
6)群起集群
1、配置workers
[ramelon@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在文件中添加以下内容
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。
然后同步配置
[ramelon@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
2、启动集群
(1)如果集群是第一次启动,需要在hadoop102节点格式化NameNode(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。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。)
[ramelon@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
(2)启动HDFS
[ramelon@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
(3)启动YARN 在配置了ResourceManager的节点(hadoop103)
[ramelon@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(4)Web端查看HDFS的NameNode
(a)浏览器中输入:http://hadoop102:9870
(b)查看HDFS上存储的数据信息
(5)Web端查看YARN的ResourceManager
(a)浏览器中输入:http://hadoop103:8088
(b)查看YARN上运行的Job信息
3、集群基本测试
1、上传文件到集群
-
上传小文件
-
[ramelon@hadoop102 ~]$ hadoop fs -mkdir /input [ramelon@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
-
-
上传大文件
-
[ramelon@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u301-linux-x64.tar.gz /
-
2、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
-
[ramelon@hadoop102 hadoop-3.1.3]$ cd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1760951179-192.168.112.102-1632129617528/current/finalized/subdir0/subdir0/
-
-
查看HDFS在磁盘存储文件内容
-
[ramelon@hadoop102 subdir0]$ cat blk_1073741825 ss ss cls cls banzhang bobo yangge
-
3、拼接
[ramelon@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz
[ramelon@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz
[ramelon@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz
注意存储的时候是一块128MB,jdk 的大小超过了128MB,所以分成了2块存储,所以上面解压完就是一个完整的jdk。
4、下载
[ramelon@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
5、执行wordcount程序
[ramelon@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
注意,执行完可以在/output目录下面查看结果
http://hadoop102:9870
7)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
[ramelon@hadoop102 hadoop]$ vim mapred-site.xml
在文件中加入以下内容
<!-- 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>
2、分发配置
[ramelon@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
3、在hadoop102启动历史服务器
[ramelon@hadoop102 hadoop]$ mapred --daemon start historyserver
4、查看历史服务器是否启动
[ramelon@hadoop102 hadoop]$ jps
5、查看JobHistory
http://hadoop102:19888/jobhistory
8)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。
1、配置yarn-site.xml
[ramelon@hadoop102 hadoop]$ vim yarn-site.xml
在文件中增加
<!-- 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>
2、分发配置
[ramelon@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
3、关闭NodeManager 、ResourceManager和HistoryServer
[ramelon@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[ramelon@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
5、启动NodeManager 、ResourceManage、和HistoryServer
[ramelon@hadoop103 ~]$ start-yarn.sh
[ramelon@hadoop102 ~]$ mapred --daemon start historyserver
6、删除HDFS上已经存在的输出文件
[ramelon@hadoop102 ~]$ hadoop fs -rm -r /output
执行下面的wordcount程序
[ramelon@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
7、查看日志
9)集群启动/停止方式总结
1、各个模块分开启动/停止(配置ssh是前提)常用 [/opt/module/hadoop-3.1.3/sbin]
(1)整体启动/停止HDFS
[ramelon@hadoop102 sbin]$ start-dfs.sh/stop-dfs.sh
[ramelon@hadoop102 sbin]$ stop-dfs.sh
(2)整体启动/停止YARN
[ramelon@hadoop102 sbin]$ start-yarn.sh
[ramelon@hadoop102 sbin]$ stop-yarn.sh
2、各个服务组件逐一启动/停止
(1)分别启动/停止HDFS组件
[ramelon@hadoop102 sbin]$ hdfs --daemon start/stop namenode/datanode/secondarynamenode
(2)启动/停止YARN
[ramelon@hadoop102 sbin]$ yarn --daemon start/stop resourcemanager/nodemanager
10)编写Hadoop集群常用脚本
一台服务器启动关闭所有服务器
1、Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver)文件名:myhadoop.sh
[ramelon@hadoop102 ~]$ cd /home/ramelon/bin
[ramelon@hadoop102 bin]$ vim myhadoop.sh
输入以下脚本内容
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
2、加执行权限
[ramelon@hadoop102 bin]$ chmod +x myhadoop.sh
查看三台服务器Java进程脚本:jpsall
1、新建脚本jpsall
[ramelon@hadoop102 ~]$ cd /home/atguigu/bin
[ramelon@hadoop102 bin]$ vim jpsall
输入一下脚本内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
2、添加可执行权限
[ramelon@hadoop102 bin]$ chmod +x jpsall
3、分发脚本,保证自定义脚本在三台机器上都可以使用
[ramelon@hadoop102 ~]$ xsync /home/atguigu/bin/
11)集群时间同步
两个面试题
一、常用端口号
- hadoop3.x
- HDFS NameNode 内部通常端口:8020/9000/9820
- HDFS NameNode 对用户的查询端口:9870
- Yarn查看任务运行情况的:8088
- 历史服务器:19888
- hadoop2.x
- HDFS NameNode 内部通常端口:8020/9000
- HDFS NameNode 对用户的查询端口:50070
- Yarn查看任务运行情况的:8088
- 历史服务器:19888
二、常用的配置文件
2、加执行权限
[ramelon@hadoop102 bin]$ chmod +x myhadoop.sh
查看三台服务器Java进程脚本:jpsall
1、新建脚本jpsall
[ramelon@hadoop102 ~]$ cd /home/atguigu/bin
[ramelon@hadoop102 bin]$ vim jpsall
输入一下脚本内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
2、添加可执行权限
[ramelon@hadoop102 bin]$ chmod +x jpsall
3、分发脚本,保证自定义脚本在三台机器上都可以使用
[ramelon@hadoop102 ~]$ xsync /home/atguigu/bin/
[外链图片转存中…(img-EzoRpnLy-1632208997148)]
11)集群时间同步
两个面试题
一、常用端口号
- hadoop3.x
- HDFS NameNode 内部通常端口:8020/9000/9820
- HDFS NameNode 对用户的查询端口:9870
- Yarn查看任务运行情况的:8088
- 历史服务器:19888
- hadoop2.x
- HDFS NameNode 内部通常端口:8020/9000
- HDFS NameNode 对用户的查询端口:50070
- Yarn查看任务运行情况的:8088
- 历史服务器:19888
二、常用的配置文件
3.x | core-site.xml | hdfs-site.xml | yarn-site.xml | mapred-site.xml | workwes |
2.x | core-site.xml | hdfs-site.xml | yarn-site.xml | mapred-site.xml |