Hadoop部署
基础环境准备
- Linux - Centos7
- JDK 1.8
- Hadoop 3.x
模板机准备
#基础包
yum install -y epel-release net-tool vim
# 关闭防火墙
systemctl stop firewalld
systemctl disable firewalld.service
#创建用户并授权
useradd atguigu
passwd atguigu
#atguigu 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atguigu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atguigu要放到%wheel这行下面
vim /etc/sudoers
atguigu ALL=(ALL) NOPASSWD:ALL
#创建module和software文件夹
mkdir /opt/module
mkdir /opt/software
chown atguigu:atguigu /opt/module
chown atguigu:atguigu /opt/software
# 卸载虚拟机自带的JDK
rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
#重启
reboot
节点属性修改
# 主机名和IP地址需要修改,这里不列出
# /etc/hosts 需要添加IP与host映射
vim /etc/hostname
vim /etc/sysconfig/network-scripts/ifcfg-ens33
cat >> /etc/hosts << EOF
192.168.40.20 cl-master
192.168.40.21 cl-node1
192.168.40.22 cl-node2
EOF
# 修改Windows host映射,我直接使用的是switchhost
192.168.40.20 cl-master
192.168.40.21 cl-node1
192.168.40.22 cl-node2
JDK和Hadoop安装
#将安装包上传到sofeware文件夹
cd /opt/software/
# 解压
tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
# JDK配置环境变量
sudo vim /etc/profile.d/my_env.sh
# 添加
#JAVA_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
# 应用环境变量
source /etc/profile
# 测试JDK
java -version
hadoop version
Hadoop 目录结构
(1)bin 目录:存放对 Hadoop 相关服务(hdfs,yarn,mapred)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
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。
➢ 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。
本地模式
# 1)创建在 hadoop-3.1.3 文件下面创建一个 wcinput 文件夹
cd /opt/module/hadoop-3.1.3
mkdir wcinput
cd wcinput
# 2)新增txt文件
vim word.txt
# 输入测试内容
hadoop yarn
hadoop mapreduce
atguigu
atguigu
# 运行hadoop
cd ..
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
# 查看结果
cat wcoutput/part-r-00000
完全分布式模式(集群)
#xsync分发脚本
#!/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 cl-master cl-node1 cl-node2
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
#发送主机和接受主机都需要先安装rsync
sudo yum install -y rsync
# 创建执行脚本
cd /home/atguigu
mkdir bin
cd bin
vim xsync
#添加执行权限
chmod +x xsync
# 测试脚本
xsync /home/atguigu/bin
# 添加到bin
sudo cp xsync /bin/
#同步环境变量设置
sudo ./bin/xsync /etc/profile.d/my_env.sh
#配置ssh无秘登录
mkdir /home/atguigu/.ssh
cd /home/atguigu/.ssh
#生成RSA秘钥
ssh-keygen -t rsa
#分发公钥给其它机器,其它机器如果想要免密登录也需要重新配置
ssh-copy-id cl-master
ssh-copy-id cl-node1
ssh-copy-id cl-node2
集群配置
1)集群部署规划
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。
默认配置文件:
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)集群配置
cd $HADOOP_HOME/etc/hadoop
- 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://cl-master: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>atguigu</value>
</property>
</configuration>
- 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>cl-master:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>cl-node2:9868</value>
</property>
</configuration>
- 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>cl-node1</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,HADOOP_HOME,PATH,LANG,TZ</value>
</property>
</configuration>
- 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>
- 分发文件
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
- 开启集群
vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
#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
cl-master
cl-node1
cl-node2
#同步所有配置文件
xsync /opt/module/hadoop-3.1.3/etc
#启动集群(不能以root用户启动)
cd /opt/module/hadoop-3.1.3/
hdfs namenode -format
sbin/start-dfs.sh
#在配置了 ResourceManager 的节点(cl-node1)启动 YARN
sbin/start-yarn.sh
#Web 端查看 HDFS 的 NameNode http://cl-master:9870
#Web 端查看 YARN 的 ResourceManager http://cl-node1:8088
如果集群是第一次启动,需要在cl-master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。
6)测试
hadoop fs -mkdir /input
# 测试小文件上传
hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
# 测试大文件上传
hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
# 查看存储路径
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-378014640-192.168.40.20-1619768012296/current/finalized/subdir0/subdir0
#拼接
cat blk_1073741836>>tmp.tar.gz
cat blk_1073741837>>tmp.tar.gz
tar -zxvf tmp.tar.gz
# 下载
hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
# wordcount测试
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
历史服务器
- 修改mapred-site.xml
<!--增加-->
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>cl-master:10020</value>
</property>
<!-- 历史服务器 web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>cl-master:19888</value>
</property>
- 分发配置
- 启动服务器
mapred --daemon start historyserver
#查看服务器是否启动
jps
#查看 JobHistory
http://cl-master:19888/jobhistory
日志聚集:
- 修改yarn-site.xml
<!-- 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://cl-master: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
- 重启NodeManager 、ResourceManager 和 HistoryServer
sbin/stop-yarn.sh
mapred --daemon stop historyserver
start-yarn.sh
mapred --daemon start historyserver
-
测试
#删除 HDFS 上已经存在的输出文件 hadoop fs -rm -r /output #WordCount hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output #查看 JobHistory http://cl-master:19888/jobhistory
Hadoop常用脚本
#!/bin/bash
#启停脚本
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 cl-master "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh cl-node1 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh cl-master "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh cl-master "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh cl-node1 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh cl-master "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
#!/bin/bash
#查看服务器 Java 进程脚本
for host in cl-master cl-node1 cl-node2
do
echo =============== $host ===============
ssh $host jps
done