Hadoop入个门

已于 2023-03-12 20:07:39 修改
阅读量584 收藏 2
点赞数
分类专栏： Hadoop集群 文章标签： hadoop 大数据 mapreduce
于 2023-03-11 13:08:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZhaoSong_/article/details/129462169
版权

文章目录

1️⃣、Hadoop概述

1.1、Hadoop是什么

  • Hadoop是一个由Apache基金会所开发的分布式系统基础架构
  • 主要解决 海量数据的存储和海量数据的分析计算问题
  • 广义上来说，Hadoop通常是指一个更广泛的概念------Hadoop生态圈

发展史：

image-20210401013100075

1.2、三大发行版本

Hadoop三大发行版本：Apache、Cloudera、Hortonworks。

Apache版本最原始（最基础）的版本，对于入门学习最好。2006

Cloudera内部集成了很多大数据框架，对应产品CDH。2008

Hortonworks文档较好，对应产品HDP。2011

Hortonworks现在已经被Cloudera公司收购，推出新的品牌CDP。

1.3、优势

image-20230311101107141

image-20230311101125279

1.4、组成

hadoop2.0以后的四个模块：
    - Hadoop Common:Hadoop模块的通用组件
    - Hadoop Distributed File System：分布式文件系统
    - Hadoop YARN：作业调度和资源管理框架
    - Hadoop MapReduce：基于YARN的大型数据集并行计算处理框架

image-20230311101253571

HDFS

Hadoop Distributed File System ，简称HDFS，是一个分布式文件系统。

  1. 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。

  2. DataNode （dn）：在本地文件系统存储文件块数据，以及块数据的检验和。

  3. SecondaryNameNode （2nn）：每隔一段时间对NameNode元数据备份

YARN

Yet Another Resource Negotiator简称YARN ，另一种资源协调者，是Hadoop的资源管理器。

image-20230311101930747

MapReduce

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
HDFS、YARN、MapReduce三者关系

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2xtvThiK-1678511197803)(https://gitee.com/zh_sng/cartographic-bed/raw/master/img/动画.gif)]

1.6、大数据技术生态体系

image-20230311102719580

名词解释：

1）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。

2）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； 

3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统； 

4）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。

5）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。

6）Oozie：Oozie是一个管理Hadoop作业（job）的工作流程调度管理系统。

7）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。

8）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。

9）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。

2️⃣、Hadoop运行环境搭建

安装Centos7最小系统版即可，当然安装桌面版也不是不行

2.1、虚拟机环境准备

配制要求：

  1. 测试能否正常上网

image-20230311103346173

  1. 安装epel-release
Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）

[root@hadoop ~]# yum install -y epel-release
  1. 注意：如果Linux安装的是最小系统版，还需要安装如下工具；如果安装的是Linux桌面标准版，不需要执行如下操作
[root@hadoop ~]# yum install -y net-tools 
[root@hadoop ~]# yum install -y vim
  1. 关闭防火墙，关闭防火墙开机自启动
[root@hadoop ~]# systemctl stop fiewwalld
[root@hadoop ~]# systemctl disable firewalld.service
  1. 创建用户，修改密码
[root@hadoop ~]# useradd zsong
[root@hadoop ~]# passwd zsong
  1. 配制用户并且具有root权限，方便后期加sudo执行root权限命令
[root@hadoop ~]# vim /etc/sudoers

#修改/etc/sudoers文件，在%wheel这行下面添加一行，

## Allow root to run any commands anywhere 
root    ALL=(ALL)       ALL

## Allows members of the 'sys' group to run networking, software, 
## service management apps and more.

## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL

zsong   ALL=(ALL)       NOPASSWD:ALL             《-----------添加这一行
## Same thing without a password
# %wheel        ALL=(ALL)       NOPASSWD: ALL

注意：zsong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zsong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zsong要放到%wheel这行下面。

  1. 在/opt目录下创建文件夹，并修改所属主和所属组
[root@hadoop ~]# mkdir /opt/module
[root@hadoop ~]# mkdir /opt/software
  1. 修改module、software文件夹的所有者和所属组均为zsong用户
[root@hadoop ~]# chown zsong:zsong /opt/module 
[root@hadoop ~]# chown zsong:zsong /opt/software
  1. 查看module、software文件夹的所有者和所属组
[root@hadoop opt]# ll
总用量 0
drwxrwxr-x. 4 zsong zsong 31 3月  10 21:27 module
drwxrwxr-x. 2 zsong zsong 67 3月  10 21:14 softwares
  1. 卸载虚拟机自带的JDK

如果你的虚拟机是最小化安装不需要执行这一步。

[root@hadoop ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

  • rpm -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

  1. 重启虚拟机
[root@hadoop ~]# reboot

2.2、克隆虚拟机

  1. 利用模板机hadoop，克隆三台虚拟机：hadoop2、 hadoop3 、hadoop4

克隆时要先关闭hadoop虚拟机

image-20230311105246475

image-20230311105318166

image-20230311105335484

image-20230311105350121

image-20230311105420549

image-20230311105431149

等待克隆完毕即可！！！

  1. 修改克隆机IP，以下以hadoop2举例说明
[root@hadoop ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static"            <--------改为 静态
DEFROUTE="yes"
........
........
ONBOOT="yes"
IPADDR="192.168.253.132"      <-------ip地址
PREFIX="24"                   
GATEWAY="192.168.253.2"       <-------网关
DNS1="114.114.114.114"        <------DNS
IPV6_PRIVACY="no"
  1. 修改克隆机主机名，以下以hadoop2举例说明
  • 修改主机名称
[root@hadoop ~]# vim /etc/hostname
hadoop2
  • 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：

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4
  1. 重启克隆机hadoop2
[root@hadoop ~]# reboot
  1. 修改克隆机hadoop3、 hadoop4 步骤同上
  2. 修改windows的主机映射文件（hosts文件）
C:\Windows\System32\drivers\etc
拷贝hosts文件到桌面
打开桌面hosts文件并添加如下内容

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4

将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件

2.3、在hadoop2上安装JDK

  1. 用FianlShell传输工具将JDK导入到opt目录下面的software文件夹下面

image-20230311110833330

  1. 在Linux系统下的opt目录中查看软件包是否导入成功
[zsong@hadoop2 softwares]$ ll
总用量 520600
-rw-r--r--. 1 root root 338075860 3月  10 21:15 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root 195013152 3月  10 21:14 jdk-8u212-linux-x64.tar.gz
  1. 解压JDK到/opt/module目录下，并重命名
[zsong@hadoop2 softwares]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
[zsong@hadoop2 softwares]$ cd /opt/module/
[zsong@hadoop2 module]$ mv jdk1.8.0_212 jdk
  1. 配置JDK环境变量

可以直接vim /etc/profile在里面添加环境变量

也可以新建/etc/profile.d/my_env.sh文件

[zsong@hadoop2 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk
export PATH=$PATH:$JAVA_HOME/bin

:wq保存退出

source一下/etc/profile文件，让新的环境变量PATH生效

[zsong@hadoop2 ~]$ source /etc/profile
  1. 测试JDK是否安装成功
[zsong@hadoop2 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

java version "1.8.0_212"

2.4、在hadoop上安装Hadoop

  1. 进入到Hadoop安装包路径下
[zsong@hadoop2 ~]$ cd /opt/software/
  1. 解压安装文件到/opt/module下面，并重命名
[zsong@hadoop2 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
[zsong@hadoop2 software]$ cd /opt/module
[zsong@hadoop2 module]$ mv hadoop-3.1.3 hadoop
[zsong@hadoop2 module]$ ll
总用量 0
drwxr-xr-x. 13 zsong zsong 203 3月  10 23:10 hadoop
drwxr-xr-x.  7 zsong zsong 245 4月   2 2019 jdk
[zsong@hadoop2 module]$
  1. 添加到环境变量

打开/etc/profile.d/my_env.sh文件

[zsong@hadoop2 module]$ 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
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

:wq 保存并退出

让修改后的文件生效

[zsong@hadoop2 module]$ source /etc/profile
  1. 测试是否安装成功
[zsong@hadoop2 module]$ hadoop version
Hadoop 3.1.3
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
Compiled by ztang on 2019-09-12T02:47Z
Compiled with protoc 2.5.0
From source with checksum ec785077c385118ac91aadde5ec9799
This command was run using /opt/module/hadoop/share/hadoop/common/hadoop-common-3.1.3.jar
[zsong@hadoop2 module]$

2.5、hadoop目录结构

[zsong@hadoop2 hadoop]$ ll

drwxr-xr-x. 2 zsong zsong    183 9月  12 2019 bin
drwxr-xr-x. 3 zsong zsong     20 9月  12 2019 etc
drwxr-xr-x. 2 zsong zsong    106 9月  12 2019 include
drwxr-xr-x. 3 zsong zsong     20 9月  12 2019 lib
drwxr-xr-x. 4 zsong zsong   4096 9月  12 2019 libexec
-rw-rw-r--. 1 zsong zsong 147145 9月   4 2019 LICENSE.txt
-rw-rw-r--. 1 zsong zsong  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 zsong zsong   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 zsong zsong   4096 9月  12 2019 sbin
drwxr-xr-x. 4 zsong zsong     31 9月  12 2019 share

（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

3️⃣、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。

  • 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）

  1. 创建在hadoop安装目录下面创建一个wcinput文件夹
[zsong@hadoop2 hadoop]$ mkdir wcinput
  1. 在wcinput文件下创建一个word.txt文件
[zsong@hadoop2 hadoop]$ cd wcinput
[zsong@hadoop2 hadoop]$ vim word.txt

# 输入内容
ss  ss
zs zs
kang kang kang
hxy hxy

:wq 保存

  1. 回到Hadoop目录/opt/module/hadoop
  2. 执行程序
[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
  1. 查看结果
[zsong@hadoop2 hadoop]$ cat wcoutput/part-r-00000

3.2、完全分布式运行模式

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
1、集群分发

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             $user@$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
（3）案例实操
   前提：在hadoop2、hadoop3、hadoop4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zsong:zsong
    [zsong@hadoop2 ~]$ sudo chown zsong:zsong -R /opt/module

（a）在hadoop2上，将hadoop2中/opt/module/jdk目录拷贝到hadoop3上。

[zsong@hadoop2 ~]$ scp -r /opt/module/jdk  zsong@hadoop3:/opt/module

（b）在hadoop3上，将hadoop2中/opt/module/hadoop目录拷贝到hadoop3上。

[zsong@hadoop3 ~]$ scp -r zsong@hadoop2:/opt/module/hadoop  /opt/module/

（c）在hadoop3上操作，将hadoop2中/opt/module目录下所有目录拷贝到hadoop4上。

[zsong@hadoop3 opt]$ scp -r zsong@hadoop2:/opt/module/* zsong@hadoop4:/opt/module

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    -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

选项参数说明

选项功能
-a归档拷贝
-v显示复制过程
2、SSH无密登陆配置

1）配置ssh

（1）基本语法
ssh另一台电脑的IP地址
（2）ssh连接时出现Host key verification failed的解决方法
[zsong@hadoop2 ~]$ ssh hadoop3
*	如果出现如下内容
Are you sure you want to continue connecting (yes/no)? 
*	输入yes，并回车
（3）退回到hadoop102
[zsong@hadoop3 ~]$ exit

2）无密钥配置

image-20230311114603832

生成公钥和私钥

[zsong@hadoop2 .ssh]$ pwd
/home/zsong/.ssh
[zsong@hadoop2 .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

[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop2
[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop3
[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop4


还需要在hadoop3上采用zsong账号配置一下无密登录到hadoop2、hadoop3、hadoop4服务器上。
还需要在hadoop4上采用zsong账号配置一下无密登录到hadoop2、hadoop3、hadoop4服务器上。
还需要在hadoop2上采用root账号，配置一下无密登录到hadoop2、hadoop3、hadoop4；

[zsong@hadoop2 .ssh]$ ll
总用量 16
-rw-------. 1 zsong zsong 1185 3月  10 23:02 authorized_keys
-rw-------. 1 zsong zsong 1679 3月  10 22:15 id_rsa
-rw-r--r--. 1 zsong zsong  395 3月  10 22:15 id_rsa.pub
-rw-r--r--. 1 zsong zsong  555 3月  10 22:00 known_hosts
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、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。

hadoop2hadoop3hadoop4
HDFSNameNode DataNodeDataNodeSecondaryNameNode DataNode
YARNNodeManagerResourceManager NodeManagerNodeManager

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。

（1）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

（2）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

（1）核心配置文件

配置core-site.xml

[zsong@hadoop2 ~]$ cd $HADOOP_HOME/etc/hadoop
[zsong@hadoop2 hadoop]$ 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://hadoop2:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop/data</value>
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为zsong -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>zsong</value>
    </property>
</configuration>

（2）HDFS配置文件

配置hdfs-site.xml

[zsong@hadoop2 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>hadoop2:9870</value>
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop4:9868</value>
    </property>
</configuration>

（3）YARN配置文件

配置yarn-site.xml

[zsong@hadoop2 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>hadoop3</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>

（4）MapReduce配置文件

配置mapred-site.xml

[zsong@hadoop2 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

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ rsync -av ./* hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av ./* hadoop4:$PWD

5）去hadoop3和hadoop4上查看文件分发情况

[zsong@hadoop3 ~]$ cat /opt/module/hadoop/etc/hadoop/core-site.xml
[zsong@hadoop4 ~]$ cat /opt/module/hadoop/etc/hadoop/core-site.xml
4、群起集群

1）配置workers

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ vim workers

添加如下内容

hadoop2
hadoop3
hadoop4

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

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ rxync -av workers hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rxync -av workers hadoop4:$PWD

2）启动集群

如果集群是第一次启动，需要在hadoop2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。）

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop
[zsong@hadoop2 hadoop]$ hdfs namenode -format

（1）启动HDFS

[zsong@hadoop2 hadoop]$ sbin/start-dfs.sh

（3）在配置了ResourceManager的节点（hadoop3）启动YARN

[zsong@hadoop3 hadoop]$ sbin/start-yarn.sh

（4）Web端查看HDFS的NameNode

（a）浏览器中输入：http://192.168.253.132:9870

（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://192.168.253.133:8088

（b）查看YARN上运行的Job信息

如果8088端口连接不上则修改vim /etc/hosts 注释掉前两行

#127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4

3）集群基本测试

（1）上传文件到集群

[zsong@hadoop2 ~]$ hadoop fs -mkdir /input
[zsong@hadoop2 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input

（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
[zsong@hadoop2 subdir0]$ pwd
/opt/module/hadoop/data/dfs/data/current/BP-392378016-192.168.253.132-1678461025024/current/finalized/subdir0/subdir0

#查看HDFS在磁盘存储文件内容
[zsong@hadoop2 subdir0]$ cat blk_1073741825
ss  ss
zs zs
kang kang kang
hxy hxy

（4）下载

[zsong@hadoop4 software]$ hdfs dfs -get /input ./

（5）执行wordcount程序

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
5、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

[zsong@hadoop2 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>hadoop2:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop2:19888</value>
</property>

2）分发配置

[zsong@hadoop2 hadoop]$ rsync -av mapred-site.xml  hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av mapred-site.xml  hadoop4:$PWD

3）在hadoop2启动历史服务器

[zsong@hadoop2 hadoop]$ mapred --daemon start historyserver

4）查看历史服务器是否启动

[zsong@hadoop2 hadoop]$ jps

5）查看JobHistory

http://192.168.253.132:19888/jobhistory

5、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。

image-20230311122308534

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：

1）配置yarn-site.xml

[zsong@hadoop2 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://hadoop2:19888/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

[zsong@hadoop2 hadoop]$ rsync -av yarn-site.xml  hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av yarn-site.xml  hadoop4:$PWD

3）关闭NodeManager、ResourceManager和HistoryServer

[zsong@hadoop3 hadoop]$ sbin/stop-yarn.sh
[zsong@hadoop2 hadoop]$ mapred --daemon stop historyserver

4）启动NodeManager 、ResourceManage和HistoryServer

[zsong@hadoop3 ~]$ start-yarn.sh
[zsong@hadoop2 ~]$ mapred --daemon start historyserver

5）删除HDFS上已经存在的输出文件

[zsong@hadoop2 ~]$ hadoop fs -rm -r /output

6）执行WordCount程序

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7）查看日志

（1）历史服务器地址

http://192.168.253.132:19888/jobhistory

（2）历史任务列表

image-20230311122916836

（3）查看任务运行日志

image-20230311122859414

（4）运行日志详情

6、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

（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）各个服务组件逐一启动/停止

2）各个服务组件逐一启动/停止

​ （1）分别启动/停止HDFS组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

​ （2）启动/停止YARN

yarn --daemon start/stop resourcemanager/nodemanager
7、编写Hadoop集群常用脚本

1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh

[zsong@hadoop2 ~]$ cd /home/zsong/bin
[zsong@hadoop2 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 hadoop2 "/opt/module/hadoop/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
		  ssh hadoop3 "/opt/module/hadoop/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop2 "/opt/module/hadoop/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop2 "/opt/module/hadoop/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop3 "/opt/module/hadoop/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop2 "/opt/module/hadoop/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac
  • 保存后退出，然后赋予脚本执行权限
[zsong@hadoop2 bin]$ chmod 777 myhadoop.sh

2）查看三台服务器Java进程脚本：jpsall

[zsong@hadoop2 ~]$ cd /home/zsong/bin
[zsong@hadoop2 bin]$ vim jpsall

输入如下内容

#!/bin/bash

for host in hadoop2 hadoop3 hadoop4
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出，然后赋予脚本执行权限

[zsong@hadoop2 bin]$ chmod 777 jpsall

3**）分发/home/atguigu/bin****目录，保证自定义脚本在三台机器上都可以使用**

[zsong@hadoop2 ~]$ scp ./* hadoop3:$PWD
[zsong@hadoop2 ~]$ scp ./* hadoop4:$PWD
7、常用端口号说明
端口名称Hadoop2.xHadoop3.x
NameNode内部通信端口8020 / 90008020 / 9000/9820
NameNode HTTP UI500709870
MapReduce查看执行任务端口80888088
历史服务器通信端口1988819888
8、集群同步时间

如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准；

如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。

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，生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果，采用1分钟同步一次。

yum install -y ntp

（1）查看所有节点ntpd服务状态和开机自启动状态

[zsong@hadoop2 ~]$ sudo systemctl status ntpd
[zsong@hadoop2 ~]$ sudo systemctl start ntpd
[zsong@hadoop2 ~]$ sudo systemctl is-enabled ntpd

（2）修改hadoop102的ntp.conf配置文件

[zsong@hadoop2 ~]$ sudo vim /etc/ntp.conf

image-20230311124605701

（3）修改hadoop102的/etc/sysconfig/ntpd 文件

[zsong@hadoop2 ~]$ sudo vim /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

[zsong@hadoop2 ~]$ sudo systemctl start ntpd

（5）设置ntpd服务开机启动

[zsong@hadoop2 ~]$ sudo systemctl enable ntpd

3）其他机器配置（必须root用户）

（1）关闭所有节点上ntp服务和自启动

[zsong@hadoop3 ~]$ sudo systemctl stop ntpd

[zsong@hadoop3 ~]$ sudo systemctl disable ntpd

[zsong@hadoop4 ~]$ sudo systemctl stop ntpd

[zsong@hadoop4 ~]$ sudo systemctl disable ntpd

（2）在其他机器配置1分钟与时间服务器同步一次

[zsong@hadoop3 ~]$ sudo crontab -e

编写定时任务如下：

*/1 * * * * /usr/sbin/ntpdate hadoop102

（3）修改任意机器时间

[zsong@hadoop3 ~]$ sudo date -s "2021-9-11 11:11:11"

（4）1分钟后查看机器是否与时间服务器同步

[zsong@hadoop3 ~]$ sudo date

4️⃣、问题解决

1、日志权限

hadoop2: ERROR: Unable to write in /opt/module/hadoop/logs. Aborting.
Starting datanodes
hadoop2: ERROR: Unable to write in /opt/module/hadoop/logs. Aborting.
hadoop2: datanode is running as process 10105.  Stop it first.
hadoop3: datanode is running as process 19312.  Stop it first.
Starting secondary namenodes [hadoop113]
hadoop3: secondarynamenode is running as process 19380.  Stop it first.

sudo chown zsong:zsong ./logs  ./dada

2、权限

[zsong@hadoop2 opt]$ start-dfs.sh 
Starting namenodes on [hadoop2]
hadoop2: /opt/module/hadoop/libexec/hadoop-functions.sh:行1842: /tmp/hadoop-zsong-namenode.pid: 权限不够
hadoop2: ERROR:  Cannot write namenode pid /tmp/hadoop-zsong-namenode.pid.
Starting datanodes
Starting secondary namenodes [hadoop4]

image-20230310233111682

#直接修改权限
sudo chown zsong:zsong /tmp/hadoop-zsong-namenode.pid

面试题

一、
常用瑞口号
hadoop3.x
HDFS NameNode内部通常端▣：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▣：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 workers

2.x 
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml slaves
过期的秋刀鱼-
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【不容错过！】动画图文展示 MapReduce 核心思想 & Hadoop 实践
禅与计算机程序设计艺术
12-13 8717
MapReduce with HadoopLets start by introducing a cluster with data distributed among them. We ...
Hadoop入门
lzh253985690的博客
10-20 136
1.Hadoop是什么 （1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构 （2）主要解决问题：海量数据的存储和海量数据的分析计算 （3）广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈 ...
MapReduce运行机制GIF动画图
06-25
官方MapReduce运行机制动画图，详细描述Job的提交流程
什么是分布式计算框架(动画演示)?
王傲旗的大数据之路
11-16 6009
分布式计算 是将程序移动到数据段,多个节点并行计算 计算框架 是指实现某项任务或某项工作从开始到结束的计算过程或者流的结构 并行计算框架 将一个大的,复杂的任务拆分成多个小业务,将多个小任务分发到多个节点中,每个节点同时执行计算 ...
MapReduce入门案例WordCount(动画演示)
王傲旗的大数据之路
11-16 5410
文章目录自定义代码流程WordCount-Map实现WordCount-Reduce实现WordCount-Driver实现动画: 自定义代码流程 WordCount-Map实现 1、实例一个class 继承Mapper<输入的key的数据类型，输入的value的数据类型，输出的key的数据类型，输出的value的数据类型 2、重写map方法 map(LongWritable key, T...
Hadoop 入门
Small world
09-07 178
1 大数据概率 大数据是指在一定时间内无法用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息增长。 主要解决海量的存储和海量数据的分析计算问题。 1.1 大数据的特点 Volume（大量） Velocity（高速） Variety（多样） Value（低价值密度） 1.2 大数据应用场景 物流仓储：大数据分析系...
Java大数据培训学校全套教程-50）Hadoop与MapReduce最入门
06-14
"java大数据培训学校全套教材"系列课程由750集视频构成，基本就 是1）时下流行的java培训学校主流内部教材，2）和市面上培训学校的通 行的课程体系几乎一样。...只要入了门了，后面的事都好办。当然，既
大数据的Java基础.pdf
10-02
Hadoop作为一个开源的分布式计算框架，主要使用Java进行开发，因此，掌握Java编程成为了学习和使用Hadoop的基础。这门课程将涵盖从JDK的安装配置到高级Java特性的全面内容，包括： 1. JDK安装配置：学习如何在不同...
cjy13-datax-web-master.zip
03-17
DataX 是阿里开源的一款强大、稳定且易扩展的数据同步工具，广泛应用于数据仓库构建、实时数据接入等多个场景。本文将深入探讨"cjy13-datax-web-master.zip"中的"datax-web"项目，解析其核心功能以及如何配置和使用...
南开大学复习资料-大数据导论.docx
12-18
此外，Hadoop、Spark和Storm是目前主流的开源分布式计算系统，而Azure则是一个云计算平台。Apriori算法是一种用于关联规则挖掘的算法，主要用于发现数据集中的频繁项集。 大数据的特征包括“4V”：体积大（Volume）...
Galytix
03-13
总的来说，Galytix是利用C#构建的一个高效的数据分析平台，它结合了C#的编程优势和大数据处理的策略，提供了一套完整的从数据接入到可视化的解决方案。对于熟悉C#的开发人员来说，Galytix是一个理想的工具，可以帮助...
Hadoop NameNode 进入 Safe Mode 的问题分析与解决方案
marsjin的专栏
07-25 464
通过以上步骤，您可以有效地解决 Hadoop NameNode 进入 Safe Mode 的问题，确保集群能够正常运行。如果问题仍然存在，建议进一步检查集群的整体健康状况，并寻求专业人员的帮助。希望本文能够帮助您快速解决问题，让您的大数据处理任务顺利进行！
Hadoop学习笔记1
m0_66570838的博客
07-25 582
本文主要介绍了hadoop环境搭建的前置准备工作，包括对Hadoop集群的相关配置以及zookeeper的安装及相关知识说明
hadoop完全分布模式搭建
最新发布
m0_59508634的博客
07-25 204
上述 5 个文件全部配置完成后，需要把 master 节点上的 /usr/wjj/hadoop 文件复制到各个节点上。在 master 节点将配置好的 Hadoop 复制到其他节点。本次搭建是基于伪分布式进行的，所以配置之前需要搭建好伪分布式。伪分布式的搭建过程在之前的第一次实验报告上有详细的记录。在 master 节点格式化 NameNode。建议删除之前伪分布模式下生产的临时文件。我使用的ubuntu版本见下。虚拟机之前安装过在此不在记录。在此我之前删除过所以提示没有。配置集群/分布式环境。
分布式系统常见软件架构模式
Ben的专栏
07-25 655
简而言之，有效管理数据和通信流对于构建健壮且可扩展的分布式系统至关重要。对等、API 网关、发布-订阅、请求-响应、事件溯源、ETL、批处理、流处理和编排等架构模式提供了有价值的解决方案，以应对系统设计和实现中的各种挑战。通过理解这些软件架构和分布式系统模式及其各自的优势和权衡，架构师和开发人员可以做出明智的决策，设计出满足其应用程序和用户不断变化的需求的系统。
数据分析师学习路线与就业环境分析报告
关注收藏，可以私信解决问题！
07-23 832
数据分析师负责收集、处理和分析数据，以帮助企业做出基于数据的决策。他们使用统计方法、数据建模和数据可视化技术来解释复杂的数据集。
科普文：搭建信贷业务大数据风控体系
为无为，事无事，味无味。
07-22 905
大家好，本期为大家介绍如何从0到1搭建大数据风控体系。分为：获客、贷前、贷中、贷后、主要数据维度，以及如何识别风险客户。
工作中es客户端常见使用错误
07-24 235
es客户端常见错误
杭州东网约车管理再出行方面取得的显著成效
2301_81759256的博客
07-25 211
本次革新，沧穹科技首创将音频“室内北斗”应用于网约车智能导航，利用其信号的空间传播特性和信号传播时间或相位差的精确测量技术，实现网约车智能化服务中对车辆与乘客实时位置的精确追踪，从而确保从预约到乘车的全流程实现智能化、可视化、灵活化管理。同时，管理部门还利用大数据分析，对网约车运营情况进行实时监控和分析，及时发现问题并进行处理，确保了网约车服务的稳定性和可靠性。同时，管理部门还将持续关注行业动态和乘客需求变化，不断优化服务流程和提高服务质量，为广大市民和游客提供更加便捷、安全、舒适的出行体验。
hadoop3个版本
07-27
Hadoop有三个主要版本，它们分别是： 1. Hadoop 1.x：也被称为Apache Hadoop 1.x，是最早发布的Hadoop版本。它包括了Hadoop分布式文件系统（HDFS）和MapReduce计算模型。Hadoop 1.x主要用于批处理任务，适合处理大...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

过期的秋刀鱼-

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值