Hadoop 之运行环境搭建

最新推荐文章于 2024-05-05 19:34:45 发布

yyangqqian

最新推荐文章于 2024-05-05 19:34:45 发布

阅读量336

点赞数 1

分类专栏：大数据

本文链接：https://blog.csdn.net/const_/article/details/99077331

版权

大数据专栏收录该内容

10 篇文章 0 订阅

订阅专栏

文章目录

1、虚拟机环境准备
2、安装Hadoop2.7.2
3、Hadoop目录结构
4、Hadoop运行模式

1、虚拟机环境准备

1、准备三台Linux虚拟机系统
2、修改主机名
3、关闭防火墙
4、创建一个普通用户并具有ROOT权限
5、在/opt目录下创建文件夹

# 在/opt目录下创建module、software文件夹
$ sudo mkdir /opt/module
$ sudo mkdir /opt/software

# 修改module、software文件夹的所有者
$ sudo chown node1:node1 /opt/module /opt/software

6、安装JDK到/opt/module目录下

2、安装Hadoop2.7.2

1、Hadoop下载地址：
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
2、将hadoop-2.7.2.tar.gz上传到opt目录下面的software文件夹下面
3、解压安装文件到/opt/module下面

[yangqian@colony-1 software]$ tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

4、将Hadoop添加到环境变量

$ sudo vi /etc/profile
# 在profile文件末尾添加Hadoop路径
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
# 让修改后的文件生效
$ source /etc/profile
# 测试是否安装成功
$ hadoop version

3、Hadoop目录结构

1、查看Hadoop目录结构
在这里插入图片描述
2、重要目录
（1）bin目录：Hadoop最基本的管理脚本和使用脚本的目录，这些脚本是sbin目录下管理脚本的基础实现，用户可以直接使用这些脚本管理和使用Hadoop。
（2）etc目录：Hadoop配置文件所在的目录。
（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：Hadoop管理脚本所在的目录，主要包含HDFS、YARN中各类服务的启动、关闭脚本。
（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例。

4、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。
Hadoop官方网站：http://hadoop.apache.org/
Hadoop说明文档：https://hadoop.apache.org/docs/r2.7.2/

4.1 本地运行模式

4.1.1 官方Grep案例

# 1、创建在hadoop-2.7.2文件下面创建一个input文件夹
[yangqian@colony-1 hadoop-2.7.2]$ mkdir input

# 2、将Hadoop的xml配置文件复制到input
[yangqian@colony-1 hadoop-2.7.2]$ cp etc/hadoop/*.xml input

# 3、执行share目录下的MapReduce程序
[yangqian@colony-1 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'

# 4、查看输出结果
[yangqian@colony-1 hadoop-2.7.2]$ cat output/*
1	dfsadmin
[yangqian@colony-1 hadoop-2.7.2]$

4.1.2 官方WordCount案例

# 1、在hadoop-2.7.2文件夹下创建一个wcinput文件夹
[yangqian@colony-1 hadoop-2.7.2]$ mkdir wcinput
[yangqian@colony-1 hadoop-2.7.2]$ cd wcinput/
# 在wcinput文件下创建一个wc.input文件
[yangqian@colony-1 wcinput]$ touch wc.input

2、编辑wc.input文件
[yangqian@colony-1 wcinput]$ vi wc.input 
# 在文件中输入如下内容
hadoop hbase
yarn hadoop
hive
yarn
# 保存退出

3、回到Hadoop根目录并执行程序
[yangqian@colony-1 wcinput]$ cd /opt/module/hadoop-2.7.2/
[yangqian@colony-1 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput

# 4、查看结果
[yangqian@colony-1 hadoop-2.7.2]$ cat wcoutput/*
hadoop	2
hbase	1
hive	1
yarn	2
[yangqian@colony-1 hadoop-2.7.2]$

4.2 伪分布式运行模式

4.2.1 启动HDFS并运行MapReduce程序

配置伪分布式运行模式步骤：

1、配置：hadoop-env.sh

# 获取JDK的安装路径
[yangqian@colony-1 hadoop]$ echo $JAVA_HOME
/opt/module/jdk1.8.0_144

# 修改 hadoop-env.sh，指定JAVA_HOME 路径
[yangqian@colony-1 ~]$ cd /opt/module/hadoop-2.7.2/etc/hadoop/
[yangqian@colony-1 hadoop]$ vi hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144

官网文档：
在这里插入图片描述
2、配置：core-site.xml
在hadoop根目录创建data/tmp。mkdir -p data/tmp

<configuration>
	<!-- 指定HDFS中NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://colony-1:9000</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>

官网文档：
在这里插入图片描述

3、配置：hdfs-site.xml

<configuration>
	<!-- 指定HDFS副本的数量 -->
	<property>
		<name>dfs.replication</name>
		<value>1</value>
	</property>
</configuration>

4、启动集群

# 格式化NameNode（第一次启动时格式化，以后就不要总格式化）
[yangqian@colony-1 hadoop-2.7.2]$ hdfs namenode -format

# 启动NameNode
[yangqian@colony-1 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode

# 启动DataNode
[yangqian@colony-1 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode

# Start NameNode daemon and DataNode daemon
[yangqian@colony-1 hadoop-2.7.2]$ sbin/start-dfs.sh

5、查看集群是否启动成功

[yangqian@colony-1 hadoop-2.7.2]$ jps
2783 NameNode
2864 DataNode
2909 Jps

注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps

6、web端查看HDFS文件系统
http://192.168.56.60:50070
注意：如果不能查看，看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html

7、查看产生的Log日志
说明：在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。
当前目录：/opt/module/hadoop-2.7.2/logs

[yangqian@colony-1 logs]$ ll
总用量 60
-rw-rw-r--. 1 yangqian yangqian 23867 8月  10 00:37 hadoop-yangqian-datanode-colony-1.log
-rw-rw-r--. 1 yangqian yangqian   719 8月  10 00:36 hadoop-yangqian-datanode-colony-1.out
-rw-rw-r--. 1 yangqian yangqian 27785 8月  10 00:42 hadoop-yangqian-namenode-colony-1.log
-rw-rw-r--. 1 yangqian yangqian   719 8月  10 00:35 hadoop-yangqian-namenode-colony-1.out
-rw-rw-r--. 1 yangqian yangqian     0 8月  10 00:35 SecurityAuth-yangqian.audit
[yangqian@colony-1 logs]$ cat hadoop-yangqian-datanode-colony-1.log

8、思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？

[yangqian@colony-1 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/
[yangqian@colony-1 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[yangqian@colony-1 current]$ cd /opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/
[yangqian@colony-1 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

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。

9、操作集群

# 在HDFS文件系统上创建一个input文件夹
[yangqian@colony-1 ~]$ hdfs dfs -mkdir -p /user/input
[yangqian@colony-1 ~]$ hdfs dfs -ls /

# 将测试文件内容上传到文件系统上
[yangqian@colony-1 hadoop-2.7.2]$ hdfs dfs -put wc.input /user/input

# 查看上传的文件是否正确
[yangqian@colony-1 hadoop-2.7.2]$ hdfs dfs -cat /user/wc.input

# 运行MapReduce程序
[yangqian@colony-1 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/input/ /user/output

# 查看输出结果
[yangqian@colony-1 hadoop-2.7.2]$ hdfs dfs -cat /user/output/*
hadoop	2
hbase	1
[yangqian@colony-1 hadoop-2.7.2]$ 

# 将测试文件内容下载到本地
[yangqian@colony-1 hadoop-2.7.2]$ hdfs dfs -get /user/output/* wcoutput/
[yangqian@colony-1 hadoop-2.7.2]$ cat wcoutput/*
hadoop	2
hbase	1

# 删除输出结果
[yangqian@colony-1 hadoop-2.7.2]$ hdfs dfs -rm -r /user/output

浏览器查看：
在这里插入图片描述
hadoop出现文件夹无法删除，Name node is in safe mode.

4.2.2 启动YARN并运行MapReduce程序

配置集群在YARN上运行MR步骤。
1、配置yarn-env.sh

# 配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

2、配置yarn-site.xml

<configuration>
	<!-- 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>colony-1</value>
	</property>
</configuration>

3、配置mapred-env.sh

# 配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

4、配置mapred-site.xml

# 将 mapred-site.xml.template 重新命名为 mapred-site.xml
root@hadoop:/opt/module/hadoop-2.7.2/etc/hadoop# mv mapred-site.xml.template mapred-site.xml

<configuration>
	<!-- 指定MR运行在YARN上 -->
	<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
	</property>
</configuration>

5、启动集群
启动前必须保证NameNode和DataNode已经启动。

# 启动ResourceManager
[yangqian@colony-1 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
starting resourcemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-yangqian-resourcemanager-colony-1.out

# 启动NodeManager
[yangqian@colony-1 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
starting nodemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-yangqian-nodemanager-colony-1.out

# Start ResourceManager daemon and NodeManager daemon:
[yangqian@colony-1 hadoop-2.7.2]$ sbin/start-yarn.sh
 
[yangqian@colony-1 hadoop-2.7.2]$ jps
2864 DataNode
4035 Jps
3960 ResourceManager
4010 NodeManager
2783 NameNode
[yangqian@colony-1 hadoop-2.7.2]$

6、YARN的浏览器页面
http://192.168.56.60:8088/cluster

ubuntu hadoop 8088端口无法访问

7、运行mapreduce程序

# 删除文件系统上的output文件
[yangqian@colony-1 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/output

# 执行MapReduce程序
[yangqian@colony-1 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/input /user/output

# 查看运行结果
[hadoop@node hadoop-2.7.2]$ bin/hdfs dfs -cat /user/output/*
hadoop	2
hbase	1
yarn	1
[hadoop@node hadoop-2.7.2]$

在这里插入图片描述

4.2.3 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
增加如下配置。

<!-- 历史服务器端地址 -->
<property>
	<name>mapreduce.jobhistory.address</name>
	<value>node:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
	<name>mapreduce.jobhistory.webapp.address</name>
	<value>node:19888</value>
</property>

2、启动历史服务器

[hadoop@node hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

3、查看历史服务器是否启动

[hadoop@node hadoop-2.7.2]$ jps
1504 NameNode
1558 DataNode
2744 JobHistoryServer
1834 ResourceManager
2780 Jps
2078 NodeManager

4、查看JobHistory
http://node:19888/jobhistory
在这里插入图片描述

4.2.4 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
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

[hadoop@node hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[hadoop@node hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[hadoop@node hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver

3.启动NodeManager 、ResourceManager和HistoryManager

[hadoop@node hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[hadoop@node hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
[hadoop@node 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

[hadoop@node hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/output

5.执行WordCount程序

[hadoop@node hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/input /user/output

6.查看日志
http://hadoop101:19888/jobhistory
Job History：
在这里插入图片描述

job运行情况：
在这里插入图片描述
查看日志：

4.2.5 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-2.7.2.jar/ core-default.xml
[hdfs-default.xml]	hadoop-hdfs-2.7.2.jar/ hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-2.7.2.jar/ yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.2.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。

yyangqqian

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Hadoop 之运行环境搭建

1、虚拟机环境准备准备三台Linux虚拟机系统修改主机名关闭防火墙创建一个普通用户并具有ROOT权限在/opt目录下创建文件夹（1）在/opt目录下创建module、software文件夹$ sudo mkdir /opt/module$ sudo mkdir /opt/software（2）修改module、software文件夹的所有者$ sudo chown nod...
复制链接

扫一扫