文章目录
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
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:
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:
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:
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
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]$
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
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:
job运行情况:
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。