【大数据之 Hadoop】集群环境搭建

最新推荐文章于 2024-05-12 06:57:31 发布
最新推荐文章于 2024-05-12 06:57:31 发布
阅读量1.2k 收藏
点赞数
分类专栏： 大数据学习之路 文章标签： hadoop big data hdfs
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/green1997/article/details/121002885
版权

文章目录

1 Hadoop 简介

1.1 优势

1）高可靠性：Hadoop 底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
3）高效性：在MapReduce 的思想下，Hadoop 是并行工作的，以加快任务处理速度。
4）高容错性：能够自动将失败的任务重新分配。

1.2 组成

在这里插入图片描述
在 Hadoop1.x 时 代，Hadoop 中 的 MapReduce 同时处理业务逻辑运算和资源的调度，耦合性较大。
在 Hadoop2.x 时代，增加了 Yarn。Yarn 只负责资 源 的 调 度，MapReduce 只负责运算。
Hadoop3.x 在组成上没有变化。

1.1.1 HDFS 架构概述

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，以及块数据的校验和。
3）Secondary NameNode(2NN)：每隔一段时间对 NameNode 元数据备份。

1.1.2 YARN 架构概述

Yet Another Resource Negotiator 简称 YARN，另一种资源协调者，是 Hadoop 的资源管理器。
在这里插入图片描述
1）ResourceManager(RM)：整个集群资源（内存、CPU等）的老大。
3）ApplicationMaster(AM)：单个任务运行的老大。
2）NodeManager(NM)：单个节点服务器资源老大。
4）Container：容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。

说明：

  1. 客户端可以有多个
  2. 集群上可以运行多个ApplicationMaster
  3. 每个NodeManager上可以有多个Container

1.1.3 MapReduce 架构概述

MapReduce 将计算过程分为两个阶段：Map 和 Reduce。
1）Map 阶段并行处理输入数据。
2）Reduce 阶段对 Map 结果进行汇总。

1.1.4 HDFS，YARN，MapReduce 三者关系

在这里插入图片描述

2 Hadoop 运行环境搭建

2.1 模板虚拟机环境准备

2.1.1 安装模板虚拟机

IP 地址 192.168.10.100，主机名称 hadoop102，内存 4G，硬盘 50G。

1）新建一个虚拟机
在这里插入图片描述
2）自定义新的虚拟机
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3）选择虚拟机将来要安装的系统
在这里插入图片描述
4）配置电脑的名称和存放位置
在这里插入图片描述
5）配置电脑的 CPU 个数
有个原则就是选满（跟物理机的CPU个数相同，但是不能超过）。
（1）查看物理机 CPU 个数
在这里插入图片描述
（2）设置虚拟机处理器个数
在这里插入图片描述
（3）内存大小有一定要求，建议4G，不能给太多，后期会有多台虚拟机同时启动
在这里插入图片描述
6）选择虚拟即上网方式

选择 NAT 的方式
在这里插入图片描述
7）选择对应的文件系统的 IO 方式
在这里插入图片描述
8）选择磁盘类型
在这里插入图片描述
9）选择磁盘种类和磁盘大小
在这里插入图片描述
在这里插入图片描述
10）虚拟机文件的存放位置
在这里插入图片描述
11）完成配置
在这里插入图片描述
12）安装系统
（1）选择要安装的系统镜像文件
在这里插入图片描述
在这里插入图片描述
（2）开始安装
在这里插入图片描述
在这里插入图片描述
（3）选择语言
在这里插入图片描述
（4）配置时间
在这里插入图片描述
在这里插入图片描述
（5）最小化安装系统
在这里插入图片描述
（6）配置磁盘分区
在这里插入图片描述
（7）手动添加分区
在这里插入图片描述
添加 1G 容量的 boot 区
在这里插入图片描述
在这里插入图片描述
添加 swap 4g 分区
在这里插入图片描述
根目录作为存储使用，将剩下的空间都给他（50 - 4 - 1）= 45
在这里插入图片描述
点击分区完成
在这里插入图片描述
（8）关闭 kdump，减少内存消耗。
在这里插入图片描述
（9）修改主机名
在这里插入图片描述
（10）开始安装
在这里插入图片描述
（11）安装时间比较长（设置root用户密码，一定要设置）
在这里插入图片描述
（12）安装完成后，重启虚拟机

13）配置网络
对安装好的 VMware 进行网络配置，方便虚拟机连接网络，本次设置建议选择 NAT 模式，需要宿主机的 Windows 和虚拟机的 Linux 能够进行网络连接，同时虚拟机的 Linux 可以通过宿主机的 Windows 进入互联网。

（1）编辑 VMware 的网络配置
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
然后全部点击确定，VMware的网络配置就好了。

（2）Windows 的网络配置
在这里插入图片描述
双击
在这里插入图片描述
修改 ipv4
在这里插入图片描述
按如上格式修改IP信息（地址，网关，DNS服务器），修改完毕后全部点击确定退出。
在这里插入图片描述
（3）修改虚拟机网络 IP 配置
在这里插入图片描述
（4）执行systemctl restart network命令，重启网络服务。

[root@hadoop100 ~]# systemctl restart network

（5）修改主机名

[root@hadoop100 ~]# vim /etc/hostname
hadoop100

（6）配置 hosts 文件

[root@hadoop100 ~]# vim /etc/hosts
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

（7）重启

[root@hadoop100 ~]# reboot

（8）修改 Windows 的 hosts 文件
进入 C:\Windows\System32\drivers\etc 路径；
打开hosts文件并添加如下内容，然后保存：

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

2.1.2 安装必要软件

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@hadoop100 ~]# yum install -y epel-release

2）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

  1. net-tool：工具包集合，包含ifconfig等命令
[root@hadoop100 ~]# yum install -y net-tools
  1. vim：编辑器
[root@hadoop100 ~]# yum install -y vim

2.1.3 关闭防火墙

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service

2.1.4 配置自定义用户具 mkdif 权限的命令

[root@hadoop100 ~]# vim /etc/sudoers

## 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.
# %sys ALL = NETWORKING, SOFTWARE, SERVICES, STORAGE, DELEGATING, PROCESSES, LOCATE, DRIVERS

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

# 添加一行
liyibin    ALL=(ALL)       NOPASSWD:ALL

## Same thing without a password
# %wheel        ALL=(ALL)       NOPASSWD: ALL

2.1.5 在 /opt 目录下创建文件夹，并修改所属主和所属组

1）在/opt目录下创建module、software文件夹

[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software

2）修改module、software文件夹的所有者和所属组均为自定义用户

[root@hadoop100 ~]# chown liyibin:liyibin /opt/module 
[root@hadoop100 ~]# chown liyibin:liyibin /opt/software

2.1.6 卸载虚拟机自带的 JDK 后重启虚拟机

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
[root@hadoop100 ~]# reboot

2.2 克隆虚拟机

1）利用模板机 hadoop100，克隆三台虚拟机：hadoop102 hadoop103 hadoop104。

2）修改克隆机IP，以下以 hadoop102 举例说明。
（1）修改克隆虚拟机的静态IP

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static" 
DEFROUTE="yes"
IPV4_FAILURE_FATAL="no"
IPV6INIT="yes"
IPV6_AUTOCONF="yes"
IPV6_DEFROUTE="yes"
IPV6_FAILURE_FATAL="no"
IPV6_ADDR_GEN_MODE="stable-privacy"
NAME="ens33"
UUID="84251f4a-50b7-41df-9dc2-6682548df157"
DEVICE="ens33"
ONBOOT="yes"
IPADDR=192.168.10.102
GATEWAY=192.168.10.2
DNS1=192.168.10.2

（2）修改克隆机的主机名

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

（3）重启克隆机

[root@hadoop100 ~]# reboot

2.3 在 hadoop102 安装JDK

1）卸载现有 JDK。参照步骤 2.1.6。
2）将 JDK 导入到 /opt/software 目录进行安装。

[liyibin@hadoop102 ~]# cd /opt/software/
[liyibin@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

3）配置环境变量
（1）新建配置文件

[liyibin@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

# 添加如下内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

（2）保存退出
（3）让新的环境变量生效

[liyibin@hadoop102 ~]$ source /etc/profile

4）测试 JDK 是否安装成功

[liyibin@hadoop102 ~]$ java -version
java version "1.8.0_212"
Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)

2.4 在 hadoop102 安装 Hadoop

Hadoop下载地址：https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/

1）将压缩包 hadoop-3.1.3.tar.gz 导入到 /opt/software 下
2）解压缩并安装

[liyibin@hadoop102 ~]$ cd /opt/software/
[liyibin@hadoop102 module]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

3）将 hadoop 添加到环境变量

[liyibin@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

# 添加如下内容
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

（2）保存退出
（3）让新的环境变量生效

[liyibin@hadoop102 ~]$ source /etc/profile

4）测试是否安装成功

[liyibin@hadoop102 ~]$ 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-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar

5）重启（如果Hadoop命令不能用再重启虚拟机）

[liyibin@hadoop102 ~]$ reboot

2.5 Hadoop 目录结构

1）查看 Hadoop 目录结构

[liyibin@hadoop102 hadoop-3.1.3]$ ll
总用量 180
drwxr-xr-x. 2 liyibin liyibin    183 9月  12 2019 bin
drwxrwxr-x. 4 liyibin liyibin     37 10月  7 20:12 data
drwxr-xr-x. 3 liyibin liyibin     20 9月  12 2019 etc
drwxr-xr-x. 2 liyibin liyibin    106 9月  12 2019 include
drwxr-xr-x. 3 liyibin liyibin     20 9月  12 2019 lib
drwxr-xr-x. 4 liyibin liyibin    288 9月  12 2019 libexec
-rw-rw-r--. 1 liyibin liyibin 147145 9月   4 2019 LICENSE.txt
drwxrwxr-x. 3 liyibin liyibin   4096 10月 24 17:37 logs
-rw-rw-r--. 1 liyibin liyibin  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 liyibin liyibin   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 liyibin liyibin   4096 9月  12 2019 sbin
drwxr-xr-x. 4 liyibin liyibin     31 9月  12 2019 share
drwxrwxr-x. 2 liyibin liyibin     22 10月  5 16:43 wcinput
drwxr-xr-x. 2 liyibin liyibin     88 10月  5 16:44 wcoutput

2）重要目录
（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。

3 Hadoop 运行模式

1）Hadoop官方网站：http://hadoop.apache.org/
2）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。
（1）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。
（2）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。
（3）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 完全分布式运行模式搭建

3.1.1 运行环境搭建

虚拟机配置见上一章。

3.1.2 编写集群分发脚本

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 p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ 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）从 hadoop102 拷贝 JDK，Hadoop 到 hadoop103 和 hadoop104.。

需要在 hadoop103 和 hadoop104 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liyibin:liyibin。

[liyibin@hadoop102 hadoop-3.1.3]$ scp -r /opt/module/* liyibin@hadoop103:/opt/module
[liyibin@hadoop102 hadoop-3.1.3]$ scp -r /opt/module/* liyibin@hadoop104:/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 p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ 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

参数说明：
-a 归档拷贝
-v 显示复制过程

3）xsync 集群分发脚本
（1）需求：循环复制文件到所有节点的相同目录下
（2）脚本实现

[liyibin@hadoop102 bin]$ cd /home/liyibin/bin/
[liyibin@hadoop102 bin]$ vim xsync 

#!/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

（3）修改脚本 xsync 具有执行权限

liyibin@hadoop102 bin]$ chmod +x xsyncshell

（4）同步环境变量

[liyibin@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

（5）让环境变量生效

[liyibin@hadoop103 bin]$ source /etc/profile
[liyibin@hadoop104 opt]$ source /etc/profile

3.1.3 SSH 无密登录

1）配置 ssh
基本语法：ssh另一台电脑的IP地址

[liyibin@hadoop102 ~]$ ssh hadoop103
Are you sure you want to continue connecting (yes/no)?

输入yes，并回车。

2）无密钥配置
（1）生成公钥和私钥

[liyibin@hadoop102 ~]$ cd /home/liyibin/.ssh/
[liyibin@hadoop102 .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）
（2）公钥拷贝到要免密登录的目标机器上

[liyibin@hadoop102 .ssh]$ ssh-copy-id hadoop102
[liyibin@hadoop102 .ssh]$ ssh-copy-id hadoop103
[liyibin@hadoop102 .ssh]$ ssh-copy-id hadoop104

同理需要在 hadoop103 和 hadoop104 进行同样的配置。
（3）.ssh文件夹下（~/.ssh）的文件功能解释

文件功能
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

3.1.4 集群配置

1）集群部署规划
（1）NameNode和SecondaryNameNode不要安装在同一台服务器
（2）ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

hadoop102hadoop103hadoop104
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

默认文件位置
core-default.xmlhadoop-common-3.1.3.jar/core-default.xml
hdfs-default.xmlhadoop-hdfs-3.1.3.jar/hdfs-default.xml
yarn-default.xmlhadoop-yarn-common-3.1.3.jar/yarn-default.xml
mapred-default.xmlhadoop-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 core-site.xml

[liyibin@hadoop102 ~]$ cd /opt/module/hadoop-3.1.3/etc/hadoop/
[liyibin@hadoop102 hadoop]$ vim core-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  you may not use this file except in compliance with the License.
  You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

  Unless required by applicable law or agreed to in writing, software
  distributed under the License is distributed on an "AS IS" BASIS,
  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  See the License for the specific language governing permissions and
  limitations under the License. See accompanying LICENSE file.
-->

<!-- Put site-specific property overrides in this file. -->

<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liyibin -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>liyibin</value>
    </property>
</configuration>

（2）HDFS 配置文件

[liyibin@hadoop102 hadoop]$ vim hdfs-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  you may not use this file except in compliance with the License.
  You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

  Unless required by applicable law or agreed to in writing, software
  distributed under the License is distributed on an "AS IS" BASIS,
  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  See the License for the specific language governing permissions and
  limitations under the License. See accompanying LICENSE file.
-->

<!-- Put site-specific property overrides in this file. -->

<configuration>
    <!-- nn web端访问地址 NameNode -->
    <property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
    <!-- 2nn web端访问地址 SecondaryNameNode -->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:9868</value>
    </property>
</configuration>

（3）YARN 配置文件

[liyibin@hadoop102 hadoop]$ vim yarn-site.xml

文件内容如下：

<?xml version="1.0"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  you may not use this file except in compliance with the License.
  You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

  Unless required by applicable law or agreed to in writing, software
  distributed under the License is distributed on an "AS IS" BASIS,
  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  See the License for the specific language governing permissions and
  limitations under the License. See accompanying LICENSE file.
-->
<configuration>

<!-- Site specific YARN configuration properties -->
    <!-- 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>
    <!-- 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>
</configuration>

（4）MapReduce 配置文件

[liyibin@hadoop102 hadoop]$ vim mapred-site.xml

文件内容如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<!--
  Licensed under the Apache License, Version 2.0 (the "License");
  you may not use this file except in compliance with the License.
  You may obtain a copy of the License at

    http://www.apache.org/licenses/LICENSE-2.0

  Unless required by applicable law or agreed to in writing, software
  distributed under the License is distributed on an "AS IS" BASIS,
  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
  See the License for the specific language governing permissions and
  limitations under the License. See accompanying LICENSE file.
-->

<!-- Put site-specific property overrides in this file. -->

<configuration>
    <!-- 指定MapReduce程序运行在Yarn上 默认local -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
   <!-- 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>
</configuration>

4）分发配置好的 Hadoop 配置文件

[liyibin@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5）在 hadoop103 和 hadoop104 上查看分发的文件

[liyibin@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[liyibin@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

6）配置 workers

[liyibin@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

# 在该文件中增加如下内容
hadoop102
hadoop103
hadoop104

分发改文件

[liyibin@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/workers

3.1.5 群起集群

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）。

[liyibin@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

2）启动 HDFS

[liyibin@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

3）在配置了ResourceManager的节点（hadoop103）启动YARN

[liyibin@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
  1. Web端查看HDFS的NameNode
    浏览器中输入：http://hadoop102:9870

5）Web端查看YARN的ResourceManager
浏览器中输入：http://hadoop103:8088

3.1.6 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
（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

3.1.7 编写 Hadoop 寄存常用脚本

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

[liyibin@hadoop102 ~]$ cd /home/liyibin/bin
[liyibin@hadoop102 bin]$ vim myhadoop.sh

文件内容如下

#!/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

保存后退出，然后赋予脚本执行权限

[liyibin@hadoop102 bin]$ chmod +x myhadoop.sh

2）查看三台服务器Java进程脚本：jpsall

[liyibin@hadoop102 ~]$ cd /home/liyibin/bin
[liyibin@hadoop102 bin]$ vim jpsall

文件内容如下

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出，然后赋予脚本执行权限

[liyibin@hadoop102 bin]$ chmod +x jpsall

4 Hadoop 常用端口

端口名称Hadoop2.xHadoop3.x
NameNode内部通信端口8020/90008020/9000/9820
NameNode Web 端口500709870
SecondaryNameNode Web 端口98689868
MapReduce查看执行任务端口80888088
历史服务器通信端口1002010020
历史服务器 web 端口1988819888
movYou521
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hadoop-体系架构（非常完整）
08-10
本文对Hadoop体系架构的组成进行了全面的说明，对Hadoop体系的每个产品的作用、功能、使用方法等都进行了详细的描述。无论你是大数据方面的新手，还是大数据方面的专家，都能从中得到指引或启发。
hadoop简介
somilong的博客
06-03 1318
转： http://baike.baidu.com/link?url=HwhPVuqqWelWIr0TeSBGPZ5SjoaYb5_Givp9-rJN-PYbSTMlwpECSKvjzLBzUE7hn9VvmhDoKb5NNCPw1pCsTa Hadoop是一个由Apache基金会所开发的分布式系统基础架构。 用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分
最全Hadoop大数据集群搭建（超详细）_hadoop集群搭建(1)，2024年最新阿里P7大牛整理
最新发布
2301_79772893的博客
05-12 1775
搭建集群需要3个虚拟机，hadoop01，hadoop02，hadoop03，已经安装了hadoop01，剩下两个需要用到虚拟机克隆。传完之后要在hadoop02和hadoop03上分别执行 source /etc/profile 命令，来刷新配置文件。传完之后要在hadoop02和hadoop03上分别执行 source /etc/profile 命令，来刷新配置文件。修改hadoop02和hadoop03的hostname为 hadoop02 和 hadoop03。在hadoop01上执行。
hadoop的介绍
zhou920786312的博客
01-01 859
1HADOOP简介   什么是HADOOP HADOOP可以对海量数据进行分布式处理 HADOOP的核心组件有 HDFS（分布式文件系统） YARN（运算资源调度系统） MAPREDUCE（分布式运算编程框架） 广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈 HADOOP在大数据、云计算中的位置和关系 云计算是分布式计算、并行计算、网格计算、多核计...
大数据基础-Hadoop基础
weixin_40657079的博客
03-09 362
什么是HADOOP HADOOP是apache旗下的一套开源软件平台 HADOOP提供的功能：利用服务器集群，根据用户的自定义业务逻辑，对海量数据进行分布式处理 HADOOP的核心组件有 HDFS（分布式文件系统） YARN（运算资源调度系统） MAPREDUCE（分布式运算编程框架） 广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈 分...
告诉你Hadoop是什么
zzhays的专栏
10-09 9592
Hadoop是什么？Hadoop是一个开发和运行处理大规模数据的软件平台,是Appach的一个用java语言实现开源软件框架，实现在大量计算机组成的集群中对海量数据进行分布式计算. Hadoop框架中最核心设计就是：HDFS和MapReduce.HDFS提供了海量数据的存储,MapReduce提供了对数据的计算. 数据在Hadoop中处理的流程可以简单的按照下图来理解:数据通过Haddop的集
基于centos的大数据hadoop集群搭建说明文档
10-30
【标题】：基于CentOS的大数据Hadoop集群搭建详解 【描述】：本教程专为初学者设计，详细阐述了如何手动搭建Hadoop集群，步骤详尽，易于理解。 【标签】：Hadoop集群搭建 【正文】： Hadoop是一个开源的分布式...
大数据教程之搭建Hadoop集群.zip_大数据环境搭建hadoop
01-09
综上所述，这个压缩包提供了全面的Hadoop集群搭建教程，涵盖了从基础环境准备、服务器配置、Hadoop安装、SSH和FTP服务的设置，到集群管理和维护等多个环节。对于想要学习和实践Hadoop大数据处理的人来说，这是一个...
Hadoop集群环境搭建
06-15
Hadoop集群环境搭建是大数据处理的核心组件之一，本文将详细介绍Hadoop集群环境的搭建过程，包括集群规划、前置条件、免密登录、集群搭建、提交服务到集群等几个方面。 集群规划 在搭建Hadoop集群环境时，需要首先...
大数据集群虚拟机-环境搭建-导入vmware直接使用
03-18
1、三个节点，含多种环境快照 2、环境包含Hadoop、Hive、Zookeeper、Spark、Kafka、Hbase、ES、scala、jdk、mysql 3、最大资源占用：6核cpu、7G内存、90G磁盘容量
大数据技术基础实验报告-Linux环境下hadoop集群的搭建与基本配置.doc
08-21
【大数据技术基础实验报告-Linux环境下hadoop集群的搭建与基本配置】 实验主要涉及了大数据技术中的基础概念，包括Linux操作系统、Java环境、SSH服务、Hadoop集群的搭建与配置。以下是具体步骤和知识点的详细解释：...
Hadoop总结
m0_67402026的博客
07-31 953
大数据的4V大量化、快速化、多样化、价值密度低。大数据对思维方式的影响颠覆了传统的思维方式——全样而非抽样、效率而非精确、相关而非因果大数据对科学研究的影响实验、理论、计算、数据三次信息化浪潮第一次——1980——个人计算机为标志——解决信息处理——Intel、AMD、IBM第二次——1995——互联网——信息传输——雅虎、谷歌第三次——2010——物联网、云计算和大数据——信息爆炸——亚马逊、美团信息科技为大数据提供的技术存储设备容量增加、成本降低CPU性能提升数据变革阶段注。...
Hadoop集群简介
qq_52175048的博客
11-05 2197
Hadoop集群整体概述，MapReduce，HDFS架构概述，YARN架构概述，MapReduce架构概述，HDFS、YARN、MapReduce三者关系，大数据技术生态体系，推荐系统项目框架
Hadoop简介和集群搭建测试(一)
yanghuadong的博客
03-20 745
Hadoop的优势有四高： (1) 高可用:Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元 素或存储出现故障，也不会导致数据的丢失 (2) 高扩展: 在集群间分配任务数据，可方便的扩展数以千计的节点 (3) 高效性:在MapReduce的思想下，Hadoop是并行工作的，以加快任务处 理速度 (4) 高容错性:能够自动将失败的任务重新分配。 Hadoop组成： HDFS 架构概述: Hadoop Distributed File System，简称 HDFS，是...
零基础就可搞懂的Hadoop架构原理
大数据Hadoop学习
12-11 271
我今天花了大半个下午的时间，写了这篇hadoop的架构，全篇都是以大白话的形式，也算是为后面更加详细的每一部分开了个好头吧，如果喜欢请点转发和关注，如果有疑问，直接在评论里说出来，大家一起解决，才能进步。作者：IT技术管理那些事儿 一、概念 Hadoop诞生于2006年，是一款支持数据密集型分布式应用并以Apache 2.0许可协议发布的开源软件框架。它支持在商品硬件构建的大型集...
Hadoop运行环境搭建
qq_45491549的博客
08-24 337
目录测试环境网络配置VMware的网络配置Windows的网络配置虚拟机网络IP修改地址配置修改主机名和hosts文件Hadoop运行环境搭建模拟虚拟机环境准备克隆虚拟机在hadoop102安装JDK在hadoop102安装HadoopHadoop目录结构 测试环境 Linux系统版本：CentOS 7 x86 Hadoop版本：hadoop-3.1.3 终端模拟软件：SecureCRT Java版本：jdk-8u162-linux-x64 安装模板虚拟机，IP地址192.168.10.100、主机名称.
Hadoop大数据集群搭建（超详细）
热门推荐
小飞飞V5的博客
05-21 3万+
本文主要介绍了Hadoop集群的搭建过程，图文详细，适合新手入门
尚硅谷hadoop3.x集群配置笔记及常见错误解决方式
m0_51404279的博客
10-24 4536
1.搭建集群准备工作 总体流程 准备3台客户机（关闭防火墙、静态IP、主机名称） 安装JDK 配置环境变量 安装Hadoop 配置环境变量 配置集群 单点启动 配置ssh 群起并测试集群 一、模板虚拟机的搭建 配置要求：IP地址192.168.10.100**、主机名称hadoop100、内存4G、**硬盘50G（内存硬盘大小根据电脑配置自行更改） 关于是否安装桌面：未安装桌面的版本需要要执行以下命令,用于配置工具包集合，包含ifconfig等命令以及软件...
Hadoop集群的搭建，巨详细的过程,一步步来必成
weixin_68251022的博客
06-02 6382
查看/etc/sysconfig/network-scripts/ifcfg-ens33配置文件的内容。不同于Windows系统采用菜单方式修改网络配置，Linux系统的网络配置参数是写在配置文件里的，ifcfg-ens33是CentOS 7.8版本的Linux系统中的网络配置文件，可以设置IP地址、子网掩码等网络配置信息。
大数据hadoop集群虚拟机环境下载
05-13
大数据hadoop集群虚拟机环境的下载方式可以分为两种：自行搭建和使用已有的虚拟机镜像。 自行搭建需要先准备好虚拟机软件，如VirtualBox、VMware等，并下载CentOS等Linux系统的镜像文件。接着，按照hadoop集群的架构，创建多个虚拟机并安装好基本的软件和配置，最后再进行hadoop、hive、hbase等大数据软件的安装和配置。但这种方法需要自行掌握虚拟机、Linux及大数据技术，有较高的门槛，适合专业人员。 使用已有的虚拟机镜像，则需在官方网站或者其他可靠的网站上下载已经安装好的hadoop集群虚拟机镜像文件，如apache ambari等。下载后直接导入虚拟机软件中即可使用。这种方法相对比较简单，也省去了安装和配置的步骤，但是需要注意文件的来源和版本的匹配，以避免出现冲突等问题。 综上所述，对于大数据初学者和业余爱好者，建议使用已有的虚拟机镜像进行Hadoop集群环境的搭建，对于专业研究人员，自行搭建虚拟机环境会更加灵活和方便。
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
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