Hadoop3.1.3安装包和jdk8安装包(https://pan.baidu.com/s/1YA3F88dbArXWfPTc4dbqyw 提取码:xm94)
需要同时配置多台服务器MobaXterm提供同时操作多态服务器的方法,很实用,在开启多个服务器页面后点击下图的按钮就可以了
前置
(1)确保网络通常,即ping www.baidu.com成功
(2)关闭防火墙,关闭防火墙开机自启动(没有安装所以作者不需要操作这个)
$ systemctl stop firewalld
$ systemctl disable firewalld.service
注意:在企业开发时,通常单个服务器的防火墙关闭时。公司整体对外会设置非常安全的防火墙
(3)安装sudo,并给予mgmt用户sudo权限
$ apt-get install -y sudo
$ vim /etc/sudoers
在/etc/sudoers文件中添加以下内容(sudo免密码)
mgmt ALL=(ALL:ALL) NOPASSWD:ALL
安装JDK8
(1)在每个服务器的/opt/目录下创建module目录
$ mkdir /opt/module
(2)将下载的JDK8安装包拷贝到/opt/module目录下
解压
$ cd /opt/module
$ tar xvf jdk-8u212-linux-x64.tar.gz
(3)添加环境变量
$ vim /etc/profile.d/Java.sh
在/etc/profile.d/Java.sh中添加以下内容:
export JAVA_HOME="/opt/module/jdk1.8.0_212"
export PATH="$PATH:$JAVA_HOME/bin"
(4)然后加载环境变量
$ source /etc/profile
查看java版本
$ java -version
安装Hadoop(版本为3.1.3)
(1)将下载的Hadoop包拷贝到/opt/module目录下
解压
$ cd /opt/module
$ tar xvf hadoop-3.1.3.tar.gz
(2)添加环境变量
$ vim /etc/profile.d/Hadoop.sh
在/etc/profile.d/Hadoop.sh中添加以下内容:
export HADOOP_HOME="/opt/module/hadoop-3.1.3"
export PATH="$PATH:$HADOOP_HOME/bin"
export PATH="$PATH:$HADOOP_HOME/sbin"
(3)然后加载环境变量
$ source /etc/profile
查看hadoop是否安装成功
$ hadoop
本地运行模式
创建一个测试目录
$ cd ~
$ mkdir test
$ cd test
$ vim test.txt
随便添加内容用于测试,比如添加一下内容:
sf ees
sf aaa
fffd
sdfe
sdfe
sdfe
执行如下内容:
$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount . ./output
查看计算结果:
$ cat output/part-r-00000
结果(得到的是每个单词的数量):
aaa 1
ees 1
fffd 1
sdfe 3
sf 2
完全分布式运行模式(重点)
xsync集群分发脚本
(1)期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)
root@TestNode1:~/test# echo $PATH
/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin
(2)脚本实现
(a)在/etc/hosts添加其他节点信息(用虚拟机最好在自己电脑上也添加,windows路径C:\Windows\System32\drivers\etc)
$ vim /etc/hosts
添加以下内容(这是我的虚拟机IP,请改为自己的服务器IP和hostname):
192.168.1.221 TestNode1
192.168.1.222 TestNode2
192.168.1.223 TestNode3
192.168.1.224 TestNode4
(b)安装rsync
$ apt-get install rsync
(c)在/usr/bin 目录下创建xsync文件
$ cd /usr/bin
$ vim xsync
(d)在该文件中编写如下代码:
#!/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 TestNode1 TestNode2 TestNode3 TestNode4
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
(e)添加执行权限
$ chmod +x xsync
(f)测试
$ cd ~
$ touch 1.txt
$ xsync 1.txt
ssh免密
(a)生成ssh密钥
$ ssh-keygen -t rsa
然后三次回车
(b)将公钥拷贝给其他节点
ssh-copy-id TestNode1
ssh-copy-id TestNode2
ssh-copy-id TestNode3
ssh-copy-id TestNode4
集群配置
(a)集群部署规划
注意:
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。
TestNode1 | TestNode2 | TestNode3 | TestNode4 | |
---|---|---|---|---|
HDFS | NameNode & DataNode | DataNode | SecondatyNameNode & DataNode | DataNode |
YARN | NodeManager | ResourceManager & NodeManager | NodeManager | NodeManager |
(b)配置文件说明
Hadoop配置文件分为两类: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文件时,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:
./share/hadoop/对应文件夹下
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)核心配置文件
配置core-site.xml
$ cd $HADOOP_HOME/etc/hadoop
$ vim core-site.xml
在中间添加内容,结果如下:
<configuration>
<!-- hdfs的位置 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
<!-- hadoop运行时产生的缓冲文件存储位置 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/tmp</value>
</property>
<!-- 配置 HDFS 网页登录使用的静态用户为 mgmt -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>mgmt</value>
</property>
</configuration>
配置hdfs-site.xml
$ vim hdfs-site.xml
在中间添加内容,结果如下:
<configuration>
<!-- hdfs 数据备份数量 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- hdfs namenode上存储hdfs名字空间元数据 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/module/hadoop-3.1.3/hdfs/name</value>
</property>
<!-- hdfs datanode上数据块的物理存储位置 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>/opt/module/hadoop-3.1.3/hdfs/data</value>
</property>
</property>
<property>
<name>dfs.http.address</name>
<value>TestNode1:50070</value>
</property>
<property>
<name>dfs.secondary.http.address</name>
<value>TestNode3:50090</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>
配置yarn-site.xml
$ vim yarn-site.xml
在中间添加内容,结果如下:
<configuration>
<!-- Site specific YARN configuration properties -->
<!-- yarn 的 hostname -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>TestNode2</value>
</property>
<!-- yarn Web UI address -->
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>${yarn.resourcemanager.hostname}:8088</value>
</property>
<!-- reducer 获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</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>
配置mapred-site.xml
$ vim mapred-site.xml
在中间添加内容,结果如下:
<configuration>
<!-- mapreduce运行的平台 默认local本地模式 -->
<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
$ xsync /opt/module/hadoop-3.1.3/etc/hadoop
(5)去其他节点查看分发是否成功
$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
群起集群
1.配置works
$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中添加所有节点名(hostname):
TestNode1
TestNode2
TestNode3
TestNode4
注意:该文件中添加的内容结尾不允许有空格,文件中不允许有空格
同步所有节点配置文件
$ xsync /opt/module/hadoop-3.1.3/etc
2.启动集群(使用mgmt账户,用root需要修改文件)
(1)如果集群第一次启动,需要在TestNode1节点格式化NameNode(TestNode1)
$ hdfs namenode -format
(2)启动HDFS(TestNode1)
$ start-dfs.sh
注:如果要暂停则把start改为stop
(a)遇到问题1
ERROR: JAVA_HOME is not set and could not be found.
参考:https://blog.csdn.net/chun19920827/article/details/74924434
在/opt/module/hadoop-3.1.3/etc/hadoop/hadoop-env.sh中添加
export JAVA_HOME="/opt/module/jdk1.8.0_212"
分发给其他节点
$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
(3)在配置了ResourceManager的节点(TestNode2)启动YARN
$ start-yarn.sh
访问Web UI
Daemon | Web Interface |
---|---|
NameNode | http://192.168.1.221:50070 |
Resourcemanager | http://192.168.1.222:8088 |
MapReduce JobHistory Server | http://192.168.1.221:19888 |
SecondatyNameNode | http://192.168.1.223:50090 |
集群基本测试
1.上传文件到集群
(1)上传小文件
$ hadoop fs -mkdir /input
$ hadoop fs -put ~/test/test.txt /input
(2)上传大文件
$ hadoop fs -put /opt/module/jdk-8u212-linux-x64.tar.gz /
2.上传文件后查看文件存放在什么位置
HDFS文件存储路径
/opt/module/hadoop-3.1.3/hdfs/data/current/BP-780279612-192.168.1.221-1648715936049/current/finalized/subdir0/subdir0
查看HDFS在磁盘存储文件内容
$ cat blk_1073741825
afas
safsa
ddss
afas dff
dss afas afas
3.拼接
$ cat blk_1073741826 >> tmp.tar.gz
$ cat blk_1073741827 >> tmp.tar.gz
解压
$tar -zxvf tmp.tar.gz
4.下载
$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
5.执行wordcount程序
$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
配置历史服务器
配置mapred-site.xml
$ vim mapred-site.xml
添加以下内容:
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>TestNode1:10020</value>
</property>
<!-- 历史服务器 web 端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>TestNode1:19888</value>
</property>
分发配置
$ xsync etc/hadoop/
在TestNode1启动历史服务器(先把yarn关掉,启动后再开)
$ mapred --daemon start historyserver
查看JobHistory
http://TestNode1:19888/jobhistory
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。
注意:开启日志聚集功能,需要重新启动NodeManager、ResourceManager和HistoryServer
1.配置yarn-site.xml
$ vim yarn-site.xml
添加以下内容:
<!-- 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://TestNode1:19888/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
$ xsync etc/hadoop/yarn-site.xml
3.关闭NodeManager、ResourceManager和HistoryServer
在TestNode2上
$ stop-yarn.sh
在TestNode1上
$ mapred --daemon stop historyserver
4.启动NodeManager、ResourceManager和HistoryServer
在TestNode2上
$ start-yarn.sh
在TestNode1上
$ mapred --daemon start historyserver
5.删除HDFS上存在的输出文件,然后运行wordcount程序
$ hadoop fs -rm -r /output
$ hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
6.可以在历史服务器中查看日志
集群启动/停止方式总结
1.歌迷快分开启动/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.各服务器组件逐一启动/停止
(1)分别启动/停止HDFS组件
$ hdfs --daemon start/stop namenode/datanode/secondarynamenode
(2)分别启动/停止YARN组件
$ yarn --daemon start/stop resourcemanager/nodemanager
编写Hadoop集群常用脚本
1.Hadoop集群启停脚本(包含HDFS,YARN,HistoryServer):myhadoop.sh
$ sudo vim /usr/bin/myhadoop.sh
输入以下内容
#!/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 TestNode1 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh TestNode2 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh TestNode1 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop 集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh TestNode1 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh TestNode2 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh TestNode1 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
保存退出后,赋予脚本执行权限
$ sudo chmod +x myhadoop.sh
2.查看各服务器Java进程脚本:jpsall
$ sudo vim /usr/bin/jpsall
输入以下内容:
#!/bin/bash
for host in TestNode1 TestNode2 TestNode3 TestNode4
do
echo =============== $host ===============
ssh $host "/opt/module/jdk1.8.0_212/bin/jps"
done
赋予可执行权限
$ sudo chmod +x /usr/bin/jpsall
分发脚本(遇到权限问题,用root分发)
$ xsync /usr/bin/jpsall
常用端口号
hadoop3.x
HDFS NameNode 内部通常端口:8020/9000/9820
HDFS NameNode 对用户的查询端口:9870
Yarn查看任务运行情况:8088
历史服务器:19888
hadoop2.x
HDFS NameNode 内部通常端口:8020/9000
HDFS NameNode 对用户的查询端口:50070
Yarn查看任务运行情况:8088
历史服务器:19888
常用的配置文件
3.x core-sit.xml hadfs-site.xml yarn-site.xml mapred-site.xml workers
2.x core-sit.xml hadfs-site.xml yarn-site.xml mapred-site.xml slaves
集群时间同步(能够连接外网时不需要)
略