Hadoop入门
Hadoop概述
Hadoop是什么
Hadoop优势
Hadoop组成
HDFS架构概述
MapReduce 架构概述
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。
HDFS、YARN、MapReduce三者关系
大数据技术生态体系
推荐系统框架图
Hadoop运行环境搭建
安装VMware
安装CentOS
网络配置
Linux 虚拟机的虚拟网络编辑器,编辑->虚拟网络编辑器->VMnet8
Windows 系统适配器 VMware Network Adapter VMnet8 的 IP 地址
保证 Linux 系统 ifcfg-ens33 文件中 IP 地址、虚拟网络编辑器地址和 Windows 系 统 VM8 网络 IP 地址相同。
IP和主机名称配置
XShell远程访问
模板虚拟机环境准备
1)hadoop100 虚拟机配置要求如下(本文 Linux 系统全部以 CentOS-7.5-x86-1804 为例)
(1)使用 yum 安装需要虚拟机可以正常上网,yum 安装前可以先测试下虚拟机联网情
况
[root@hadoop100 ~]# ping www.baidu.com PING www.baidu.com
(14.215.177.39) 56(84) bytes of data. 64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=1 ttl=128 time=8.60 ms 64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=2 ttl=128 time=7.72 ms
(2)安装 epel-release
注: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
(3)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
➢ net-tool:工具包集合,包含 ifconfig 等命令
[root@hadoop100 ~]# yum install -y net-tools
➢ vim:编辑器
[root@hadoop100 ~]# yum install -y vim
2)关闭防火墙,关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service
注意:在企业开发时,通常单个服务器的防火墙时关闭的。公司整体对外会设置非常安全的防火墙
3)创建 atguigu 用户,并修改 atguigu 用户的密码
[root@hadoop100 ~]# useradd atguigu
[root@hadoop100 ~]# passwd atguigu
4)配置 atguigu 用户具有 root 权限,方便后期加 sudo 执行 root 权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
修改/etc/sudoers 文件,在%wheel 这行下面添加一行,如下所示:
## Allow root to run any commands anywhere root
ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
atguigu ALL=(ALL) NOPASSWD:ALL
注意:atguigu 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 atguigu 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 atguigu 要放到%wheel 这行下面。
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 atguigu 用户
[root@hadoop100 ~]# chown lln:lln /opt/module
[root@hadoop100 ~]# chown lln:lln /opt/software
(3)查看 module、software 文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12 drwxr-xr-x. 2 atguigu atguigu 4096 5 月 28 17:18 module
drwxr-xr-x. 2 root root 4096 9 月 7 2017 rh
drwxr-xr-x. 2 atguigu atguigu 4096 5 月 28 17:18 software
6)卸载虚拟机自带的 JDK
注意:如果你的虚拟机是最小化安装不需要执行这一步。
[root@hadoop100 ~]# 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
7)重启虚拟机 [root@hadoop100 ~]# reboot
克隆虚拟机
创建完整克隆 hadoop102 hadoop103 hadoop104
注意:克隆时,要先关闭 hadoop100
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="46bde509-4350-4d89-be52-de718afe5a58"
DEVICE="ens33"
ONBOOT="yes"
IPADDR=192.168.249.102
NETMASK=255.255.255.0
GATEWAY=192.168.249.2
DNS1=8.8.8.8
修改克隆机主机名,以下以 hadoop102 举例说明
修改主机名称
[root@hadoop100 ~]# vim /etc/hostname
[root@hadoop100 ~]# cat /etc/hostname
hadoop102
配置 Linux 克隆机主机名称映射 hosts 文件,打开/etc/hosts
[root@hadoop100 ~]# vim /etc/hosts
[root@hadoop100 ~]# cat /etc/hosts
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.249.100 hadoop100
192.168.249.101 hadoop101
192.168.249.102 hadoop102
192.168.249.103 hadoop103
192.168.249.104 hadoop104
192.168.249.105 hadoop105
192.168.249.106 hadoop106
192.168.249.107 hadoop107
192.168.249.108 hadoop108
安装JDK
在 hadoop102 安装 JDK
-
卸载现有 JDK
注意:安装 JDK 前,一定确保提前删除了虚拟机自带的 JDK。 -
用 XShell 传输工具将 JDK 导入到 opt 目录下面的 software 文件夹下面
-
在 Linux 系统下的 opt 目录中查看软件包是否导入成功
-
解压 JDK 到/opt/module 目录下
[root@hadoop102 software]# tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
- 配置 JDK 环境变量
新建/etc/profile.d/my_env.sh 文件
[lln@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
source 一下/etc/profile 文件,让新的环境变量 PATH 生效
[lln@hadoop102 ~]$ source /etc/profile
测试 JDK 是否安装成功
注意:重启(如果 java -version 可以用就不用重启)
安装Hadoop
在 hadoop102 安装 Hadoop
用 XShell 文件传输工具将 hadoop-3.1.3.tar.gz 导入到 opt 目录下面的 software 文件夹下
面
进入到 Hadoop 安装包路径下
cd /opt/software/
解压安装文件到/opt/module 下面
[lln@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
查看是否解压成功
将 Hadoop 添加到环境变量
获取 Hadoop 安装路径
/opt/module/jdk1.8.0_212
打开/etc/profile.d/my_env.sh 文件
[lln@hadoop102 jdk1.8.0_212]$ sudo 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-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
让修改后的文件生效
[lln@hadoop102 jdk1.8.0_212]$ source /etc/profile
测试是否安装成功
重启(如果 Hadoop 命令不能用再重启虚拟机)
查看 Hadoop 目录结构
3.1 本地运行模式(官方WordCount)
(1)创建在 hadoop-3.1.3 文件下面创建一个 wcinput 文件夹
[lln@hadoop102 hadoop-3.1.3]$ mkdir wcinput
(2)在 wcinput 文件下创建一个 word.txt 文件
[lln@hadoop102 hadoop-3.1.3]$ cd wcinput/
(3)编辑 word.txt 文件
[lln@hadoop102 hadoop-3.1.3]$ vim word.txt
[lln@hadoop102 wcinput]$ cat word.txt
hadoop yarn
hadoop mapreduce
atguigu
atguigu
(4)回到 Hadoop 目录/opt/module/hadoop-3.1.3
(5)执行程序
[lln@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
(6)查看结果
[lln@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000
atguigu 2
hadoop 2
mapreduce 1
yarn 1
3.2 完全分布式运行模式
3.2.1 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:$pdir/$fnam
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hadoop102、hadoop103、hadoop104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lln:lln
- 在102上,将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上
[lln@hadoop102 module]$ scp -r jdk1.8.0_212/ lln@hadoop103:/opt/module/
- 在103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上
[lln@hadoop103 module]$ scp -r lln@hadoop102:/opt/module/hadoop-3.1.3 ./
- 在103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop104上
[lln@hadoop103 module]$ scp -r lln@hadoop102:/opt/module/* lln@hadoop104:/opt/module/
3.2.2 rsync 远程同步工具
(1)定义
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。
(2)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
```
(3)案例实操
- 删除 hadoop103 中/opt/module/hadoop-3.1.3/wcinput
[lln@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/
- 同步 hadoop102 中的/opt/module/hadoop-3.1.3 到 hadoop103
[lln@hadoop102 module]$ rsync -av hadoop-3.1.3/ lln@hadoop103:/opt/module/hadoop-3.1.3/
3.2.3 编写集群分发脚本xsync
(1)需求:循环复制文件到所有节点的相同目录下
(2)需求分析:
(a)rsync 命令原始拷贝:
rsync -av /opt/module lln@hadoop103:/opt/
(b)期望脚本:
xsync 要同步的文件名称
(c)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)
[lln@hadoop102 module]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/home/lln/.local/bin:/home/lln/bin
(3)脚本实现
(a)在/home/atguigu/bin 目录下创建 xsync 文件
[lln@hadoop102 ~]$ cd /home/lln
[lln@hadoop102 ~]$ mkdir bin
[lln@hadoop102 ~]$ cd bin
[lln@hadoop102 bin]$ vim xsync
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 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 $file does not exists!
fi
done
done
(b)修改脚本xsync具有执行权限
[lln@hadoop102 bin]$ chmod +x xsync
(c)测试脚本
[lln@hadoop102 bin]$ xsync /home/lln/bin
(d)将脚本复制到/bin中,以便全局调用
[lln@hadoop102 bin]$ sudo cp xsync /bin/
(e)同步环境变量配置(root所有者)
[lln@hadoop102 ~]$ sudo xsync /etc/profile.d/my_env.sh
注意:如果用了sudo,那么xsync一定要给它的路径补全。
(f)让环境变量生效
[lln@hadoop103 bin]$ source /etc/profile
[lln@hadoop104 module]$ source /etc/profile
3.2.4 SSH无密登录配置
登陆过ssh,会出现.ssh隐藏文件。
-
免密登录原理
-
生成公钥和密钥
[atguigu@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)
- 将公钥拷贝到要免密登录的目标机器上
[lln@hadoop102 .ssh]ssh-copy-id hadoop102
[lln@hadoop102 .ssh]ssh-copy-id hadoop103
[lln@hadoop102 .ssh]ssh-copy-id hadoop104
.ssh文件夹下文件功能
3.2.5 集群配置
-
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。
-
配置文件说明
-
配置集群
(1)核心配置文件:配置 core-site.xml
[lln@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[lln@hadoop102 hadoop]$ pwd
/opt/module/hadoop-3.1.3/etc/hadoop
[lln@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"?>
<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 lln-->
<property>
<name>hadoop.http.staticuser.user</name>
<value>lln</value>
</property>
</configuration>
(2)HDFS配置文件:配置hdfs-site.xml
[lln@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"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>
(3)YARN配置文件:配置yarn-site.xml
[lln@hadoop102 hadoop]$ vim yarn-site.xml
文件内容如下
<?xml version="1.0"?>
<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>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>
</configuration>
(4)MapReduce 配置文件:配置 mapred-site.xml
[lln@hadoop102 hadoop]$ vim mapred-site.xml
文件内容如下
<?xml version="1.0"?>
<?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>
<!-- 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>
- 在集群上分发配置好的Hadoop配置文件
[lln@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
去103和104上查看文件分发情况
3.2.6 群起集群
(1)配置works
[lln@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
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
[lln@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
(2)启动集群
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。)
[atguigu@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
启动HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
在配置了 ResourceManager 的节点(hadoop103)启动 YARN
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
- Web 端查看 HDFS 的 NameNode
浏览器中输入:http://hadoop102:9870/explorer.html
查看 HDFS 上存储的数据信息 - Web 端查看 YARN 的 ResourceManager
浏览器中输入:http://hadoop103:8088
查看 YARN 上运行的 Job 信息
(3)集群的基本测试
上传文件到集群
上传小文件
[lln@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /wcinput
[lln@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/word.txt /wcinput
2023-05-09 10:53:41,444 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
上传大文件
[lln@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
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
[lln@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1600562493-192.168.249.102-1683599638224/current/finalized/subdir0/subdir0
查看 HDFS 在磁盘存储文件内容
[lln@hadoop102 subdir0]$ cat blk_1073741826
hadoop yarn
hadoop mapreduce
atguigu
atguigu
拼接
[lln@hadoop102 subdir0]$ cat blk_1073741827 >> tmp.tar.gz
[lln@hadoop102 subdir0]$ cat blk_1073741828 >> tmp.tar.gz
[lln@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz
下载
[lln@hadoop102 subdir0]$ cd /opt/software/
[lln@hadoop102 software]$ ll
总用量 520600
-rw-r--r--. 1 lln lln 338075860 2月 24 2021 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root 195013152 2月 24 2021 jdk-8u212-linux-x64.tar.gz
[lln@hadoop102 software]$ hadoop fs -get /wcinput/word.txt ./
2023-05-09 11:44:54,425 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
[lln@hadoop102 software]$ ll
总用量 520604
-rw-r--r--. 1 lln lln 338075860 2月 24 2021 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root 195013152 2月 24 2021 jdk-8u212-linux-x64.tar.gz
-rw-r--r--. 1 lln lln 45 5月 9 11:44 word.txt
执行 wordcount 程序
[lln@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /wcinput /wcoutput
3.2.7 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
[llm@hadoop102 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>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>
(2)分发配置
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
(3)在hadoop102启动历史服务器
[atguigu@hadoop102 hadoop]$ mapred --daemon start historyserver
(4)查看历史服务器是否启动
[atguigu@hadoop102 hadoop]$ jps
(5)查看JobHistory
http://hadoop102:19888/jobhistory
3.2.8 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
HistoryServer。
开启日志聚集功能具体步骤如下:
(1)配置 yarn-site.xml
[atguigu@hadoop102 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://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>
(2)分发配置
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarnsite.xml
(3)关闭 NodeManager 、ResourceManager 和 HistoryServer
[atguigu@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
(4)启动NodeManager、ResourceManage和HistoryServer
[atguigu@hadoop103 ~]$ sbin/start-yarn.sh
[atguigu@hadoop102 ~]$ mapred --daemon start historyserver
(5)删除 HDFS 上已经存在的输出文件
[atguigu@hadoop102 ~]$ hadoop fs -rm -r /output
(6)执行 WordCount 程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /wcinput /output
(7)查看日志
历史服务器地址
http://hadoop102:19888/jobhistory
历史任务列表
3.2.9 集群启动/停止方式总结
3.2.10 编写Hadoop集群常用脚本
myhadoop.sh
Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh
[lln@hadoop102 ~]$ cd /home/lln/bin
[lln@hadoop102 bin]$ vim myhadoop.sh
Hadoop 集群启停脚本(包含 HDFS,Yarn,Historyserver):myhadoop.sh
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop 集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop 集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
保存后退出,然后赋予脚本执行权限
[atguigu@hadoop102 bin]$ chmod +x myhadoop.sh
jpsall
查看三台服务器 Java 进程脚本:jpsall
[atguigu@hadoop102 ~]$ cd /home/atguigu/bin [atguigu@hadoop102 bin]$ vim jpsall
输入如下内容:
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
保存后退出,然后赋予脚本执行权限
[atguigu@hadoop102 bin]$ chmod +x jpsall
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
[atguigu@hadoop102 ~]$ xsync /home/lln/bin/
两道面试题
一、常用端口号
hadoop3.x
HDFS NameNode 内部通信端口:8020、9000、9820
HDFS NameNode 对用户的查询端口:9870
Yarn查看任务运行情况的:8088
历史服务器:19888
hadoop2.x
HDFS NameNode 内部通信端口: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
hadoop3.x
- core-site.xml
- hdfs-site.xml
- yarn-site.xml
- mapred-site.xml
- workers
hadoop2.x
- core-site.xml
- hdfs-site.xml
- yarn-site.xml
- mapred-site.xml
- slaves
集群时间同步
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。
(1)需求
(2)时间服务器配置(必须 root 用户)
查看所有节点 ntpd 服务状态和开机自启动状态
[lln@hadoop102 ~]$ su root
密码:
[root@hadoop102 lln]# systemctl status ntpd
● ntpd.service - Network Time Service
Loaded: loaded (/usr/lib/systemd/system/ntpd.service; disabled; vendor preset: disabled)
Active: inactive (dead)
[root@hadoop102 lln]# systemctl start ntpd
[root@hadoop102 lln]# systemctl status ntpd
● ntpd.service - Network Time Service
Loaded: loaded (/usr/lib/systemd/system/ntpd.service; disabled; vendor preset: disabled)
Active: active (running) since 二 2022-08-23 17:48:56 CST; 8s ago
Process: 8298 ExecStart=/usr/sbin/ntpd -u ntp:ntp $OPTIONS (code=exited, status=0/SUCCESS)
Main PID: 8300 (ntpd)
Tasks: 1
CGroup: /system.slice/ntpd.service
└─8300 /usr/sbin/ntpd -u ntp:ntp -g
8月 23 17:48:56 hadoop102 ntpd[8300]: Listen normally on 2 lo 127.0.0.1 UDP 123
8月 23 17:48:56 hadoop102 ntpd[8300]: Listen normally on 3 ens33 192.168.10.102 UDP 123
8月 23 17:48:56 hadoop102 ntpd[8300]: Listen normally on 4 virbr0 192.168.122.1 UDP 123
8月 23 17:48:56 hadoop102 ntpd[8300]: Listen normally on 5 lo ::1 UDP 123
8月 23 17:48:56 hadoop102 ntpd[8300]: Listen normally on 6 ens33 fe80::fdaa:4495:fcf0:49f UDP 123
8月 23 17:48:56 hadoop102 ntpd[8300]: Listening on routing socket on fd #23 for interface updates
8月 23 17:48:56 hadoop102 ntpd[8300]: 0.0.0.0 c016 06 restart
8月 23 17:48:56 hadoop102 ntpd[8300]: 0.0.0.0 c012 02 freq_set kernel 0.000 PPM
8月 23 17:48:56 hadoop102 ntpd[8300]: 0.0.0.0 c011 01 freq_not_set
8月 23 17:49:03 hadoop102 ntpd[8300]: 0.0.0.0 c614 04 freq_mode
[root@hadoop102 lln]# systemctl is-enabled ntpd
disabled
修改 hadoop102 的 ntp.conf 配置文件
[atguigu@hadoop102 ~]# vim /etc/ntp.conf
修改 1(授权 192.168.249.0-192.168.249.255 网段上的所有机器可以从这台机器上查询和同步时间)
# Hosts on local network are less restricted.
# restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
为
# Hosts on local network are less restricted.
restrict 192.168.249.0 mask 255.255.255.0 nomodify notrap
修改 2(集群在局域网中,不使用其他互联网上的时间)
为
添加 3(当该节点丢失网络连接,依然可以采用本地时间作为时间服务器为集群中的其他节点提供时间同步)
server 127.127.1.0
fudge 127.127.1.0 stratum 10
修改 hadoop102 的/etc/sysconfig/ntpd 文件
[atguigu@hadoop102 ~]$ 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
[atguigu@hadoop102 ~]$ sudo systemctl start ntpd
(5)设置 ntpd 服务开机启动
[atguigu@hadoop102 ~]$ sudo systemctl enable ntpd
*/1 * * * * /usr/sbin/ntpdate hadoop102
[lln@hadoop103 ~]$ sudo date -s "2021-9-11 11:11:11"
2021年 09月 11日 星期六 11:11:11 CST
[lln@hadoop103 ~]$ date
2021年 09月 11日 星期六 11:11:15 CST
[lln@hadoop103 ~]$ date
2022年 08月 23日 星期二 18:05:09 CST