Hadoop配置及运行

最新推荐文章于 2024-04-25 19:00:29 发布

努力地发光吧

最新推荐文章于 2024-04-25 19:00:29 发布

阅读量1.3k

点赞数

分类专栏：大数据之路 # Hadoop 文章标签： hadoop 大数据 mapreduce

本文链接：https://blog.csdn.net/m0_51537642/article/details/126163612

版权

大数据之路同时被 2 个专栏收录

4 篇文章 0 订阅

订阅专栏

Hadoop

3 篇文章 0 订阅

订阅专栏

Hadoop官方网站：Apache Hadoop

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。

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。
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。
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 本地运行模式（官方WordCount）

1）在hadoop-3.1.3文件下面创建一个wcinput文件夹

[liuxiaohu@hadoop102 hadoop-3.1.3]$ mkdir wcinput

2）在wcinput文件下创建一个word.txt文件

[liuxiaohu@hadoop102 hadoop-3.1.3]$ cd wcinput

3）编辑word.txt文件

[liuxiaohu@hadoop102 wcinput]$ vim word.txt

在文件中输入如下内容

hadoop yarn

hadoop mapreduce

liuxiaohu

保存退出：:wq

4）回到Hadoop目录/opt/module/hadoop-3.1.3

5）执行程序

[liuxiaohu@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

[liuxiaohu@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000

看到如下结果：

liuxiaohu 2

hadoop 2

mapreduce 1

yarn 1

3.2 完全分布式运行模式

分析：

1）准备3台客户机（关闭防火墙、静态IP、主机名称）

2）安装JDK

3）配置环境变量

4）安装Hadoop

5）配置环境变量

6）配置集群

7）单点启动

8）配置ssh

9）群起并测试集群

3.2.1 虚拟机准备（已完成）

3.2.2 编写集群分发脚本xsync

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:$pdir/$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）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liuxiaohu:liuxiaohu

[liuxiaohu@hadoop102 ~]$ sudo chown liuxiaohu:liuxiaohu -R /opt/module

（a）在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

[liuxiaohu@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 liuxiaohu@hadoop103:/opt/module

（b）在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。

[liuxiaohu@hadoop103 ~]$ scp -r liuxiaohu@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

（c）在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。

[liuxiaohu@hadoop103 opt]$ scp -r liuxiaohu@hadoop102:/opt/module/* liuxiaohu@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 $pdir/$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

选项参数说明

选项	功能
-a	归档拷贝
-v	显示复制过程

（2）案例实操

（a）删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

[liuxiaohu@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/

（b）同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

[liuxiaohu@hadoop102 module]$ rsync -av hadoop-3.1.3/ liuxiaohu@hadoop103:/opt/module/hadoop-3.1.3/

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）需求分析：

（a）rsync命令原始拷贝：

rsync -av /opt/module liuxiaohu@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）

[liuxiaohu@hadoop102 ~]$ echo $PATH

/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/liuxiaohu/.local/bin:/home/liuxiaohu/bin:/opt/module/jdk1.8.0_212/bin

（3）脚本实现

（a）在/home/liuxiaohu/bin目录下创建xsync文件

[liuxiaohu@hadoop102 opt]$ cd /home/liuxiaohu

[liuxiaohu@hadoop102 ~]$ mkdir bin

[liuxiaohu@hadoop102 ~]$ cd bin

[liuxiaohu@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;

#2. 遍历集群所有机器

for host in hadoop102 hadoop103 hadoop104

echo ==================== $host ====================

#3. 遍历所有目录，挨个发送

for file in $@

#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!

done

（b）修改脚本 xsync 具有执行权限

[liuxiaohu@hadoop102 bin]$ chmod +x xsync

（c）测试脚本

[liuxiaohu@hadoop102 ~]$ xsync /home/liuxiaohu/bin

（d）将脚本复制到/bin中，以便全局调用

[liuxiaohu@hadoop102 bin]$ sudo cp xsync /bin/

（e）同步环境变量配置（root所有者）

[liuxiaohu@hadoop102 ~]$ sudo ./bin/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。

让环境变量生效

[liuxiaohu@hadoop103 bin]$ source /etc/profile

[liuxiaohu@hadoop104 opt]$ source /etc/profile

3.2.3 SSH无密登录配置

1）配置ssh

（1）基本语法

ssh另一台电脑的IP地址

（2）ssh连接时出现Host key verification failed的解决方法

[liuxiaohu@hadoop102 ~]$ ssh hadoop103

如果出现如下内容

Are you sure you want to continue connecting (yes/no)?

输入yes，并回车

（3）退回到hadoop102

[liuxiaohu@hadoop103 ~]$ exit

2）无密钥配置

（1）免密登录原理

（2）生成公钥和私钥

[liuxiaohu@hadoop102 .ssh]$ pwd

/home/liuxiaohu/.ssh

[liuxiaohu@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）

（3）将公钥拷贝到要免密登录的目标机器上

[liuxiaohu@hadoop102 .ssh]$ ssh-copy-id hadoop102

[liuxiaohu@hadoop102 .ssh]$ ssh-copy-id hadoop103

[liuxiaohu@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：

还需要在hadoop103上采用liuxiaohu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop104上采用liuxiaohu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

3）.ssh文件夹下（~/.ssh）的文件功能解释

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

3.2.4 集群配置

1）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。

hadoop102

hadoop103

hadoop104

HDFS

NameNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

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：

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）配置集群

（1）核心配置文件

配置core-site.xml

[liuxiaohu@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop

[liuxiaohu@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"?>

<name>fs.defaultFS</name>

<value>hdfs://hadoop102:8020</value>

</property>

<name>hadoop.tmp.dir</name>

<value>/opt/module/hadoop-3.1.3/data</value>

</property>

<name>hadoop.http.staticuser.user</name>

<value>liuxiaohu</value>

</property>

</configuration>

（2）HDFS配置文件

配置hdfs-site.xml

[liuxiaohu@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"?>

<name>dfs.namenode.http-address</name>

<value>hadoop102:9870</value>

</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

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

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.resourcemanager.hostname</name>

<value>hadoop103</value>

</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

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

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<name>mapreduce.framework.name</name>

</property>

</configuration>

4）在集群上分发配置好的Hadoop配置文件保证三台服务器的配置完全一样

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

5）去103和104上查看文件分发情况

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

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

3.2.5 群起集群

1）配置workers

[liuxiaohu@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

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

启动集群

（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。）

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

（2）启动HDFS

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

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

[liuxiaohu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（4）Web端查看HDFS的NameNode

（a）浏览器中输入：http://hadoop102:9870

（b）查看HDFS上存储的数据信息

（5）Web端查看YARN的ResourceManager

（a）浏览器中输入：http://hadoop103:8088

（b）查看YARN上运行的Job信息

集群基本测试

（1）上传文件到集群

上传小文件

[liuxiaohu@hadoop102 ~]$ hadoop fs -mkdir /input

[liuxiaohu@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input

上传大文件

[liuxiaohu@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /

（2）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

[liuxiaohu@hadoop102 subdir0]$ pwd

/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-192.168.10.102-1610603650062/current/finalized/subdir0/subdir0

查看HDFS在磁盘存储文件内容

[liuxiaohu@hadoop102 subdir0]$ cat blk_1073741825

hadoop yarn

hadoop mapreduce

liuxiaohu

（3）拼接由于文件块大小的限制 jdk文件被拆分成了两个部分

-rw-rw-r--. 1 liuxiaohu liuxiaohu 134217728 5月 23 16:01 blk_1073741836

-rw-rw-r--. 1 liuxiaohu liuxiaohu 1048583 5月 23 16:01 blk_1073741836_1012.meta

-rw-rw-r--. 1 liuxiaohu liuxiaohu 63439959 5月 23 16:01 blk_1073741837

-rw-rw-r--. 1 liuxiaohu liuxiaohu 495635 5月 23 16:01 blk_1073741837_1013.meta

[liuxiaohu@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz

[liuxiaohu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz

[liuxiaohu@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

（4）下载

[liuxiaohu@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

（5）执行wordcount程序

[liuxiaohu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

观察HDFS网页的内容变化

3.2.6 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

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

在该文件里面增加如下配置。

<name>mapreduce.jobhistory.address</name>

<value>hadoop102:10020</value>

</property>

<name>mapreduce.jobhistory.webapp.address</name>

<value>hadoop102:19888</value>

</property>

2）分发配置

[liuxiaohu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

3）在hadoop102启动历史服务器

[liuxiaohu@hadoop102 hadoop]$ mapred --daemon start historyserver

4）查看历史服务器是否启动

[liuxiaohu@hadoop102 hadoop]$ jps

5）查看JobHistory

http://hadoop102:19888/jobhistory

3.2.7 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

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

在该文件里面增加如下配置。

<name>yarn.log-aggregation-enable</name>

</property>

<name>yarn.log.server.url</name>

<value>http://hadoop102:19888/jobhistory/logs</value>

</property>

<name>yarn.log-aggregation.retain-seconds</name>

</property>

2）分发配置

[liuxiaohu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

3）关闭NodeManager 、ResourceManager和HistoryServer

[liuxiaohu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh

[liuxiaohu@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver

4）启动NodeManager 、ResourceManage和HistoryServer

[liuxiaohu@hadoop103 ~]$ start-yarn.sh

[liuxiaohu@hadoop102 ~]$ mapred --daemon start historyserver

5）删除HDFS上已经存在的输出文件

[liuxiaohu@hadoop102 ~]$ hadoop fs -rm -r /output

6）执行WordCount程序

[liuxiaohu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7）查看日志

（1）历史服务器地址

http://hadoop102:19888/jobhistory

（2）查看历史任务列表点击JobHistory

（3）查看任务运行日志

（4）运行日志详情点击logs

3.2.8 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

3.2.9 编写Hadoop集群常用脚本

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

[liuxiaohu@hadoop102 ~]$ cd /home/liuxiaohu/bin

[liuxiaohu@hadoop102 bin]$ vim myhadoop.sh

输入如下内容

#!/bin/bash

if [ $# -lt 1 ]

then

echo "No Args Input..."

exit ;

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

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

查看三台服务器Java进程脚本：jpsall

[liuxiaohu@hadoop102 ~]$ cd /home/liuxiaohu/bin

[liuxiaohu@hadoop102 bin]$ vim jpsall

输入如下内容

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104

echo =============== $host ===============

ssh $host jps

done

保存后退出，然后赋予脚本执行权限

[liuxiaohu@hadoop102 bin]$ chmod +x jpsall

3）分发/home/liuxiaohu/bin目录，保证自定义脚本在三台机器上都可以使用

[liuxiaohu@hadoop102 ~]$ xsync /home/liuxiaohu/bin/

3.2.10 常用端口号说明

端口名称	Hadoop2.x	Hadoop3.x
NameNode内部通信端口	8020 / 9000	8020 / 9000/9820
NameNode HTTP UI	50070	9870
MapReduce查看执行任务端口	8088	8088
历史服务器通信端口	19888	19888