大数据(持续更新)v2.0
9. HDFS
9.0我的理解
Hadoop是一个框架,里面有许多丰富的组件,HDFS就是其中之一。
HDFS全程叫Hadoop Distributed File System,翻译过来就是分布式文件系统,入门级的理解就是一个数据存储系统
9.1 HDFS架构
看起来很复杂,具体细节随着学习,真理会慢慢浮出水面的,我们现在起码知道了一点,Namenode和Datanodes是HDFS的一部分,然后我们就去搜索这两个东西的官方定义
去官方文档看一看
地址如下https://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-hdfs/HdfsDesign.html
归纳如下
1. NameNode概述
存储文件的元数据,元数据如文件名,文件目录结构,文件属性(生成权限、副本数,文件权限),以及每个文件的块列表和块所在的Datanode
2. DataNode概述
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概述
帮助namenode进行edits和fsimage的合并工作
9.2 配置HDFS
1. 配置hadoop-env.sh
凡是env的配置文件,都是配置Java的环境变量
export JAVA_HOME=/opt/module/jdk1.8.0_144
2. 配置core-site.xml
core是核心中心的意思,core-site.xml重要性由字面意思可见
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://machine110:9000</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>
3. 配置hdfs-site.xml
伪分布式value是1
完全分布式value是3
(不配置默认就是3)
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
4. 完成配置,NameNode格式化
root@machine110 hadoop-2.7.2]$ bin/hdfs namenode -format
5. 启动NameNode、DataNode
[root@machine110 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode
[root@machine110 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
6. 检查是否配置成功
什么是jps?Java Virtual Machine Process Status Tool
即Java进程状态
[root@machine110 hadoop-2.7.2]$ jps
13586 NameNode
13668 DataNode
13786 Jps
Linux浏览器输入url查看是否能够查看HDFS文件系统
windows浏览器也可以打开,但是要输入ip地址,而不是hostname,若加载不出来,检查是否关闭防火墙
http://hadoop110:50070
7.注意事项:
不要重复格式化,每次格式化都会让NameNode的集群ID发生改变,当DataNode和NameNode集群ID不一样,就会崩溃报错,此时需要重新修改集群ID,使他们的ID一样
我的hadoop.tmp.dir为/opt/module/hadoop-2.7.2/data/tmp
则我的集群ID位置如下
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/VERSION
/opt/module/hadoop-2.7.2/data/tmp/dfs/name/current/VERSION
修改成一致即可
10.Yarn
10.1 yarn架构
1. ResourceManager(RM)
- 处理客户端请求
- 监控NodeManager
- 启动或监控ApplicationMaster
- 资源的分配与调度
2. NodeManager(NM)
- 管理单个节点上的资源
- 处理来自ResourceManger的命令
- 处理来自Application的命令
10.2配置YARN
1. 配置yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
2. 配置yarn-site.xml
<!-- 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>machine110</value>
</property>
3. 配置mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
4. 配置: (对mapred-site.xml.template重新命名为) mapred-site.xml
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<!-- 指定MR运行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
5. 启动YARN(启动前必须保证NameNode和DataNode已经启动)
终端输入
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
Linux浏览器输入url查看是否能够查看YARN界面
windows浏览器也可以打开,但是要输入ip地址,而不是hostname,若加载不出来,检查是否关闭防火墙
http://machine110:8088
11.配置历史服务器
0.历史服务器作用
用于查看程序的历史运行情况,需要配置一下历史服务器
1.配置mapred-site.xml
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>machine110:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>machine110:19888</value>
</property>
2. 启动历史服务器
sbin/mr-jobhistory-daemon.sh start historyserver
3. 查看历史服务器是否开启
终端输入jps
浏览器输入http://machinde:19888
12. 配置日志的聚集
0.日志聚集作用
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。
1.配置yarn-site.xml
<!-- 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
sbin/yarn-daemon.sh stop resourcemanager
sbin/yarn-daemon.sh stop nodemanager
sbin/mr-jobhistory-daemon.sh stop historyserver
3. 启动NodeManager 、ResourceManager和HistoryManager
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver
4.删除HDFS上已经存在的输出文件
bin/hdfs dfs -rm -R /user/atguigu/output
5.执行WordCount程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
5.执行WordCount程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
6.查看日志
http://machine110:19888/jobhistory