Hadoop的详细配置（持续更新）v2.0

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