Hadoop学习2(环境搭建)
1.安装虚拟机
1.在vmware上安装第一台虚拟机主机名为hadoop100,ip地址为:192.168.137.100,内存4G,硬盘50G,我在(Linux)课程中已经安装,现在只需要在vmware中克隆一下即可
2.克隆好之后进入虚拟机
首先第一台虚拟机hostnamectl -sethostname hadoop101
(修改主机名)
再vim /etc/sysconfig/network-scripts/ifcfg-ens33
再将下面的ip地址改为192.168.137.101
我们的虚拟机要与主机进行通信,并且后面的NAMENODE网页与YARN网页都要查看,所以一定要设置主机的局域网防火墙以及关闭我们虚拟机的防火墙
systemctl disable firewalld
systemctl stop firewalld
主机打开搜索框
输入防火墙和网络保护
打开高级设置:入站规则
找到文件和打印机共享将回显请求-ICMPv4的两个都打开启用即可
最后去我们的/etc/hosts
vim /etc/hosts
把我们虚拟机的ip地址的主机名加上
同理我们的windows在C盘的隐藏文件夹System里面的hosts文件也加上即可
这样我们克隆的第一台虚拟机修改完成
第二台虚拟机同理即可
2.安装JDK
将我们的hadoop100通过我们的Xshell软件与我们的主机进行远程操控
通过Xftp将我们主机的jdk压缩包给传入到我们的/opt/software目录,没有创建即可
解压我们的jdk到我们的/opt/module目录下
tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
配置环境变量我们会在配置Hadoop环境一起说明
3.安装Hadoop
通过Xftp将我们主机的Hadoop压缩包传入到我们的/opt/software目录,
解压我们的Hadoo到我们的/opt/module目录下
tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module
配置环境变量
一般我们的环境变量是通过
vim /etc/profile.d
在里面加入我们的一些变量值
但是如果我们
cd /etc/profile.d
发现里面都是一些Shell脚本
其实就是我们开启启动时会初始化的一些变量
我们也可以在里面写我们的脚本
vim /etc/profile.d/my_env.sh
插入以下内容
#!/bin/bash
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
wq即可
后面我们会在添加一些数据,是当前版本的一个bug
source /etc/profile
通过
java -version
hadoop -version
来确定是否安装完成
4.hadoop目录结构解析
重要目录 :
(1)bin 目录:存放对 Hadoop 相关服务(hdfs,yarn,mapred)进行操作的脚本
(2)etc 目录:Hadoop 的配置文件目录,存放 Hadoop 的配置文件
(3)lib 目录:存放 Hadoop 的本地库(对数据进行压缩解压缩功能)
(4)sbin 目录:存放启动或停止 Hadoop 相关服务的脚本
(5)share 目录:存放 Hadoop 的依赖 jar 包、文档、和官方案例
5.hadoop运行模式
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。
前两种基本不用我们直接配置第三种
6.编写xsync分发脚本
因为只有16G,所以只敢开三个虚拟机。。。
两个命令如下:
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 p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ 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
rsync远程同步
(1)基本语法 rsync -av p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ 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
(2)选项参数说明
-a 归档拷贝
-v 显示复制过程
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。
我们如果想通过rsync命令来分发给集群的每个服务器我们就可以通过编写一个Shell脚本来实现,通过for循环来遍历每个主机然后同步。
实现如下:
#!/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 hadoop100 hadoop101 hadoop102
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
wq即可
我们这个脚本存在我们的bin目录下(创建)
然后修改我们脚本的权限
chmod 755 bin/xsync
运行即可
同步所有虚拟机的软件和环境遍历
cd bin
xsync /opt/module
(要求我们的其他虚拟机要有这些路径)
这个过程要输入密码,我们下一节来解决
xsync /etc/profile.d/my_env.sh
然后其他两个虚拟机
source /etc/profile
即可
然后在其他两个虚拟机试一下java和hadoo的版本命令,安装成功即可
7.SSH免密登录配置
如果每一次我们分发都要输入密码太麻烦了,我们要解决一下
首先我们的每一台虚拟机都先ssh其他虚拟机一下(包括自己)
接下来配置免密登录
cd root/.ssh
ssh -keygen -t rsa
敲三个回车
然后
ssh-copy-id hadoop100
ssh-copy-id hadoop101
ssh-copy-id hadoop102
这个意思是将自己的公钥给这个三个主机,这三个主机就能实现免密登录(信任)
因为我用的是root用户
所以我们就分别上另外两台虚拟机重复以上操作即可
8. 集群规划
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。
所以我们的决定是NameNode在hadoop100,ResourceManager在hadoop101,SecondaryNameNode在hadoop102
接下来就是我们的配置文件时刻了(别出错不然G)
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml
这四个就是我们要配置的(以上配置文件处于我们hadoop软件目录里面的etc的hadoop里面)
(1)首先core-site.xml
我们要添加一下的东西
<configuration>
<!-- 指定 NameNode 的地址 -->
<property>
<name>fs.defaultFS
<value>hdfs://hadoop100:8020
</property>
<!-- 指定 hadoop 数据的存储目录 -->
<property>
<name> hadoop.tmp.dir
<value>/opt/module/hadoop-3.1.3/data
</property>
<!-- 配置 HDFS 网页登录使用的静态用户为 root -->
<property>
<name>hadoop.http.staticuser.user
<value>root
</property>
</configuration>
(2)hdfs-site.xml
<configuration>
<!-- nn web 端访问地址–>
<property>
<name>dfs.namenode.http-address
<value>hadoop100:9870
</property>
<!-- 2nn web 端访问地址–>
<property>
<name>dfs.namenode.secondary.http-address
<value>hadoop102:9868
</property>
</configuration>
(3)yarn-site.xml
<configuration>
<!-- 指定 MR 走 shuffle -->
<property>
<name>yarn.nodemanager.aux-services
<value>mapreduce_shuffle
</property>
<!-- 指定 ResourceManager 的地址–>
<property>
<name> yarn.resourcemanager.hostname
<value>hadoop101
</property>
<name>yarn.nodemanager.env-whitelist
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
</property>
</configuration>
(4)mapred-site.xml
<configuration>
<!-- 指定 MapReduce 程序运行在 Yarn 上 -->
<property>
<name>yarn.nodemanager.aux-services
<value>mapreduce_shuffle
</property>
</configuration>
配置完过后分发即可
cd bin
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
最后配置我们的workers即可
vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件下增加
hadoop100
hadoop101
hadoop102
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。
分发该workers文件
9.启动集群
(1)如果集群是第一次启动,需要在 hadoop100 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。)
命令如下
hdfs namenode -format
启动我们的hdfs了
start-dfs.sh
之前配置了sbin目录的环境变量可以直接使用)
jps
可以在hadoop100里面看到namenode,在103可以看到secondarynamenode
同样我们可以去到hadoop100:9870看到我们的hdfs上存储的数据信息
启动我们的yarn
start-yarn-sh
jps
我们可以在hadoop101上看到resourcesmanager
同样我们可以去到hadoop101:8088看到我们yarn上运行的job信息
10.配置历史服务器
进入我们的mapred-site.xml
vim mapred-site.xml
(要在我们的hadoop目录下)
增加以下
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address
<value>hadoop100:10020
</property>
<!-- 历史服务器 web 端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address
<value>hadoop100:19888
</property>
wq
分发配置
xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
启动历史服务器
mapred --daemon start historyserver
在hadoop100种jps
查看是否启动
开启日志聚集功能
vim yarn-site.xml
(在hadoop目录下)
<!-- 开启日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable
<value>true
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url
<value> http://hadoop100:19888/jobhistory/logs
</property>
<!-- 设置日志保留时间为 7 天 -->
<property>
<name>>yarn.log-aggregation.retain-seconds
<value>604800
</property>
然后wq
分发
xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
然后重启集群
然后执行一个任务看看可以可以看history,可以就安装完成
11.Hadoop常用两个脚本
(1)集群启动停止脚本
vim bin/myhadoop
代码如下:
#!/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
wq
然后chmod 755 bin/myhadoop
然后使用下命令看是否成功
分发
xsync bin/myhadoop
(2)查看服务器java进程脚本
vim bin/jpsall
代码如下:
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
wq
然后改变权限
chmod 755 bin/jpsall
运行一下看是否成功
成功了就分发
xsync bin/jpsall
12.自己发现的一个问题解决方法
ERROR: Attempting to operate on yarn nodemanager as root ERROR
在自己的my_env.sh里面加上
export HDFS_DATANODE_USER=root
export HADOOP_SECURE_DN_USER=hdfs
export HDFS_NAMENODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export HADOOP_SECURE_DN_USER=yarn
export YARN_NODEMANAGER_USER=root
然后source
然后分发再source
重启集群即可