安装软件地址:
#java
https://repo.huaweicloud.com/java/jdk/8u202-b08/
#hadoop
https://mirrors.huaweicloud.com/apache/hadoop/core/hadoop-3.1.3/
第一步:虚拟机环境准备
1)准备三台虚拟机,配置如下:
(1)单台虚拟机:内存4G,硬盘50G
(2)修改克隆虚拟机的静态ip
#进入/etc/sysconfig/network-scripts/ifcfg-ens33文件修改静态ip
[root@hadoop102 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33
#改成这个死样子(这里需要注意自己的网段,如何查询看下图)
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
PREFIX=24
IPADDR=192.168.187.102
GATEWAY=192.168.187.2
DNS1=192.168.187.2
这里也要注意自己的windows的VMnet8的网卡设置(右键属性进行编辑)
找到下面这个ipv4
修改下面这个死样子就好了
2)修改主机名
(1)修改主机名称
[root@hadoop102 ~]# hostnamectl --static set-hostname hadoop102
#或者修改/etc/hostname也是一样的
(2)配置主机名称映射,打开/etc/hosts
[root@hadoop102 ~]# vim /etc/hosts
#添加如下内容
192.168.187.102 hadoop102
192.168.187.103 hadoop103
192.168.187.104 hadoop104
(3)修改Windows的主机映射文件(hosts文件)
(a)进入C:\Windows\System32\drivers\etc路径
(b)打开hosts文件并添加如下内容
192.168.187.102 hadoop102
192.168.187.103 hadoop103
192.168.187.104 hadoop104
3)关闭并禁用防火墙
因为后续我们要开放端口号给本地进行访问,学习环境嘛,不用担心什么安全问题,直接给它禁用了好吧
[root@hadoop102 ~]# systemctl stop firewalld
[root@hadoop102 ~]# systemctl disable firewalld
4)配置普通用户(student)具有root权限
[root@hadoop102 ~]# vim /etc/sudoers
#修改/etc/sudoers文件,找到下面一行(102行),在%wheel下面添加一行:
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
%wheel ALL=(ALL) ALL
student ALL=(ALL) NOPASSWD: ALL
#当然了如果没有创建此用户,可用通过一下命令创建用户设置密码
[root@hadoop102 ~]# useradd student
#下面的命令会弹出隐形输入框直接敲键盘就行了
[root@hadoop102 ~]# passwd student
5)在/opt目录下创建文件夹
(1)在/opt目录下创建module、software文件夹
以后的安装包就放在software目录,安装好的放在module目录方便管理
[root@hadoop102 opt]# mkdir /opt/module /opt/software
(2)修改module、software文件夹的所有者
[root@hadoop102 opt]# chown -R student:student /opt/module /opt/software
6)重启
[root@hadoop102 module]# reboot
#重启之后简单的查看一下以上的配置是否生效,检查无误后关机,不会命令的点X(又快又省事)
7)克隆
这里一定要选这个完整克隆(克隆两台出来)
注意:这里克隆出来的虚拟机需要修改网卡以及hostname操作方法跟以上一样
#哥们的集群配置是这样的
hostname 静态ip
hadoop102 192.168.187.102
Hadoop103 192.168.187.103
hadoop104 102.168.187.104
第二步:集群分发脚本编写
2.1 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 $user@hadoop$host:$pdir/$fname
命令 递归 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称
(3)案例实操
(a)在hadoop102上,将hadoop102中/opt/module目录下的软件拷贝到hadoop103上。
[student@hadoop102 ~]$ scp -r /opt/module/* student@hadoop103:/opt/module
(b)在hadoop104上,将hadoop102服务器上的/opt/module目录下的软件拷贝到hadoop104上。
[student@hadoop104 opt]$ scp -r student@hadoop102:/opt/module/* student@hadoop104:/opt/module
注意:拷贝过来的/opt/module目录,别忘了在hadoop102、hadoop103、hadoop104上修改所有文件的,所有者和所有者组。sudo chown -R student:student /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 $user@hadoop$host:$pdir/$fname
命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/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)将hadoop102中/etc/profile.d/my_env.sh文件拷贝到hadoop103的/etc/profile.d/my_env.sh上。
[student@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh
[student@hadoop102 ~]$ sudo rsync -av /etc/profile.d/my_env.sh student@hadoop103:/etc/profile.d/my_env.sh
(b)将hadoop102中/etc/profile.d/my_env.sh文件拷贝到hadoop103的/etc/profile.d/my_env.sh上。
[student@hadoop102 ~]$ sudo rsync -av /etc/profile.d/my_env.sh student@hadoop104:/etc/profile.d/my_env.sh
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 student@hadoop103:/opt/
(b)期望脚本:
xsync要同步的文件名称
(c)说明:在/home/student/bin这个目录下存放的脚本,student用户可以在系统任何地方直接执行。
(3)脚本实现
(a)在用的家目录/home/student下创建bin文件夹
[student@hadoop102 ~]$ mkdir bin
(b)在/home/student/bin目录下创建xsync文件,以便全局调用
[student@hadoop102 ~]$ cd /home/student/bin
[student@hadoop102 ~]$ 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 $file does not exists!
fi
done
done
(c)修改脚本 xsync 具有执行权限
[student@hadoop102 bin]$ chmod +x xsync
(d)测试脚本
[student@hadoop102 bin]$ xsync xsync
2.2 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
[student@hadoop102 ~]$ ssh hadoop103
出现:
The authenticity of host '192.168.187.103 (192.168.187.103)' can't be established.
RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?
(3)解决方案如下:直接输入yes
2)无密钥配置
(1)免密登录原理 (很简单,这里直接上图)
(2)生成公钥和私钥:
[student@hadoop102 .ssh]$ ssh-keygen -t rsa
#不进入这个目录也行的哈
#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
[student@hadoop102 .ssh]$ ssh-copy-id hadoop102
[student@hadoop102 .ssh]$ ssh-copy-id hadoop103
[student@hadoop102 .ssh]$ ssh-copy-id hadoop104
注意:
还需要在hadoop103和hadoop104上采用dk账号,配置一下无密登录到hadoop102、hadoop103、hadoop104,同样的操作就是来一遍。
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 |
第三步:JDK准备
1)卸载现有JDK(3台节点)
[student@hadoop102 opt]# sudo rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
[student@hadoop103 opt]# sudo rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
[student@hadoop104 opt]# sudo rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
(1)rpm -qa:表示查询所有已经安装的软件包
(2)grep -i:表示过滤时不区分大小写
(3)xargs -n1:表示一次获取上次执行结果的一个值
(4)rpm -e --nodeps:表示卸载软件
2)有些博主到这里用Xftp工具将JDK导入,但是我不这样搞
[student@hadoop102 opt]# sudo yum install -y lrzsz
#这个东西可以像windows一样我们可以简单的拖动文件到指定的目录下,
#也可以在命令行输入sz 文件名保存这个文件到windows系统很方便
#(不过需要在xshell里面使用哈)
3)在Linux系统下的opt目录中查看软件包是否导入成功
[student@hadoop102 software]# ls /opt/software/
看到如下结果:
jdk-8u212-linux-x64.tar.gz
4)解压JDK到/opt/module目录下
[student@hadoop102 software]# tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
[student@hadoop102 software]# cd /opt/module
#改名字,方便以后环境变量的配置
[student@hadoop102 module]# mv 解压后的java目录 jdk
5)配置JDK环境变量
(1)新建/etc/profile.d/my_env.sh文件
添加如下内容,然后保存(:wq)退出
[student@hadoop102 module]# sudo vim /etc/profile.d/my_env.sh
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk
export PATH=$PATH:$JAVA_HOME/bin
(2)让环境变量生效
[student@hadoop102 software]$ source /etc/profile.d/my_env.sh
6)测试JDK是否安装成功
[student@hadoop102 module]# java -version
如果能看到以下结果、则Java正常安装
java version “1.8.0_212”
7)分发JDK
#这里用我们之前写好的脚本哈
[student@hadoop102 module]$ xsync /opt/module/jdk/
8)分发环境变量配置文件
#这里注意,传输/etc的文件时需要给脚本一个绝对路径而且要加上sudo,不然执行会失败
[student@hadoop102 module]$ sudo /home/student/bin/xsync /etc/profile.d/my_env.sh
9)分别在hadoop103、hadoop104上执行source
[student@hadoop103 module]$ source /etc/profile.d/my_env.sh
[student@hadoop104 module]$ source /etc/profile.d/my_env.sh
第四步:集群所有进程查看脚本(非必须但是很好用)
1)在/home/student/bin目录下创建脚本same.sh
[student@hadoop102 bin]$ vim same.sh
2)在脚本中编写如下内容
#! /bin/bash
for i in hadoop102 hadoop103 hadoop104
do
echo --------- $i ----------
ssh $i “$*”
done
3)修改脚本执行权限
[student@hadoop102 bin]$ chmod +x same.sh
4)启动脚本
#这个jps是查看java服务的,这个命令意思是在三个节点使用jps把打印的信息输出到当前节点
[student@hadoop102 bin]$ same.sh jps
第五步: 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
以上的步骤我们都已经做好,现在开始真正的安装hadoop了
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
1.1 Hadoop部署
1)集群部署规划
注意:NameNode和SecondaryNameNode不要安装在同一台服务器
注意: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 | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
2)用SecureCRT工具或者像我直接使用的lrzsz一样直接将hadoop3.1.3tar.gz拖到/opt/softwar目录下
3)进入到Hadoop安装包路径下
[student@hadoop102 ~]$ cd /opt/software/
4)解压安装文件到/opt/module下面
[student@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
5)查看是否解压成功
[student@hadoop102 software]$ ls /opt/module/hadoop-3.1.3
6)重命名
[student@hadoop102 software]$ mv /opt/module/hadoop-3.1.3 /opt/module/hadoop
7)将Hadoop添加到环境变量
(1)获取Hadoop安装路径
[student@hadoop102 hadoop]$ pwd
/opt/module/hadoop
(2)打开/etc/profile.d/my_env.sh文件
[student@hadoop102 hadoop]$ sudo vim /etc/profile.d/my_env.sh
在profile文件末尾添加JDK路径:(shitf+g)
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
(3)保存后退出
:wq
(4)分发环境变量文件
[student@hadoop102 hadoop]$ sudo /home/student/bin/xsync /etc/profile.d/my_env.sh
(5)source 是之生效(3台节点)
[student@hadoop102 module]$ source /etc/profile.d/my_env.sh
[student@hadoop103 module]$ source /etc/profile.d/my_env.sh
[student@hadoop104 module]$ source /etc/profile.d/my_env.sh
1.2 配置集群
1)核心配置文件
配置core-site.xml
[student@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[student@hadoop102 hadoop]$ 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/data</value>
</property>
<!-- 配置HDFS网页登录使用的静态用户为dk -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>dk</value>
</property>
<!-- 配置该dk(superUser)允许通过代理访问的主机节点 -->
<property>
<name>hadoop.proxyuser.dk.hosts</name>
<value>*</value>
</property>
<!-- 配置该dk(superUser)允许通过代理用户所属组 -->
<property>
<name>hadoop.proxyuser.dk.groups</name>
<value>*</value>
</property>
<!-- 配置该dk(superUser)允许通过代理的用户-->
<property>
<name>hadoop.proxyuser.dk.users</name>
<value>*</value>
</property>
</configuration>
2)HDFS配置文件
配置hdfs-site.xml
[student@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>
<!-- 测试环境指定HDFS副本的数量1 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
3)YARN配置文件
配置yarn-site.xml
[student@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"?>
<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>
<!--yarn单个容器允许分配的最大最小内存 -->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>
4)MapReduce配置文件
配置mapred-site.xml
[student@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"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5)配置workers
[student@hadoop102 hadoop]$ vim /opt/module/hadoop/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。
1.3 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
[student@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>
1.4 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HistoryManager。
开启日志聚集功能具体步骤如下:
1)配置yarn-site.xml
[student@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>
1.5 分发Hadoop
[student@hadoop102 hadoop]$ xsync /opt/module/hadoop/
1.6 群起集群
1)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(注意格式化之前,一定要先停止上次启动的所有namenode和datanode进程,然后再删除data和log数据)
[student@hadoop102 bin]$ cd /opt/module/hadoop/
[student@hadoop102 hadoop]$ bin/hdfs namenode -format
(2)启动HDFS
[student@hadoop102 hadoop]$ sbin/start-dfs.sh
(3)在配置了ResourceManager的节点(hadoop103)启动YARN
[student@hadoop103 hadoop]$ sbin/start-yarn.sh
(4)Web端查看HDFS的Web页面:http://hadoop102:9870/
这里我修改了windows的主机映射所以直接输入的hadoop102,如果没有改的话要老老实实的输入ip地址
这里的ip我用的真实的ip地址可以看出主机映射用起来非常方便
1.7 Hadoop群起脚本
(1)在/home/student/bin目录下创建hdp.sh
[student@hadoop102 bin]$ cd /home/student/bin
[student@hadoop102 bin]$ vim hdp.sh
(2)写入以下内容:
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
(3)增加权限
[student@hadoop102 bin]$ chmod +x hdp.sh
(4)启动集群
[student@hadoop102 bin]$ hdp.sh start
#日志如下:
=================== 启动 hadoop集群 ===================
--------------- 启动 hdfs ---------------
Starting namenodes on [hadoop102]
Starting datanodes
Starting secondary namenodes [hadoop104]
--------------- 启动 yarn ---------------
Starting resourcemanager
Starting nodemanagers
--------------- 启动 historyserver ---------------
#查看进程:
[atguigu@hadoop102 bin]$ same.sh jps
#结果如下:
--------- hadoop102 ----------
3074 Jps
2116 NameNode
2245 DataNode
2761 JobHistoryServer
2590 NodeManager
--------- hadoop103 ----------
3270 NodeManager
2952 DataNode
3148 ResourceManager
3854 Jps
--------- hadoop104 ----------
1889 DataNode
2100 NodeManager
2446 Jps
1967 SecondaryNameNode
(5)停止集群
[student@hadoop102 bin]$ hdp.sh stop
#日志如下:
=================== 关闭 hadoop集群 ===================
--------------- 关闭 historyserver ---------------
--------------- 关闭 yarn ---------------
Stopping nodemanagers
Stopping resourcemanager
--------------- 关闭 hdfs ---------------
Stopping namenodes on [hadoop102]
Stopping datanodes
Stopping secondary namenodes [hadoop104]
#查看进程:
[student@hadoop102 bin]$ same.sh jps
结果如下。
--------- hadoop102 ----------
3691 Jps
--------- hadoop103 ----------
4221 Jps
--------- hadoop104 ----------
2647 Jps