HADOOP搭建
前提
在linux系统上需要安装JDK 才能正常运行hadoop,JDK版本建议1.8;
安装Hadoop
-
Hadoop下载地址:
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
-
将Hadoop.tar.gz 放置在/opt/software 目录下
-
解压至/opt/module 下 命令:
tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
-
-
添加环境变量
- 打开/etc/profile文件
vim /etc/profile
-
在profile文件末尾添加JDK路径:(shitf+g)
##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH= P A T H : PATH: PATH:HADOOP_HOME/bin
export PATH= P A T H : PATH: PATH:HADOOP_HOME/sbin
-
让文件生效
source /etc/profile
-
测试是否成功
hadoop version
-
Hadoop 目录结构
[hadoop-2.7.2]$ ll drwxr-xr-x. 2 4096 5月 22 2017 bin drwxr-xr-x. 3 4096 5月 22 2017 etc drwxr-xr-x. 2 4096 5月 22 2017 include drwxr-xr-x. 3 4096 5月 22 2017 lib drwxr-xr-x. 2 4096 5月 22 2017 libexec -rw-r--r--. 1 15429 5月 22 2017 LICENSE.txt -rw-r--r--. 1 101 5月 22 2017 NOTICE.txt -rw-r--r--. 1 1366 5月 22 2017 README.txt drwxr-xr-x. 2 4096 5月 22 2017 sbin drwxr-xr-x. 4 4096 5月 22 2017 share
重要目录:
(1)bin目录:存放对Hadoop相关服务(HDFS,YARN)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
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。
Hadoop官方网站: https://hadoop.apache.org/
有官方的英文版的运行说明,可参考
本地运行(单机版)
-
创建在hadoop-2.7.2文件下面创建一个input文件夹
mkdir input
-
将Hadoop的xml配置文件复制到input
cp etc/hadoop/*.xml input
- 执行share目录下的MapReduce程序
bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output ‘dfs[a-z.]+’
- 查看输出结果
cat output/*
WordCount案例
- 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹
mkdir wcinput
- 在wcinput文件下创建一个wc.input文件
cd wcinput
touch wc.input
- 编辑wc.input文件
vim wc.input
在文件中输入如下内容
hadoop yarn
hadoop mapreduce
[usrname]
[password]
-
回到Hadoop目录/opt/module/hadoop-2.7.2
-
执行程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
-
查看结果
cat wcoutput/part-r-00000
伪分布式运行模式
伪分布式:只有一个节点分分布式称为伪分布式;
启动HDFS并运行MapReduce程序
- 分析
(1)配置集群
(2)启动、测试集群增、删、查
(3)执行WordCount案例
- 执行步骤
(1)配置集群
(a)配置:hadoop-env.sh
Linux系统中获取JDK的安装路径:
echo $JAVA_HOME
修改JAVA_HOME 路径:
export JAVA_HOME=/xxx/xxx/jdk1.8.0_144
(b)配置:core-site.xml
<!-- 指定HDFS中NameNode的地址 -->
<property><
name>fs.defaultFS</name>
<value>hdfs://hadoop101:9000</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>
(c)配置:hdfs-site.xml
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>1</value><
/property>
(2)启动集群
(a)格式化NameNode(第一次启动时格式化,以后就不要总格式化)
bin/hdfs namenode -format
(b)启动NameNode
sbin/hadoop-daemon.sh start namenode
(c)启动DataNode
sbin/hadoop-daemon.sh start datanode
(3)查看集群
(a)查看是否启动成功
jps
13586 NameNode
13668 DataNode
13786 Jps
注意:jps是JDK中的命令,不是Linux命令。不安装JDK不能使用jps
(b)web端查看HDFS文件系统
http://linuxIP:50070
注意:如果不能查看,看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html
(c)查看产生的Log日志
说明:在企业中遇到Bug时,经常根据日志提示信息去分析问题、解决Bug。
当前目录:hadoop-2.7.2/logs
$ls
hadoop-atguigu-datanode-hadoop.*.com.log
hadoop-atguigu-datanode-hadoop.*.com.out
hadoop-atguigu-namenode-hadoop.*.com.log
hadoop-atguigu-namenode-hadoop.*.com.out
SecurityAuth-root.audit
启动YARN并运行MapReduce程序
- 分析
(1)配置集群在YARN上运行MR
(2)启动、测试集群增、删、查
(3)在YARN上执行WordCount案例
-
执行步骤
注意以下文件路径在hadoop/etc/hadoop下
(1)配置集群
(a)配置yarn-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/xxx/xxx/jdk1.8.0_144
(b)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>ip</value>
</property>
(c)配置:mapred-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/xxx/xxx/jdk1.8.0_144
(d)配置: (对mapred-site.xml.template重新命名为) mapred-site.xml
$ mv mapred-site.xml.template mapred-site.xml
$ vi mapred-site.xml
<!-- 指定MR运行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
(2)启动集群
(a)启动前必须保证NameNode和DataNode已经启动
(b)启动ResourceManager
sbin/yarn-daemon.sh start resourcemanager
(c)启动NodeManager
sbin/yarn-daemon.sh start nodemanager
(3)集群操作
(a)YARN的浏览器页面查看,如图2-35所示
http://linuxIP:8088/cluster
图2-35 YARN的浏览器页面
(b)删除文件系统上的output文件
$bin/hdfs dfs -rm -R /user/atguigu/output
(c)执行MapReduce程序
$bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
(d)查看运行结果,如图2-36所示
$bin/hdfs dfs -cat /user/atguigu/output/*
图2-36 查看运行结果
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:
- 配置mapred-site.xml
$ 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>ip:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>ip:19888</value>
</property>
- 启动历史服务器
sbin/mr-jobhistory-daemon.sh start historyserver
- 查看历史服务器是否启动
$ jps
- 查看JobHistory
http://linuxIP:19888/jobhistory
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:
-
配置yarn-site.xml
$ vim yarn-site.xml
在该文件里面增加如下配置。
<!-- 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>
- 关闭NodeManager 、ResourceManager和HistoryServer
$ sbin/yarn-daemon.sh stop resourcemanager
$ sbin/yarn-daemon.sh stop nodemanager
$ sbin/mr-jobhistory-daemon.sh stop historyserver
- 启动NodeManager 、ResourceManager和HistoryServer
$ sbin/yarn-daemon.sh start resourcemanager
$ sbin/yarn-daemon.sh start nodemanager
$ sbin/mr-jobhistory-daemon.sh start historyserver
- 删除HDFS上已经存在的输出文件
$ bin/hdfs dfs -rm -R /user/atguigu/output
- 执行WordCount程序
$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output
- 查看日志,如图2-37,2-38,2-39所示
http://linuxIP:19888/jobhistory
图2-37 Job History
图2-38 job运行情况
图2-39 查看日志
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:
表2-1
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-2.7.2.jar/ core-default.xml |
[hdfs-default.xml] | hadoop-hdfs-2.7.2.jar/ hdfs-default.xml |
[yarn-default.xml] | hadoop-yarn-common-2.7.2.jar/ yarn-default.xml |
[mapred-default.xml] | hadoop-mapreduce-client-core-2.7.2.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。
集群Hadoop搭建
1. 集群部署规划
表2-3
linux1 | Linux2 | Linux3 | |
---|---|---|---|
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
2. 配置集群
(1)核心配置文件
配置core-site.xml
Vim core-site.xml
在该文件中编写如下配置
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://linux1:9000</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>
(2)HDFS配置文件
配置hadoop-env.sh
$ vi hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置hdfs-site.xml
$ vi hdfs-site.xml
在该文件中编写如下配置
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>linux3:50090</value>
</property>
(3)YARN配置文件
配置yarn-env.sh
$ vi yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置yarn-site.xml
$ vi yarn-site.xml
在该文件中增加如下配置
<!-- 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>linux2</value>
</property>
(4)MapReduce配置文件
配置mapred-env.sh
$ vi mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置mapred-site.xml
$ cp mapred-site.xml.template mapred-site.xml
$ vi mapred-site.xml
在该文件中增加如下配置
<!-- 指定MR运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
3.在集群上分发配置好的Hadoop配置文件
同步各集群上的配置文件,不需要手动修改
可以通过linux的rsync进行同步
详情见:https://www.cnblogs.com/ggjucheng/p/5474038.html
4.查看文件分发情况
$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
4.3.4 集群单点启动
(1)如果集群是第一次启动,需要格式化NameNode(若前面已单机启动,可删除各linux系统下hadoop文件夹中的data命令)
linux1 :$ hdfs namenode -format
(2)在hadoop102上启动NameNode
linux1 :$ hadoop-daemon.sh start namenode
$ jps
3461 NameNode
(3)在linux1、linux2 以及 linux3上分别启动DataNode
linux1$ hadoop-daemon.sh start datanode
linux1$ jps
3461 NameNode
3608 Jps
3561 DataNode
linux2 $ hadoop-daemon.sh start datanode
linux2 $ jps
3190 DataNode
3279 Jps
linux3$ hadoop-daemon.sh start datanode
linux3$ jps
3237 Jps
3163 DataNode