大数据2-Hadoop搭建

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

  1. Hadoop下载地址:

    https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/

  2. 将Hadoop.tar.gz 放置在/opt/software 目录下

    1. 解压至/opt/module 下 命令:

      tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
      
  3. 添加环境变量

    1. 打开/etc/profile文件
    vim /etc/profile
    
    1. 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

    2. 让文件生效

      source /etc/profile
      
    3. 测试是否成功

      hadoop version
      
  4. 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)
  1. 创建在hadoop-2.7.2文件下面创建一个input文件夹

    mkdir input

  2. 将Hadoop的xml配置文件复制到input

​ cp etc/hadoop/*.xml input

  1. 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.]+’

  1. 查看输出结果

​ cat output/*

WordCount案例
  1. 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹

​ mkdir wcinput

  1. 在wcinput文件下创建一个wc.input文件

​ cd wcinput

​ touch wc.input

  1. 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]

  1. 回到Hadoop目录/opt/module/hadoop-2.7.2

  2. 执行程序

​ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput

  1. 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
  1. 分析

​ (1)配置集群

​ (2)启动、测试集群增、删、查

​ (3)执行WordCount案例

  1. 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
  1. 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

  1. 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
在这里插入图片描述

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/*

在这里插入图片描述

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:

  1. 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>
  1. 启动历史服务器

​ sbin/mr-jobhistory-daemon.sh start historyserver

  1. 查看历史服务器是否启动

​ $ jps

  1. 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:

  1. 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>
  1. 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

  1. 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

  1. 删除HDFS上已经存在的输出文件

​ $ bin/hdfs dfs -rm -R /user/atguigu/output

  1. 执行WordCount程序

​ $ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/input /user/atguigu/output

  1. 查看日志,如图2-37,2-38,2-39所示

http://linuxIP:19888/jobhistory
在这里插入图片描述

图2-37 Job History
在这里插入图片描述

图2-38 job运行情况
在这里插入图片描述

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

linux1Linux2Linux3
HDFSNameNode DataNodeDataNodeSecondaryNameNode DataNode
YARNNodeManagerResourceManager NodeManagerNodeManager
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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值