Hadoop运行模式
Hadoop运行模式包括:
- 本地模式:单机运行,数据存储在Linux本地,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,数据存储在HDFS,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,数据存储在HDFS。
生产环境使用。
1.本地运行模型(官方wordcount)
1)在hadoop-3.1.3文件下面创建一个wcinput文件夹
命令:mkdir wcinput
2)在wcinput文件下创建一个word.txt文件
命令:cd wcinput
3)编辑word.txt文件
命令:vim word.txt
添加以下内容:
hadoop yarn
hadoop mapreduce
hdfs
hdfs
4)回到Hadoop目录/opt/module/hadoop-3.1.3
5)执行程序
命令:hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
注意:
- 按两次Tab提示补全文件名
- 输出的路径必须不存在,否则会报错
6)查看结果
命令:cat wcoutput/part-r-00000
2.完全分布式运行模型(开发重点)
1)虚拟机准备(前文已创建)
2)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:命令
- -r:递归
- $ pdir/$ fname:要拷贝的文件路径/名称
- $ user@$ host:$ pdir/$ fname:目的地用户@主机:目的地路径/名称
(3)拷贝实操
1.在hadoop102上,将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。
命令:scp -r /opt/module/jdk1.8.0_212 yaoli@hadoop103:/opt/module
遇到问题:
问题根源:
分析:配置主机映射时,没有修改对应的主机号。
解决问题: 修改对应的主机号即可。
2.在hadoop103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。
命令:scp -r yaoli@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/
3.在hadoop103上操作,将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。
命令:scp -r yaoli@hadoop102:/opt/module/* yaoli@hadoop104:/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:命令
- -av:递归
- $ pdir/$ fname:要拷贝的文件路径/名称
- $ user@$ host:$ pdir/$ fname:目的地用户@主机:目的地路径/名称
选项参数说明: -a:归档拷贝;-v:显示复制过程
(2)同步实操
1.删除hadoop103中/opt/module/hadoop-3.1.3/wcinput和wcoutput
命令:rm -rf wcinput/ wcoutput/
2.同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103
命令:rsync -av hadoop-3.1.3/ yaoli@hadoop103:/opt/module/hadoop-3.1.3/
遇到问题:
找到原因: 在root用户在创建的wcinput文件夹,导致权限过大访问不了。
解决方法: 在普通用户下创建文件夹即可。
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:
- rsync命令原始拷贝:
rsync -av /opt/module yaoli@hadoop103:/opt/
- 期望脚本:
xsync要同步的文件名称 - 期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)
(3)脚本实现:
a. 在/home/yaoli/bin目录下创建xsync文件
cd /home/yaoli
mkdir bin
cd bin
vim xsync
在该文件中添加如下代码:
#!/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 $file does not exists!
fi
done
done
b. 修改脚本 xsync 具有执行权限
在创建的bin目录下,命令:chmod +x xsync
c. 测试脚本
~目录下,命令:xsync /home/yaoli/bin
d. 同步环境变量配置(root所有者)
~目录下,命令:sudo ./bin/xsync /etc/profile.d/my_env.sh
注意:如果用了sudo,那么xsync一定要给它的路径补全。
让环境变量生效:source /etc/profile
3)SSH无密登录配置
免密登录原理图
1.生成公钥和私钥
.ssh目录下,命令:ssh-keygen -t rsa
然后敲(三个回车),就会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)
2.将公钥拷贝到要免密登录的目标机器上
.ssh目录下,命令:ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104
注意:
- 还需要在hadoop103上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
- 还需要在hadoop104上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
- 还需要在hadoop102上采用root账号,配置一下无密登录到hadoop102、hadoop103、hadoop104.
3…ssh文件夹下(~/.ssh)的文件功能解释
- known_hosts:记录ssh访问过计算机的公钥(public key)
- id_rsa:生成的私钥
- id_rsa.pub:生成的公钥
- authorized_keys:存放授权过的无密登录服务器公钥
4)集群配置
1.集群部署规划
注意
:
- NameNode和SecondaryNameNode不要安装在同一台服务器
- ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。
2.配置文件说明
Hadoop配置文件分两类:默认配置文件和自定义配置文件,只有用户想修改某一默认配置值时,才需要修改自定义配置文件,更改相应属性值。
a 默认配置文件:
b 自定义配置文件:
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$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。
3.配置集群
(1)核心配置文件,配置core-site.xml
命令:cd $HADOOP_HOME/etc/hadoop
, vim core-site.xml
添加内容如下:
<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-3.1.3/data</value>
</property>
</configuration>
(2)HDFS配置文件,配置hdfs-site.xml
命令:vim hdfs-site.xml
添加内容如下:
<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>
</configuration>
(3)YARN配置文件,配置yarn-site.xml
命令:vim yarn-site.xml
添加内容如下:
<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>
</configuration>
(4)MapReduce配置文件,配置mapred-site.xml
命令:vim mapred-site.xml
添加内容如下:
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
4.在集群上分发配置好的Hadoop配置文件
命令:xsync /opt/module/hadoop-3.1.3/etc/hadoop/
5.去103和104上查看文件分发情况
命令:cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
5)群起集群
1.配置workers
命令:vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
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。
同步所有节点配置文件
命令:xsync /opt/module/hadoop-3.1.3/etc
2.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。)
hadoop-3.1.3目录下,命令:hdfs namenode -format
(2)启动HDFS
命令:sbin/start-dfs.sh
(3)在配置了ResourceManager的节点(hadoop103)
启动YARN
hadoop-3.1.3目录下,命令:sbin/start-yarn.sh
(4)Web端查看HDFS的NameNode
- 浏览器中输入:http://hadoop102:9870
- 查看HDFS上存储的数据信息
(5)Web端查看YARN的ResourceManager
- 浏览器中输入:http://hadoop103:8088
- 查看YARN上运行的Job信息
3.集群基本测试
(1)上传文件到集群
- 上传小文件
命令:hadoop fs -mkdir /input
,hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
- 上传大文件
命令:hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
(2)上传文件后查看文件存放在什么位置
- 查看HDFS文件存储路径
- 查看HDFS在磁盘存储文件内容
(3)拼接
命令:cat blk_1073741826>>tmp.tar.gz
,cat blk_1073741827>>tmp.tar.gz
,tar -zxvf tmp.tar.gz
(4)下载
hadoop104主机上,命令:hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
(5)执行wordcount程序
hadoop102主机上,命令:hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /wcinput /wcoutput