一、Hadoop介绍
Hadoop是什么?
- Hadoop是一个由Apache基金会所开发的分布式系统基础架构
- 主要解决海量数据的存储和海量数据的分析计算问题
- 广义上来说,Hadoop通常是指一个更广泛的概念------Hadoop生态圈
Hadoop三大发行版本
-
Hadoop三大发行版本:Apache、Cloudera、Hortonworks
-
Apache Hadoop
Apache版本最原始(最基础)的版本,对于入门学习最好。
官网地址:http://hadoop.apache.org/releases.html
下载地址:https://archive.apache.org/dist/hadoop/common/>
-
Cloudera Hadoop
Cloudera内部集成了很多大数据框架。对应产品CDH。
官网地址:https://www.cloudera.com/downloads/cdh/5-10-0.html
下载地址:http://archive-primary.cloudera.com/cdh5/cdh/5/
-
Hortonworks Hadoop
Hortonworks文档较好。对应产品HDP。
官网地址:https://hortonworks.com/products/data-center/hdp/
下载地址:https://hortonworks.com/downloads/#data-platform
Hadoop的优势(四高)
- 高可靠性:Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失。
- 高扩展性:在集群间分配任务数据,可方便地扩展数以千计的节点。
- 高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度。
- 高容错性:能够自动将失败的任务重新分配。
Hadoop组成
- Hadoop1.x组成:MapReduce(计算+资源调度)、HDFS(数据存储)、Common(辅助工具)
- Hadoop2.x组成:MapReduce(计算)、Yarn(资源调度)、HDFS(数据存储)、Common(辅助工具)
在Hadoop2.x时代,MapReduce只负责计算,Yarn只负责资源调度。解耦后虽然计算效率有所降低,但是故障率降低,且可调度其他计算框架的资源。
HDFS架构的概述
-
NameNode(nn):存储文件的元数据,如文件名,文件目录结构,文件属性(生成时间、副本数、文件权限),以及每个文件的块列表和块所在的DataNode等。
可将此理解为目录
-
DataNode(dn):在本地文件系统存储文件块数据,以及块数据的校验和。
可将此理解为数据
-
Secondary NameNode(2nn):每隔一段时间对NameNode元数据备份
如果NameNode挂了,2nn并不能切换成NameNode。
**可理解为助手**Y
YARN架构概述
所有YARN资源的分配都是通过Container(容器)的形式分配的
MapReduce架构概述
MapReduce将计算过程分为两个阶段:Map和Reduce
-
Map阶段并行处理输入数据
-
Reduce阶段对Map结果进行汇总
大数据技术生态体系
图中涉及的技术名词解释如下:
-
Sqoop:Sqoop是一款开源的工具,主要用于在Hadoop、Hive与传统的数据库(MySql)间进行数据的传递,可以将一个关系型数据库(例如 :MySQL,Oracle 等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。
-
Flume:Flume是一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume支持在日志系统中定制各类数据发送方,用于收集数据;
-
Kafka:Kafka是一种高吞吐量的分布式发布订阅消息系统;
-
Spark:Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。
-
Flink:Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
-
Oozie:Oozie是一个管理Hdoop作业(job)的工作流程调度管理系统。
-
Hbase:HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。
-
Hive:Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的SQL查询功能,可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。
-
ZooKeeper:它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、分布式同步、组服务等。
二、Hadoop运行环境的搭建(开发重点)
注:本文linux系统环境全部以CentOS-7.5-x86-1804为例说明
模板机器内存为4G,硬盘50G,使用最小安装
1.模板虚拟机环境准备
-
测试虚拟机是否可以正常上网
ping www.baidu.com
-
获取yum源
[root@hadoop100 ~]# yum install -y epel-release
[root@hadoop100 ~]# yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git
-
关闭防火墙,关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld
-
创建一个admin用户,并修改admin用户的密码
[root@hadoop100 ~]# useradd admin
[root@hadoop100 ~]# passwd admin
-
配置admin用户具有root权限,方便后期加sudo执行root权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
修改/etc/sudoers文件,找到下面一行(91行),在root下面添加一行,如下所示:
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
admin ALL=(ALL) NOPASSWD:ALL
-
在/opt目录下创建module、software文件夹
[root@hadoop100 ~]# mkdir /opt/module (module用来存放被解压的软件包)
[root@hadoop100 ~]# mkdir /opt/software (software用来存放软件解压包)
-
修改module、software文件夹的所有者和所属组均为admin用户
[root@hadoop100 ~]# chown admin:admin /opt/module
[root@hadoop100 ~]# chown admin:admin /opt/software
-
修改网络配置文件
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33
-
将IP地址改为静态
-
添加下面三行,第一行为虚拟机的IP地址,建议将最后三位改为当前hadoop100中的100,方便之后配置hosts文件
-
第二行为网关地址
-
第三行的域名解析器与网关地址相同
-
- 修改主机名
[root@hadoop100 ~]# vim /etc/hostname
修改完成后需要重启才能显示新的主机名
-
因为使用的是最小安装,故无需卸载虚拟机自带的 open JDK,若要删除,进行如下操作
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
-
修改linux克隆机主机名称映射hosts文件
[root@hadoop100 ~]# vim /etc/hosts
添加下列内容,注意IP地址中的网段保持一致,至少保证四台机器。
192.168.220.100 hadoop100 192.168.220.101 hadoop101 192.168.220.102 hadoop102 192.168.220.103 hadoop103 192.168.220.104 hadoop104 192.168.220.105 hadoop105 192.168.220.106 hadoop106 192.168.220.107 hadoop107 192.168.220.108 hadoop108
-
修改windows的主机名称映射hosts文件
进入C:\Windows\System32\drivers\etc路径,打开hosts文件添加如下内容
192.168.220.100 hadoop100 192.168.220.101 hadoop101 192.168.220.102 hadoop102 192.168.220.103 hadoop103 192.168.220.104 hadoop104 192.168.220.105 hadoop105 192.168.220.106 hadoop106 192.168.220.107 hadoop107 192.168.220.108 hadoop108
到这一步我们的模板机就算是大功告成了。
2.克隆虚拟机
- 利用模板机hadoop100,克隆三台虚拟机:hadoop102 hadoop103 hadoop104(进行克隆操作时,务必将模板机关机,以防克隆出来的模板机出现内容缺失)
- 修改克隆机IP与其主机名
- 因为我们的模板机修改了网络配置,故克隆机修改网络配置时只需修改IPADDR
- 因为我们的模板机修改了网络配置,故克隆机修改网络配置时只需修改IPADDR
- 圈起来的数字是需要修改的地方,若机器取名为hadoop103,则将其改为103,若机器取名为hadoop104,则改为104。
- 之后将主机名修改即可。
3.在hadoop102上安装JDK与Hadoop
以下为JDK下载官网
https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html
以下为Hadoop下载官网
https://hadoop.apache.org/releases.html
此处我们以JDK1.8与Hadoop3.1.3为例
- 在远程工具FinalShell上上传JDK与Hadoop的压缩包
-
在Linux系统下的opt目录下查看软件包是否导入成功
[admin@hadoop102 ~]$ ls /opt/software/
看到如下结果即为成功:
hadoop-3.1.3.tar.gz jdk-8u212-linux-x64.tar.gz
-
解压JDK与Hadoop到/opt/module目录下
[admin@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
[admin@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
-
配置JDK与Hadoop环境变量
- 新建/etc/profile.d/my_env.sh文件
[admin@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh
- 添加如下内容
#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
- 保存退出,然后source一下/etc/profile文件,让新的环境变量PATH生效
[admin@hadoop102 ~]$ source /etc/profile
-
测试JDK与Hadoop是否安装成功
[admin@hadoop102 ~]$ java -version
[admin@hadoop102 hadoop-3.1.3]$ hadoop version
4.Hadoop的目录结构
-
查看Hadoop目录结构
[admin@hadoop102 hadoop-3.1.3]$ ll 总用量 52 drwxr-xr-x. 2 admin admin 4096 9月 3 2020 bin drwxr-xr-x. 3 admin admin 4096 9月 3 2020 etc drwxr-xr-x. 2 admin admin 4096 9月 3 2020 include drwxr-xr-x. 3 admin admin 4096 9月 3 2020 lib drwxr-xr-x. 2 admin admin 4096 9月 3 2020 libexec -rw-r--r--. 1 admin admin 15429 9月 3 2020 LICENSE.txt -rw-r--r--. 1 admin admin 101 9月 3 2020 NOTICE.txt -rw-r--r--. 1 admin admin 1366 9月 3 2020 README.txt drwxr-xr-x. 2 admin admin 4096 9月 3 2020 sbin drwxr-xr-x. 4 admin admin 4096 9月 3 2020 share
-
重要目录
- bin目录:存放对Hadoop相关服务(HDFS,YARN)进行操作的脚本
- etc目录:Hadoop的配置文件目录,存放Hadoop的配置文件
- lib目录:存放Hadoop的本地库(对数据进行压缩解压缩功能)
- sbin目录:存放启动或停止Hadoop相关服务的脚本
- share目录:存放Hadoop的依赖jar包、文档、和官方案例
三、Hadoop运行模式
1.本地运行模式(官方wordcount)
-
在hadoop-3.1.3文件下面创建一个wcinput文件夹
[admin@hadoop102 hadoop-3.1.3]$ mkdir wcinput
-
在wcinput文件下创建一个word.txt文件
[admin@hadoop102 hadoop-3.1.3]$ cd wcinput
[admin@hadoop102 wcinput]$ vim word.txt
- 在文件中输入如下内容
hadoop yarn hadoop mapreduce admin admin
-
回到Hadoop目录/opt/module/hadoop-3.1.3
-
执行程序
[admin@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
-
查看结果
[admin@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000
看到如下结果:
admin 2 hadoop 2 mapreduce 1 yarn 1
2.完全分布式运行环境(开发重点)
- 准备好三台客户机
- 关闭防火墙、静态ip、主机名称
- 安装JDK,安装Hadoop
- 配置环境变量
- 配置集群
- 单点启动
- 配置ssh
- 群起并测试集群
在写xsync脚本前,我们先了解一下scp(secure copy)与rsync远程同步工具
-
scp可以实现服务器与服务器之间的数据拷贝
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
-
rsync远程同步工具
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
- 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。
2.1编写集群分发脚本xsync
因为我们只配置好了hadoop102的JDK与Hadoop,还没有配置好其他两台虚拟机的。又因为不愿意重复操作,故编写此分发脚本。
-
需求:循环复制文件到所有节点的相同目录下
-
期望脚本:xsync 要同步的文件名称
-
在/home/atguigu/bin目录下创建xsync文件
[admin@hadoop102 ~]$ mkdir bin
[admin@hadoop102 ~]$ cd bin
[admin@hadoop102 bin]$ 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 $file does not exists! fi done done
-
修改脚本 xsync 具有执行权限
[admin@hadoop102 bin]$ chmod +x xsync
-
将脚本复制到/bin中,以便全局调用
[admin@hadoop102 bin]$ sudo cp xsync /bin/
-
测试脚本
[admin@hadoop102 ~]$ xsync /home/atguigu/bin
[admin@hadoop102 bin]$ sudo xsync /bin/xsync
2.2 SSH无密登录配置
-
免密登录原理
-
服务器A通过ssh-keygen生成密钥对(公钥A,私钥A)
-
拷贝公钥A到服务器B上,此时服务器A有一个授权key(Authorized_keys)
-
服务器A通过ssh访问服务器B(数据用私钥A加密)
-
服务器B接收到数据后,去授权key中查找A的公钥,并解密数据。
-
服务器B将采用A公钥加密的数据返回给A
-
服务器A接收到数据后,用A的私钥解密数据
-
-
生成公钥和私钥:
[admin@hadoop102 .ssh]$ 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)
-
将公钥拷贝到要免密登录的目标机器上
[admin@hadoop102 .ssh]$ ssh-copy-id hadoop102
- 此处我只拷贝到hadoop102上,然后通过群发脚本发给其他两个虚拟机
-
通过分发脚本xsync给hadoop103、hadoop104发放公钥和私钥以及授权公钥
[admin@hadoop102 .ssh]$ xsync .ssh
-
.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
2.3集群配置
-
集群部署规划
因为我电脑运行内存有限,便按照下列部署
-
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
hadoop102 hadoop103 hadoop104 HDFS NameNode DataNode DataNode SecondaryNameNode DataNode YARN NodeManager ResourceManager NodeManager NodeManager
-
-
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。
-
默认配置文件:
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-3.1.3.jar/ core-default.xml [hdfs-default.xml] hadoop-hdfs-3.1.3.jar/ hdfs-default.xml [yarn-default.xml] hadoop-yarn-common-3.1.3.jar/ yarn-default.xml [mapred-default.xml] hadoop-mapreduce-client-core-3.1.3.jar/ mapred-default.xml -
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$HADOOP_HOME/etc/hadoop这个路径上,用户可以根据项目需求重新进行修改配置。
-
-
配置集群
-
核心配置文件core-site.xml
[admin@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[admin@hadoop102 hadoop]$ 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://hadoop102:9820</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> <!-- 配置HDFS网页登录使用的静态用户为atguigu --> <property> <name>hadoop.http.staticuser.user</name> <value>admin</value> </property> <!-- 配置该admin(superUser)允许通过代理访问的主机节点 --> <property> <name>hadoop.proxyuser.admin.hosts</name> <value>*</value> </property> <!-- 配置该admin(superUser)允许通过代理用户所属组 --> <property> <name>hadoop.proxyuser.admin.groups</name> <value>*</value> </property> <!-- 配置该admin(superUser)允许通过代理的用户--> <property> <name>hadoop.proxyuser.admin.groups</name> <value>*</value> </property> </configuration>
-
HDFS配置文件hdfs-site.xml
[admin@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> </configuration>
-
YARN配置文件yarn-site.xml
[admin@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>
-
MapReduce配置文件mapred-site.xml
[admin@hadoop102 hadoop]$ vim mapred-site.xml
<?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>
-
-
在集群上分发配置好的Hadoop配置文件
[admin@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
- 查看hadoop103和hadoop104上查看文件分发情况
[admin@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/
[admin@hadoop102 hadoop]$ ll
[admin@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/
[admin@hadoop102 hadoop]$ ll
2.4群起集群
-
配置workers
[admin@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/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。
同步所有节点配置文件:
[admin@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
-
启动集群
-
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。)
[admin@hadoop102 ~]$ hdfs namenode -format
-
在配置了NameNode节点(hadoop102)启动HDFS
[admin@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
-
在配置了ResourceManager的节点(hadoop103)启动YARN
[admin@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
-
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
-
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
-
各个服务组件逐一启动/停止
-
分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode
-
启动/停止YARN
yarn --daemon start/stop resourcemanager/nodemanager
-
2.5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
[admin@hadoop102 hadoop]$ vim mapred-site.xml
在该文件中增加如下配置:
<!-- 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>
-
分发配置
[admin@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
-
在hadoop102启动历史服务器
[admin@hadoop102 hadoop]$ mapred --daemon start historyserver
-
查看JobHistory
2.6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HistoryServer。
开启日志聚集功能具体步骤如下:
-
配置yarn-site.xml
[admin@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>
-
分发配置
[admin@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
-
查看日志
四、编写hadoop集群的常用脚本(jpsall、myhadoop.sh)
- 查看三台服务器java进程脚本:jpsall
[admin@hadoop102 ~]$ cd /home/admin/bin
[admin@hadoop102 ~]$ vim jpsall
输入下面内容:
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps $@ | grep -v Jps
done
赋予脚本执行权限
[admin@hadoop102 bin]$ chmod +x jpsall
- hadoop集群启停脚本(包含hdfs,yarn,historyserver):myhadoop.sh
[admin@hadoop102 ~]$ cd /home/atguigu/bin
[admin@hadoop102 ~]$ vim myhadoop.sh
输入下面内容:
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
赋予脚本执行权限
[admin@hadoop102 bin]$ chmod +x myhadoop.sh
-
分发/home/atguigu/bin目录,保证自定义脚本在三台机器上都可以使用
[admin@hadoop102 ~]$ xsync /home/atguigu/bin/
到这里为止,我们的集群就搭建完毕了,下面接着就是HDFS的具体介绍了!!!