Hadoop入门——虚拟机集群搭建

最新推荐文章于 2024-07-28 19:47:01 发布

白白小小白白

最新推荐文章于 2024-07-28 19:47:01 发布

阅读量1.7k

点赞数 2

文章标签：大数据 hadoop 数据库 linux

本文链接：https://blog.csdn.net/qq_44885943/article/details/108412832

版权

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

在这里插入图片描述
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

在这里插入图片描述

大数据技术生态体系

在这里插入图片描述

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

在这里插入图片描述

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
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

在这里插入图片描述

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

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

	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

http://hadoop102:19888/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

http://hadoop102:19888/jobhistory

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