Hadoop入门——虚拟机集群搭建

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
      在这里插入图片描述

    • 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
      在这里插入图片描述
  • 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 93 2020 bin
    drwxr-xr-x. 3 admin admin  4096 93 2020 etc
    drwxr-xr-x. 2 admin admin  4096 93 2020 include
    drwxr-xr-x. 3 admin admin  4096 93 2020 lib
    drwxr-xr-x. 2 admin admin  4096 93 2020 libexec
    -rw-r--r--. 1 admin admin 15429 93 2020 LICENSE.txt
    -rw-r--r--. 1 admin admin   101 93 2020 NOTICE.txt
    -rw-r--r--. 1 admin admin  1366 93 2020 README.txt
    drwxr-xr-x. 2 admin admin  4096 93 2020 sbin
    drwxr-xr-x. 4 admin admin  4096 93 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)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

      在这里插入图片描述

  • 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

      hadoop102hadoop103hadoop104
      HDFSNameNode DataNodeDataNodeSecondaryNameNode DataNode
      YARNNodeManagerResourceManager NodeManagerNodeManager
  • 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-->
    <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

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!!!

©️2020 CSDN 皮肤主题: 深蓝海洋 设计师:CSDN官方博客 返回首页