大数据之Hadoop运行环境搭建

shairvin

已于 2023-05-28 13:17:59 修改

阅读量683

点赞数 1

分类专栏：大数据文章标签： hadoop 大数据分布式

于 2023-05-28 13:07:37 首次发布

本文链接：https://blog.csdn.net/shairvin/article/details/130911698

版权

大数据专栏收录该内容

7 篇文章 0 订阅

订阅专栏

虚拟机环境准备

1.1准备虚拟机（Centos7）

1.2配置静态IP

修改网卡配置文件

vi /etc/sysconfig/network-scripts/ifcfg-ens32 #(最后一个为网卡名称)

虚拟机修改和添加,按i进入编辑模式

bootproto=static

onboot=yes

IPADDR=192.168.1.160 #IP地址,和主机同一个网段即可

NETMASK=255.255.255.0 #子网掩码

GATEWAY=192.168.1.1 #网关（必须与虚拟机网络编辑器中的网关一致）

DNS1=119.29.29.29 #dns服务器

DNS2=8.8.8.8 #dns服务器

保存并退出

:wq

重启网络服务

systemctl restart network

输入命令查看虚拟机IP地址

ip addr

测试ping通外网

ping www.baidu.com

如还不能ping通，尝试设置DNS#vi /etc/resolv.conf

nameserver 192.168.1.1

如xshell连接虚拟机centos7失败，尝试修改VMnet8的ip为固定（192.168.1.1）

1.3创建hadoop用户并赋予root权限

创建用户

adduser hadoop

添加组

groupadd hadoop

用户修改组

usermod -G hadoop hadoop # groupname username

修改密码

passwd hadoop

通过root账号赋权

chmod +w /etc/sudoers

编辑/etc/sudoers

vi /etc/sudoers

添加如下内容

hadoop ALL=(ALL) ALL

取消 sudoers 文件可写权限

chmod -w /etc/sudoers

切换hadoop用户

su hadoop

1.4修改主机名

编辑文件hostsname

sudo vi /etc/hostname

删除原有的，输入想要的主机名

保存并退出

:wq

1.5关闭防火墙

sudo systemctl stop firewalld

1.6在/opt目录下创建文件夹

在/opt目录下创建module、software文件夹

sudo mkdir /opt/module

sudo mkdir /opt/software

修改module、software文件夹的所有者cd

sudo chown hadoop:hadoop /opt/module/ /opt/software/

查看文件所属者

ll /opt

安装JDK

2.1.卸载现有JDK

(1)查询是否安装Java软件：

rpm -qa | grep java

(2)如果安装的版本低于1.7，卸载该JDK：

sudo rpm -e 软件包（如果提示有依赖，可加参数 –nodeps）

(3)查看JDK安装路径：

which java

2.2通过第Finalshell将下载好的JDK导入到opt目录下面的software文件夹下面

2.3在Linux系统下的opt目录中查看软件包是否导入成功

cd /opt/software

2.4解压JDK到/opt/module目录下

tar -zxvf jdk-8u65-linux-x64.tar.gz -C /opt/module/

2.5配置JDK环境变量

（1）先获取JDK路径

[hadoop@master jdk1.8.0_65]$ pwd

/opt/module/jdk1.8.0_65

（2）打开/etc/profile文件

[hadoop@master jdk1.8.0_65]$ sudo vi /etc/profile

在profile文件末尾添加JDK路径

#JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_65

export PATH=$PATH:$JAVA_HOME/bin

（3）保存后退出

:wq

（4）让修改后的文件生效

[hadoop@master jdk1.8.0_65]$ source /etc/profile

2.6测试JDK是否安装成功

[hadoop@master jdk1.8.0_65]$ java -version

安装Hadoop

3.1 Hadoop下载地址

https://archive.apache.org/dist/hadoop/common/hadoop-2.7.1/

3.2用Finalshell工具将hadoop-2.7.1.tar.gz导入到opt目录下面的software文件夹下面

如2.2一般操作

3.3 解压Hadoop

[hadoop@master software]$ tar -zxvf hadoop-2.7.1_64bit.tar.gz -C /opt/module/

[hadoop@master software]$ cd /opt/module/hadoop-2.7.1/

3.4 将Hadoop添加到环境变量

（1）获取Hadoop安装路径

[hadoop@master hadoop-2.7.1]$ pwd

/opt/module/hadoop-2.7.1

（2）打开/etc/profile文件

[hadoop@master hadoop-2.7.1]$ sudo vi /etc/profile

在profile文件末尾添加JDK路径：（shitf+g）

##HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-2.7.1

export PATH=$PATH:$HADOOP_HOME/bin

export PATH=$PATH:$HADOOP_HOME/sbin

（3）保存后退出

:wq

（4）让修改后的文件生效

[atguigu@ hadoop101 hadoop-2.7.1]$ source /etc/profile

3.5 测试是否安装成功

[hadoop@master hadoop-2.7.1]$ hadoop version

Hadoop 2.7.1

3.6 Hadoop目录结构

（1）查看hadoop目录

[hadoop@master hadoop-2.7.1]$ ll

总用量 28

drwxr-xr-x. 2 hadoop hadoop 194 6月 29 2015 bin

drwxr-xr-x. 3 hadoop hadoop 20 6月 29 2015 etc

drwxr-xr-x. 2 hadoop hadoop 106 6月 29 2015 include

drwxr-xr-x. 3 hadoop hadoop 20 6月 29 2015 lib

drwxr-xr-x. 2 hadoop hadoop 239 6月 29 2015 libexec

-rw-r--r--. 1 hadoop hadoop 15429 6月 29 2015 LICENSE.txt

-rw-r--r--. 1 hadoop hadoop 101 6月 29 2015 NOTICE.txt

-rw-r--r--. 1 hadoop hadoop 1366 6月 29 2015 README.txt

drwxr-xr-x. 2 hadoop hadoop 4096 6月 29 2015 sbin

drwxr-xr-x. 4 hadoop hadoop 31 6月 29 2015 share

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

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：Apache Hadoop

4.1本地运行模式

4.1.1官方Grep案例

（1）创建在hadoop-2.7.1文件下面创建一个input文件夹

[hadoop@master hadoop-2.7.1]$ mkdir input

（2）将Hadoop的xml配置文件复制到input

[hadoop@master hadoop-2.7.1]$ cp etc/hadoop/*.xml input

（3）执行share目录下的MapReduce程序

[hadoop@master hadoop-2.7.1]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar grep input output 'dfs[a-z.]+'

（4）查看输出结果

[hadoop@master hadoop-2.7.1]$ cat output/*

1 dfsadmin

4.1.2 官方WordCount案例

（1）创建在hadoop-2.7.1文件下面创建一个wcinput文件夹

[hadoop@master hadoop-2.7.1]$ mkdir wcinput

（2）在wcinput文件下创建一个wc.input文件

[hadoop@master hadoop-2.7.1]$ cd wcinput

[hadoop@master wcinput]$ touch wc.input

（3）编辑wc.input文件

[hadoop@master wcinput]$ vi wc.input

在文件中输入如下内容

hadoop yarn

hadoop mapreduce

taike

保存退出：：wq

（4）回到Hadoop目录/opt/module/hadoop-2.7.1

（5）执行程序

[hadoop@master hadoop-2.7.1]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount wcinput wcoutput

（6）查看结果

[hadoop@master hadoop-2.7.1]$ cat wcoutput/part-r-00000

4.2伪分布式运行模式

4.2.1 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

2. 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：

[hadoop@master hadoop-2.7.1]$ echo $JAVA_HOME

/opt/module/jdk1.8.0_65

修改JAVA_HOME 路径：

export JAVA_HOME=/opt/module/jdk1.8.0_65

（b）配置：/opt/module/hadoop-2.7.1/etc/hadoop/core-site.xml

<name>fs.defaultFS</name>

<value>hdfs://master:9000</value>

</property>

<name>hadoop.tmp.dir</name>

<value>/opt/module/hadoop-2.7.1/data/tmp</value>

</property>

（c）配置：/opt/module/hadoop-2.7.1/etc/hadoop/hdfs-site.xml

<name>dfs.replication</name>

</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）

[hadoop@master hadoop-2.7.1]$ bin/hdfs namenode -format

（b）启动NameNode

[hadoop@master hadoop-2.7.1]$ sbin/hadoop-daemon.sh start namenode

（c）启动DataNode

[hadoop@master hadoop-2.7.1]$ sbin/hadoop-daemon.sh start datanode

（3）查看集群

（a）查看是否启动成功

[hadoop@master hadoop-2.7.1]$ 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://master:50070/dfshealth.html#tab-overview

注意：如果不能查看，看如下帖子处理

hadoop 50070 无法访问问题解决汇总 - 大数据和AI躺过的坑 - 博客园

（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：/opt/module/hadoop-2.7.1/logs

[hadoop@master hadoop-2.7.1]$ ls

hadoop-atguigu-datanode-hadoop.atguigu.com.log

hadoop-atguigu-datanode-hadoop.atguigu.com.out

hadoop-atguigu-namenode-hadoop.atguigu.com.log

hadoop-atguigu-namenode-hadoop.atguigu.com.out

SecurityAuth-root.audit

[hadoop@master hadoop-2.7.1]$ cat hadoop-atguigu-datanode-hadoop101.log

（d）思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？

[hadoop@master hadoop-2.7.1]$ cd data/tmp/dfs/name/current/

[hadoop@master hadoop-2.7.1]$ cat VERSION

clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

[hadoop@master hadoop-2.7.1]$ cd data/tmp/dfs/data/current/

clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837

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。所以，格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。

（4）操作集群

（a）在HDFS文件系统上创建一个input文件夹

[hadoop@master hadoop-2.7.1]$ bin/hdfs dfs -mkdir -p /user/atguigu/input

（b）将测试文件内容上传到文件系统上

[hadoop@master hadoop-2.7.1]$bin/hdfs dfs -put wcinput/wc.input

/user/atguigu/input/

（c）查看上传的文件是否正确

[hadoop@master hadoop-2.7.1]$bin/hdfs dfs -ls /user/atguigu/input/

[hadoop@master hadoop-2.7.1]$bin/hdfs dfs -cat /user/atguigu/ input/wc.input

（d）运行MapReduce程序

[hadoop@master hadoop-2.7.1]$bin/hadoop jar

share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/atguigu/input/ /user/atguigu/output

（e）查看输出结果

命令行查看：

[hadoop@master hadoop-2.7.1]$bin/hdfs dfs -cat /user/atguigu/output/*

（f）将测试文件内容下载到本地

[hadoop@master hadoop-2.7.1]$ hdfs dfs -get /user/atguigu/output/part-r-00000 ./wcoutput/

（g）删除输出结果

[hadoop@master hadoop-2.7.1]$ hdfs dfs -rm -r /user/atguigu/output

4.2.2 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

2. 执行步骤

（1）配置集群

（a）配置yarn-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_65

（b）配置yarn-site.xml

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.resourcemanager.hostname</name>

<value>master</value>

</property>

（c）配置：mapred-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_65

（d）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

[atguigu@hadoop101 hadoop]$ mv mapred-site.xml.template mapred-site.xml

[atguigu@hadoop101 hadoop]$ vi mapred-site.xml

<name>mapreduce.framework.name</name>

</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

[hadoop@master hadoop]$ sbin/yarn-daemon.sh start resourcemanager

（c）启动NodeManager

[hadoop@master hadoop]$ sbin/yarn-daemon.sh start nodemanager

（3）集群操作

（a）YARN的浏览器页面查看

http://master:8088/cluster

（b）删除文件系统上的output文件

[hadoop@master hadoop]$ bin/hdfs dfs -rm -R /user/atguigu/output

（c）执行MapReduce程序

[[hadoop@master hadoop]$ bin/hadoop jar

share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/atguigu/input /user/atguigu/output

（d）查看运行结果

[hadoop@master hadoop]$ bin/hdfs dfs -cat /user/atguigu/output/*

4.2.3 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4-1

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-2.7.1.jar/ core-default.xml
[hdfs-default.xml]	hadoop-hdfs-2.7.1.jar/ hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-2.7.1.jar/ yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.1.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。

4.3完全分布式运行模式

分析：

1）准备3台客户机（关闭防火墙、静态ip、主机名称）

2）安装JDK

3）配置环境变量

4）安装Hadoop

5）配置环境变量

6）配置集群

7）单点启动

8）配置ssh

9）群起并测试集群

4.3.1虚拟机准备

详见上文1虚拟机环境准备

4.3.2修改三台虚拟机hosts文件

[hadoop@master opt]$ sudo vi /etc/hosts

#127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4

#::1 localhost localhost.localdomain localhost6 localhost6.localdomain6

172.16.23.200 master

172.16.23.201 slave1

172.16.23.202 slave2

（ip不要配错了）

4.3.3配置集群

（1）核心配置文件

配置core-site.xml

[hadoop@master hadoop]$ cd /opt/module/hadoop-2.7.1/etc/hadoop/

[hadoop@master hadoop]$ vi core-site.xml

在该文件中编写如下配置

<name>fs.defaultFS</name>

<value>hdfs://master:9000</value>

</property>

<name>hadoop.tmp.dir</name>

<value>/opt/module/hadoop-2.7.1/data/tmp</value>

</property>

（2）HDFS配置文件

配置hadoop-env.sh

[hadoop@master hadoop]$ vi hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_65

配置hdfs-site.xml

[hadoop@master hadoop]$ vi hdfs-site.xml

在该文件中编写如下配置

<name>dfs.replication</name>

</property>

<name>dfs.namenode.secondary.http-address</name>

<value>slave1:50090</value>

</property>

（3）YARN配置文件

配置yarn-env.sh

[hadoop@master hadoop]$ vi yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_65

配置yarn-site.xml

[hadoop@master hadoop]$ vi yarn-site.xml

在该文件中增加如下配置

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<name>yarn.resourcemanager.hostname</name>

<value>master</value>

</property>

（4）MapReduce配置文件

配置mapred-env.sh

[hadoop@master hadoop]$ vi mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_65

配置mapred-site.xml

[hadoop@master hadoop]$ cp mapred-site.xml.template mapred-site.xml

[hadoop@master hadoop]$ vi mapred-site.xml

在该文件中增加如下配置

<name>mapreduce.framework.name</name>

</property>

4.3.4将master的/opt/module文件分发到slave1和slave2虚拟机

[hadoop@master opt]$ scp -r module/ hadoop@slave1:/opt/

[hadoop@master opt]$ scp -r module/ hadoop@slave2:/opt/

4.3.5 SSH免密登陆

1. 配置ssh

（1）基本语法

ssh另一台电脑的ip地址

（2）ssh连接时出现Host key verification failed的解决方法

[hadoop@master opt]$ ssh 192.168.1.103

The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.

RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.

Are you sure you want to continue connecting (yes/no)?

Host key verification failed.

（3）解决方案如下：直接输入yes

2. 无密钥配置

三台虚拟机执行相同命令

ssh-keygen -t rsa（有提示要输入的时候，全部回车即可，保存至默认路径）

ssh-copy-id -i ~/.ssh/id_rsa.pub master

ssh-copy-id -i ~/.ssh/id_rsa.pub slave1

ssh-copy-id -i ~/.ssh/id_rsa.pub slave2

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	存放授权过得无密登录服务器公钥

4.3.6群起集群

1. 配置slaves

/opt/module/hadoop-2.7.1/etc/hadoop/

[hadoop@master hadoop]$ vi slaves

在该文件中增加如下内容：

master

slave1

Slave2

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

[hadoop@master opt]$ scp /opt/module/hadoop-2.7.1/etc/hadoop/slaves slave1:/opt/module/hadoop-2.7.1/etc/hadoop/

[hadoop@master opt]$ scp /opt/module/hadoop-2.7.1/etc/hadoop/slaves

slave2:/opt/module/hadoop-2.7.1/etc/hadoop/

2. 启动集群

（1）如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

[hadoop@master hadoop-2.7.1]$ bin/hdfs namenode -format

（2）启动HDFS

[hadoop@master hadoop-2.7.1]$ sbin/start-dfs.sh

[hadoop@master hadoop-2.7.1]$ jps

4166 NameNode

4482 Jps

4263 DataNode

[hadoop@slave2 hadoop-2.7.1]$ jps

3218 DataNode

3288 Jps

[hadoop@slave1 hadoop-2.7.1]$ jps

3221 DataNode

3283 SecondaryNameNode

3364 Jps

（3）启动YARN

[hadoop@slave1 hadoop-2.7.1]$ sbin/start-yarn.sh

注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

（4）Web端查看SecondaryNameNode

（a）浏览器中输入：http://slave1:50090/status.html

（b）查看SecondaryNameNode信息.

3. 集群基本测试

（1）上传文件到集群

上传小文件

[hadoop@master hadoop-2.7.1]$ hdfs dfs -mkdir -p /user/taike/input

[hadoop@master hadoop-2.7.1]$ hdfs dfs -put wcinput/wc.input /user/taike/input

上传大文件

[hadoop@master hadoop-2.7.1]$ bin/hadoop fs -put

/opt/software/hadoop-2.7.1_64bit.tar.gz /user/taike/input

（2）上传文件后查看文件存放在什么位置

（a）查看HDFS文件存储路径

[hadoop@master subdir0]$ pwd

/opt/module/hadoop-2.7.1/data/tmp/dfs/data/current/BP-826371271-172.16.23.200-1587628709624/current/finalized/subdir0/subdir0

（b）查看HDFS在磁盘存储文件内容

[hadoop@master subdir0]$ cat blk_1073741825

hadoop yarn

hadoop mapreduce

taike

（3）拼接

-rw-rw-r--. 1 atguigu atguigu 134217728 5月 23 16:01 blk_1073741836

-rw-rw-r--. 1 atguigu atguigu 1048583 5月 23 16:01 blk_1073741836_1012.meta

-rw-rw-r--. 1 atguigu atguigu 63439959 5月 23 16:01 blk_1073741837

-rw-rw-r--. 1 atguigu atguigu 495635 5月 23 16:01 blk_1073741837_1013.meta

[hadoop@master subdir0]$ cat blk_1073741836>>tmp.file

[hadoop@master subdir0]$ cat blk_1073741837>>tmp.file

[hadoop@master subdir0]$ tar -zxvf tmp.file

（4）下载

[hadoop@master hadoop-2.7.1]$bin/hadoop fs -get /user/taike/input/hadoop-2.7.1_64bit.tar.gz ./

（5）执行wordcount命令：

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount /user/nantian/input /user/nantian/output

（6）查看hdfs执行结果

hdfs dfs -cat /user/nantian/output/part-r-00000

4.3.7集群启动/停止方式总结

1. 各个服务组件逐一启动/停止

（1）分别启动/停止HDFS组件

hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode

（2）启动/停止YARN

yarn-daemon.sh start / stop resourcemanager / nodemanager

2. 各个模块分开启动/停止（配置ssh是前提）常用

（1）整体启动/停止HDFS

start-dfs.sh / stop-dfs.sh

（2）整体启动/停止YARN

start-yarn.sh / stop-yarn.sh

更多内容请去公众号“测试小号等闲之辈”获取~

shairvin

关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
1
评论
大数据之Hadoop运行环境搭建

大数据，Hadoop
复制链接

扫一扫

专栏目录