Hadoop学习（二）

本学习笔记主要记录Hadoop 集群搭建的相关知识

一、Hadoop环境搭建

1. 模板虚拟机准备

1> 安装模板虚拟机，IP地址 192.168.36.100 ，主机名称 hadoop100，内存4g，硬盘50g，这里可以参考一下以前笔记：
http://t.csdn.cn/JxTLR
2>hadoop100 虚拟机配置必要环境
（1）使用yum安装需要虚拟机可以正常上网，yum安装前可以先测试下虚拟机联网情况

[root@hadoop100 ~]# ping www.baidu.com
PING www.a.shifen.com (182.61.200.6) 56(84) bytes of data.
64 bytes from 182.61.200.6 (182.61.200.6): icmp_seq=1 ttl=128 time=7.11 ms
64 bytes from 182.61.200.6 (182.61.200.6): icmp_seq=2 ttl=128 time=4.59 ms

（2）安装epel-release
  注：Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）

[root@hadoop100 ~]# yum install -y epel-release

（3）注意：如果Linux安装的是最小系统版，还需要安装如下工具；如果安装的是Linux桌面标准版，不需要执行如下操作

• net-tool：工具包集合，包含ifconfig等命令

[root@hadoop100 ~]# yum install -y net-tools 

• vim：编辑器

[root@hadoop100 ~]# yum install -y vim

3> 关闭防火墙，关闭防火墙开机自启

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service

4> 创建hadoop用户，并修改hadoop用户的密码

[root@hadoop100 ~]# useradd hadoop
[root@hadoop100 ~]# passwd xxxxx

5> 配置hadoop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，在%wheel这行下面添加一行：

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL

## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL

hadoop   ALL=(ALL)     NOPASSWD:ALL

注意：hadoop这一行不要直接放到root行下面，因为所有用户都属于wheel组，你先配置了hadoop具有免密功能，但是程序执行到%wheel行时，该功能又被覆盖回需要密码。所以hadoop要放到%wheel这行下面。

6> 在/opt目录下创建文件夹，并修改所属主和所属组
（1）在/opt目录下创建module、software文件夹

[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software

（2）修改module、software文件夹的所有者和所属组均为hadoop用户

[root@hadoop100 ~]# chown hadoop:hadoop /opt/module 
[root@hadoop100 ~]# chown hadoop:hadoop /opt/software

（3）查看module、software文件夹的所有者和所属组

[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
 ll
总用量 0
drwxr-xr-x. 2 hadoop hadoop 6 2月  21 23:00 module
drwxr-xr-x. 2 root   root   6 10月 31 2018 rh
drwxr-xr-x. 2 hadoop hadoop 6 2月  21 23:00 software

7> 卸载虚拟机自带的JDK
注意：如果你的虚拟机是最小化安装不需要执行这一步

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps 

• rpm -qa：查询所安装的所有rpm软件包
• grep -i：忽略大小写
• xargs -n1：表示每次只传递一个参数
• rpm -e –nodeps：强制卸载软件

8> 重启虚拟机

[root@hadoop100 ~]# reboot

2. 克隆虚拟机

1> 利用模板机hadoop100，克隆三台虚拟机：hadoop102 hadoop103 hadoop104
注意：克隆时，要先关闭hadoop100

2> 修改克隆机IP，以下以hadoop102举例说明
（1）修改克隆虚拟机的静态IP

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.36.102
PREFIX=24
GATEWAY=192.168.36.2
DNS1=192.168.36.2

3> 修改克隆机主机名，以下以hadoop102举例说明
（1）修改主机名称

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

（2）配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts

[root@hadoop100 ~]# vim /etc/hosts

添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105

4> 重启克隆机hadoop102

[root@hadoop100 ~]# reboot

5> 修改windows的主机映射文件（hosts文件）
（a）进入C:\Windows\System32\drivers\etc路径
（b）打开hosts文件并添加如下内容，然后保存

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105

3. 在hadoop102安装jdk

1> 卸载现有JDK
注意：安装JDK前，一定确保提前删除了虚拟机自带的JDK。 可以用下面命令检查

[root@hadoop100 ~]# rpm -qa | grep -i java 

2> 用传输工具(xshell等)将JDK导入到opt目录下面的software文件夹下面

3> 在Linux系统下的opt目录中查看软件包是否导入成功

[hadoop@hadoop102 ~]$ ls /opt/software/
jdk-8u212-linux-x64.tar.gz

4>解压JDK到/opt/module目录下

[hadoop@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

5> 配置JDK环境变量
（1）新建/etc/profile.d/my_env.sh文件

[hadoop@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

（2）保存后退出

:wq

（3）source一下/etc/profile文件，让新的环境变量PATH生效

[hadoop@hadoop102 ~]$ source /etc/profile

6> 测试JDK是否安装成功

[hadoop@hadoop102 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

java version "1.8.0_212"

4. 在hadoop102安装Hadoop

Hadoop下载地址：https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
1> 用文件传输工具(XShell等)将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面

2> 进入到Hadoop安装包路径下

[hadoop@hadoop102 ~]$ cd /opt/software/

3> 解压安装文件到/opt/module下面

[hadoop@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

4> 查看是否解压成功

[hadoop@hadoop102 software]$ ls /opt/module/
hadoop-3.1.3

5> 将Hadoop添加到环境变量
（1）获取Hadoop安装路径

[hadoop@hadoop102 hadoop-3.1.3]$ pwd
/opt/module/hadoop-3.1.3

（2）打开/etc/profile.d/my_env.sh文件

[hadoop@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh

在my_env.sh文件末尾添加如下内容：（shift+g）

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

保存并退出： :wq
（3）让修改后的文件生效

[hadoop@hadoop102 hadoop-3.1.3]$ source /etc/profile

6> 测试是否安装成功

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3

5. Hadoop目录结构

1> 查看Hadoop目录结构

[hadoop@hadoop102 hadoop-3.1.3]$ ll
总用量 176
drwxr-xr-x. 2 hadoop hadoop    183 9月  12 2019 bin
drwxr-xr-x. 3 hadoop hadoop     20 9月  12 2019 etc
drwxr-xr-x. 2 hadoop hadoop    106 9月  12 2019 include
drwxr-xr-x. 3 hadoop hadoop     20 9月  12 2019 lib
drwxr-xr-x. 4 hadoop hadoop    288 9月  12 2019 libexec
-rw-rw-r--. 1 hadoop hadoop 147145 9月   4 2019 LICENSE.txt
-rw-rw-r--. 1 hadoop hadoop  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 hadoop hadoop   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 hadoop hadoop   4096 9月  12 2019 sbin
drwxr-xr-x. 4 hadoop hadoop     31 9月  12 2019 share

2> 重要目录
（1）bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本
（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）
（4）sbin目录：存放启动或停止Hadoop相关服务的脚本
（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例

二、Hadoop运行模式

1> Hadoop官方网站：http://hadoop.apache.org/
2> 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。

• 本地模式：单机运行，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，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。生产环境使用。

1 本地运行模式（官方WordCount）

1> 创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

[hadoop@hadoop102 hadoop-3.1.3]$ mkdir wcinput

2> 在wcinput文件下创建一个word.txt文件

[hadoop@hadoop102 hadoop-3.1.3]$ cd wcinput

3> 编辑word.txt文件

[hadoop@hadoop102 wcinput]$ vim word.txt

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
test
test

保存退出：:wq

4> 回到Hadoop目录/opt/module/hadoop-3.1.3
5> 执行程序

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

6> 查看结果

[hadoop@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000

hadoop  2
mapreduce       1
test    2
yarn    1

2 完全分布式运行模式（开发重点）

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

2.1 虚拟机准备

准备三台克隆的虚拟机，具体见前面的步骤

2.2 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    -r        $pdir/$fname             $user@$host:$pdir/$fname
命令   递归      要拷贝的文件路径/名称      目的地用户@主机:目的地路径/名称

（3）案例实操
在hadoop102、hadoop103、hadoop104都已经创建好的/opt/module、 /opt/software两个目录，并且已经把这两个目录修改为hadoop:hadoop

[hadoop@hadoop102 ~]$ sudo chown hadoop:hadoop -R /opt/module

（a）在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

[hadoop@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212  hadoop@hadoop103:/opt/module

（b）在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上

[hadoop@hadoop103 ~]$ scp -r hadoop@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

（c）在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上

[hadoop@hadoop103 opt]$ scp -r hadoop@hadoop102:/opt/module/* hadoop@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    -av       $pdir/$fname             $user@$host:$pdir/$fname
命令     选项参数   要拷贝的文件路径/名称      目的地用户@主机:目的地路径/名称

选项参数说明

选项	功能
-a	归档拷贝
-v	显示复制过程

（2）案例实操
（a）删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

[hadoop@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/

（b）同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

[hadoop@hadoop102 module]$ rsync -av hadoop-3.1.3/ hadoop@hadoop103:/opt/module/hadoop-3.1.3/

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：
（a）rsync命令原始拷贝：

rsync  -av     /opt/module   hadoop@hadoop103:/opt/

（b）期望脚本：
   xsync要同步的文件名称
（c）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）

[hadoop@hadoop102 ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/hadoop/.local/bin:/home/hadoop/bin:/opt/module/jdk1.8.0_212/bin

（3）脚本实现
（a）在/home/hadoop/bin目录下创建xsync文件

[hadoop@hadoop102 opt]$ cd /home/hadoop
[hadoop@hadoop102 ~]$ mkdir bin
[hadoop@hadoop102 ~]$ cd bin
[hadoop@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

（b）修改脚本 xsync 具有执行权限

[hadoop@hadoop102 bin]$ chmod +x xsync

（c）测试脚本

[hadoop@hadoop102 ~]$ xsync /home/hadoop/bin

（d）将脚本复制到/bin中，以便全局调用

[hadoop@hadoop102 bin]$ sudo cp xsync /bin/

（e）同步环境变量配置（root所有者）

[hadoop@hadoop102 ~]$ 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

[hadoop@hadoop103 bin]$ source /etc/profile
[hadoop@hadoop104 opt]$ source /etc/profile

2.3 SSH无密登录配置

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@hadoop102 ~]$ ssh hadoop103

如果出现如下内容

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

输入yes，并回车

（3）退回到hadoop102

 [hadoop@hadoop103 ~]$ exit

2> 无密钥配置
（1）免密登录原理

（2）生成公钥和私钥

[hadoop@hadoop102 .ssh]$ pwd
/home/hadoop/.ssh

[hadoop@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）
（3）将公钥拷贝到要免密登录的目标机器上

[hadoop@hadoop102 .ssh]$ ssh-copy-id hadoop102
[hadoop@hadoop102 .ssh]$ ssh-copy-id hadoop103
[hadoop@hadoop102 .ssh]$ ssh-copy-id hadoop104

  注意：
  还需要在hadoop103上采用hadoop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hadoop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

文件	功能
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

2.4 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。

	hadoop102	hadoop103	hadoop104
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

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。
（1）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

（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。

3> 配置集群
（1）核心配置文件
配置core-site.xml

[hadoop@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[hadoop@hadoop102 hadoop]$ 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://hadoop102:8020</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>

    <!-- 配置HDFS网页登录使用的静态用户为hadoop -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>hadoop</value>
    </property>
</configuration>

（2）HDFS配置文件
配置hdfs-site.xml

[hadoop@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>

（3）YARN配置文件
配置yarn-site.xml

[hadoop@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>
</configuration>

（4）MapReduce配置文件
配置mapred-site.xml

[hadoop@hadoop102 hadoop]$ vim mapred-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

[hadoop@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5> 去103和104上查看文件分发情况

[hadoop@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[hadoop@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

2.5 群起集群

1> 配置workers

[hadoop@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

[hadoop@hadoop102 hadoop]$ 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@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

（2）启动HDFS

[hadoop@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（3）在配置了ResourceManager的节点（hadoop103）启动YARN

[hadoop@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（4）Web端查看HDFS的NameNode
  （a）浏览器中输入：http://hadoop102:9870
  （b）查看HDFS上存储的数据信息
（5）Web端查看YARN的ResourceManager
  （a）浏览器中输入：http://hadoop103:8088
  （b）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

[hadoop@hadoop102 ~]$ hadoop fs -mkdir /wcinput
[hadoop@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /wcinput

• 上传大文件

[hadoop@hadoop102 ~]$ 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

[hadoop@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-798890287-192.168.36.102-1679026641082/current/finalized/subdir0/subdir0

• 查看HDFS在磁盘存储文件内容

[hadoop@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
test
test

（3）拼接

[hadoop@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz
[hadoop@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz
[hadoop@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

（4）下载

[hadoop@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

（5）执行wordcount程序

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /wcinput /wcoutput

2.6 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：
1> 配置mapred-site.xml

[hadoop@hadoop102 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置。

<!-- 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>

2> 分发配置

[hadoop@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

3>在hadoop102启动历史服务器

[hadoop@hadoop102 hadoop]$ mapred --daemon start historyserver

4> 查看历史服务器是否启动

[hadoop@hadoop102 hadoop]$ jps

5> 查看JobHistory
http://hadoop102:19888/jobhistory

2.7 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：
1> 配置yarn-site.xml

[hadoop@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>

2> 分发配置

[hadoop@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

3> 关闭NodeManager 、ResourceManager和HistoryServer

[hadoop@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[hadoop@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver

4> 启动NodeManager 、ResourceManage和HistoryServer

[hadoop@hadoop103 ~]$ start-yarn.sh
[hadoop@hadoop102 ~]$ mapred --daemon start historyserver

5> 删除HDFS上已经存在的输出文件

[hadoop@hadoop102 ~]$ hadoop fs -rm -r /wcoutput

6> 执行WordCount程序

[hadoop@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /wcinput /wcoutput

7> 查看日志
（1）历史服务器地址
http://hadoop102:19888/jobhistory
（2）历史任务列表

（3）查看任务运行日志

（4）运行日志详情

2.8 集群启动/停止方式总结

1> 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

2> 各个服务组件逐一启动/停止
（1）分别启动/停止HDFS组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

（2）启动/停止YARN

yarn --daemon start/stop  resourcemanager/nodemanager

2.9 编写Hadoop集群常用脚本

1> Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh

[hadoop@hadoop102 ~]$ cd /home/hadoop/bin
[hadoop@hadoop102 bin]$ vim myhadoop.sh

输入如下内容

#!/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

保存后退出，然后赋予脚本执行权限

[hadoop@hadoop102 bin]$ chmod +x myhadoop.sh

2> 查看三台服务器Java进程脚本：jpsall

[hadoop@hadoop102 ~]$ cd /home/hadoop/bin
[hadoop@hadoop102 bin]$ vim jpsall

输入如下内容:

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出，然后赋予脚本执行权限

[hadoop@hadoop102 bin]$ chmod +x jpsall

3> 分发/home/hadoop/bin目录，保证自定义脚本在三台机器上都可以使用

[hadoop@hadoop102 ~]$ xsync /home/hadoop/bin/

2.10 常用端口号说明

端口号	Hadoop2.x	Hadoop3.x
NameNode内部通信端口	8020 / 9000	8020 / 9000/9820
NameNode HTTP UI	50070	9870
MapReduce查看执行任务端口	8088	8088
历史服务器通信端口	19888	19888