一:环境搭建
1:本地模式
1) 上传安装包 /home/soft 下,上传 hadoop-3.3.1.tar.gz
2) 解压缩 /usr/local
tar -zxf hadoop-3.3.1.tar.gz -C /usr/local
3) 重命名 (非必须的)
进入 /usr/local 文件夹下,进行 mv hadoop-3.3.1 hadoop
4) 修改环境变量 /etc/profile
export JAVA_HOME=/usr/local/jdk
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
5) 刷新一下你的环境变量
source /etc/profile
6) 验证是否成功 hadoop version
7) 使用一下,编写一个workcount的案例:词语个数统计
在 /home 路径下
创建一个文件夹 mkdir input
在input 文件夹中,创建一个a.txt 文件
touch a.txt
里面随便输入一些单词:
hadoop java bigdata
hello world java bigdata
name hadoop version hello
final shell shell hello
接着开始执行:
hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar wordcount input/* output
执行hadoop中的一个jar包,jar包中有很多程序,我要执行 wordcount 我的数据来源是 input 文件夹下的所有内容
我执行出来的结果放在 output 文件夹下,output文件夹必须不能存在,否则报错。
2、伪分布模式
伪分布模式:它是按照全分布模式进行配置的,但是的的确确只有一台服务器,所以称之为伪分布模式。
一:环境准备工作:
1、安装了jdk
2、安装了hadoop
3、关闭了防火墙
4、免密登录
自己对自己免密
ssh-copy-id bigdata01 选择yes 输入密码
测试免密是否成功: ssh bigdata01
5、修改linux的一个安全机制
vi /etc/selinux/config
修改里面的 SELINUX=disabled
6、设置host映射
vi /etc/hosts
192.168.xx.100 bigdata01
192.168.xx.101 bigdata02192.168.xx.101 bigdata03
将来我就可以通过主机名来代替我的IP地址了。
修改了第二台,记得把第一台也改一下,内容一模一样。
伪分布的配置:
1) core-site.xml 在hadoop家目录下的 etc/hadoop 下
<!-- 设置namenode节点 -->
<!-- 注意: hadoop1.x时代默认端口9000 hadoop2.x时代默认端口8020 hadoop3.x时代默认端口 9820 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://bigdata01:9820</value>
</property>
<!-- hdfs的基础路径,被其他属性所依赖的一个基础路径 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
2)修改 hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- secondarynamenode守护进程的http地址:主机名和端口号。参考守护进程布局 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>bigdata01:9868</value>
</property>
<!-- namenode守护进程的http地址:主机名和端口号。参考守护进程布局 -->
<property>
<name>dfs.namenode.http-address</name>
<value>bigdata01:9870</value>
</property>
3、修改hadoop-env.sh
export JAVA_HOME=/usr/local/jdk
# Hadoop3中,需要添加如下配置,设置启动集群角色的用户是谁
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
4、namenode格式化
注意事项:
我们在core-site.xml中配置过hadoop.tmp.dir的路径,在集群格式化的时候需要保证在这个路径不存在!如果之前存在数据,先将其删除,再进行格式化!
hdfs namenode -format
5、启动hdfs
start-dfs.sh
启动如果成功,可以使用jps查看java 进程
如果看到如下进程,说明OK
6、继续查看网站是否可以正常访问:
7、进行测试
1、准备一些数据
数据还使用之前的即可
2、将这些数据存放到hdfs平台上
hdfs dfs -put input /
将本地的input文件夹,上传到hdfs平台上的根路径下
3、执行任务
hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.1.jar wordcount /input /output
此处虽然命令跟之前一模一样,但是数据来源和执行的结果存放的位置已经发生了变化,都在hdfs平台上。
4、查看运行结果
hdfs dfs -cat /output/*
三:全分布模式
1:准备工作
1. 三台机器的防火墙必须是关闭的.
2. 确保三台机器的网络配置畅通(NAT模式,静态IP,主机名的配置)
3. 确保/etc/hosts文件配置了ip和hostname的映射关系
4. 确保配置了三台机器的免密登陆认证(克隆会更加方便)
5. 确保所有机器时间同步
6. jdk和hadoop的环境变量配置
1)克隆两台新电脑
2)修改IP地址
vi /etc/sysconfig/network-scripts/ifcfg-ens33 mac是eth0
修改完重启网络服务:
systemctl restart network
查看ip
ip addr
修改主机名
vi /etc/hostname
修改hosts文件 vi /etc/hosts 然后分发到bigdata01 和 02 上
scp /etc/hosts bigdata02:/etc/
scp /etc/hosts bigdata03:/etc/
2、确保网络畅通并且免密已经做好
ssh bigdata02
exit
ssh bigdata03
exit
3、确保jdk以及hadoop安装过了
java -verson
hadoop version
4:全分布式搭建:
配置文件地址: /usr/local/hadoop/etc/hadoop/
修改core-site.xml
<configuration>
<!-- 设置namenode节点 -->
<!-- 注意: hadoop1.x时代默认端口9000 hadoop2.x时代默认端口8020 hadoop3.x时代默认端口 9820 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://bigdata01:9820</value>
</property>
<!-- hdfs的基础路径,被其他属性所依赖的一个基础路径 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop/tmp</value>
</property>
</configuration>
修改hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- secondarynamenode守护进程的http地址:主机名和端口号。参考守护进程布局 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>bigdata02:9868</value>
</property>
<!-- namenode守护进程的http地址:主机名和端口号。参考守护进程布局 -->
<property>
<name>dfs.namenode.http-address</name>
<value>bigdata01:9870</value>
</property>
</configuration>
修改hadoop-env.sh
export JAVA_HOME=/usr/local/jdk
# Hadoop3中,需要添加如下配置,设置启动集群角色的用户是谁
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
修改workers
bigdata01
bigdata02
bigdata03
接着分发到其余两台服务器上。
scp -r /usr/local/hadoop/etc/hadoop bigdata02:/usr/local/hadoop/etc/
scp -r /usr/local/hadoop/etc/hadoop bigdata03:/usr/local/hadoop/etc/
接着停止服务:
stop-dfs.sh
删除所有的临时文件 $HADOOP_HOME/tmp
将三台电脑上的 /usr/local/hadoop/tmp全部删除掉,因为里面有namenode和datanode数据,不便于我们格式化
rm -rf tmp
格式化namenode, 记得在bigdata01上进行格式化
hdfs namenode -format
启动hdfs
start-dfs.sh
启动完成后:
分别在bigdata01 02 03上,jps查看
hadoop集群至此搭建完毕!!
全分布式环境搭建的问题总结:
1、namenode 重新格式化的时候,需要删除之前的缓存文件 /usr/local/hadoop/tmp
2、没有将配置文件进行分发
3、资源不够用,导致namenode datanode
4、免密忘记做完了 bigdata01 --> 02,03
5、只能启动两台服务器,内存不够了,调整的小一些。
6、防火墙忘记关闭
systemctl stop firewalld
7、终极大招:全部检查一遍,重新进行namenode格式化