02.hadoop入门

最新推荐文章于 2023-06-19 15:44:08 发布
最新推荐文章于 2023-06-19 15:44:08 发布
阅读量855 收藏 1
点赞数 1
分类专栏： 05.大数据技术 文章标签： hadoop big data 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_37636107/article/details/120125966
版权

一.离线分析Hadoop

1.Hadoop 概述

(1).Hadoop是一个由Apache基金会所开发的分布式系统基础架构。

(2).主要解决，海量数据的存储和海量数据的分析计算问题。

(3).广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZX2MyqLh-1630888202314)(/6-1.png)]

2.Hadoop发展历史

(1).Hadoop创始人Doug Cutting，为 了实 现与Google类似的全文搜索功能，他在Lucene框架基础上进行优化升级，查询引擎和索引引擎。

(2).2001年年底Lucene成为Apache基金会的一个子项目。

(3).对于海量数据的场景，Lucene框 架面 对与Google同样的困难，存储海量数据困难，检 索海 量速度慢。

(4).学习和模仿Google解决这些问题的办法 ：微型版Nutch。

(5).可以说Google是Hadoop的思想之源（Google在大数据方面的三篇论文）

GFS —>HDFS

Map-Reduce —>MR

BigTable —>HBase

(6).2003-2004年，Google公开了部分GFS和MapReduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和MapReduce机制，使Nutch性能飙升。

(7).2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。

(8).2006 年 3 月份，Map-Reduce和Nutch Distributed File System （NDFS）分别被纳入到 Hadoop 项目中，Hadoop就此正式诞生，标志着大数据时代来临。

(9).名字来源于Doug Cutting儿子的玩具大象。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-r3cUruoT-1630888202318)(/2-1-2.png)]

3.Hadoop三大发行版本（了解）

Hadoop 三大发行版本：Apache、Cloudera、Hortonworks。

Apache 版本最原始（最基础）的版本，对于入门学习最好。2006

Cloudera 内部集成了很多大数据框架，对应产品 CDH。2008

Hortonworks 文档较好，对应产品 HDP。2011

Hortonworks 现在已经被 Cloudera 公司收购，推出新的品牌 CDP。

在这里插入图片描述

1.Apache Hadoop

官网地址：http://hadoop.apache.org
下载地址：https://hadoop.apache.org/releases.html

2.Cloudera Hadoop

官网地址：https://www.cloudera.com/downloads/cdh
下载地址：https://docs.cloudera.com/documentation/enterprise/6/releasenotes/topics/rg_cdh_6_download.html
（1）2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司，为合作伙伴提供 Hadoop 的商用解决方案，主要是包括支持、咨询服务、培训。
（2）2009 年 Hadoop 的创始人 Doug Cutting 也加盟 Cloudera 公司。Cloudera 产品主要为 CDH，Cloudera Manager，Cloudera Support
（3）CDH 是 Cloudera 的 Hadoop 发行版，完全开源，比 Apache Hadoop 在兼容性，安全性，稳定性上有所增强。Cloudera 的标价为每年每个节点 10000 美元。
（4）Cloudera Manager 是集群的软件分发及管理监控平台，可以在几个小时内部署好一个 Hadoop 集群，并对集群的节点及服务进行实时监控。

3.Hortonworks Hadoop

官网地址：https://hortonworks.com/products/data-center/hdp/
下载地址：https://hortonworks.com/downloads/#data-platform
（1）2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。
（2）公司成立之初就吸纳了大约 25 名至 30 名专门研究 Hadoop 的雅虎工程师，上述工程师均在 2005 年开始协助雅虎开发 Hadoop，贡献了 Hadoop80%的代码。
（3）Hortonworks 的主打产品是 Hortonworks Data Platform（HDP），也同样是 100%开源的产品，HDP 除常见的项目外还包括了 Ambari，一款开源的安装和管理系统。
（4）2018 年 Hortonworks 目前已经被 Cloudera 公司收购。

4.Hadoop 优势

**1.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。

在这里插入图片描述

**2.高扩展性：**在集群间分配任务数据，可方便的扩展数以千计的节点。

在这里插入图片描述

**3.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。

在这里插入图片描述

**4.高容错性：**能够自动将失败的任务重新分配。
在这里插入图片描述

5.Hadoop 组成（面试重点）

5.1.Hadoop1.x、2.x、3.x区别

在 Hadoop1.x 时 代 ，Hadoop中 的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。在Hadoop2.x时 代，增加 了Yarn。Yarn只负责资 源 的 调 度 ，MapReduce 只负责运算。Hadoop3.x在组成上没有变化。

在这里插入图片描述

5.2.HDFS 架构概述

Hadoop Distributed File System，简称 HDFS，是一个分布式文件系统。

**1.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。

**2.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。

**3.Secondary NameNode(2nn)：**每隔一段时间对NameNode元数据备份。

5.3.YARN 架构概述

Yet Another Resource Negotiator 简称 YARN ，另一种资源协调者，是 Hadoop 的资源管理器。

**1.ResourceManager（RM）：**整个集群资源（内存、CPU等）的老大
**2.ApplicationMaster（AM）：**单个任务运行的老大
**3.NodeManager（N M）：**单个节点服务器资源老大
**4.Container：**容器，相当一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。

在这里插入图片描述

说明1：客户端可以有多个
说明2：集群上可以运行多个ApplicationMaster
说明3：每个NodeManager上可以有多个Container

5.4.MapReduce 架构概述

MapReduce 将计算过程分为两个阶段：Map 和 Reduce
1.Map 阶段并行处理输入数据
2.Reduce 阶段对 Map 结果进行汇总

​ 任务需求:找出某老师2015年5月份的教学视频

在这里插入图片描述

5.5.HDFS、YARN、MapReduce 三者关系

在这里插入图片描述

5.6.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：
**1.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。
**2.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；
**3.Kafka：**Kafka 是一种高吞吐量的分布式发布订阅消息系统；
**4.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。
**5.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。
**6.Oozie：**Oozie 是一个管理 Hadoop 作业（job）的工作流程调度管理系统。
**7.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。
**8.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。
**9.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。

5.7.推荐系统框架图

在这里插入图片描述

二.Hadoop 运行环境搭建

1.环境准备

1.1.虚拟机安装

VMware安装

1.2.安装Linux系统

安装centos7.5

1.3.配置网络

1.查看 Linux 虚拟机的虚拟网络编辑器，编辑->虚拟网络编辑器->VMnet8

在这里插入图片描述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vvXjAgLA-1630888202343)(/3-0-2.png)]

2.查看 Windows 系统适配器 VMware Network Adapter VMnet8 的 IP 地址

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7U00Mhip-1630888202345)(/3-0-3.png)]

3.修改虚拟机的静态 IP

 [root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfgens33

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes 
BOOTPROTO=static 
NAME="ens33" 
PREFIX=24 
IPADDR=192.168.10.100
GATEWAY=192.168.10.2 
DNS1=192.168.10.2

4.保证 Linux 系统 ifcfg-ens33 文件中 IP 地址、虚拟网络编辑器地址和 Windows 系统 VM8 网络 IP 地址相同。

5.修改主机名

(1).修改主机名称

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

(2).配置 Linux 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 
192.168.10.106 hadoop106 
192.168.10.107 hadoop107 
192.168.10.108 hadoop108

6.重启主机

[root@hadoop100 ~]# reboot

重启后查看主机名

[root@hadoop100 ~]# hostname
hadoop100

7.修改 windows 的主机映射文件（hosts 文件）

（1).如果操作系统是 window7，可以直接修改
（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
192.168.10.106 hadoop106 
192.168.10.107 hadoop107 
192.168.10.108 hadoop108

（2).如果操作系统是 window10，先拷贝出来，修改保存以后，再覆盖即可
（a）进入 C:\Windows\System32\drivers\etc 路径
（b）拷贝 hosts 文件到桌面
（c）打开桌面 hosts 文件并添加如下内容

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
192.168.10.106 hadoop106 
192.168.10.107 hadoop107 
192.168.10.108 hadoop108

（d）将桌面 hosts 文件覆盖 C:\Windows\System32\drivers\etc 路径 hosts 文件

1.4.安装软件

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。

1.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

注意：如果有某个进程占用端口，可使用kill -9 3030结束这个进程。

2.安装工具及编辑器

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

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

1.5.关闭防火墙

关闭防火墙及开机自启

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

注意：在企业开发时，通常单个服务器的防火墙时关闭的。公司整体对外会设置非常安
全的防火墙

1.6.创建新用户

创建 admin用户，并修改 admin用户的密码

[root@hadoop100 ~]# useradd admin
[root@hadoop100 ~]# passwd admin
1.7.配置权限

1.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

2.修改/etc/sudoers 文件

在%wheel 这行下面添加一行，如下所示：

## Allow root to run any commands anywhere
root ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
admin ALL=(ALL) NOPASSWD:ALL

注意：admin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 admin具有NOPASSWD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 admin要放到%wheel 这行下面。

3.测试admin是否具有root的权限

在root用户下exit退出到admin或者su admin

[admin@hadoop100 opt]$ mkdir rh
mkdir: 无法创建目录 “rh”: 权限不够
[admin@hadoop100 opt]$ sudo mkdir rh
[admin@hadoop100 opt]$ ll
总用量 0
drwxr-xr-x 15 1106 4001 253 4月   6 15:47 hadoop
drwxr-xr-x  7   10  143 245 10月  5 2019 java
drwxr-xr-x  2 root root   6 7月  22 17:34 rh
[admin@hadoop100 opt]$ rm -rf rh/
rm: 无法删除'rh/': 权限不够
[admin@hadoop100 opt]$ sudo rm -rf rh/
1.8.创建文件夹

1.在/opt 目录下创建 module、software 文件夹

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

或

[admin@hadoop100 ~]# sudo mkdir /opt/module
[admin@hadoop100 ~]# sudo mkdir /opt/software

2.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

注意:如果上面使用的是root创建则需要以上修改，admin创建则不需要此操作。

3.查看 module、software 文件夹的所有者和所属组

[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12
drwxr-xr-x. 2 admin admin 4096 5 月 28 17:18 module
drwxr-xr-x. 2 admin admin 4096 9 月 7 2017 rh
drwxr-xr-x. 2 admin admin 4096 5 月 28 17:18 software
1.9.卸载虚拟机自带的 JDK
[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

注意：如果你的虚拟机是最小化安装不需要执行这一步。另外此操作切换到root用户下执行。

1.10.重启虚拟机
[root@hadoop100 ~]# reboot

2.克隆虚拟机

2.1.克隆模板机

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

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0kPJ6hCe-1630888202351)(/3-1-4.png)]

在这里插入图片描述

2.2.修改克隆机IP

修改克隆虚拟机的静态 IP

 [root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfgens33

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes 
BOOTPROTO=static 
NAME="ens33" 
PREFIX=24 
IPADDR=192.168.10.102
GATEWAY=192.168.10.2 
DNS1=192.168.10.2
2.3.修改克隆机主机名
[root@hadoop100 ~]# vim /etc/hostname 
hadoop102

注意：因为hadoop100中已经配置过主机名称映射 hosts 文件所以这里就不在配置。

2.4.重启克隆机
[root@hadoop100 ~]# reboot
2.5.测试克隆机
[root@hadoop102 ~]# ping www.baidu.com
[root@hadoop102 ~]# hostname
hadoop102
[root@hadoop102 ~]# ifconfig

查看外网连接和主机名以及ip地址

3.安装 JDK

3.1.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。详细步骤见问文档 1.8 节中卸载 JDK 步骤。

3.2.传输文件

用 XShell 传输工具将 JDK 导入到 opt 目录下面的 software 文件夹下面

3.3.查看文件

在 Linux 系统下的 opt 目录中查看软件包是否导入成功

[admin@hadoop102 ~]$ ls /opt/software/

看到如下结果：

jdk-8u212-linux-x64.tar.gz
3.4.解压文件

解压 JDK 到/opt/module 目录下

[admin@hadoop102 software]$ tar -zxvf jdk-8u212-linuxx64.tar.gz -C /opt/module/
3.5.配置环境变量

配置 JDK 环境变量

1.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

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

[admin@hadoop102 ~]$ source /etc/profile
3.6.测试环境

测试 JDK 是否安装成功

[admin@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"

注意：重启（如果 java -version 可以用就不用重启）

[admin@hadoop102 ~]$ sudo reboot

4.安装 Hadoop

Hadoop 下载地址：https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/

4.1.传输文件

用 XShell 文件传输工具将 hadoop-3.1.3.tar.gz 导入到 opt 目录下面的 software 文件夹下面

4.2.查看文件

进入到 Hadoop 安装包路径下

[admin@hadoop102 ~]$ cd /opt/software/
4.3.解压文件

解压安装文件到/opt/module 下面

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

查看是否解压成功

[admin@hadoop102 software]$ ls /opt/module/hadoop-3.1.3
4.4.配置环境变量

将 Hadoop 添加到环境变量

1.获取 Hadoop 安装路径

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

2.打开/etc/profile.d/my_env.sh 文件

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

3.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

4.保存并退出

 :wq

5.让修改后的文件生效

[admin@hadoop102 hadoop-3.1.3]$ source /etc/profile
4.5.测试环境

1.测试是否安装成功

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

2.重启（如果 Hadoop 命令不能用再重启虚拟机）

[admin@hadoop102 hadoop-3.1.3]$ sudo reboot

5.Hadoop 目录结构

5.1.Hadoop 目录结构
[admin@hadoop102 hadoop-3.1.3]$ ll
总用量 52
drwxr-xr-x. 2 admin admin 4096 5 月 22 2017 bin
drwxr-xr-x. 3 admin admin 4096 5 月 22 2017 etc
drwxr-xr-x. 2 admin admin 4096 5 月 22 2017 include
drwxr-xr-x. 3 admin admin 4096 5 月 22 2017 lib
drwxr-xr-x. 2 admin admin 4096 5 月 22 2017 libexec
-rw-r--r--. 1 admin admin 15429 5 月 22 2017 LICENSE.txt
-rw-r--r--. 1 admin admin 101 5 月 22 2017 NOTICE.txt
-rw-r--r--. 1 admin admin 1366 5 月 22 2017 README.txt
drwxr-xr-x. 2 admin admin 4096 5 月 22 2017 sbin
drwxr-xr-x. 4 admin admin 4096 5 月 22 2017 share
5.2.目录详情

（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

三.Hadoop 运行模式

**Hadoop 官方网站：**http://hadoop.apache.org/
**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！数据存储在linux本地。
**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！数据存储在HDFS。
**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。数据存储在HDFS/多台服务器工作。

1.本地运行模式

官方 WordCount

1.1.创建文件

创建在 hadoop-3.1.3 文件下面创建一个 wcinput 文件夹创建在 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
1.2.编辑文件
[admin@hadoop102 wcinput]$ vim word.txt

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
admin
admin

保存退出

:wq
1.3.执行程序

回到 Hadoop 目录/opt/module/hadoop-3.1.3

[admin@hadoop102 hadoop-3.1.3]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput/ ./wcoutput
1.4.查看结果
[admin@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000

看到如下结果：

hadoop	2
mapreduce	1
admin	2
yarn	1

2.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

2.1.克隆虚拟机

以上已经完成克隆，这里不需要再克隆。

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
前提：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 admin:admin

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

第一步：在 hadoop102 上，将 hadoop102 中/opt/module/jdk1.8.0_121 目录拷贝到hadoop103 上。

[admin@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_121  admin@hadoop103:/opt/module

第二步：在 hadoop103 上，将 hadoop102 中/opt/module/hadoop-3.1.3 目录拷贝到hadoop103 上。

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

第三步：在 hadoop103 上操作，将 hadoop102 中/opt/module 目录下所有目录拷贝到hadoop104 上。

[admin@hadoop103 opt]$ scp -r admin@hadoop102:/opt/module/* admin@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

第一步：删除 hadoop103 中/opt/module/hadoop-3.1.3/wcinput

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

第二步：同步 hadoop102 中的/opt/module/hadoop-3.1.3 到 hadoop103

[admin@hadoop102 module]$ rsync -av hadoop-3.1.3/ admin@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：
第一步：rsync 命令原始拷贝：

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

第二步：期望脚本：
xsync 要同步的文件名称
第三步：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）

[admin@hadoop102 ~]$ echo $PATH /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/admin/.local/bin:/home/admin/bin:/opt/module/jdk1.8.0_121/bin

注意：只需要将脚本添加再/home/admin/bin路径下即可在全局下进行访问。

(3).脚本实现

第一步：在/home/admin/bin 目录下创建 xsync 文件

[admin@hadoop102 opt]$ cd /home/admin 
[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

第二步：修改脚本 xsync 具有执行权限

[admin@hadoop102 bin]$ chmod +x xsync 
或
[admin@hadoop102 bin]$ chmod 777 xsync

第三步：测试脚本 ，将bin目录分发到其他主机

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

第四步：将脚本复制到/bin 中，以便全局调用

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

注意：此步骤实际操作中没有用，后续研究

第五步：同步环境变量配置（root 所有者）

[admin@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

[admin@hadoop103 bin]$ source /etc/profile 
[admin@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

[admin@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

[admin@hadoop103 ~]$ exit

2.无密钥配置

(1).免密登录原理

在这里插入图片描述

(2).生成公钥和私钥

[admin@hadoop102 ~]$ cd /home/admin
[admin@hadoop102 ~]$ ls -al
[admin@hadoop102 ~]$ cd .ssh/
[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）

(3).将公钥拷贝到要免密登录的目标机器上

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

注意：
还需要在 hadoop103 上采用 admin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 admin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；

可以在.ssh下查看生成的文件记录

[admin@hadoop102 .ssh]$ ll
总用量 16
-rw------- 1 admin admin 1704 7月  23 16:27 authorized_keys
-rw------- 1 admin admin 2602 7月  23 16:21 id_rsa
-rw-r--r-- 1 admin admin  568 7月  23 16:21 id_rsa.pub
-rw-r--r-- 1 admin admin  558 7月  23 15:59 known_hosts
[admin@hadoop102 .ssh]$ cat known_hosts

3. .ssh 文件夹下（~/.ssh）的文件功能解释

选项解释
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
2.4.集群配置

1.集群部署规划

组件hadoop102hadoop103hadoop104
HDFSNameNode、DataNodeDataNodeSecondaryNameNode、DataNode
YARNNodeManagerResourceManager、NodeManagerNodeManager

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。

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

  • 核心配置文件

    配置 core-site.xml

    [admin@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop 
[admin@hadoop102 hadoop]$ vim core-site.xml

    注意：这里的$HADOOP_HOME是cd opt/module/hadoop-3.1.3/etc/hadoop

    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 admin -->     
    <property>         
        <name>hadoop.http.staticuser.user</name>         
        <value>admin</value>     
    </property> 
</configuration>

  • HDFS 配置文件

    配置 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

    配置 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> 
</configuration>

  • MapReduce 配置文件

    配置 mapred-site.xml

[admin@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

[admin@hadoop102 etc]$ xsync hadoop/

(5).去 103 和 104 上查看文件分发情况

[admin@hadoop103 ~]$ cat /opt/module/hadoop3.1.3/etc/hadoop/core-site.xml 
[admin@hadoop104 ~]$ cat /opt/module/hadoop3.1.3/etc/hadoop/core-site.xml
2.5.群起集群

1.配置 workers

[admin@hadoop102 hadoop]$ vim /opt/module/hadoop3.1.3/etc/hadoop/workers

在该文件中增加如下内容：

hadoop102 
hadoop103 
hadoop104

注意：配置工作节点，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

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。）

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

(2).启动 HDFS

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

查看各主机上的节点：

[admin@hadoop102 hadoop-3.1.3]$ jps
2688 DataNode
2928 Jps
2530 NameNode

[admin@hadoop103 ~]$ jps
2419 Jps
2343 DataNode

[admin@hadoop104 ~]$ jps
2520 Jps
2473 SecondaryNameNode
2346 DataNode

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

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

查看主机节点情况

[admin@hadoop103 hadoop-3.1.3]$ jps
3139 Jps
2676 ResourceManager
2343 DataNode
2824 NodeManager

[admin@hadoop102 hadoop-3.1.3]$ jps
2688 DataNode
2530 NameNode
5042 NodeManager
5213 Jps

[admin@hadoop104 ~]$ jps
2897 Jps
2473 SecondaryNameNode
2346 DataNode
2766 NodeManager

(4).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

(5).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

3.集群基本测试

(1).上传文件到集群

  • 上传小文件
[admin@hadoop102 ~]$ hadoop fs -mkdir /input 
[admin@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input 
或
[admin@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/word.txt /wcinput

在http://hadoop102:9870 中查看文件

在这里插入图片描述

注意：此时Replication表示有3份副本，分别存储在hadoop102、103、104上。

在这里插入图片描述

  • 上传大文件
[admin@hadoop102 ~]$ hadoop fs -put  /opt/software/jdk-8u121-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
[admin@hadoop102 subdir0]$ pwd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598192.168.10.102-1610603650062/current/finalized/subdir0/subdir0
  • 查看 HDFS 在磁盘存储文件内容
[admin@hadoop102 subdir0]$ ll
-rw-rw-r-- 1 admin admin        39 7月  29 10:08 blk_1073741825
-rw-rw-r-- 1 admin admin        11 7月  29 10:08 blk_1073741825_1001.meta
-rw-rw-r-- 1 admin admin 134217728 7月  29 10:51 blk_1073741826
-rw-rw-r-- 1 admin admin   1048583 7月  29 10:51 blk_1073741826_1002.meta
-rw-rw-r-- 1 admin admin  49029041 7月  29 10:51 blk_1073741827
-rw-rw-r-- 1 admin admin    383047 7月  29 10:51 blk_1073741827_1003.meta
[admin@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
admin
admin

(3).拼接

-rw-rw-r-- 1 admin admin        39 7月  29 10:08 blk_1073741825
-rw-rw-r-- 1 admin admin        11 7月  29 10:08 blk_1073741825_1001.meta
-rw-rw-r-- 1 admin admin 134217728 7月  29 10:51 blk_1073741826
-rw-rw-r-- 1 admin admin   1048583 7月  29 10:51 blk_1073741826_1002.meta
-rw-rw-r-- 1 admin admin  49029041 7月  29 10:51 blk_1073741827
-rw-rw-r-- 1 admin admin    383047 7月  29 10:51 blk_1073741827_1003.meta

[admin@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz 
[admin@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz 
[admin@hadoop102 subdir0]$ ll
-rw-rw-r-- 1 admin admin        39 7月  29 10:08 blk_1073741825
-rw-rw-r-- 1 admin admin        11 7月  29 10:08 blk_1073741825_1001.meta
-rw-rw-r-- 1 admin admin 134217728 7月  29 10:51 blk_1073741826
-rw-rw-r-- 1 admin admin   1048583 7月  29 10:51 blk_1073741826_1002.meta
-rw-rw-r-- 1 admin admin  49029041 7月  29 10:51 blk_1073741827
-rw-rw-r-- 1 admin admin    383047 7月  29 10:51 blk_1073741827_1003.meta
-rw-rw-r-- 1 admin admin 183246769 7月  29 11:00 tmp.tar.gz
[admin@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

注意：相当于jdk上传过程中被拆分为多份，拼接后是一个完整的jdk

(4).下载

[admin@hadoop104 hadoop-3.1.3]$ hadoop fs -get /jdk-8u121-linux-x64.tar.gz ./

(5).执行 wordcount 程序

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

此时执行过程中查看http://hadoop103:8088/可以看到一个任务正在执行。

在这里插入图片描述

执行完毕后查看http://hadoop102:9870/explorer.html#

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

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。

在这里插入图片描述

此时在http://hadoop103:8088/中历史无法查看。

具体配置步骤如下：

(1).配置 mapred-site.xml

[admin@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

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

注意：分发完毕后停止yarn服务，然后再重启。

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

(3).在 hadoop102 启动历史服务器

[admin@hadoop102 hadoop-3.1.3]$ bin/mapred --daemon start historyserver

mapred --daemon为启动守护进程。

(4).查看历史服务器是否启动

[admin@hadoop102 hadoop-3.1.3]$ jps
32358 JobHistoryServer
32042 NodeManager
32397 Jps
23007 NameNode
23167 DataNode

(5).查看 JobHistory

http://hadoop102:19888/jobhistory

(6).准备数据并检测

[admin@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /input
[admin@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/word.txt /input
[admin@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

刷新http://hadoop103:8088/cluster并点击History

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。

在这里插入图片描述

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

[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>

(2).分发配置

[admin@hadoop102 hadoop]$ xsync yarn-site.xml

(3).关闭 NodeManager 、ResourceManager 和 HistoryServer

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

(4).启动 NodeManager 、ResourceManage 和 HistoryServer

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

(5).删除 HDFS 上已经存在的输出文件

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

(6).执行 WordCount 程序

[admin@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output2

(7).查看日志

  • 历史服务器地址

​ http://hadoop102:19888/jobhistory

  • 历史任务列表

在这里插入图片描述

  • 查看任务运行日志

在这里插入图片描述

  • 运行日志详情

在这里插入图片描述

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

  • 整体启动/停止 HDFS
start-dfs.sh
stop-dfs.sh
  • 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

  • 分别启动/停止 HDFS 组件
hdfs --daemon start namenode/datanode/secondarynamenode  
hdfs --daemon stop namenode/datanode/secondarynamenode

举例：这里可以kill -9 9501杀掉DataNode，然后再单一启动

hdfs --daemon start datanode

注意：这里的进程号根据jps中实际进程号而定。

  • 启动/停止 YARN
yarn --daemon start  resourcemanager/nodemanager 
yarn --daemon stop  resourcemanager/nodemanager

举例：这里可以kill -9 11294杀掉NodeManager，然后再单一启动

yarn --daemon start  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

[admin@hadoop102 ~]$ cd /home/admin/bin 
[admin@hadoop102 bin]$ vim myhadoop.sh
  • 输入如下内容
#!/bin/bash
if [ $# -lt 1 ]
then
 echo "No Args Input..."
 exit ;
fi
case $1 in
"start")
 echo " =================== 启动 hadoop 集群 ==================="
 echo " --------------- 启动 hdfs ---------------"
 ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
 echo " --------------- 启动 yarn ---------------"
 ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
 echo " --------------- 启动 historyserver ---------------"
 ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start
historyserver"
;;
"stop")
 echo " =================== 关闭 hadoop 集群 ==================="
 echo " --------------- 关闭 historyserver ---------------"
 ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop
historyserver"
 echo " --------------- 关闭 yarn ---------------"
 ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
 echo " --------------- 关闭 hdfs ---------------"
 ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
 echo "Input Args Error..."
;;
esac
  • 保存后退出，然后赋予脚本执行权限
[admin@hadoop102 bin]$ chmod +x myhadoop.sh
  • 执行脚本文件
[admin@hadoop102 bin]$ myhadoop.sh stop
[admin@hadoop102 bin]$ jps
37520 Jps

注意：此时在hadoop102、103、104上都可以查看停止情况。

(2).查看三台服务器 Java 进程脚本：jpsall

[admin@hadoop102 ~]$ cd /home/admin/bin 
[admin@hadoop102 bin]$ vim jpsall
  • 输入如下内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
 echo =============== $host ===============
 ssh $host jps
done
  • 保存后退出，然后赋予脚本执行权限
[admin@hadoop102 bin]$ chmod +x jpsall
  • 分发/home/admin/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/admin/bin/
  • 执行脚本文件
[admin@hadoop102 ~]$ jpsall
=============== hadoop102 ===============
38480 JobHistoryServer
39060 Jps
38261 NodeManager
37915 DataNode
37740 NameNode
=============== hadoop103 ===============
19207 DataNode
19547 NodeManager
19404 ResourceManager
20191 Jps
=============== hadoop104 ===============
18706 Jps
18030 DataNode
18159 SecondaryNameNode
18271 NodeManager

注意：此时可以在hadoop102、103、104都可以使用jpsall查看集群所有节点。

2.10.Hadoop版本区别（面试题）

(1).常用端口号说明

端口名称Hadoop2.xHadoop3.x
NameNode内部通信端口（HDFS）8020/90008020/9000/9820
NameNode HTTP UI 对外查询(HDFS)500709870
MapReduce 查看执行任务端口(Yarn)80888088
历史服务器通信端口1988819888

(2).常用的配置文件

版本配置文件
Hadoop2.xcore-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、slaves
Hadoop3.xcore-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、workers
2.11.集群时间同步（不讲）

​ 如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期 和公网时间进行校准；

​ 如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差， 导致集群执行任务时间不同步。

1.需求

​ 找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，生产环境 根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果，采用 1 分钟同步一 次。

在这里插入图片描述

2.时间服务器配置（必须 root 用户）

(1).查看所有节点 ntpd 服务状态和开机自启动状态

[admin@hadoop102 ~]$ sudo systemctl status ntpd
[admin@hadoop102 ~]$ sudo systemctl start ntpd
[admin@hadoop102 ~]$ sudo systemctl is-enabled ntpd

(2).修改 hadoop102 的 ntp.conf 配置文件

[admin@hadoop102 ~]$ sudo vim /etc/ntp.conf

修改内容如下

  • 第一步

    授权 192.168.10.0-192.168.10.255 网段上的所有机器可以从这台机器上查 询和同步时间

#restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap

为

#restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
  • 第二步

集群在局域网中，不使用其他互联网上的时间

server 0.centos.pool.ntp.org iburst
server 1.centos.pool.ntp.org iburst
server 2.centos.pool.ntp.org iburst
server 3.centos.pool.ntp.org iburst

为

#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst
  • 第三步

当该节点丢失网络连接，依然可以采用本地时间作为时间服务器为集群中 的其他节点提供时间同步

server 127.127.1.0
fudge 127.127.1.0 stratum 10

(3).修改 hadoop102 的/etc/sysconfig/ntpd 文件

[admin@hadoop102 ~]$ sudo vim /etc/sysconfig/ntpd

增加内容如下（让硬件时间与系统时间一起同步）

SYNC_HWCLOCK=yes

(4).重新启动 ntpd 服务

[admin@hadoop102 ~]$ sudo systemctl start ntpd

(5).设置 ntpd 服务开机启动

[admin@hadoop102 ~]$ sudo systemctl enable ntpd

3.其他机器配置（必须 root 用户）

(1).关闭所有节点上 ntp 服务和自启动

[admin@hadoop103 ~]$ sudo systemctl stop ntpd
[admin@hadoop103 ~]$ sudo systemctl disable ntpd
[admin@hadoop104 ~]$ sudo systemctl stop ntpd
[admin@hadoop104 ~]$ sudo systemctl disable ntpd

(2).在其他机器配置 1 分钟与时间服务器同步一次

[admin@hadoop103 ~]$ sudo crontab -e

编写定时任务如下：

*/1 * * * * /usr/sbin/ntpdate hadoop102

(3).修改任意机器时间

[admin@hadoop103 ~]$ sudo date -s "2021-9-11 11:11:11"

(4).1 分钟后查看机器是否与时间服务器同步

[admin@hadoop103 ~]$ sudo date

注意：以上操作如果连接有外网可以不做，时间可以自动同步。

四.常见错误及解决方案（自己操作）

1.防火墙没关闭、或者没有启动 YARN

INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032

2.主机名称配置错误

3.IP 地址配置错误

4.ssh 没有配置好

5.root 用户和 admin两个用户启动集群不统一

6.配置文件修改不细心

7.不识别主机名称

java.net.UnknownHostException: hadoop102: hadoop102
 at
java.net.InetAddress.getLocalHost(InetAddress.java:1475)
 at
org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(Job
Submitter.java:146)
 at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290)
 at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287)
 at java.security.AccessController.doPrivileged(Native
Method)
at javax.security.auth.Subject.doAs(Subject.java:415)

解决办法：

(1).在/etc/hosts 文件中添加 192.168.10.102 hadoop102

(2).主机名称不要起 hadoop hadoop000 等特殊名称

8.DataNode 和 NameNode 进程同时只能工作一个

在这里插入图片描述

9.执行命令不生效，粘贴 Word 中命令时，遇到-和长–没区分开。导致命令失效 解决办法：尽量不要粘贴 Word 中代码。

10.jps 发现进程已经没有，但是重新启动集群，提示进程已经开启。 原因是在 Linux 的根目录下/tmp 目录中存在启动的进程临时文件，将集群相关进程删 除掉，再重新启动集群。

11.jps 不生效 原因：全局变量 hadoop java 没有生效。

解决办法：需要 source /etc/profile 文件。

12. 8088 端口连接不上

[admin@hadoop102 桌面]$ cat /etc/hosts

注释掉如下代码

#127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1 hadoop102

enable ntpd


**3.其他机器配置（必须 root 用户）**

**(1).关闭所有节点上 ntp 服务和自启动**

```shell
[admin@hadoop103 ~]$ sudo systemctl stop ntpd
[admin@hadoop103 ~]$ sudo systemctl disable ntpd
[admin@hadoop104 ~]$ sudo systemctl stop ntpd
[admin@hadoop104 ~]$ sudo systemctl disable ntpd

(2).在其他机器配置 1 分钟与时间服务器同步一次

[admin@hadoop103 ~]$ sudo crontab -e

编写定时任务如下：

*/1 * * * * /usr/sbin/ntpdate hadoop102

(3).修改任意机器时间

[admin@hadoop103 ~]$ sudo date -s "2021-9-11 11:11:11"

(4).1 分钟后查看机器是否与时间服务器同步

[admin@hadoop103 ~]$ sudo date

注意：以上操作如果连接有外网可以不做，时间可以自动同步。

XYDrestart
关注
专栏目录
cl.b9x.xyz index.php,BBilling/bb-load.php at master · lahmizzar/BBilling · GitHub
weixin_39607865的博客
03-09 9万+
// BoxBilling - Most affordable billing, client and order management solution//// For the full copyright and license information, please view the LICENSE// file that was distributed with this source c...
那些shellcode免杀总结
mingyqf的博客
03-24 8058
那些shellcode免杀总结 卿i(https://xz.aliyun.com/u/15540) / 2020-02-07 08:57:08 / 浏览数 20471 自己还是想把一些shellcode免杀的技巧通过白话文、傻瓜式的文章把技巧讲清楚。希望更多和我一样web狗也能动手做到免杀的实现。 文中我将shellcode免杀技巧分为 "分离“、”混淆“两个大类，通过不同技巧针对不同检测方式，也就是常听到的特征检测、行
转 ABAP_ALV_Function方式与OO方式(较为简单、普通的ALV)
weixin_30954265的博客
02-26 678
ABAP_ALV_Function方式与OO方式(较为简单、普通的ALV) 分类：SAP ABAP2013-01-31 09:581511人阅读评论(0)收藏举报 目录 一、ALV简介 1、简介 2、ALV_GRID介绍 3、其它描述 二、开发ALV的基本流程 三、ALV相关开发细节 1、标准ALV与对象ALV的共同开发细节 2、标准ALV开发相关细节 ...
Bugku 哥哥的秘密
qq_52907838的博客
08-31 1万+
给了个QQ号，说是空间里藏了东西，进入空间，有两个提示： hint1：解题流程为：收集空间信息--相册--收集微博信息--相册--解题--相册--提交flag hint2：解题部分题目需要下载原图才能看到哦 说明第一步要在空间中找信息，往下看发现了一个类似盲文的东西： 猜测可能是盲文加密，在线网站解密：文本加密为盲文,可自设密码|文本在线加密解密工具 (qqxiuzi.cn) ⠀⡘⠀⡙⠀⡞⠀⡄⣿⠪⡛⣶⡸⠱⠀⠍⡥⣆⡗⠀⡎⢊== 得到下一步提示：hint：密码=时地人，意思是密码是“时间地点...
[07.08]密西绿色精品软件每日更新[西空整理]
知码的世界
07-08 1万+
1、【音频播放】[b] [url=http://www.mxde.com/soft/31716.html]酷我音乐盒2013 for PC v7.3.0.3 官方正式版[/url][/b] 　　2、【浏览器类】[b] [url=http://www.mxde.com/soft/15150.html]苹果浏览器下载Safari v5.1.7 正式安装版[/url][/b] 　　3、【游戏工具】[
大数据课程-Hadoop集群程序设计与开发-1.Hadoop入门_lk_edit.ppt
01-01
【大数据课程-Hadoop集群程序设计与开发-1.Hadoop入门_lk_edit.ppt】课程主要围绕大数据技术中的Hadoop集群程序设计与开发展开，旨在帮助教师进行教学，提供全面的教学资源，包括大纲、教案、实训文档等。...
【IT十八掌徐培成】Hadoop第01天-02.hadoop-bigdata介绍.zip
08-13
《Hadoop第01天-02.hadoop-bigdata介绍》是由知名IT讲师徐培成主讲的一堂关于Hadoop入门的课程，主要针对Hadoop大数据处理技术进行深入浅出的讲解。这堂课以视频的形式（Hadoop第01天-02.hadoop-bigdata介绍.avi）...
1.Hadoop入门进阶课程
03-13
这个“Hadoop入门进阶课程”旨在为初学者提供一个全面了解并深入掌握Hadoop生态系统的机会。Hadoop的核心设计思想是分布式存储和计算，它使得企业能够处理海量的数据，而无需昂贵的专有硬件。 **1. 分布式存储：...
1.Hadoop入门进阶课程_第1周_Hadoop1.X伪分布式安装.pdf
04-03
### Hadoop 1.X 伪分布式安装知识点概览 #### 1. Hadoop 简介 - **定义**: Apache Hadoop 是一个开源框架，它允许开发者通过简单的编程模型来处理大量的数据集，并且能够在集群服务器上进行分布式处理。 - **特点**...
精品课程推荐 大数据与云计算教程课件 优质大数据课程 05.Hadoop入门数据分析实战（共57页）.pptx
12-18
Hadoop入门数据分析实战部分主要涉及MapReduce编程模型，这是Hadoop的核心，用于处理和生成大规模数据集。MapReduce分为两个主要阶段：Map阶段和Reduce阶段。Map阶段，数据被分割成多个小块并分发到各个节点，每个...
http://syy7.com/a/25.php,vue_element/vue_elementui.sql at 3ffdcb477ce3fbbc24cf1a4d7e3481a187023a02 ·...
热门推荐
weixin_34064233的博客
04-13 107万+
INSERT INTO `user_tb` VALUES ('1', '女', 'burtyang', 'C041580E1C6192B6084E03CE76D5C05C', '18', null, 'data:image/jpeg;base64,/9j/4AAQSkZJRgABAQEASABIAAD/2wBDAAwICQoJBwwKCQoNDAwOER0TERAQESMZGxUdKiUsKykl...
海量视频资源【网盘直接取】
3y
11-06 9万+
资源分享资源均来源于网络，在自学/开公众号的时候收集而来。如果侵权请联系我，会第一时间删除。如果链接已失效(我也无办法，很多链接我是没有保存在自已的网盘中的，见谅)。如果...
http://mail.163.com/help/help_spam_16.htm?ip=118.186.207.7&hostid=smtp5&time=1358341921
云计算?
01-16 73万+
0INRMumLsiQwT0xVgvYVmNCBWS7mV8LzSeLOZGHzflL3ziBSx+iej3G1syAeYvPZxqagQ0P7mgdX /qgnEWWuIcv4cTR6ZI5QNmqULAGtRkCtCNsphAD7cLBiV7UpV7yvURpKw6H8jHyDDZc8zP5P8QF9 abbRoeoTcPcDs/Ij0+JSX9fkdkqCvmUFYzy/GBb+hMWJ...
CentOS 6系统FreeSwitch和RTMP服务 安装及演示（四）
oFengXin的博客
03-31 3422
4 增加统计功能 安装libxslt-devel.x86_64 在configure时增加--with-http_xslt_module   方法一, 创建一个简单地xls表格文件nclients.xsl用户提取观看当前频道的用户数量，编辑内容如下： 将其放在一个目录中，如/var/www/html。修改nginx主配置文件nginx.conf，添加内容
kyj552.com ios.html,Homework.ipynb
weixin_28840811的博客
06-26 29万+
{"cells": [{"cell_type": "code","execution_count": 23,"metadata": {"scrolled": true},"outputs": [{"name": "stdout","output_type": "stream","text": ["\n","RangeIndex: 768 entries, 0 to 767\n","Data col...
OA项目之我的会议（会议排座&送审）
qq_63531917的博客
07-26 6810
然后开始写js，首先我们要实现会议排座，那么就要先打开一个会议排座的对话框。然后我们需要绑定该会议所有相关人员这个前端js已经把我们的人员初始化成功了。要用到的会议排座图片工具类Base64ImageUtils.java。然后我们要在打开页面层时给我们的会议id赋值。因为我们会议送审，所以需要添加一个修改语句。我们使用layui中的打开HTML层。这个id传的就是我们选中的会议id。最后调用打开HTML页面层方法。然后看效果，登录看到有个排座。然后我们要判断是否已经排座。首先我们要初始化审批人。...
test
xiaogou56a的专栏
08-07 39万+
[=====[UEsDBAoAAAAAAGd2B0kAAAAAAAAAAAAAAAAJABAAemlwLXRlc3QvVVgMADrapldi 2qZX9QEUAFBLAwQUAAgACABndgdJAAAAAAAAAAAAAAAAEgAQAHppcC10ZXN0Ly5E U19TdG9yZVVYDABi2qZXYtqmV/UBFADtmD1uwkAQhd8YR7JE45Jyr8ANV
近期学习收藏
最新发布
App20134833944的博客
06-19 3万+
<!DOCTYPE NETSCAPE-Bookmark-file-1> <!-- This is an automatically generated file. It will be read and overwritten. DO NOT EDIT! --> <META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=UTF-8"> <TITLE>Bookmarks</
nginx -rtmp多码率，动态码率二级m3u8适应
haoxiangnia111的博客
03-31 4090
视频看这里 此处是youtube的播放链接，需要科学上网。喜欢我的分享，记得订阅我的频道，打开旁边的小铃铛，谢谢支持。 前言 之前的一篇博文 https://xugaoxiang.com/2020/01/19/build-video-server-using-nginx-rtmp/已经简单的介绍了如何利用nginx、nginx-rtmp-module和ffmpeg实现基于rtmp协议的直播。今天这篇继续直播这个话题,聊聊hls的应用。 HLS HLS(Http Live Streaming)是由Apple公
Hadoop入门与实战指南
"Hadoop入门实战手册是一份由北京宽连十方数字技术有限公司技术研究部编写的文档，旨在帮助初学者理解并实践Hadoop基础知识。文档涵盖了Hadoop的介绍、术语、单机部署、集群搭建、架构分析、应用以及系统维护等方面...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

XYDrestart

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值