4hadoopHDFS集群搭建-伪分布式模式

hadoop旧版网址：http://hadoop.apache.org/old/
2.6.5 版本
ssh协议在免密登陆其他机器的时候，不会加载其他机器的环境变量。就是不会加载/etc/profile文件
在免密登陆别的机器时，如果需要环境变量可以先加载环境变量，然后在执行命令。
例如：ssh root@192.168.11.26 ’ source /etc/profile ; echo $PATH’即可

伪分布式模式：单节点，所有的角色NN，DN在一台机器上

完全分布式模式：多节点，NN和DN不在一台机器上

思路：
基础设施
部署配置
初始化运行
命令行使用

实操：
基础设施：操作系统、环境、网络，必须软件
1.设置IP及主机名
设置ip前面教程由 vi /etc/sysconfig/network-scruots/ifcfg-eth0
设置主机名 vi /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=node1

2.关闭防火墙和selinux
service iptables stop
chkconfig iptables off 开机不启动
vi /etc/selinux/config
如下修改；
#SELINUX=enforcing
SELINUX=disabled

3.设置hosts映射
配置hosts
vi /etc/hosts
192.168.111.3 node01

4.时间同步
所有机器的时间要同步
需要安装ntp 命令： yum install ntp -y
vi /etc/ntp.conf

加入这个，这个是阿里互联网的时间同步服务器
机器就会跟这个服务器同步时间
启动命令 service ntpd start
chkconfig ntpd on

5.安装jdk

yum install lrzsz -y 安装rz sz命令
rz上传
sz 下载

yum install wget 安装wget命令

安装jdk命令
rpm -i jdk-8u212-linux-x64.rpm

注意写软件不认JAVAHOME 而是在/usr/java/default找jdk 所以如果用压缩包按转发的话 要注意是否会有这个目录

配置环境变量：
vi /etc/profile
在文件最后两行追加如下：
export JAVA_HOME=/usr/java/default
export PATH=$PATH:$JAVA_HOME/bin

source /etc/profile 让profile文件立即生效

6.设置SSH免密钥
ssh免密验证：ssh localhost
执行这个命令验证是否可以免密登陆 同时生成了/root/.ssh 文件

ssh-keygen 创建公钥秘钥的命令 注意没有空格
-t dsa dsa是加密算法
-P ‘’ 设置空密码（此处不要写密码否则会有问题）（如果弄错了就把生成的id_dsa和id_dsa.pub两个文件删除，重新生成即可）
-f 给出存放公钥秘钥的路径 一般是在/root/.ssh/id_dsa 目录下
ssh-keygen -t dsa -P ‘’ -f /root/.ssh/id_dsa

会生成两个文件 id_dsa是秘钥 id_dsa.pub是公钥

想要免密登陆到别的机器上去的话，将自己的公钥放到别人的/root/.ssh/authorized_keys的目录中
cat id_dsa.pub >> /root/.ssh/authorized_keys

然后用ssh localhost去验证即可。

2.Hadoop应用部署
伪分布式：（单一节点） 就是在一台机器上要有NN SNN DN 就是伪分布式啦。
1.部署路径
2.配置文件
hadoop-env.sh
core-site.xml
hdfs-site.xml
slaves

1.在opt目录下建立大数据的专属目录
下载hadoop2.6.5压缩包
然后上传并且解压。
解压命令：tar xf hadoop-2.6.5.tar.gz
会生成hadoop-2.6.5目录。

规划路径：
mkdir /opt/bigdata
tar xf hadoop-2.6.5.tar.gz 生成hadoop-2.6.5
将此目录移动至bigdata目录下
进入hadoop-2.6.5目录中：bin中放着hadoop自己模块的命令 sbin目录中就是命令对应的可执行文件
配置环境变量：

export HADOOP_HOME=/opt/bigdata/hadoop-2.6.5
export PATH=$PATH:$JAVA_HOME/bin:$HADOO{P}_{H}OME/bin:$HADOOP_HOME/sbin
source /etc/profile

cd $HADOOP_HOME 就会切换到该环境变量对应的目录下
修改hadoop中的etc的hadoop中的配置文件：
vi hadoop-env.sh
原本的值：

这种配置方式在免密登陆的时候，应为不执行source profile命令，所以不会加载环境变量，所以这里就取不到值。
所以要把这里换为java的绝对路径JAVA_HOME=/usr/java/default

然后修改：vi core-site.xml 这个是核心配置 当启动时读取到这个文件就会知道从hdfs:/localhost:9000这个服务器的端口启动NameNode
如果是DataNode读取这个文件，就会知道自己要跟那个机器的那个端口的NameNode通信
如果是客户端读取这个文件，就通过这个机器的这个端的NameNode知道了DataNode的信息
这个文件就是定义NameNode在哪里启动
原本就是空的
现在改为：


fs.defaultFS
hdfs://node01:9000 //记得配置hosts文件

然后修改：
vi hdfs-site.xml
原本为空
现在改为：

dfs.replication 1 //副本数 当前就有一个dataNode 就一个副本

修改slaves文件：文件是空的 改为node01 表示在哪个机器启动dataNode
hdfs-default.xml文件中（这个文件是官网的，也不知道具体在哪个目录）的下面配置
dfs.namenode.name.dir file://$hadoop.tmp.dir/dfs/name引用了core-default.xml文件中的hadoop.tmp.dir/tmp/hadoop-${user.name}配置
发现使用了/tmp目录 这是linux的临时目录，如果满了会自动删除的，尼玛 巨坑啊
所以要将这个隐藏很深的巨无霸处理掉
如何处理：在hdfs_site.xml文件中加入配置：如下：
4yy 复制4行 p粘贴


dfs.replication
1


dfs.namenode.name.dir
/var/bigdata/hadoop/local/dfs/name

<property>
    <name>dfs.datanode.data.dir</name>
    <value>/var/bigdata/hadoop/local/dfs/data</value>
</property>

3.初始化和启动
第一步先要格式化：只格式化namenode
hdfs namenode -format
执行成功后进入到我们配置的目录中，会有current文件夹，进入
/var/bigdata/hadoop/local/dfs/name/current
查看VERSION文件：
namespaceID=1277576943
clusterID=CID-b5bed8b3-e15f-47f4-bd92-8aff5540042e //集群id 假如一个公司有1000台机器，每500台搭建一个hadoop集群这个时候，会有两个集群ID，这个就不会有两个集群就不会有交集，不会错乱。 集群id就是为了防止多个hadoop集群的错乱 错乱是说集群a的datanode去给集群b的nameNode回报信息。
cTime=0
storageType=NAME_NODE
blockpoolID=BP-644009053-192.168.3.23-1611411176532
layoutVersion=-60

格式化的目的就是创建目录以及生成集群id。
格式化一次就好了，不要重复格式化。如果集群id和datanode同步了 再次格式化 会出大问题的。datanode就不会跟namenode通信了

进入：/opt/bigdata/hadoop-2.6.5/sbin目录

vi start-dfs.sh

这个脚本会启动nameNode secondary Namemode datanode. 还有守护进程

看守护进程
vi hadoop-daemons.sh

会执行slaves脚本：
查看这个脚本：

vi slaves.sh

这里就是循环免密登陆所有datanode节点启动datanode的节点，这时候不会加载环境变量，所以datanode节点的java配置必须是绝对路径。

启动hdfs:
在任何目录下执行这个start-dfs.sh都行。
执行后它会读取我们上面修改过的文件
糟糕，没有配置namenode在哪里启动，默认会在当前机器启动：

然后 jps验证

补充secondarynamenode的配置：
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210123225001260.png

dfs.namenode.secondary.http-address
node01:50090

<property>
    <name>dfs.namenode.checkpoint.dir</name>
    <value>/var/bigdata/hadoop/local/dfs/secondary</value>
</property>

stop-dfs.sh
停止hadoop集群，让修改的secnodary的文件生成在我们配置的地方
重启。

start-dfs.sh第一次执行后，datanode和secondary角色会会初始化创建自己的数据目录 并且同步集群id。
然后访问：
http://192.168.3.23:50070/

startup progress 描述的是hadoop启动的时候在安全模式下，使用的那个edits文件以及fsimage文件进行和合并的。
SNN 只需要从NN拷贝最后时点的FSimage和增量的Editlog

utilties 模块可以看hdfs文件系统目前有哪些文件以及数量。

简单使用： hdfs dfs 会出现帮助文档。
hdfs dfs -mkdir /bigdata
这个命令会在hdfs文件系统中的根目录创建bigdata目录

一般会创建这么个目录 创建用户当前的家目录
hdfs dfs -mkdir -p /usr/root 递归创建

hdfs dfs -put jdk-8u212-linux-x64.rpm /usr/root将这个文件推送到hdfs系统中的指定目录上
在上传的过程中会先jdk-8u212-linux-x64.rpm_COPYING使用这个名字占用，当上传完成后，将去掉COPYING.

点击文件名会展示文件有几个块，将每个块的大小以及位置

看看datanode的数据目录：
cd /var/bigdata/hadoop/local/dfs/data/current/BP-644009053-192.168.3.23-1611411176532/current/finalized/subdir0/subdir0/
上传了一个文件,文件大小大于128MB，所以会有两个块。此目录下会有4个文件

验证-----是否线性切割--------：
执行这个命令：遍历100000，每行输出hello hadoop i
for i in seq 100000;do echo “hello hadoop $i” >> data.txt; done
得到data.txt
ls -l -h h表示可读的单位

如果现在以1MB块大小上传这个文件，也会有两个块。

以指定块大小来上传data.txt文件到指定目录.
hdfs dfs -D dfs.blocksize=1048576 -put data.txt /usr/root

所以文件按照字节线性切割。

进入下面目录：
/var/bigdata/hadoop/local/dfs/data/current/BP-644009053-192.168.3.23-1611411176532/current/finalized/subdir0/subdir0

vi blk_1073741827查看刚才上传文件的第一个块的最后一行

我草 文件切坏了。
第二个块：

两个刚好可以拼接上