0、本章学习目录大纲 - 完全分布式
初学耗时:2h
注:CSDN手机端暂不支持章节内链跳转,但外链可用,更好体验还请上电脑端。
一、完全分布式服务规划
1.1 服务规划图。
1.2 准备工作。
1.3 解压编译后的Hadoop。
1.4 安装包目录结构。
二、配置第一台机器
2.1 修改core-site.xml。
2.2 修改hdfs-site.xml。
2.3 修改yarn-site.xml。
2.4 修改mapred-site.xml。
2.5 修改slaves。
2.6 修改hadoop-env .sh。
三、分发安装包
3.1 分发第一台机器的安装包。
3.2 所有机器创建目录。
3.3 修改第二台yarn为rm2,注释第1台yarn的rm1。
四、全部启动
4.1 启动3台zk。
4.2 HDFS - 第1台需执行的命令。
4.3 HDFS - 第2台需执行的命令。
4.4 YARN - 第3台需执行的命令。
4.5 YARN - 第2台需执行的命令。
4.6 RresourceManager - 第3台需执行的命令。
4.7 访问RM历史任务浏览界面。
五、验证HDFS的高可用
5.1 登录第一台机器网页。
5.2 登录第二台机器网页。
5.3 Kill第一台进程,再次访问两台机器网页。
六、验证YARN的高可用
6.1 登录第三台机器网页。
6.2 登录第二台机器网页。
6.3 kill第三台进程,访问两台机器网页。
七、一键脚本启动与停止
7.1 starthadoop .sh。
7.2 stophadoop .sh。
- 1、B02系列全套网盘资源:
B02系列全套网盘资源
提取码:v0ne
一、完全分布式服务规划
1.1 ~ 完全分布式服务规划图。
1.2 ~ 准备工作。
如果之前有装过伪分布式的话,需要停止之前的hadoop集群服务,并删除所有机器的hadoop安装包,重新解压hadoop压缩包。
1.3 ~ 上传并解压编译后的Hadoop。
cd /export/softwares
tar -zxvf hadoop-2.6.0-cdh5.14.0.tar.gz -C ../servers/
1.4 ~ 安装包目录结构。
1.4.1 . bin。
- Hadoop 最基本的管理脚本和使用脚本的目录,这些脚本是 sbin 目录下管理脚本的基础实现,用户可以直接使用这些脚本管理和使用 Hadoop。
1.4.2 . etc。
- Hadoop 配置文件所在的目录,包括 core-site,xml、hdfs-site.xml、mapred-site.xml 等从 Hadoop1.0 继承而来的配置文件和 yarn-site.xml 等Hadoop2.0 新增的配置文件。
1.4.3 . include。
- 对外提供的编程库头文件(具体动态库和静态库在 lib 目录中),这些头文件均是用 C++定义的,通常用于 C++程序访问 HDFS 或者编写 MapReduce程序。
1.4.4 . lib。
- 该目录包含了 Hadoop 对外提供的编程动态库和静态库,与 include 目录中的头文件结合使用。
1.4.5 . libexec。
- 各个服务对用的 shell 配置文件所在的目录,可用于配置日志输出、启动参数(比如 JVM 参数)等基本信息。
1.4.6 . sbin。
- Hadoop 管理脚本所在的目录,主要包含 HDFS 和 YARN 中各类服务的启动/关闭脚本。
1.4.7 . share。
- Hadoop 各个模块编译后的 jar 包所在的目录。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
二、配置第一台机器
2.1 ~ 修改core-site.xml。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
vim core-site.xml
<configuration>
<!-- 1 , 指定NameNode的HA高可用的zk地址 -->
<property>
<name>ha.zookeeper.quorum</name>
<value>zrk691101:2181,zrk691102:2181,zrk691103:2181</value>
</property>
<!-- 2 , nameNode 节点的 ip , 端口 , 指定HDFS访问的域名地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://zrk</value>
</property>
<!-- 3 , 缓存目录 , 临时文件存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/export/datas/hadoop/temp</value>
</property>
<!-- 开启 hdfs 的垃圾桶机制,删除掉的数据可以从垃圾桶中回收,单位分钟,10080 就是 7 天 -->
<property>
<name>fs.trash.interval</name>
<value>10080</value>
</property>
<!-- 元数据合并时间:默认一小时一次,单位-秒( 60s * 10 = 3600s = 1h ) -->
<property>
<name>fs.checkpoint.period</name>
<value>3600</value>
</property>
<!-- 元数据合并大小,默认 64M 一次,单位-b( 1024b*1024*64=67108864 = 64M ) -->
<property>
<name>fs.trash.interval</name>
<value>67108864</value>
</property>
<!-- 缓冲区大小,实际工作中根据服务器性能动态调整 M -->
<property>
<name>io.file.buffer.size</name>
<value>4096</value>
</property>
</configuration>
2.2 ~ 修改hdfs-site.xml。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
vim hdfs-site.xml
<configuration>
<!-- 集群动态上下线 ( 白名单,文件写的是主机列表,允许访问,如果不写,就都可以访问 ),( 白名单,文件写的是主机列表 ),我们暂且不用这个配置
<property>
<name>dfs.hosts</name>
<value>/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/accept_host</value>
</property>
<property>
<name>dfs.hosts.exclude</name>
<value>/export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop/deny_host</value>
</property>
-->
<!-- 1 , 指定命名空间 -->
<property>
<name>dfs.nameservices</name>
<value>zrk</value>
</property>
<!-- 2 , 指定该命名空间下的两个机器作为我们的NameNode -->
<property>
<name>dfs.ha.namenodes.zrk</name>
<value>nn1,nn2</value>
</property>
<!-- 3 , 第一台,客户端访问HDFS的地址 -->
<property>
<name>dfs.namenode.rpc-address.zrk.nn1</name>
<value>zrk691101:8020</value>
</property>
<!-- 4 , 第二台,客户端访问HDFS的地址 -->
<property>
<name>dfs.namenode.rpc-address.zrk.nn2</name>
<value>zrk691102:8020</value>
</property>
<!-- 5 , 第一台,两个namenode之间的通信地址 -->
<property>
<name>dfs.namenode.servicerpc-address.zrk.nn1</name>
<value>zrk691101:8022</value>
</property>
<!-- 6 , 第二台,两个namenode之间的通信地址 -->
<property>
<name>dfs.namenode.servicerpc-address.zrk.nn2</name>
<value>zrk691102:8022</value>
</property>
<!-- 7 , 第一台,web端访问地址 -->
<property>
<name>dfs.namenode.http-address.zrk.nn1</name>
<value>zrk691101:50070</value>
</property>
<!-- 8 , 第二台,web端访问地址 -->
<property>
<name>dfs.namenode.http-address.zrk.nn2</name>
<value>zrk691102:50070</value>
</property>
<!-- 9 , journalNode的访问地址,注意这个地址一定要配置 -->
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://zrk691101:8485;zrk691102:8485;zrk691103:8485/zrk1</value>
</property>
<!-- 指定故障自动恢复使用的哪个java类 -->
<property>
<name>dfs.client.failover.proxy.provider.zrk</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<!-- 故障转移使用的哪种通信机制 -->
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence</value>
</property>
<!-- 10 , 指定通信使用的公钥 -->
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
<!-- 11 , journalNode数据存放地址 -->
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/export/datas/hadoop/dfs/jn</value>
</property>
<!-- 启用自动故障恢复功能 -->
<property>
<name>dfs.ha.automatic-failover.enabled</name>
<value>true</value>
</property>
<!-- 12 , namenode产生的文件存放路径 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///export/datas/hadoop/dfs/nn/name</value>
</property>
<!-- 13 , edits产生的事务文件存放路径 -->
<property>
<name>dfs.namenode.edits.dir</name>
<value>file:///export/datas/hadoop/dfs/nn/edits</value>
</property>
<!-- 14 , dataNode文件存放路径 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///export/datas/hadoop/dfs/dn</value>
</property>
<!-- 15 , 关闭hdfs的文件权限,实际生产环境一定要给打开 -->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
<!-- 指定block文件块的大小 -->
<property>
<name>dfs.blocksize</name>
<value>134217728</value>
</property>
</configuration>
2.3 ~ 修改yarn-site.xml。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
vim yarn-site.xml
<configuration>
<!-- Site specific YARN configuration properties -->
<!-- 是否启用日志聚合.应用程序完成后,日志汇总收集每个容器的日志,这些日志移动到文件系统,例如HDFS. -->
<!-- 用户可以通过配置"yarn.nodemanager.remote-app-log-dir"、"yarn.nodemanager.remote-app-log-dir-suffix"来确定日志移动到的位置 -->
<!-- 用户可以通过应用程序时间服务器访问日志 -->
<!-- 1 , 启用日志聚合功能,应用程序完成后,收集各个节点的日志到一起便于查看 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 2 , 开启resource manager HA,默认为false-->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!-- 3 , 集群的Id,使用该值确保RM不会作为其它集群的active -->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>zrkcluster</value>
</property>
<!-- 4 , 配置resource manager 命名-->
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<!-- 5 , 配置第三台机器的resourceManager -->
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>zrk691103</value>
</property>
<!-- 6 , 配置第二台机器的resourceManager -->
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>zrk691102</value>
</property>
<!-- 7 , 配置第三台机器的resourceManager通信地址 -->
<property>
<name>yarn.resourcemanager.address.rm1</name>
<value>zrk691103:8032</value>
</property>
<!-- 8 , 任务调度的通信地址 -->
<property>
<name>yarn.resourcemanager.scheduler.address.rm1</name>
<value>zrk691103:8030</value>
</property>
<!-- 9 , 任务执行进度追踪的通信地址 -->
<property>
<name>yarn.resourcemanager.resource-tracker.address.rm1</name>
<value>zrk691103:8031</value>
</property>
<!-- 10 , resourcemanager管理通信的内部地址 -->
<property>
<name>yarn.resourcemanager.admin.address.rm1</name>
<value>zrk691103:8033</value>
</property>
<!-- 11, resourcemanager界面查看的一个地址 -->
<property>
<name>yarn.resourcemanager.webapp.address.rm1</name>
<value>zrk691103:8088</value>
</property>
<!-- 12 , 配置第二台机器的resourceManager通信地址,以下全要配 -->
<property>
<name>yarn.resourcemanager.address.rm2</name>
<value>zrk691102:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address.rm2</name>
<value>nzrk691102:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address.rm2</name>
<value>zrk691102:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address.rm2</name>
<value>zrk691102:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address.rm2</name>
<value>zrk691102:8088</value>
</property>
<!--开启resourcemanager自动恢复功能-->
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property>
<!-- 13 , 在node3上配置rm1,在node2上配置rm2,注意:一般都喜欢把配置好的文件远程复制到其它机器上,但这个在YARN的另一个机器上一定要修改,其他机器上不配置此项-->
<!-- <property>
<name>yarn.resourcemanager.ha.id</name>
<value>rm1</value>
<description>If we want to launch more than one RM in single node, we need this configuration</description>
</property>
-->
<!-- 14 , 用于持久存储的类。尝试开启 -->
<property>
<name>yarn.resourcemanager.store.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>zrk691101:2181,zrk691102:2181,zrk691103:2181</value>
<description>For multiple zk services, separate them with comma</description>
</property>
<!-- 开启resourcemanager故障自动切换,指定机器 -->
<property>
<name>yarn.resourcemanager.ha.automatic-failover.enabled</name>
<value>true</value>
<description>Enable automatic failover; By default, it is enabled only when HA is enabled. </description>
</property>
<property>
<name>yarn.resourcemanager.ha.automatic-failover.embedded</name>
<value>true</value>
</property>
<property>
<name>yarn.client.failover-proxy-provider</name>
<value>org.apache.hadoop.yarn.client.ConfiguredRMFailoverProxyProvider</value>
</property>
<!-- 以下内容全部根据实际工作当中来调整即可 -->
<!-- 15 , 允许分配给一个任务最大的CPU核数,默认是8 -->
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>4</value>
</property>
<!-- 16 , 每个节点可用内存,单位MB -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>512</value>
</property>
<!-- 17 , 单个任务可申请最少内存,默认1024MB -->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<!-- 18 , 单个任务可申请最大内存,默认8192MB -->
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>512</value>
</property>
<!-- 19 , 多长时间聚合删除一次日志 此处-->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>2592000</value><!--30 day-->
</property>
<!-- 20 , 时间在几秒钟内保留用户日志。只适用于如果日志聚合是禁用的-->
<property>
<name>yarn.nodemanager.log.retain-seconds</name>
<value>604800</value><!--7 day-->
</property>
<!-- 21 , 指定文件压缩类型用于压缩汇总日志-->
<property>
<name>yarn.nodemanager.log-aggregation.compression-type</name>
<value>gz</value>
</property>
<!-- 22 , nodemanager本地文件存储目录-->
<property>
<name>yarn.nodemanager.local-dirs</name>
<value>/export/datas/hadoop/yarn/local</value>
</property>
<!-- 23 , resourceManager 保存最大的任务完成个数 -->
<property>
<name>yarn.resourcemanager.max-completed-applications</name>
<value>1000</value>
</property>
<!-- 24 , 逗号隔开的服务列表,列表名称应该只包含a-zA-Z0-9_,不能以数字开始-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 25 , rm失联后重新链接的时间-->
<property>
<name>yarn.resourcemanager.connect.retry-interval.ms</name>
<value>2000</value>
</property>
</configuration>
2.4 ~ 修改mapred-site.xml。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
cp mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<configuration>
<!-- 指定运行mapreduce的环境是yarn -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 1 , MapReduce JobHistory Server IPC host:port -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>zrk691103:10020</value>
</property>
<!-- 2 , MapReduce JobHistory Server Web UI host:port -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>zrk691103:19888</value>
</property>
<!-- 3, The directory where MapReduce stores control files.默认 ${hadoop.tmp.dir}/mapred/system -->
<property>
<name>mapreduce.jobtracker.system.dir</name>
<value>/export/datas/hadoop/system/jobtracker</value>
</property>
<!-- 4 , The amount of memory to request from the scheduler for each map task. 默认 1024-->
<property>
<name>mapreduce.map.memory.mb</name>
<value>1024</value>
</property>
<!-- <property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx1024m</value>
</property> -->
<!-- 5 , The amount of memory to request from the scheduler for each reduce task. 默认 1024-->
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>1024</value>
</property>
<!-- <property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx2048m</value>
</property> -->
<!-- 6 , 用于存储文件的缓存内存的总数量,以兆字节为单位。默认情况下,分配给每个合并流1MB,给个合并流应该寻求最小化。默认值100-->
<property>
<name>mapreduce.task.io.sort.mb</name>
<value>100</value>
</property>
<!-- <property>
<name>mapreduce.jobtracker.handler.count</name>
<value>25</value>
</property>-->
<!-- 7 , 整理文件时用于合并的流的数量。这决定了打开的文件句柄的数量。默认值10-->
<property>
<name>mapreduce.task.io.sort.factor</name>
<value>10</value>
</property>
<!-- 8 , 默认的并行传输量由reduce在copy(shuffle)阶段。默认值5-->
<property>
<name>mapreduce.reduce.shuffle.parallelcopies</name>
<value>25</value>
</property>
<property>
<name>yarn.app.mapreduce.am.command-opts</name>
<value>-Xmx1024m</value>
</property>
<!-- 9 , MR AppMaster所需的内存总量。默认值1536-->
<property>
<name>yarn.app.mapreduce.am.resource.mb</name>
<value>1536</value>
</property>
<!-- 10 , MapReduce存储中间数据文件的本地目录。目录不存在则被忽略。默认值${hadoop.tmp.dir}/mapred/local-->
<property>
<name>mapreduce.cluster.local.dir</name>
<value>/export/datas/hadoop/system/local</value>
</property>
</configuration>
2.5 ~ 修改slaves。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
vim slaves # 注意,要把localhost删除。
zrk691101
zrk691102
zrk691103
2.6 ~ 修改hadoop-env.sh。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
echo $JAVA_HOME # 打印Java环境变量路径并复制
vim hadoop-env.sh
export JAVA_HOME=/export/servers/jdk1.8.0_192
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
三、分发安装包
3.1 ~ 分发第一台机器的安装包。
cd /export/servers
scp -r /export/servers/hadoop-2.6.0-cdh5.14.0 zrk691102:/export/servers
scp -r /export/servers/hadoop-2.6.0-cdh5.14.0 zrk691103:/export/servers
3.2 ~ 所有机器创建目录。
mkdir -p /export/datas/hadoop/temp
mkdir -p /export/datas/hadoop/dfs/jn
mkdir -p /export/datas/hadoop/dfs/nn/name
mkdir -p /export/datas/hadoop/dfs/nn/edits
mkdir -p /export/datas/hadoop/dfs/dn
mkdir -p /export/datas/hadoop/yarn/local
mkdir -p /export/datas/hadoop/system/jobtracker
mkdir -p /export/datas/hadoop/system/local
3.3 ~ 修改第二台yarn为rm2,注释第1台yarn的rm1。
cd /export/servers/hadoop-2.6.0-cdh5.14.0/etc/hadoop
vim yarn-site.xml
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
四、全部启动
4.1 ~ 启动3台zk。
4.2 ~ HDFS - 第1台需执行的命令。
cd /export/servers/hadoop-2.6.0-cdh5.14.0
bin/hdfs zkfc -formatZK # 1、格式化zk
sbin/hadoop-daemons.sh start journalnode # 2、JournalNode,需要jps验证
bin/hdfs namenode -format # 3、第一次,格式化
bin/hdfs namenode -initializeSharedEdits -force # 4、第一次,初始化元数据共享信息
sbin/start-dfs.sh # 5、不要急,一定要等执行结果zkfc出来!
jps # 检测其他机器是否启动进程
bin/hdfs namenode -help # 查找记不住的名称
4.3 ~ HDFS - 第2台需执行的命令。
cd /export/servers/hadoop-2.6.0-cdh5.14.0
bin/hdfs namenode -bootstrapStandby
sbin/hadoop-daemon.sh start namenode # 单独启动namenode进程
4.4 ~ YARN - 第3台需执行的命令。
/export/servers/hadoop-2.6.0-cdh5.14.0/sbin/start-yarn.sh
# 日志查看(可选)
cd logs
tail -200f yarn-root-resourcemanager-zrk691103.hadoop.com.log
4.5 ~ YARN - 第2台需执行的命令。
/export/servers/hadoop-2.6.0-cdh5.14.0/sbin/start-yarn.sh
4.6 ~ RresourceManager - 第3台需执行的命令。
/export/servers/hadoop-2.6.0-cdh5.14.0/sbin/mr-jobhistory-daemon.sh start historyserver
4.7 ~ 访问RM历史任务浏览界面。
http://zrk691103:19888/jobhistory
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
五、验证HDFS的高可用
5.1 ~ 登录第一台机器网页 - active。
# 需要在Windows上配置域名,后面就不再解释啦。
http://zrk691101:50070/dfshealth.html#tab-overview
如何配置windows域名?
…
1、进入路径:C:\Windows\System32\drivers\etc
2、修改HOSTS
3、末尾添加:192.168.1.101 zrk691101
5.2 ~ 登录第二台机器网页 - standby。
http://zrk691102:50070/dfshealth.html#tab-overview
5.3 ~ Kill第一台进程,再次访问两台机器网页。
# 1.查看进程
jps
# 2.杀死进程ID
kill -9 进程代号(一般4~5位)
结果:第一台无法访问,第二台从standby变为active。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
六、验证YARN的高可用
6.1 ~ 登录第三台机器网页。
http://zrk691103:8088/cluster
6.2 ~ 登录第二台机器网页。
http://zrk691102:8088/cluster
注:由于yarn的内部机制问题,这里只能访问active的网页,无法访问standby的网页。
6.3 ~ 在第二或第三台查看ResourceManager状态。
/export/servers/hadoop-2.6.0-cdh5.14.0/bin/yarn rmadmin -getServiceState rm1
/export/servers/hadoop-2.6.0-cdh5.14.0/bin/yarn rmadmin -getServiceState rm2
6.4 ~ kill第三台进程,访问两台机器网页。
这里是本章唯一的bug:不知道为什么kill第三台的active后,无法实现自动切换到第二台,有可能是配置上疏忽了哪一点,有待小伙伴们的发现或自身的觉悟到位后,再来补全,抱歉啦,虽然这里有小小的瑕疵,但整体问题不大。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
七、一键脚本启动与停止
7.1 ~ starthadoop.sh
mkdir -p /export/onekey/hadoop
vim /export/onekey/hadoop/starthadoop.sh
#!/bin/sh
sh ${HADOOP_HOME}/sbin/start-dfs.sh
echo " 『zrk691101:50070 - hdfs』 "
echo " 『sbin/start-dfs.sh』 "
echo
ssh zrk691103 "source /etc/profile;nohup sh ${HADOOP_HOME}/sbin/start-yarn.sh start >/dev/null 2>&1 &"
echo " 『zrk691103:8088 - yarn』 "
echo " 『sbin/start-yarn.sh』 "
echo
ssh zrk691103 "source /etc/profile;nohup sh ${HADOOP_HOME}/sbin/mr-jobhistory-daemon.sh start historyserver >/dev/null 2>&1 &"
echo " 『zrk691104:19888 - historyserver』 "
echo " 『sbin/mr-jobhistory-daemon.sh start historyserver』 "
echo
7.2 ~ stophadoop.sh
vim /export/onekey/hadoop/stophadoop.sh
cd /export/onekey/hadoop/
chmod +x starthadoop.sh stophadoop.sh
vim /etc/profile
export HADOOP_HOME=/export/servers/hadoop-2.6.0-cdh5.14.0
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
source /etc/profile
#!/bin/sh
ssh zrk691103 "source /etc/profile;nohup sh ${HADOOP_HOME}/sbin/mr-jobhistory-daemon.sh stop historyserver >/dev/null 2>&1 &"
echo " 『zrk691104:19888 - historyserver』 "
echo " 『sbin/mr-jobhistory-daemon.sh stop historyserver』 "
echo
ssh zrk691103 "source /etc/profile;nohup sh ${HADOOP_HOME}/sbin/stop-yarn.sh stop >/dev/null 2>&1 &"
echo " 『zrk691103:8088 - yarn』 "
echo " 『sbin/stop-yarn.sh』 "
echo
cd /export/servers/hadoop-2.6.0-cdh5.14.0
sbin/stop-dfs.sh
echo " 『zrk691101:50070 - hdfs』 "
echo " 『sbin/stop-dfs.sh』 "
echo
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
^ 至此,Hadoop的完全分布式完成。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
※ 世间诱惑何其多,坚定始终不动摇。
东风夜放花千树,更吹落、星如雨。
宝马雕车香满路。
凤箫声动,玉壶光转,一夜鱼龙舞。
…
蛾儿雪柳黄金缕,笑语盈盈暗香去。
众里寻他千百度。
蓦然回首,那人却在,灯火阑珊处。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
后续Ⅰ:B02系列 - 基于CDH5.14.0 - CentOS6.9,部署大数据环境及部分编译。
- - - - - - - - - - - - - - - - - - - - - - - - - - - -
注:CSDN手机端暂不支持章节内链跳转,但外链可用,更好体验还请上电脑端。
我知道我的不足,我也知道你的挑剔,但我就是我,不一样的烟火,谢谢你的指指点点,造就了我的点点滴滴:)!