完全分布式运行模式
1)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
编写分发脚本
(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
p
d
i
r
/
pdir/
pdir/fname
u
s
e
r
@
h
a
d
o
o
p
user@hadoop
user@hadoophost:
p
d
i
r
/
pdir/
pdir/fname
命令 递归 要拷贝的文件路径/名称 目的用户@主机:目的路径/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atguigu:atguigu
(a)在hadoop102上,将hadoop102中/opt/module目录下的软件拷贝到hadoop103上。
[atguigu@hadoop102 /]$ scp -r /opt/module atguigu@hadoop103:/opt/module
(b)在hadoop104上,将hadoop102服务器上的/opt/module目录下的软件拷贝到hadoop104上。
[atguigu@hadoop104 opt]$ scp -r atguigu@hadoop102:/opt/module /opt/module
(c)在hadoop103上操作将hadoop102中/opt/software目录下的软件拷贝到hadoop104上。
[atguigu@hadoop103 opt]$ scp -r atguigu@hadoop102:/opt/software
atguigu@hadoop104:/opt/software
2)rsync 远程同步工具
(1)rsync定义
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。
(2)基本语法
rsync -av
p
d
i
r
/
pdir/
pdir/fname
u
s
e
r
@
h
a
d
o
o
p
user@hadoop
user@hadoophost:
p
d
i
r
/
pdir/
pdir/fname
命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称
选项参数说明
选项 功能
-a 归档拷贝
-v 显示复制过程
3)案例实操
(a)把hadoop102机器上的/opt/software目录同步到hadoop103服务器的/opt/software目录下
[atguigu@hadoop102 opt]$ rsync -av /opt/software/ atguigu@hadoop103:/atguigu /software
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)期望脚本:基于rsync技术将文件从一个节点同步到其他所有节点
xsync 要同步的文件名称
(3)脚本实现
在/home/atguigu目录下创建bin目录,并在bin目录下创建xsync文件
说明:在/home/atguigu/bin这个目录下存放的脚本,atguigu用户可以在系统任何
地方直接执行。因为/home/atguigu/bin在系统的PATH环境变量中。
[atguigu@hadoop101 ~] pwd
/home/atguigu
[atguigu@hadoop101 ~] mkdir bin
[atguigu@hadoop101 ~] cd bin
[atguigu@hadoop101 bin] touch xsync
[atguigu@hadoop101 bin] vim xsync
#!/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
chmod +x xsync
(c)测试脚本
xsync /home/atguigu/xsync
集群配置
核心配置文件
(a)配置core-site.xml
cd $HADOOP_HOME/etc/hadoop
vim core-site.xml
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
</property>
<!-- 指定hadoop数据的存储目录
官方配置文件中的配置项是hadoop.tmp.dir ,用来指定hadoop数据的存储目录,此次配置用的hadoop.data.dir是自己定义的变量, 因为在hdfs-site.xml中会使用此配置的值来具体指定namenode 和 datanode存储数据的目录
-->
<property>
<name>hadoop.data.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<!-- 下面是兼容性配置,先跳过 -->
<!-- 配置该atguigu(superUser)允许通过代理访问的主机节点 -->
<property>
<name>hadoop.proxyuser.atguigu.hosts</name>
<value>*</value>
</property>
<!-- 配置该atguigu(superuser)允许代理的用户所属组 -->
<property>
<name>hadoop.proxyuser.atguigu.groups</name>
<value>*</value>
</property>
<!-- 配置该atguigu(superuser)允许代理的用户-->
<property>
<name>hadoop.proxyuser.atguigu.users</name>
<value>*</value>
</property>
(3)HDFS配置文件
(a)配置hdfs-site.xml
vim hdfs-site.xml
<!-- 指定副本数 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 指定NameNode数据的存储目录 -->
<property>
<name>dfs.namenode.name.dir</name>
<value>file://${hadoop.data.dir}/name</value>
</property>
<!-- 指定Datanode数据的存储目录 -->
<property>
<name>dfs.datanode.data.dir</name>
<value>file://${hadoop.data.dir}/data</value>
</property>
<!-- 指定SecondaryNameNode数据的存储目录 -->
<property>
<name>dfs.namenode.checkpoint.dir</name>
<value>file://${hadoop.data.dir}/namesecondary</value>
</property>
<!-- 兼容配置,先跳过 -->
<property>
<name>dfs.client.datanode-restart.timeout</name>
<value>30s</value>
</property>
<!-- 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>
(4)YARN配置文件
(a)配置yarn-site.xml
vim yarn-site.xml
<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>
<!-- 取消虚拟内存的限制 -->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
(5)MapReduce配置文件
配置mapred-site.xml
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
4)在集群上分发配置好的hadoop
xsync /opt/module/hadoop-3.1.3
集群单点启动
1)如果集群是第一次启动,需要格式化NameNode
hdfs namenode -format
2)在hadoop102上启动NameNode
hdfs --daemon start namenode
3)完成后执行jps命令,看到如下结果(进程号可能不同):
3461 NameNode
4)在hadoop102、hadoop103以及hadoop104上执行如下命令(三台都要执行)启动datanode
hdfs --daemon start datanode
5)在hadoop104上启动secondarynamenode
hdfs --daemon start secondarynamenode
6)在hadoop103上启动ResourceManager
yarn --daemon start resourcemanager
7)在hadoop102、hadoop103以及hadoop104上执行如下命令(三台都要执行)启动nodemanager
yarn --daemon start nodemanager
格式化需要注意的问题
思考:为什么不能一直格式化NameNode,格式化NameNode,要注意什么?
[atguigu@hadoop101 hadoop-3.1.3]$ cd data/tmp/dfs/name/current/
[atguigu@hadoop101 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837
[atguigu@hadoop101 hadoop-3.1.3]$ cd data/tmp/dfs/data/current/
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837
注意:格式化NameNode,会产生新的集群id,导致DataNode中记录的的集群id和刚生
成的NameNode的集群id不 一致,DataNode找不到NameNode。
所以,格式NameNode时,一定要先删除每个节点的data目录和logs日志,然
后再格式化NameNode。
SSH无密登录配置
1)ssh
(1)基本语法
ssh 另一台电脑的ip地址或者主机名
(2)ssh连接时出现Host key verification failed
ssh hadoop103
出现:
The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.
RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?
解决方案:直接输入yes然后回车即可
3)配置免密
(1)分别在hadoop102 hadoop103 hadoop104生成公钥和私钥:
ssh-keygen -t rsa
然后敲(三个回车),就会在 ~/.ssh目录下生成两个文件
id_rsa(私钥)、id_rsa.pub(公钥)
(2)分别在hadoop102 hadoop103 hadoop104执行,将公钥拷贝到要免密登录的目标机器上
ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104
(3)注意:
如果还想实现其他用户的免密登录,还需要在每台节点上采用其他账号,完成免密的配
置。
4)~/.ssh目录下的文件功能解释
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
群起集群
1)配置workers文件
(1)编辑workers文件加入如下内容
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。
(2)同步workers文件到其他节点
xsync workers
(1)如果集群是第一次启动,需要在hadoop102节点格式化NameNode
(注意格式化之前,一定要先停止上次启动的所有namenode和datanode进程,然后
再删除data和log数据)
hdfs namenode -format
(2)启动HDFS
start-dfs.sh
(3)在配置了ResourceManager的节点(hadoop103)启动YARN
start-yarn.sh
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
(注意格式化之前,一定要先停止上次启动的所有namenode和datanode进程,然后
再删除data和log数据)
hdfs namenode -format
(2)启动HDFS
start-dfs.sh
(3)在配置了ResourceManager的节点(hadoop103)启动YARN
start-yarn.sh
3)集群基本测试
(1)上传文件到集群
(a)上传小文件
hadoop fs -mkdir -p /user/atguigu/input
hadoop fs -put $HADOOP_HOME/wcinput/wc.input /user/atguigu/input
(b)上传大文件
hadoop fs -put /opt/software/hadoop-3.1.3.tar.gz /
(2)上传文件后查看文件存放在什么位置
(a)查看HDFS文件存储路径
[atguigu@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
注意: BP-938951106-192.168.10.107-1495462844069每位同学的可能不一样。
(b)查看HDFS在磁盘存储文件内容
[atguigu@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
atguigu
atguigu
注意:blk_1073741825的可能不一样。
(3)下载
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs -get
/hadoop-3.1.3.tar.gz ./
(4)执行wordcount程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /user/atguigu/input /user/atguigu/output
为实现一键启动关闭集群
vim starthadoop.sh
#!/bin/bash
ssh hadoop102 start-dfs.sh
ssh hadoop103 start-yarn.sh
vim stophadoop.sh
#!/bin/bash
ssh hadoop102 stop-dfs.sh
ssh hadoop103 stop-yarn.sh