安装Hadoop
1. 解压完配制环境变量(安装)
vim /etc/profile
SHIFT +G(来到末尾)
添加
##JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_05
export PATH=
P
A
T
H
:
PATH:
PATH:JAVA_HOME/bin
source /etc/profile
1.2 hadoop目录结构
drwxr-xr-x. 2 master master 4096 Jul 18 2018 bin
drwxr-xr-x. 3 master master 4096 Jul 18 2018 etc
drwxr-xr-x. 2 master master 4096 Jul 18 2018 include
drwxr-xr-x. 3 master master 4096 Jul 18 2018 lib
drwxr-xr-x. 2 master master 4096 Jul 18 2018 libexec
-rw-r--r--. 1 master master 86424 Jul 18 2018 LICENSE.txt
-rw-r--r--. 1 master master 14978 Jul 18 2018 NOTICE.txt
-rw-r--r--. 1 master master 1366 Jul 18 2018 README.txt
drwxr-xr-x. 2 master master sbin
drwxr-xr-x. 4 master master share
重要目录
(1)bin目录:存放对Hadoop相关服务(HDFS,YARN)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
2. 伪分布式搭建
2.1核心配置文件
2.1.1 core-site.xml
vim hadoop/etc/hadoop/core-site.xml
<configuration>
<!--指定hdfs NameNode 的地址-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
<!--指定hadoop运行时产生的文件储存目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.7/data/tmp</value>
</property>
</configuration>
2.1.2 hadoop-env.sh
vim hadoop/etc/hadoop/hadoop-env.sh(修改JAVA_HOME)
获取JAVA_HOME
[root@hadoop101 hadoop]# echo $JAVA_HOME
/opt/module/jdk1.8.0_05
# The java implementation to use.
export JAVA_HOME=/opt/module/jdk1.8.0_05(修改的内容)
2.1.3 hdfs-site.xml
vim hadoop/etc/hadoop/hdfs-site.xml
<configuration>
<!-- 指定hdfs 指定副本数-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
启动集群
(a)**格式化****NameNode**(第一次启动时格式化,以后就不要总格式化)
[root@hadoop101 hadoop-2.7.2]$ bin/hdfs namenode -format
2.1.4 NameNode,DataNode启动命令
(b)启动NameNode
[root@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode
(c)启动DataNode
[root@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
2.2 yarn配置
2.2.1配置yarn-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
2.2.2配置yarn-site.xml
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop101</value>
</property>
2.2.3配置:mapred-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
2.2.4配置: (对mapred-site.xml.template重新命名为) mapred-site.xml
[root@hadoop101 hadoop]$ mv mapred-site.xml.template mapred-site.xml
[root@hadoop101 hadoop]$ vi mapred-site.xml
<!-- 指定MR运行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
启动集群
启动前必须保证NameNode和DataNode已经启动
Resource(Node)Manager启动命令
启动ResourceManager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
启动NodeManager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
YARN的浏览器页面查看,如图2-35所示
http://hadoop101:8088/cluster
番外
配置历史服务器
- 配置mapred-site.xml
[root@hadoop101 hadoop]$ vi 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>hadoop101:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop101:19888</value>
</property>
- 启动历史服务器
[root@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
- 查看历史服务器是否启动
[root@hadoop101 hadoop-2.7.2]$ jps
- 查看JobHistory
http://hadoop101:19888/jobhistory
historyserver启动命令
sbin/mr-jobhistory-daemon.sh start historyserver
配置日志的聚集
- 配置yarn-site.xml
在该文件里面增加如下配置。
<!-- 日志聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
- 关闭NodeManager 、ResourceManager和HistoryManager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[root@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver
- 启动NodeManager 、ResourceManager和HistoryManager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[root@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
[root@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
查看日志
http://hadoop101:19888/jobhistory
HistoryManager启动命令
sbin/mr-jobhistory-daemon.sh start historyserver
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-2.7.2.jar/ core-default.xml |
[hdfs-default.xml] | hadoop-hdfs-2.7.2.jar/ hdfs-default.xml |
[yarn-default.xml] | hadoop-yarn-common-2.7.2.jar/ yarn-default.xml |
[mapred-default.xml] | hadoop-mapreduce-client-core-2.7.2.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$HADOOP_HOME/etc/hadoop这个路径上,用户可以根据项目需求重新进行修改配置。
3.真分布搭建
3.1集群部署规划
hadoop102 | hadoop103 | hadoop104 | |
---|---|---|---|
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
3.2 SSH无密登录配置
3.2.1 生成公钥和私钥:
[root@hadoop102 .ssh]$ 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)
3.2.2 将公钥拷贝到要免密登录的目标机器上
[root@hadoop102 .ssh]$ ssh-copy-id hadoop102
[root@hadoop102 .ssh]$ ssh-copy-id hadoop103
[root@hadoop102 .ssh]$ ssh-copy-id hadoop104
hadoop103上有namenode
还需要在hadoop102上采用root账号,配置一下无密登录到hadoop102、hadoop103、hadoop104;
hadoop103上有resourcemanager
还需要在hadoop103上采用master账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
3.2.3ssh文件夹下(~/.ssh)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 | 存放授权过得无密登录服务器公钥 |
3.3配置集群
3.3.1 核心配置文件
配置core-site.xml
[root@hadoop102 hadoop]$ vi core-site.xml
在该文件中编写如下配置
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
3.3.2 HDFS配置文件
配置hadoop-env.sh
[root@hadoop102 hadoop]$ vi hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置hdfs-site.xml
[root@hadoop102 hadoop]$ vi hdfs-site.xml
在该文件中编写如下配置
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:50090</value>
</property>
3.3.3 YARN配置文件
配置yarn-env.sh
[root@hadoop102 hadoop]$ vi yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置yarn-site.xml
[root@hadoop102 hadoop]$ vi yarn-site.xml
在该文件中增加如下配置
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop103</value>
</property>
<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>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
3.3.4 MapReduce配置文件
配置mapred-env.sh
[root@hadoop102 hadoop]$ vi mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置mapred-site.xml
[root@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml
[root@hadoop102 hadoop]$ vi mapred-site.xml
在该文件中增加如下配置
<!-- 指定MR运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
3.在集群上分发配置好的Hadoop配置文件
[root@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/
4.查看文件分发情况
[root@hadoop103 hadoop]$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
5.如果集群是第一次启动,需要格式化NameNode
hdfs namenode -format
3.3.5workers配置
在$HADOOP_HOME/etc/hadoop/workers中添加datanode节点
3.4 集群启动/停止方式总结
- 各个服务组件逐一启动/停止
(1)分别启动/停止HDFS组件
hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
(2)启动/停止YARN
yarn-daemon.sh start / stop resourcemanager / nodemanager
\2. 各个模块分开启动/停止(配置ssh是前提)常用
(1)整体启动/停止HDFS
start-dfs.sh / stop-dfs.sh
(2)整体启动/停止YARN
start-yarn.sh / stop-yarn.sh
3.5 集群时间同步
时间同步的方式: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,比如,每隔十分钟,同步一次时间。
配置时间同步具体实操:
3.5.1时间服务器配置(必须root用户)
(1)检查ntp是否安装
[**root**@hadoop102 桌面]# rpm -qa|grep ntp
ntp-4.2.6p5-10.el6.centos.x86_64
fontpackages-filesystem-1.41-1.1.el6.noarch
ntpdate-4.2.6p5-10.el6.centos.x86_64
(2)修改ntp配置文件
[**root**@hadoop102 桌面]# vi /etc/ntp.conf
修改内容如下
a)修改1(授权192.168.1.0-192.168.1.255网段上的所有机器可以从这台机器上查询和同步时间)
**#**restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap为
restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
b)修改2(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
c)添加3(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
3.5.2 修改/etc/sysconfig/ntpd 文件
[**root**@hadoop102 桌面]# 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
3.5.3 重新启动ntpd服务
[**root**@hadoop102 桌面]# service ntpd status
ntpd 已停
[**root**@hadoop102 桌面]# service ntpd start
正在启动 ntpd: [确定]
3.5.4 设置ntpd服务开机启动
[**root**@hadoop102 桌面]# chkconfig ntpd on
3.5.5 其他机器配置(必须root用户)
(1)在其他机器配置10分钟与时间服务器同步一次
[**root**@hadoop103桌面]# crontab -e
编写定时任务如下:
*/10 * * * * /usr/sbin/ntpdate hadoop102
3.6 设置黑白名单
白名单
添加到白名单的主机节点,都允许访问NameNode,不在白名单的主机节点,都会被退出。
在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建whitelist文件添加内容(一般与workers相同)
在NameNode的hdfs-site.xml配置文件中增加dfs.hosts属性
<property>
<name>dfs.hosts</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/whitelist</value>
</property>
黑名单
在黑名单上面的主机都会被强制退出。(退役节点)
在NameNode的/opt/module/hadoop-3.1.3/etc/hadoop目录下创建bracklist文件
在NameNode的hdfs-site.xml配置文件中增加dfs.hosts.exclude属性
<property>
<name>dfs.hosts.exclude</name>
<value>/opt/module/hadoop-3.1.3/etc/hadoop/dfs.hosts.exclude</value>
</property>
分发配置文件
[root@hadoop102 hadoop]$ xsync hdfs-site.xml
重启集群
刷新NameNode
[root@hadoop102 hadoop-3.1.3]$ hdfs dfsadmin -refreshNodes
更新ResourceManager节点
[root@hadoop102 hadoop-3.1.3]$ yarn rmadmin -refreshNodes
17/06/24 14:17:11 INFO client.RMProxy: Connecting to ResourceManager at hadoop103/192.168.1.103:8033
如果数据不均衡,可以用命令实现集群的再平衡
[root@hadoop102 sbin]$ ./start-balancer.sh
starting balancer, logging to /opt/module/hadoop-3.1.3/logs/hadoop-atguigu-balancer-hadoop102.out
Time Stamp Iteration# Bytes Already Moved Bytes Left To Move Bytes Being Moved