前期准备:
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
1.编写集群分发脚本 xsync
需求:循环复制文件到所有节点的相同目录下
(1)在/home/username/bin 目录下创建 xsync 文件
cd /home/atguigu
mkdir bin
cd bin
vim xsync
在该文件中编写如下代码:
if [ $pcount -lt 1 ]
then
echo Not Enough Arguement!
exit;
fi
#2. 遍历集群所有机器
for host in hadoop2 hadoop3 hadoop4
do
echo ==================== $host ====================
#3. 递归遍历所有目录
for file in $@
do
#4 判断文件是否存在
if [ -e $file ]
then
#5. 获取全路径
pdir=$(cd -P $(dirname $file); pwd)
echo pdir=$pdir
#6. 获取当前文件的名称
fname=$(basename $file)
echo fname=$fname
#7. 通过ssh执行命令:在$host主机上递归创建文件夹(如果存在该文件夹)
ssh $host "source /etc/profile;mkdir -p $pdir"
#8. 远程同步文件至$host主机的$USER用户的$pdir文件夹下
rsync -av $pdir/$fname $USER@$host:$pdir
else
echo $file Does Not Exists!
fi
done
done
(2)修改脚本 xsync 具有执行权限
chmod +x xsync
(3)测试脚本
xsync /home/username/bin
(4)将脚本复制到/bin 中,以便全局调用
sudo cp xsync /bin/
(5)同步环境变量配置(root 所有者)
sudo ./bin/xsync /etc/profile.d/my_env.sh
(6)去别的节点source一下让环境变量生效
source /etc/profile
2免密登陆设置
免密登陆教程
集群配置
1.集群部署规划
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。
我的部署规划:
hadoop2:
HDFS-----NameNode、DateNode
YARN-----NodeManager
hadoop3:
HDFS-----DateNode
YARN----- ResourceManager、NodeManager
hadoop4:
HDFS-----SecondaryNameNode、DateNode
YARN-----NodeManager
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:
(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
(1)核心配置文件
配置 core-site.xml
vim $HADOOP_HOME/etc/hadoop/core-site.xml
<?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://hadoop2:8020</value> </property>
<!-- 指定 hadoop 数据的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/username/module/hadoop-3.1.3/data</value>
</property>
<!-- 配置 HDFS 网页登录使用的静态用户为 atguigu -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>username</value>
</property>
</configuration>
(2)HDFS 配置文件
配置 hdfs-site.xml
vim $HADOOP_HOME/etc/hadoop/hdfs-site.xml
<?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>hadoop2:9870</value>
</property>
<!-- 2nn web 端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>
(3)YARN 配置文件
配置 yarn-site.xml
vim $HADOOP_HOME/etc/hadoop/yarn-site.xml
<?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>hadoop3</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_CO NF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAP RED_HOME</value>
</property>
</configuration>
(4)MapReduce 配置文件
配置 mapred-site.xml
vim $HADOOP_HOME/etc/hadoop/mapred-site.xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定 MapReduce 程序运行在 Yarn 上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
4.在集群上分发配置好的 Hadoop 配置文件
xsync /username/module/hadoop- 3.1.3/etc/hadoop/
群起集群
1.配置workers
vim /username/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中增加如下内容:
hadoop2
hadoop3
hadoop4
注意:该文件中添加的内容结尾不允许有空格,文件中不允许有空行。
同步所有节点配置文件
xsync /username/module/hadoop-3.1.3/etc
2.启动集群
(1)如果集群是第一次启动,需要在 hadoop2 节点格式化 NameNode(注意:格式化NameNode,会产生新的集群 id,导致 NameNode 和 DataNode 的集群 id 不一致,集群找不到已往数据。如果集群在运行过程中报错,需要重新格式化 NameNode 的话,一定要先停止NameNode和DateNode进程,并且要删除所有机器的data和logs目录,然后再进行格式化。)
[username@hadoop2 hadoop-3.1.3]$ hdfs namenode -format
(2)启动 HDFS
[username@hadoop2 hadoop-3.1.3]$ sbin/start-dfs.sh
(3)在配置了ResourceManager 的节点(hadoop3)启动 YARN
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(4)Web 端查看 HDFS 的 NameNode
(a)浏览器中输入:http://hadoop2:9870
(b)查看 HDFS 上存储的数据信息
(5)Web 端查看 YARN 的 ResourceManager
(a)浏览器中输入:http://hadoop3:8088
(b)查看 YARN 上运行的 Job 信息
注意:此处如需使用虚拟机名称登陆的话,需要在本地添加host,在上一章说过了,如果没有配置过,则需要将hadoopx换成其IP地址
3.集群基本测试
[username@hadoop2 ~]$ hadoop fs -mkdir/input
[username@hadoop2 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
(word文件自己创建一下 随便写点东西,后续用作wordcount测试数据)
4.执行 wordcount 程序
[username@hadoop2 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output