1.ssh 使用无密登录(在本地创建公钥和私钥)
#每台都这样配置
#hadoop102 ssh hadoop103
图hd公钥???找不到了
ls -al #可以查看隐藏文件,登录过有这个文件
cd /home/atguigu/.ssh
#的known_hosts文件,双方服务器都有这个文件
ssh-keygen -t rsa #三次回车
#id_rsa私钥 id_rsa.pub公钥 ,复制公钥到103
yum -y install openssh-clients ssh
ssh-copy-id hadoop103
#免密登录
ssh hadoop103
exit
#给自己也免密
ssh_copy-id hadoop102
#每个用户都需要重新配置ssh加密
2.集群配置
#在102配置 NameNode SecondaryNameNode不安装在同一台机器 耗内存
ResourceManager不与 NameNode SecondaryNameNode一台机器耗内存图 hd集群规划 #有默认4个配置文件,在学习资料里面在
/opt/module/hadoop-3.3.0/ect/hadoop有
#记得改core.xml的hadoop.tmp.dir 默认是在tmp目录 会1个月定时删除
#配置文件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 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.3.0/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>atguigu</value>
</property>
#hdfs-site.xml
<!-- 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>
#yarn-site.xml
<!-- 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>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>
<!-- 开启日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
#mapred-site.xml
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>
3.配置workers 配置集群
vi /opt/module/hadoop-3.3.0/etc/hadoop/workers
#删掉localhost,不允许空格
hadoop102
hadoop103
hadoop104
#分发
/home/atguigu/bin/xsync /opt/module/hadoop-3.3.0/etc/hadoop/workers
4.第一次需要初始化,多了data和logs文件夹
#!!! 切换用户也要重新生成ssh免密
hdfs namenode -format
#发生错误 Unable to write in /opt/module/hadoop-3.3.1/logs. Aborting.
sudo chmod 777 /opt/module/hadoop-3.3.0/logs
#启动集群的命令 sbin目录,!!! 不删除文件,他就不保存配置信息....
/opt/module/hadoop-3.3.0/sbin/start-dfs.sh
jps #查看每台机器有nameNode和 dataNode
#在hadoop102:9870可以访问页面
#去103启动resourceManager
sbin/start-yarn.sh
jps
#yarn也有页面 hadoop103:8088
#102 放文件进去,开始都是空的 utilities -->browse directory
hadoop fs -mkdir /wcinput
#往文件夹放文件 放入jdk !!!!岂不是不用腾讯云存储了
hadoop fs -put wcinput/word.txt /wcinput
#数据存储在 data/dfs/data/?/current文件夹
cat blk >> tmp.tar.gz #解压后发现是一个jdk
#每个节点都有备份
#使用之前的例子,!!!路径必须是hdfs集群的路径
#看yarn的页面看进度,yarn是处理数据的
#查看不了文件win的域名没有配置,他是按域名打开文件的,到C:\Windows\System32\drivers\etc\hosts文件
192.168.10.100 hadoop100
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108
hadoop jar /opt/module/hadoop-3.3.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.jar wordcount /wcinput /wcoutput
5.集群奔溃
#kill -9 掉DataNode
#删掉data数据,删103的data(Manager)
#格式化数据
sbin/stop-dfs.sh
#格式恢复格式,可以启动
#到data 的 vision文件发现namespaceId变化了
#发现打不开页面,
1.停止namenode进程
2.删除每个集群的data和logs文件夹
3.format
hdfs namenode -format
6.点hadoop页面的history无法跳转
#102配置历史服务器 mapred-site.xml增加
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>
#分发
xsync mapred-site.xml
#重启yarn
sbin/start-yarn.sh
#启动
mapred --daemon start historyserver
7.开启日志聚集功能,点history–>logs不能跳转 ,就是把多台服务器的日志汇总一起
#保存时间
vim yarn-site.xml
<!-- 开启日志聚集功能(日志收集到一台服务器,因为多台服务器会产生日志) -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
#xsync yarn-size.xml
sbin/stop-yarn.sh
#重启任意jps的hadoop访问
mapred --demon stop historyserve
start-yarn.sh
mapred --daemon start historyserver
jps #查看是否启动
8.启动集群或者单独启动
#集群使用sh脚本
#单独使用
hdfs --demon start/stop namenode/
#启动停止的yarn
yarn --daemon resourcemanager/nodemanger
#常用的脚本,因为启动hdfs yarn和历史服务器比较麻烦
#放到 bin目录 赋权限
---------myhadoop.sh启动和关闭hadoop集群的脚本-----
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.3.0/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.3.0/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.3.0/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.3.0/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.3.0/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.3.0/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
myhadoop.sh start
myhadoop.sh stop
#写查看所有服务器的jps的脚本
------查看jpsall查看所有节点服务-----
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
#分发到所有服务器
9.面试题
hadoop3.x
hdfs nameNode 内部端口 8020/9000/9820
对外开发端口 9870
yarn 查看任务运行情况端口: 8088
历史服务器 :19888
hadoop2.x
hdfs nameNode 内部端口 8020/9000
对外开发端口 50070
yarn 查看任务运行情况端口: 8088
历史服务器 :19888
10.常用配置文件
3.x core-site.xml hdfs-site.xml yarn-site.xml
mapred-site.xml workers
2.x core-site.xml hdfs-site.xml yarn-site.xml
mapred-site.xml slaves
11.集群时间同步(时间不同,导致任务执行时间不同)(使用晶振时间同步比较准确,就是自己的时间)(用root用户)
生产环境: 能连外网,不需要同步
不能连接,需要时间同步,挑选一个服务器作为标准
#必须使用root
yum -y install ntp
systemctl status ntpd
systemctl start ntpd
systemctl is-enabled ntpd
systemctl status ntpd
#102配置时间服务 vim /etc/ntp.conf
restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
#把server 0.centos几个注释 不连接外网时间同步
#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
#添加,丢失服务仍然可以用本地时间
server 127.127.1.0
fudge 127.127.1.0 stratum 10
#vim /etc/sysconfig/ntpd 让硬件时间和系统时间同步(晶振,比较准确)
SYNC_HWCLOCK=yes
#重启服务
sudo systemctl start ntpd
sudo systemctl enable ntpd
#设置102为没有外网的103(现在使用的机器) 104同步 linux的定时任务
sudo crontab -e
*/1 * * * * /usr/sbin/ntpdate hadoop102
#上面的corn表达式是表示103 104 1分钟和102同步
#修改103时间,参数是否更改
#!!!记得关闭防火墙,关闭nptd服务,!!!必须其他机器时间小于要同步的机器才能看出效果
#修改机器的时间
sudo date -s "2021-9-11 11:11:11"
#
12.常见错误
1.ip主机名ssh没有配置,
2.root和atguigu直接切换
3.配置文件
4.datanode和namenode不能同时使用(datanode宕机了,新启动了另外一个)
5.删除/tmp
6.jps不生效 hadoop java没有生效 需要
source /etc/profile
7.删除不生效 core-size.xml 配置账户atguigu可以访问
8.block size是允许一块最大的空间
-------HDFS----------
13.hdfs产生(hadoop distributed file sys)是个文件系统
磁盘也有ntfs
#分布式,一次写入多次读出(写入后不能修改,只能追加)
优点
1.高容错性,一个丢失可以自动恢复
2.可以处理大数据 可处理pb级别, 百万文件
3.廉价机器上
缺点
1.不适合低延时的数据访问(毫秒级像mysql做不到)
2.无法高效存储小文件 内存有限,寻址时间超过读取时间
3.不支持并发写入 不支持多线程同时写,只能追加append
14.结构
1.nameNode 就是master 管理hdfs命名空间 副本策略 数据块映射信息 处理客户端读写请求
2.datanode slave(实际存储数据,数据读写操作)
如图2hdarch
3.secondary nameNode 秘书,帮助恢复数据,不是namenode的备份 辅助处理文件
4.client 将文件切分128m 2.x和3.x./64m 1.x 与datanode交互规定是否能对文件增删改查
15.文件块大小
#可以改 在 dhfs-default.xml 的dfs.blocksize
#大厂使用256m(买更好的固体硬盘) 小厂128m(固态100m/s),寻址时间为传输时间的1%为最佳
传输时间 10ms/0.01=1000ms=1s 10ms为寻址时间
#不要太大或太小
16.hdfs的shell操作
#常用 cat chgrp chmod chown ls mkdir cp df du get getmerge help
hadoop fs -mkdir /sanguo
#上传 从本地移动(本地消失)
hadoop fs -moveFromLocal ./shuguo.txt /sanguo
#本地复制到hdfs
hadoop fs -copyFromLocal ./shuguo.txt /sanguo
#!!!put比copyFromLocal更简洁
hadoop fs -put ./shuguo.txt /sanguo
#文本添加到文本后面
hadoop fs -appendToFile liubei.txt /sanguo.txt
#常用!!!下载文件!!!必须在有namenode那台机器
hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt
#查看文件
hadoop fs -ls /
hadoop fs -ls /sanguo
#查看文件内容
hadoop fs -cat /sanguo/shuguo.txt
#在!!!内部操作复制
hadoop fs -cp /sanguo/sanguo.txt /shuguo
#内部移动
hadoop fs -mv /shuguo.txt /sanguo
#查看文件尾
hadoop fs -tail /sanguo/sg1.txt
#递归删除,深呼吸3秒
hadoop fs -rm -r /shuguo
#统计文件大小信息 !!用得比较多
hadoop fs -du -h /shuguo #详细大小
hadoop fs -du -h -s /shuguo #统计所有大小的和
#!!!
第一列表示该目录下总文件大小
第二列表示该目录下所有文件在集群上的总存储大小
与你的副本数相关,我的副本数是3 ,
所以第二列的是第一列的三倍 (第二列内容=文件大小*副本数)
第三列表示你查询的目录
#设置副本数量,备份10份,方便以后服务器增加,自动复制
#界面也可以显示
hadoop fs -setrep 10 /shuguo/shuguo.txt