文章目录
Hadoop运行模式包括:本地模式、伪分布式模式和完全分布式模式。
Hadoop官方网站:http://hadoop.apache.org/
一、本地运行模式
1.在hadoop-3.1.3文件下面创建一个testinput文件夹
mkdir testinput
2.在testinput文件夹下面创建一个test.input文件
vim test.input
并添加如下内容
hadoop yarn
hadoop mapreduce
atao
atao
3.回到Hadoop目录/opt/module/hadoop-3.1.3
4.执行程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount testinput testout
5.查看结果
cat testout/part-r-00000
看到如下结果:
atao 2
hadoop 2
mapreduce 1
yarn 1
二、完全分布式运行模式
1.编写集群分发脚本
1)scp(secure copy)安全拷贝
(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 $pdir/$fname $user@hadoop$host:$pdir/$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
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 $pdir/$fname $user@hadoop$host:$pdir/$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)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)需求分析:
(a)rsync命令原始拷贝:
rsync -av /opt/module root@vagrant2:/opt/
(b)期望脚本:
xsync 脚本名称
比如:
xsync /etc/profile
说明:在/home/atao/bin这个目录下存放的脚本,atao用户可以在系统任何地方直接执行
(3)脚本实现
(a)在/home/atao目录下创建xsync文件
cd /home/atao
vim xsync
添加内容如下
#!/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 vagrant1 vagrant2 vagrant3
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)将脚本移动到/bin中,以便全局调用
mv xsync /bin/
(d)测试脚本
xsync /bin/xsync
2.SSH免密登录配置
1)免密登录原理
2)生成公钥和私钥
ssh-keygen -t rsa
一直往下敲回车就行
3)将公钥拷贝到需要免密登录的机器上
ssh-copy-id vagrant1
ssh-copy-id vagrant2
ssh-copy-id vagrant3
PS:还需要在vagrant2和vagrant3上配置,把atao账户也配置一遍
4)生成的.ssh(~/.ssh)目录结构
文件名 | 功能 |
---|---|
id_rsa | 生成的私钥 |
id_rsa.pub | 生成的公钥 |
known_hosts | 记录ssh访问过计算机的公钥(public key) |
authorized_keys | 存放授权过的无密登录服务器公钥 |
3.集群配置
1)集群部署规划
vagrant1 | vagrant2 | vagrant3 | |
---|---|---|---|
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
PS:消耗内存的不要安装在同一台服务器
a.NameNode和SecondaryNameNode不要配置在同一台服务器
b.ResourceManager不要和NameNode、SecondaryNameNode配置在同一台机器上
2)配置集群
需要配置的文件如下:
核心配置文件:core-site.xml
HDFS配置文件:hdfs-site.xml
YARN配置文件:yarn-site.xml
MapReduce配置文件:mapred-site.xml
集群配置文件:workers
(1)核心配置文件:core-site.xml
cd $HADOOP_HOME/etc/hadoop
vim core-site.xml
添加内容如下:
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://vagrant1:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<property>
<name>hadoop.proxyuser.atao.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.atao.groups</name>
<value>*</value>
</property>
<property>
<name>hadoop.http.staticuser.user</name>
<value>atao</value>
</property>
</configuration>
(2)HDFS配置文件:hdfs-site.xml
cd $HADOOP_HOME/etc/hadoop
vim hdfs-site.xml
添加内容如下:
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>vagrant3:9868</value>
</property>
</configuration>
(3)YARN配置文件:yarn-site.xml
cd $HADOOP_HOME/etc/hadoop
vim yarn-site.xml
添加内容如下:
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>vagrant2</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.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>
(4)MapReduce配置文件:mapred-site.xml
cd $HADOOP_HOME/etc/hadoop
vim mapred-site.xml
添加内容如下:
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
(5)集群配置文件:workers
cd $HADOOP_HOME/etc/hadoop
vim workers
添加内容如下:
vagrant1
vagrant2
vagrant3
(6)在集群上同步配置好的Hadoop配置文件
xsync /etc/profile.d/my_env.sh
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
(7)查看同步的文件情况
在vagrant2或者vagrant3上随便查看一个节点的文件
[atao@vagrant2 ~]# cat /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml
4.集群启动
1)格式化NameNode(如果是第一次启动)
hdfs namenode -format
PS:如果集群是第一次启动,需要再vagrant1节点格式化NameNode。
如果不是第一次启动需要格式化的话,一定要停止上次启动的所有NameNode和DataNode进程,然后再删除data和logs数据。
如果出现如下表示格式化成功:
2)启动HDFS
sbin/start-dfs.sh
3)在配置了ResourceManager的节点(vagrant2)启动YARN
sbin/start-yarn.sh
4)查看进程
[atao@vagrant1 hadoop-3.1.3]# jps
8450 NameNode
9205 Jps
8584 DataNode
9099 NodeManager
[atao@vagrant2 hadoop-3.1.3]# jps
6486 DataNode
7382 ResourceManager
7513 NodeManager
7868 Jps
[atao@vagrant3 hadoop-3.1.3]# jps
6662 DataNode
7015 NodeManager
6764 SecondaryNameNode
7133 Jps
5)在web端查看
5.集群基本测试
(1)上传文件到集群
小文件:
hadoop fs -mkdir -p /user/atao/input
hadoop fs -put /opt/module/hadoop-3.1.3/testinput/test.input /user/atao/input
大文件:
hadoop fs -put /opt/software/hadoop-3.1.3.tar.gz /
(2)查看文件位置
(3)执行wordcount程序
[atao@vagrant1 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /user/atao/input /user/atao/output
6.集群启动/停止方式总结
1)各个服务组件逐一启动/停止
1.分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode
2.启动/停止YARN
yarn --daemon start/stop resourcemanager/nodemanager
2)各个模块分开启动/停止
PS:这个一定要配置SSH免密登录,一般常用
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
总结
本章主要是对hadoop的两种运行的搭建,本地运行模式和完全分布式模式,需要注意一点的就是在上面的操作中都用的atao这个用户,在下一节中会讲述怎么配置历史服务器,日志的聚集,集群时间同步等。