Hadoop_入门笔记2（hadoop运行模式，两道面试题（常用端口号，常用配置文件））

一、hadoop运行模式

• Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式
  

1、本地运行模式（官方wordcount）

（1）创建在hadoop-3.1.3文件下面创建一个wcinput文件夹
[itwwy@hadoop102 hadoop-3.1.3]$ mkdir wcinput

（2）在wcinput文件下创建一个word.txt文件
[itwwy@hadoop102 hadoop-3.1.3]$ cd wcinput

（3）编辑word.txt文件
[itwwy@hadoop102 wcinput]$ vim word.txt
在文件中输入如下内容
hadoop yarn
hadoop mapreduce
itwwy
itwwy
保存退出：：wq

（4）回到Hadoop目录/opt/module/hadoop-3.1.3

（5）执行程序
[itwwy@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

（6）查看结果
[itwwy@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000
看到如下结果：
itwwy 2
hadoop 2
mapreduce 1
yarn 1

2、完全分布式运行模式（开发重点）

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

（1）虚拟机准备

见前面的笔记

（2）编写集群分发脚本

（2.1）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

（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itwwy:itwwy
sudo chown itwwy:itwwy -R /opt/module
（a）在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。
[itwwy@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 itwwy@hadoop103:/opt/module
（b）在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。
[itwwy@hadoop103 ~]$ scp -r itwwy@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/
（c）在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。
[itwwy@hadoop103 opt]$ scp -r itwwy@hadoop102:/opt/module/* itwwy@hadoop104:/opt/module

（2.2）rsync远程同步工具

• 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。

（1）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

（2）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
[itwwy@hadoop102 opt]$ rsync -av /opt/software/* itwwy@hadoop103:/opt/software

（2.3）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@hadoop103:/opt/
（b）期望脚本：
xsync要同步的文件名称
（c）说明：在/home/itwwy/bin这个目录下存放的脚本，itwwy用户可以在系统任何地方直接执行。

（3）脚本实现
（a）在/home/itwwy/bin目录下创建xsync文件
[itwwy@hadoop102 opt]$ cd /home/itwwy
[itwwy@hadoop102 ~]$ mkdir bin
[itwwy@hadoop102 ~]$ cd bin
[itwwy@hadoop102 bin]$ vim xsync
在该文件中编写如下代码

#!/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
[itwwy@hadoop102 bin]$ chmod +x xsync
（c）将脚本复制到/bin中，以便全局调用
[itwwy@hadoop102 bin]$ sudo cp xsync /bin/
（d）测试脚本
[itwwy@hadoop102 ~]$ xsync /home/itwwy/bin
[itwwy@hadoop102 bin]$ sudo xsync /bin/xsync

（3） SSH无密登录配置

（1）配置ssh
（1）基本语法
ssh另一台电脑的ip地址

（2）ssh连接时出现Host key verification failed的解决方法
[itwwy@hadoop102 ~]$ 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🇩🇪d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?

（3）解决方案如下：直接输入yes

（2）无密钥配置
（1）免密登录原理

（2）生成公钥和私钥：
[itwwy@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）将公钥拷贝到要免密登录的目标机器上
[itwwy@hadoop102 .ssh]$ ssh-copy-id hadoop102
[itwwy@hadoop102 .ssh]$ ssh-copy-id hadoop103
[itwwy@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：
还需要在hadoop103上采用itwwy账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop104上采用itwwy账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

（3）.ssh文件夹下（~/.ssh）的文件功能解释

（4）集群配置

（4.1）集群部署规划

• 注意：NameNode和SecondaryNameNode不要安装在同一台服务器
• 注意：ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
  

（4.2）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）常用端口号说明

（4.3）配置集群

（1）核心配置文件

配置core-site.xml
[lyh@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[lyh@hadoop102 hadoop]$ vim core-site.xml

文件内容如下：
（2）HDFS配置文件

配置hdfs-site.xml
[lyh@hadoop102 hadoop]$ vim hdfs-site.xml

文件内容如下：
（3）YARN配置文件

配置yarn-site.xml
[lyh@hadoop102 hadoop]$ vim yarn-site.xml

文件内容如下：

（4）MapReduce配置文件

配置mapred-site.xml
[lyh@hadoop102 hadoop]$ vim mapred-site.xml

文件内容如下：

（4.4）在集群上分发配置好的Hadoop配置文件

[lyh@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

（4.5）去hadoop103和hadoop104上查看文件分发情况

[lyh@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[lyh@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

（5）群起集群

（1）配置workers
[lyh@hadoop102 hadoop]$ 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。
同步所有节点配置文件
[lyh@hadoop102 hadoop]$ xsync /opt/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hadoop102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datanode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。）
[lyh@hadoop102 ~]$ hdfs namenode -format
（2）启动HDFS
[lyh@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
（3）在配置了ResourceManager的节点（hadoop103）启动YARN
[lyh@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://hadoop102:9870
（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://hadoop103:8088
（b）查看YARN上运行的Job信息

（3）集群基本测试
（1）上传文件到集群

	上传小文件
[lyh@hadoop102 ~]$ hadoop fs -mkdir /input
[lyh@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
	上传大文件
[lyh@hadoop102 ~]$ hadoop fs -put  /opt/software/jdk-8u212-linux-x64.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

[lyh@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0

（b）查看HDFS在磁盘存储文件内容

[lyh@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce 
lyh
lyh

（3）拼接

-rw-rw-r--. 1 lyh lyh 134217728 5月  23 16:01 blk_1073741836
-rw-rw-r--. 1 lyh lyh   1048583 5月  23 16:01 blk_1073741836_1012.meta
-rw-rw-r--. 1 lyh lyh  63439959 5月  23 16:01 blk_1073741837
-rw-rw-r--. 1 lyh lyh    495635 5月  23 16:01 blk_1073741837_1013.meta
[lyh@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz
[lyh@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz
[lyh@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

（4）下载

[lyh@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

（5）执行wordcount程序

[lyh@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

（6）配置历史服务器

• 为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：

（1）配置mapred-site.xml

[lyh@hadoop102 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置：

（2）分发配置

[lyh@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

（3）在hadoop102启动历史服务器

[lyh@hadoop102 hadoop]$ mapred --daemon start historyserver

（4）查看历史服务器是否启动

[lyh@hadoop102 hadoop]$ jps

（5）查看JobHistory
http://hadoop102:19888/jobhistory

（7）配置日志的聚集

• 日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。
  

• 日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

• 注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

• 开启日志聚集功能具体步骤如下：

（1）配置yarn-site.xml

[lyh@hadoop102 hadoop]$ vim yarn-site.xml

在该文件里面增加如下配置：

（2）分发配置

[lyh@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

（3）关闭NodeManager 、ResourceManager和HistoryServer

[lyh@hadoop103 ~]$ stop-yarn.sh
[lyh@hadoop102 ~]$ mapred --daemon stop historyserver

（4）启动NodeManager 、ResourceManage和HistoryServer

[lyh@hadoop103 ~]$ start-yarn.sh
[lyh@hadoop102 ~]$ mapred --daemon start historyserver

（5）删除HDFS上已经存在的输出文件

[lyh@hadoop102 ~]$ hadoop fs -rm -r /output

（6）执行WordCount程序

[lyh@hadoop102 ~]$ hadoop jar  $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

（7）查看日志
http://hadoop102:19888/jobhistory

（8）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（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

（9）编写hadoop集群常用脚本

（9.1）查看三台服务器java进程脚本：jpsall

[lyh@hadoop102 ~]$ cd /home/lyh/bin
[lyh@hadoop102 ~]$ vim jpsall

然后输入：

保存后退出，然后赋予脚本执行权限

[lyh@hadoop102 bin]$ chmod +x jpsall

（9.2）hadoop集群启停脚本（包含hdfs，yarn，historyserver）：myhadoop.sh

[lyh@hadoop102 ~]$ cd /home/lyh/bin
[lyh@hadoop102 ~]$ vim myhadoop.sh

然后输入：

#!/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-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

保存后退出，然后赋予脚本执行权限

[lyh@hadoop102 bin]$ chmod +x myhadoop.sh

（9.3）分发/home/lyh/bin目录，保证自定义脚本在三台机器上都可以使用

[lyh@hadoop102 ~]$ xsync /home/lyh/bin/

（10）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：

1、时间服务器配置（必须root用户）
（1）查看所有节点ntpd服务状态和开机自启动状态
[lyh@hadoop102 ~]$ sudo systemctl status ntpd
[lyh@hadoop102 ~]$ sudo systemctl start ntpd
[lyh@hadoop102 ~]$ sudo systemctl is-enabled ntpd
（2）修改hadoop102的ntp.conf配置文件(要将hadoop102作为时间服务器)
[lyh@hadoop102 ~]$ sudo vim /etc/ntp.conf
修改内容如下：
（a）修改1（授权192.168.10.0-192.168.10.255网段上的所有机器可以从这台机器上查询和同步时间）
#restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
为restrict 192.168.10.0 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）修改hadoop102的/etc/sysconfig/ntpd 文件
[lyh@hadoop102 ~]$ sudo 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
（4）重新启动ntpd服务
[lyh@hadoop102 ~]$ sudo systemctl start ntpd
（5）设置ntpd服务开机启动
[lyh@hadoop102 ~]$ sudo systemctl enable ntpd

2、其他机器配置（必须root用户）
关闭所有节点上ntp服务和自启动
[lyh@hadoop103 ~]$ sudo systemctl stop ntpd
[lyh@hadoop103 ~]$ sudo systemctl disable ntpd
[lyh@hadoop104 ~]$ sudo systemctl stop ntpd
[lyh@hadoop104 ~]$ sudo systemctl disable ntpd

（1）在其他机器配置1分钟与时间服务器同步一次
[lyh@hadoop103 ~]$ sudo crontab -e
编写定时任务如下：

*/1 * * * * /usr/sbin/ntpdate hadoop102

（2）修改任意机器时间
[lyh@hadoop103 ~]$ sudo date -s “2017-9-11 11:11:11”
（3）一分钟后查看机器是否与时间服务器同步
[lyh@hadoop103 ~]$ sudo date

二、两道面试题（常用端口号，常用配置文件）