Hadoop3.1.3部署汇总

爱敲代码的無以菱

已于 2024-09-05 08:58:33 修改

阅读量783

点赞数 4

分类专栏：大数据文章标签：大数据

于 2024-09-05 08:52:10 首次发布

本文链接：https://blog.csdn.net/weixin_64623018/article/details/141914320

版权

Hadoop

1.Hadoop 概述

1.1 Hadoop 是什么

（1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构

（2）主要解决海量数据的存储和海量数据的分析计算问题

（3）广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈

1.2 Hadoop 优势

（1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。

（2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。

（3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。

（4）高容错性：能够自动将失败的任务重新分配。

1.3 Hadoop 组成（面试重点）

在Hadoop1.x 时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce 只负责运算。 Hadoop3.x在组成上没有变化。

1.3.1 HDFS 架构概述

Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。

（1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。

（2）DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。

（3）Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份。

1.3.2 YARN 架构概述

Yet Another Resource Negotiator 简称YARN ，另一种资源协调者，是Hadoop 的资源管理器。

ResourceManager(RM)：整个集群资源（内存、CPU等）的管理者

NodeManager(NM)：单个节点服务器资源的管理者。

ApplicationMaster(AM)：单个任务运行的管理者。

Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。

说明：

（1）客户端可以有多个

（2）集群上可以运行多个ApplicationMaster

（3）每个NodeManager上可以有多个Container

1.3.3 MapReduce 架构概述

MapReduce 将计算过程分为两个阶段：Map 和Reduce 1）Map 阶段并行处理输入数据 2）Reduce 阶段对Map 结果进行汇总

1.3.4 HDFS、YARN、MapReduce 三者关系

如图所示：

1.3.5 大数据技术生态体系

如图所示：在这里插入图片描述

图中涉及的技术名词解释如下：

（1）Sqoop：Sqoop 是一款开源的工具，主要用于在Hadoop、Hive 与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如：MySQL，Oracle 等）中的数据导进到Hadoop 的HDFS 中，也可以将HDFS 的数据导进到关系型数据库中。

（2）Flume：Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume 支持在日志系统中定制各类数据发送方，用于收集数据。（3）Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息系统。

（4）Spark：Spark 是当前最流行的开源大数据内存计算框架。可以基于Hadoop 上存储的大数据进行计算。

（5）Flink：Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

（6）Oozie：Oozie 是一个管理Hadoop 作业（job）的工作流程调度管理系统。

（7）Hbase：HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。

（8）Hive：Hive 是基于Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL 查询功能，可以将SQL 语句转换为MapReduce 任务进行运行。其优点是学习成本低，可以通过类SQL 语句快速实现简单的MapReduce 统计，不必开发专门的MapReduce 应用，十分适合数据仓库的统计分析。

（9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

1.3.6 推荐系统框架图

推荐系统项目框架

1.3.7 常用端口号说明

2. Hadoop 完全分部署运行环境搭建

环境说明:

容器	容器ip
master	192.168.1.10
slave1	192.168.1.20
slave2	192.168.1.30

2.1 配置主机名

hostnamectl set-hostname master && bash
hostnamectl set-hostname slave1 && bash
hostnamectl set-hostname slave2 && bash

2.2 修改hosts，添加映射，关闭防火墙

所有节点执行

[root@master ~]# cat /etc/hosts
127.0.0.1	localhost
::1	localhost ip6-localhost ip6-loopback
fe00::0	ip6-localnet
ff00::0	ip6-mcastprefix
ff02::1	ip6-allnodes
ff02::2	ip6-allrouters
192.168.1.10	master
192.168.1.20	slave1
192.168.1.30	slave2

systemctl stop firewalld
systemctl disable firewalld

2.3 设置三台主机的免密登录

2.3.1 生成免密公钥

[root@master ~]# ssh-keygen -t rsa		#然后一直回车
或者
[root@master ~]# ssh-keygen -f ~/.ssh/id_rsa -P '' #免回车

2.3.2 复制公钥到服务器

ssh-copy-id master
ssh-copy-id slave1
ssh-copy-id slave2

(另外两个节点也是如此操作，这里就不演示了)

2.4 JDK配置

解压文件到相应的位置：

[root@master ~]# tar -zxvf /opt/software/jdk-8u162-linux-x64.tar.gz -C /opt/module/

[root@master ~]# cd /opt/module/	#进入解压目录，可以给解压后的文件改个名字，方便记忆
[root@master module]# mv jdk1.8.0_162/ jdk

设置jdk环境变量：

[root@master module]# vi /etc/profile

在末尾添加如下配置：

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk
export PATH=$PATH:$JAVA_HOME/bin:$JAVA_HOME/jre/bin

刷新环境变量：

[root@master module]# source /etc/profile

配置完后即可查看jdk版本号：

[root@master module]# java -version

分发JDK和环境变量到两个副节点：

[root@master module]# scp /etc/profile root@slave1:/etc/profile
[root@master module]# scp /etc/profile root@slave2:/etc/profile

[root@master module]# scp -rq jdk/ root@slave1:/opt/module/
[root@master module]# scp -rq jdk/ root@slave2:/opt/module/

分发到两个副节点后，刷新环境变量，查看JAVA版本：

slave1节点：

slave2节点：

基础环境搭建完成！！

添加jpsall脚本(可选)

vi $JAVA_HOME/bin/jpsall
chmod +x $JAVA_HOME/bin/jpsall

脚本内容如下:

#!/bin/bash
for hostname in master slave1 slave2
do
  echo ===========$hostname==========
  ssh $hostname ". /etc/profile; jps"
done

2.5 Hadoop环境搭建

前提：已完成3个节点的免密登录，jdk配置

2.5.1 解压包到相应位置：

[root@master module]# tar -zxvf /opt/software/hadoop-3.1.3.tar.gz -C /opt/module/
[root@master module]# mv hadoop-3.1.3/ hadoop	#改一下名字，方便记忆

2.5.2 添加hadoop环境变量

[root@master module]# vi /etc/profile

在末尾添加以下内容：

#HADOOP
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_CLASSPATH=`$HADOOP_HOME/bin/hadoop classpath`
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

#备注：3.0后的版本需要指定服务用户

：wq 保存退出后，刷新环境变量：

[root@master module]# source /etc/profile

配置好后，即可直接查看hadoop 版本号

[root@master module]# hadoop version

2.6 修改6个主配置文件

1️⃣ core.site.xml
2️⃣ hdfs-site.xml
3️⃣ mapred-site.xml
4️⃣yarn-site.xml
5️⃣ hadoop-env.sh
6️⃣ workers

配置参考官方文档

目录:\hadoop-3.1.3\share\doc\hadoop

或直接查看官方配置文件:

find ./ -name "core-de*" -o -name "hdfs-de*" -o -name "mapred-de*" -o -name "yarn-de*"

(记住主要参数名即可)

2.6.1先进入配置目录

[root@master module]# cd hadoop/etc/hadoop/
[root@master hadoop]# ll

可以看到如下文件：

我们只用修改其中的6条

2.6.2 hadoop-env.sh配置：

[root@master hadoop]# vi hadoop-env.sh #告诉hadoop jdk在哪里

2.6.3 workers配置

（根据自己的集群来进行配置）：

[root@master hadoop]# vi workers
master
slave1
slave2

2.6.4 core.site.xml配置：

[root@master hadoop]# vi core-site.xml

<configuration>
<!-- hdfs的地址名称：schame,ip,port-->
        <property>
                <name>fs.defaultFS</name>
                <value>hdfs://master:9000</value>
        </property>
<!-- hdfs的基础路径，被其他属性所依赖的一个基础路径 -->
        <property>
                <name>hadoop.tmp.dir</name>
                <value>/root/hadoopdir/tmp</value>
        </property>
</configuration>