学习日志(hadoop入门)
该文章为自己整理流程
前言
大数据小学生一枚,我会把我每一阶段的学习内容整理记录下来
一、从Hadoop框架讨论大数据生态
1.1 Hadoop是什么
-
hadoop是一个有apache基金会所开发的分布式系统基础架构(什么是分布式,就是一个工作由很多个服务器来同时运行)
-
主要解决:海量数据的存储和分析计算问题(传统的工具存储不了很多,计算不了这么快)
-
hadoop是一个更为广泛的概念–hadoop生态圈
1.2 Hadoop的优势
- 高可靠性:hadoop底层维护多个副本(数据备份),所以即使hadoop某个计算元素或存储出现故障,也不会导致数据丢失。
- 高扩展性:在集群分配任务数据,可以方便的拓展数以千计的节点
- 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。
- 高容错性:能够自动将失败的任务重新分配。
1.3 Hadoop的组成
1.3.1 HDFS 架构概述
- NameNode(nn): 存储文件的元数据,如文件名,文件目录,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
例:武功秘籍的目录 - DataNode(dn):在本地文件系统存储文件块数据,以及数据的效验核。
例:实实在在的武功秘籍 - Secondary NameNode(2nn):用来监控HDFS状态的辅助后台程序,每隔一段时间获取HDFS元数据快照。起到辅助作用。
1.3.2 Yarn 架构概述
- Resource Manager的主要作用:处理客户端请求>>监控Node Manager>>启动或监控Application Master>>资源的分配与调度
- Node Manager的主要作用:管理单个节点上的资源>>处理来自Resource Manager的命令>>处理Application Master的命令
- Application Master的主要作用:负责数据的切分>>为应用程序申请资源并分配给内部的任务>>任务的监控与容错
- container:container是yarn中的资源抽象,它封装了某个节点上的多维度资源,如内存,CPU,磁盘,网络等。
1.3.3 Map Reduse 架构概述
Map Reduse将计算过程分为两个阶段:Map 和 Reduce
- Map: 将待分析数据分到多台服务器,一个服务器做其中的一点点
- Reduce:将分开以后的数据整合成一个结果
1.4 大数据生态体系
- 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。
- 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;
- Kafka:Kafka是一种高吞吐量的分布式发布订阅消息系统;
- 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。
- 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。
- Oozie:Oozie是一个管理Hdoop作业(job)的工作流程调度管理系统。
- 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。
- 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。
- 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。
二、Hadoop运行环境搭建
2.1 模板虚拟机环境准备
-
准备一台模板虚拟机hadoop100,虚拟机配置要求如下:
注:本文Linux系统环境全部以CentOS-7.5-x86-1804为例说明
模板虚拟机:内存4G,硬盘50G,安装必要环境,为安装hadoop做准备
代码如下(示例):[root@hadoop100 ~]# yum install -y epel-release [root@hadoop100 ~]# yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git
使用yum安装需要虚拟机可以正常上网,yum安装前可以先测试下虚拟机联网情况
一般正常情况下配置的虚拟机都是没问题的
测试网络是否连接的方法:ping www.baidu.com
-
关闭防火墙,关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld [root@hadoop100 ~]# systemctl disable firewalld
但是这里有个问题,我的虚拟机没有安装这个命令,所以我用的 service iptables stop
-
创建atguigu用户,并修改atguigu用户的密码
[root@hadoop100 ~]# useradd atguigu [root@hadoop100 ~]# passwd atguigu
-
配置atguigu用户具有root权限,方便后期加sudo执行root权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
修改/etc/sudoers文件,找到下面一行(91行),在root下面添加一行,如下所示:
注:查看编辑中的文件的行数命令:set nu
-
在/opt目录下创建文件夹,并修改所属主和所属组
a.在/opt目录下创建module、software文件夹[root@hadoop100 ~]# mkdir /opt/module [root@hadoop100 ~]# mkdir /opt/software
b.修改module、software文件夹的所有者和所属组均为atguigu用户(此处不修改会出现权限问题)
[root@hadoop100 ~]# chown atguigu:atguigu /opt/module [root@hadoop100 ~]# chown atguigu:atguigu /opt/software
c.查看module、software文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/ [root@hadoop100 opt]# ll 总用量 12 drwxr-xr-x. 2 atguigu atguigu 4096 5月 28 17:18 module drwxr-xr-x. 2 root root 4096 9月 7 2017 rh drwxr-xr-x. 2 atguigu atguigu 4096 5月 28 17:18 software
-
卸载虚拟机自带的open JDK
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
-
重启虚拟机
[root@hadoop100 ~]# reboot
2.2 克隆虚拟机
-
利用模板机hadoop100,克隆三台虚拟机:hadoop102 hadoop103 hadoop104
-
修改克隆机IP,以下以hadoop105举例说明(该行为要在root用户下)
a.删除d 修改最后eth1为eth0,并复制物理地址,详情见图片[root@hadoop100 ~]# vim /etc/udev/rules.d/70-persistent-net.rules
修改之前:
修改之后:
b.更新物理地址,更新静态IP
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-eth0
修改之前:
修改之后:
c.更改用户名
[root@hadoop100 ~]# vim /etc/sysconfig/network
d.更改hosts文件,添加集群IP地址
[root@hadoop100 ~]# vim /etc/hosts
e.查看Linux虚拟机的虚拟网络编辑器,编辑->虚拟网络编辑器->VMnet8
f.查看Windows系统适配器VMware Network Adapter VMnet8的IP地址
g.保证Linux系统ifcfg-ens33文件中IP地址、虚拟网络编辑器地址和Windows系统VM8网络IP地址相同。 -
重启克隆机hadoop105
-
修改windows的主机映射文件(hosts文件)
1. 如果操作系统是window7,可以直接修改
2. 如果操作系统是window10,先拷贝出来,修改保存以后,再覆盖即可
(a)进入C:\Windows\System32\drivers\etc路径
(b)打开hosts文件并添加如下内容,然后保存192.168.1.100 hadoop100 192.168.1.101 hadoop101 192.168.1.102 hadoop102 192.168.1.103 hadoop103 192.168.1.104 hadoop104 192.168.1.105 hadoop105 192.168.1.106 hadoop106 192.168.1.107 hadoop107 192.168.1.108 hadoop108
2.3 在hadoop102安装JDK
- 卸载现有JDK
[atguigu@hadoop102 ~]$ rpm -qa | grep -i java | xargs -n1 sudo rpm -e --nodeps
- 用Xftp工具将JDK导入到opt目录下面的software文件夹下面
- 在Linux系统下的opt目录中查看软件包是否导入成功
看到如下结果:[atguigu@hadoop102 ~]$ ls /opt/software/
hadoop-3.1.3.tar.gz jdk-8u212-linux-x64.tar.gz
- 解压JDK到/opt/module目录下
[atguigu@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
- 配置JDK环境变量
(1)新建/etc/profile.d/my_env.sh文件
添加如下内容:[atguigu@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh
(2)保存后退出#JAVA_HOME export JAVA_HOME=/opt/module/jdk1.8.0_212 export PATH=$PATH:$JAVA_HOME/bin
(3)source一下/etc/profile文件,让新的环境变量PATH生效[atguigu@hadoop102 ~]$ source /etc/profile
- 测试JDK是否安装成功
如果能看到以下结果,则代表Java安装成功。[atguigu@hadoop102 ~]$ java -version
如果没有结果则重启虚拟机,但是我自己没有碰到这个情况,一般一下就OK了java version "1.8.0_212"
2.4 在hadoop102安装Hadoop
Hadoop下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
注意:该操作要在创建的用户下操作
- 进入到Hadoop安装包路径下(上边已经用Xftp拉到虚拟机 software/ 下了)
[atguigu@hadoop102 ~]$ cd /opt/software/
- 解压安装文件到/opt/module下面
[atguigu@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
- 查看是否解压成功
[atguigu@hadoop102 software]$ ls /opt/module/hadoop-3.1.3
- 将Hadoop添加到环境变量
(1)获取Hadoop安装路径
(2)打开/etc/profile.d/my_env.sh文件[atguigu@hadoop102 hadoop-3.1.3]$ pwd /opt/module/hadoop-3.1.3
在my_env.sh文件末尾添加如下内容:(shift+g)sudo vim /etc/profile.d/my_env.sh
(3)保存后退出#HADOOP_HOME export HADOOP_HOME=/opt/module/hadoop-3.1.3 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin
(4)让修改后的文件生效[atguigu@hadoop102 hadoop-3.1.3]$ source /etc/profile
- 测试是否安装成功
与安装JDK的环境变量相同,如果失败重启虚拟机。[atguigu@hadoop102 hadoop-3.1.3]$ hadoop versionHadoop 3.1.3
2.5 Hadoop目录结构
- 查看Hadoop目录结构
[atguigu@hadoop102 hadoop-3.1.3]$ ll 总用量 52 drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 bin drwxr-xr-x. 3 atguigu atguigu 4096 5月 22 2017 etc drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 include drwxr-xr-x. 3 atguigu atguigu 4096 5月 22 2017 lib drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 libexec -rw-r--r--. 1 atguigu atguigu 15429 5月 22 2017 LICENSE.txt -rw-r--r--. 1 atguigu atguigu 101 5月 22 2017 NOTICE.txt -rw-r--r--. 1 atguigu atguigu 1366 5月 22 2017 README.txt drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 sbin drwxr-xr-x. 4 atguigu atguigu 4096 5月 22 2017 share
- 重要目录
(1)bin目录:存放对Hadoop相关服务(HDFS,YARN)进行操作的脚本
(2)etc目录:Hadoop的配置文件目录,存放Hadoop的配置文件
(3)lib目录:存放Hadoop的本地库(对数据进行压缩解压缩功能)
(4)sbin目录:存放启动或停止Hadoop相关服务的脚本
(5)share目录:存放Hadoop的依赖jar包、文档、和官方案例
三、 Hadoop运行模式(完全分布式)
搭建过程:
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
3.1 准备3台客户机(关闭防火墙、静态ip、主机名称)
见 2.1 2.2 两节
3.2 编写集群分发脚本xsync
-
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 p d i r / pdir/ pdir/fname u s e r @ h a d o o p user@hadoop user@hadoophost: p d i r / pdir/ 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atguigu:atguigu
sudo chown atguigu:atguigu -R /opt/module -
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 p d i r / pdir/ pdir/fname u s e r @ h a d o o p user@hadoop user@hadoophost: p d i r / pdir/ 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 -
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/atguigu/bin这个目录下存放的脚本,atguigu用户可以在系统任何地方直接执行。
(3)脚本实现
(a)在/home/atguigu/bin目录下创建xsync文件[atguigu@hadoop102 opt]$ cd /home/atguigu [atguigu@hadoop102 ~]$ mkdir bin [atguigu@hadoop102 ~]$ cd bin [atguigu@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 $file does not exists! fi done done
(b)修改脚本 xsync 具有执行权限
[atguigu@hadoop102 bin]$ chmod +x xsync
(c)将脚本复制到/bin中,以便全局调用
[atguigu@hadoop102 bin]$ sudo cp xsync /bin/
(d)测试脚本
[atguigu@hadoop102 ~]$ xsync /home/atguigu/bin [atguigu@hadoop102 bin]$ sudo xsync /bin/xsync
3.3 SSH免密登录配置
-
配置ssh
(1)基本语: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[atguigu@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:de: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
-
无密钥配置
(1)免密登录原理
(2)生成公钥和私钥:
[atguigu@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[atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop102 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop103 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop104
注意:
还需要在hadoop103上采用atguigu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atguigu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; -
ssh文件夹下(~/.ssh)的文件功能解释
文件名 | 解释 |
---|---|
known_hosts | 记录ssh访问过计算机的公钥(public key) |
id_rsa | 生成的私钥 |
id_rsa.pub | 生成的公钥 |
authorized_keys | 存放授权过的无密登录服务器公钥 |
3.4 集群配置
- 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。
‘’ | hadoop102 | hadoop103 | hadoop104 |
---|---|---|---|
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
-
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:取的默认文件 文件存放在Hadoop的jar包中的位置 ore-default.xml] hadoop-common-3.1.3.jar/ core-default.xml dfs-default.xml] hadoop-hdfs-3.1.3.jar/ hdfs-default.xml arn-default.xml] hadoop-yarn-common-3.1.3.jar/ yarn-default.xml apred-default.xml] hadoop-mapreduce-client-core-3.1.3.jar/ mapred-default.xml (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**$HADOOP_HOME/etc/hadoop**这个路径上,用户可以根据项目需求重新进行修改配置。
(3)常用端口号说明
Daemon | App | hadoop2 | hadoop3 |
---|---|---|---|
NameNode Port | Hadoop HDFS NameNode | 8020 / 9000 | 9820 |
. | Hadoop HDFS NameNode HTTP UI | 50070 | 9870 |
Secondary NameNode Port | Secondary NameNode | 50091 | 9869 |
. | Secondary NameNode HTTP UI | 50090 | 9868 |
DataNode Port | Hadoop HDFS DataNode IPC | 50020 | 9867 |
. | Hadoop HDFS DataNode | 50010 | 9866 |
. | Hadoop HDFS DataNode HTTP UI | 50075 | 9864 |
-
配置集群
(1)核心配置文件
配置core-site.xml[atguigu@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop [atguigu@hadoop102 hadoop]$ vim core-site.xml
文件内容如下:
<?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://hadoop102:9820</value> </property> <!-- 指定hadoop数据的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/opt/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>atguigu</value> </property> <!-- 配置该atguigu(superUser)允许通过代理访问的主机节点 --> <property> <name>hadoop.proxyuser.atguigu.hosts</name> <value>*</value> </property> <!-- 配置该atguigu(superUser)允许通过代理用户所属组 --> <property> <name>hadoop.proxyuser.atguigu.groups</name> <value>*</value> </property> <!-- 配置该atguigu(superUser)允许通过代理的用户--> <property> <name>hadoop.proxyuser.atguigu.groups</name> <value>*</value> </property> </configuration>
(2)HDFS配置文件
配置hdfs-site.xml[atguigu@hadoop102 hadoop]$ vim hdfs-site.xml
文件内容如下:
<?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>hadoop102:9870</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[atguigu@hadoop102 hadoop]$ vim yarn-site.xml
文件内容如下:
<?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>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> <!-- yarn容器允许分配的最大最小内存 --> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <value>512</value> </property> <property> <name>yarn.scheduler.maximum-allocation-mb</name> <value>4096</value> </property> <!-- yarn容器允许管理的物理内存大小 --> <property> <name>yarn.nodemanager.resource.memory-mb</name> <value>4096</value> </property> <!-- 关闭yarn对物理内存和虚拟内存的限制检查 --> <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
配置mapred-site.xml[atguigu@hadoop102 hadoop]$ vim mapred-site.xml
文件内容如下:
<?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>
-
在集群上分发配置好的Hadoop配置文件
[atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
-
去103和104上查看文件分发情况,查看配置文件是否全部更改
3.5 群起集群
-
配置workers
[atguigu@hadoop102 hadoop]$ vim /opt/module/hadoop3.1.3/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
[atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
-
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。)[atguigu@hadoop102 ~]$ hdfs namenode -format
(2)启动HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ start-dfs.sh
(3)==在配置了ResourceManager的节点(hadoop103)==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://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
-
集群基本测试
(1)上传文件到集群
上传小文件[atguigu@hadoop102 ~]$ hadoop fs -mkdir /input [atguigu@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
上传大文件
[atguigu@hadoop102 ~]$ 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 [atguigu@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 [atguigu@hadoop102 subdir0]$ cat blk_1073741825 hadoop yarn hadoop mapreduce atguigu atguigu
(3)拼接
-rw-rw-r--. 1 atguigu atguigu 134217728 5月 23 16:01 blk_1073741836 -rw-rw-r--. 1 atguigu atguigu 1048583 5月 23 16:01 blk_1073741836_1012.meta -rw-rw-r--. 1 atguigu atguigu 63439959 5月 23 16:01 blk_1073741837 -rw-rw-r--. 1 atguigu atguigu 495635 5月 23 16:01 blk_1073741837_1013.meta [atguigu@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz
(4)下载
[atguigu@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
(5)执行wordcount程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
3.6 集群启动/停止方式总结
- 各个服务组件逐一启动/停止
(1)分别启动/停止HDFS组件
(2)启动/停止YARNhdfs --daemon start/stop namenode/datanode/secondarynamenode
yarn --daemon start/stop resourcemanager/nodemanager
- 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
(2)整体启动/停止YARNstart-dfs.sh/stop-dfs.sh
start-yarn.sh/stop-yarn.sh
3.7 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:
-
配置mapred-site.xml
[atguigu@hadoop102 hadoop]$ vim mapred-site.xml
在该文件里面增加如下配置:
<!-- 历史服务器端地址 --> <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>
-
分发配置
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
-
在hadoop102启动历史服务器
[atguigu@hadoop102 hadoop]$ mapred --daemon start historyserver
-
查看历史服务器是否启动
[atguigu@hadoop102 hadoop]$ jps
-
查看JobHistory
http://hadoop102:19888/jobhistory
.
3.8 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:
-
配置yarn-site.xml
[atguigu@hadoop102 hadoop]$ vim yarn-site.xml
在该文件里面增加如下配置:
<!-- 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>
-
分发配置
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
-
关闭NodeManager 、ResourceManager和HistoryServer
[atguigu@hadoop103 ~]$ stop-yarn.sh [atguigu@hadoop102 ~]$ mapred --daemon stop historyserver
-
启动NodeManager 、ResourceManage和HistoryServer
[atguigu@hadoop103 ~]$ start-yarn.sh [atguigu@hadoop102 ~]$ mapred --daemon start historyserver
-
删除HDFS上已经存在的输出文件
[atguigu@hadoop102 ~]$ hadoop fs -rm -r /output
-
执行WordCount程序
[atguigu@hadoop102 ~]$ hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
-
查看日志,
http://hadoop102:19888/jobhistory
Job History:
job运行情况:
查看日志:
3.9 编写hadoop集群常用脚本
- 查看三台服务器java进程脚本:jpsall
脚本代码:
赋予脚本执行权限:#!/bin/bash for host in hadoop102 hadoop103 hadoop104 do echo =============== $host =============== ssh $host jps $@ | grep -v Jps done
[atguigu@hadoop102 bin]$ chmod +x jpsall
- hadoop集群启停脚本(包含hdfs,yarn,historyserver):myhadoop.sh
脚本代码:
给权限,分发/home/atguigu/bin目录,保证自定义脚本在三台机器上都可以使用#!/bin/bash if [ $# -lt 1 ] then echo "No Args Input..." exit ; fi case $1 in "start") echo " =================== 启动 hadoop集群 ===================" echo " --------------- 启动 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh" echo " --------------- 启动 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh" echo " --------------- 启动 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver" ;; "stop") echo " =================== 关闭 hadoop集群 ===================" echo " --------------- 关闭 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver" echo " --------------- 关闭 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh" echo " --------------- 关闭 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh" ;; *) echo "Input Args Error..." ;; esac
[atguigu@hadoop102 ~]$ xsync /home/atguigu/bin/
3.10 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:
-
时间服务器配置(必须root用户)
(0)查看所有节点ntpd服务状态和开机自启动状态 [atguigu@hadoop102 ~]$ sudo systemctl status ntpd [atguigu@hadoop102 ~]$ sudo systemctl is-enabled ntpd (1)在所有节点关闭ntpd服务和自启动 [atguigu@hadoop102 ~]$ sudo systemctl stop ntpd [atguigu@hadoop102 ~]$ sudo systemctl disable ntpd (2)修改hadoop102的ntp.conf配置文件(要将hadoop102作为时间服务器) [atguigu@hadoop102 ~]$ sudo vim /etc/ntp.conf 修改内容如下 a)修改1(授权192.168.1.0-192.168.1.255网段上的所有机器可以从这台机器上查询 和同步时间) #restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap 为restrict 192.168.1.0 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 [atguigu@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 [atguigu@hadoop102 ~]$ sudo systemctl start ntpd (5)设置ntpd服务开机启动 [atguigu@hadoop102 ~]$ sudo systemctl enable ntpd
-
其他机器配置(必须root用户)
(1)在其他机器配置10分钟与时间服务器同步一次 [atguigu@hadoop103 ~]$ sudo crontab -e 编写定时任务如下: */10 * * * * /usr/sbin/ntpdate hadoop102 (2)修改任意机器时间 [atguigu@hadoop103 ~]$ sudo date -s "2017-9-11 11:11:11" (3)十分钟后查看机器是否与时间服务器同步 [atguigu@hadoop103 ~]$ sudo date
说明:测试的时候可以将10分钟调整为1分钟,节省时间。