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
1.1 本地模式
简介
本地模式
———相当于单机模式,使用的文件系统是Linux自带的文件系统,例如,在core-site.xml
文件中默认就是本地模式:
<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<!-- file:///代表使用linux自带文件系统 -->
<value>file:///</value>
</property>
</configuration>
1.2 案例
# ex1:官方Grep案例
# 创建在hadoop-2.7.2文件下面创建一个input文件夹
[atguigu@hadoop101 hadoop-2.7.2]$ mkdir input
# 将Hadoop的xml配置文件复制到input
[atguigu@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input
# 执行share目录下的MapReduce程序
[atguigu@hadoop101 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'
# 查看输出结果
[atguigu@hadoop101 hadoop-2.7.2]$ cat output/*
# ex2:官方WordCount案例
# 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹
[atguigu@hadoop101 hadoop-2.7.2]$ mkdir wcinput
# 在wcinput文件下创建一个wc.input文件
[atguigu@hadoop101 hadoop-2.7.2]$ cd wcinput
[atguigu@hadoop101 wcinput]$ touch wc.input
# 编辑wc.input文件
[atguigu@hadoop101 wcinput]$ vi wc.input
hadoop yarn
hadoop mapreduce
atguigu
atguigu
# 回到Hadoop目录/opt/module/hadoop-2.7.2
# 执行程序
[atguigu@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
# 查看结果
[atguigu@hadoop101 hadoop-2.7.2]$ cat wcoutput/part-r-00000
atguigu 2
hadoop 2
mapreduce 1
yarn 1
2. 伪分布式运行模式
2.1 伪分布式模式
简介
(1) 配置与完全分布式模式完全相同,只是由于机器有限,仅仅使用一台机器做节点,就相当于在一台电脑上开虚拟机,电脑掉电则会全部挂掉 (2)与本地运行模式的core-site.xml区别如下:
<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop101:9000</value>
</property>
</configuration>
2.2 配置步骤
2.2.1 启动HDFS
并运行MapReduce程序
2.2.1.1 配置集群
配置/opt/module/hadoop-2.7.2/etc/hadoop/
hadoop-env.sh
# 指定JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置
core-site.xml
<configuration>
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop101:9000</value>
</property>
<!-- 指定Hadoop运行时产生临时文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
</configuration>
配置
hdfs-site.xml
<configuration>
<!-- 指定HDFS副本(分片)的数量,默认是3 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<!-- (伪分布式用不到,完全分布式会配置)
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop103:50090</value>
</property>
</configuration>-->
2.2.1.2 启动集群
格式化NameNode(第一次启动时格式化,以后就不要总格式化)
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。所以,格式NameNode时,一定要先删除data数据和log日志,然后再格式化NameNode。
[root@hadoop101 hadoop-2.7.2]# bin/hdfs namenode -format
启动NameNode
[root@hadoop101 hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode
启动DataNode
[root@hadoop101 hadoop-2.7.2]# sbin/hadoop-daemon.sh start datanode
2.2.1.3 查看集群
查看是否启动成功(注意:jps是JDK中的命令,不是Linux命令。不安装JDK不能使用jps)
[root@hadoop101 hadoop-2.7.2]# jps
2978 DataNode
3068 Jps
2878 NameNode
web端查看HDFS文件系统
http://hadoop101:50070
- 2.2.1.4 操作集群(看案例)
- 2.2.1.5 案例
# ex:
# 在HDFS文件系统上创建一个input文件夹
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/shawn/input
# 将测试文件内容上传到HDFS文件系统上
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -put wcinput/wc.input /user/shawn/input
# 查看上传的文件是否正确
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -ls /user/shawn/input
# 运行MapReduce程序wordcount
[root@hadoop101 hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shawn/input /user/shawn/output
# 查看输出结果
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -cat /user/shawn/output/*
# 将测试文件内容下载到本地
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -get /user/shawn/output/part-r-00000 ./wcoutput/
# 删除输出结果目录
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -rm -r /user/shawn/output/
2.2.2 启动YARN
并运行MapReduce程序
2.2.2.1 配置集群
配置/opt/module/hadoop-2.7.2/etc/hadoop/
yarn-env.sh
# 指定JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置/opt/module/hadoop-2.7.2/etc/hadoop/
yarn-site.xml
<configuration>
<!-- Site specific YARN configuration properties -->
<!-- Reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop101</value>
</property>
<!-- 启用日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
</configuration>
配置/opt/module/hadoop-2.7.2/etc/hadoop/
mapred-env.sh
# 指定JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置: (对/opt/module/hadoop-2.7.2/etc/hadoop/
mapred-site.xml.template
重新命名为mapred-site.xml
)<configuration>
<!-- 指定MR运行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- history历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop101:10020</value>
</property>
<!-- history历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop101:19888</value>
</property>
</configuration>
2.2.2.2 启动集群
启动前必须保证
NameNode
和DataNode
已经启动,参考2.2.1.2 启动集群启动
ResourceManager
[root@hadoop101 hadoop]# sbin/yarn-daemon.sh start resourcemanager
启动
NodeManager
[root@hadoop101 hadoop]# sbin/yarn-daemon.sh start nodemanager
2.2.2.3 集群操作
YARN的Web端页面查看,http://hadoop101:8088/cluster
删除文件系统上的output文件
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/atguigu/output
执行MapReduce的wordcount程序
[root@hadoop101 hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shawn/input /user/shawn/output
-
2.2.3 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:
- 配置历史服务器(
mapred-site.xml
,略,2.2.2.1 配置集群时已配置) 启动历史服务器
[root@hadoop101 hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
查看历史服务器是否启动
[root@hadoop101 hadoop-2.7.2]# jps
5776 JobHistoryServer
2978 DataNode
5378 ResourceManager
26163 Jps
5623 NodeManager
2878 NameNode
查看JobHistory,http://hadoop101:19888/jobhistory
2.2.4 配置日志的聚集
日志聚集
: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HistoryManager。
- 配置
yarn-site.xml
(略,2.2.2.1 配置集群时已配置) 关闭
NodeManager
、ResourceManager
和HistoryManager
[root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager
[root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager
[root@hadoop101 hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver
启动NodeManager 、ResourceManager和HistoryManager
[root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
[root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager
删除HDFS上已经存在的输出文件
[root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/atguigu/output
执行WordCount程序
[root@hadoop101 hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/shawn/input /user/shawn/output
3. 完全分布式运行模式(开发重点)
完全分布式模式
———多台机器集群运行
3.1 分析步骤
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互信
9)群起并测试集群
3.2 scp
命令
3.2.1 简介
scp
(secure copy)安全拷贝———可以实现服务器与服务器之间的数据拷贝
3.2.2 基本语法
scp -r $pdir/$fname $user@$host:$pdir/$fname
命令 递归 源文件路径/名称 目的地用户@主机:目的路径/名称
3.3 rsync
命令
3.3.1 简介
rsync
远程同步工具,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。
3.3.2 基本语法
rsync -rvl $pdir/$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 | 功能 |
---|---|
-r | 递归 |
-v | 显示复制过程 |
-l | 拷贝符号连接 |
使用
rsync
编写集群分发脚本xsync.sh
#!/bin/bash
#1 获取输入参数个数,如果没有参数,直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi
#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname
#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir
#4 获取当前用户名称
user=`whoami`
#5.循环
for((host=102;host<104;host++));
do
echo -----------------hadoop$host-------------------
rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done
3.4 集群配置
3.4.1 集群部署规划
NameNode、DataNode和ResourceManager差不多是
1:1:1
的内存占用,所以要分开规划
- | hadoop101 | hadoop102 | hadoop103 |
---|---|---|---|
HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode |
YARN | NodeManager | ResourceManager、NodeManager | NodeManager |
3.4.2 配置集群
核心配置文件
core-site.xml
```xmlfs.defaultFS hdfs://hadoop101:9000
<name>hadoop.tmp.dir</name> <value>/opt/module/hadoop-2.7.2/data/tmp</value>
```
HDFS配置文件
hadoop-env.sh
# 配置JAVA_HOME export JAVA_HOME=/opt/module/jdk1.8.0_144
hdfs-site.xml
```xmldfs.replication 3
- YARN配置文件
- `yarn-env.sh`
shell
# 配置JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
- `yarn-site.xml`
xml
- MapReduce配置文件
- `mapred-env.sh`
```shell
# 配置JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
mapred-site.xml
<!-- 指定MR运行在YARN上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <!-- history历史服务器端地址 --> <property> <name>mapreduce.jobhistory.address</name> <value>hadoop101:10020</value> </property> <!-- history历史服务器web端地址 --> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop101:19888</value> </property>
- 最后使用
xsync
分发脚本同步
3.4.3 集群单点启动
- 如果集群是第一次启动,需要格式化
NameNode
,注意:格式化之前先删除$HADOOP/data
和$HADOOP/logs
两个目录 在hadoop101上
启动NameNode
[root@hadoop101 hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode
在hadoop101、hadoop102以及hadoop103上分别启动
DataNode
[root@hadoop101 hadoop-2.7.2]# sbin/hadoop-daemon start datanode [root@hadoop102 hadoop-2.7.2]# sbin/hadoop-daemon start datanode [root@hadoop103 hadoop-2.7.2]# sbin/hadoop-daemon start datanode
3.4.4 SSH无密互信登录配置
基本语法
ssh 另一台电脑的ip地址
无密互信登录配置原理
生成公钥和私钥
# 首先进入所属用户的根目录,然后查看隐藏文件 ls -al # 进入.ssh目录,rsa是一种加密算法,然后敲(三个回车),就会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥),执行: ssh-keygen -t rsa # 将公钥拷贝到要免密登录的目标机器上,其他2个机器同样生成并拷贝,此处省略 ssh-copy-id hadoop101 ssh-copy-id hadoop102 ssh-copy-id hadoop103
.ssh文件夹下(~/.ssh)的文件功能解释 | 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 | 存放授权过得无密登录服务器公钥 |
3.4.5 群起集群
配置/opt/module/hadoop-2.7.2/etc/hadoop/
slaves
hadoop101 hadoop102 hadoop103
同步所有节点配置文件
[root@hadoop101 hadoop-2.7.2]# xsync.sh etc/hadoop/slaves
启动集群
如果集群是第一次启动,需要格式化NameNode(注意格式化之前,一定要先停止上次启动的所有namenode和datanode进程,然后再删除data和log数据后再格式化)
[root@hadoop101 hadoop-2.7.2]# bin/hdfs namenode -format [root@hadoop102 hadoop-2.7.2]# bin/hdfs namenode -format [root@hadoop103 hadoop-2.7.2]# bin/hdfs namenode -format
启动
HDFS
[root@hadoop101 hadoop-2.7.2]# sbin/start-dfs.sh
启动
YARN
注意:NameNode和ResourceManger如果不是同一台机器,不能在NameNode上启动 YARN,应该在ResouceManager所在的机器上启动YARN。[root@hadoop102 hadoop-2.7.2]# sbin/start-yarn.sh
Web端查看
SecondaryNameNode
http://hadoop103:50090/status.html
集群基本测试
上传文件到集群
# 先创建上传目录 hdfs dfs -mkdir -p /user/shawn/input # 上传小文件 hdfs dfs -put wcinput/wc.input /user/shawn/input # 上传大文件 bin/hadoop fs -put /opt/software/hadoop-2.7.2.tar.gz /user/shawn/input
上传文件后查看文件存放在什么位置
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
查看HDFS在磁盘存储文件内容
cat blk_1073741825 hadoop yarn hadoop mapreduce atguigu atguigu
拼接大文件分块后的小文件,然后可以直接使用
cat blk_1073741836>>tmp.txt cat blk_1073741837>>tmp.txt tar -zxvf tmp.txt
3.4.6 集群启动/停止总结
3.4.6.1 各个服务组件逐一启动/停止
分别启动/停止
HDFS
组件hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
分别启动/停止
YRAN
组件yarn-daemon.sh start / stop resourcemanager / nodemanager
3.4.6.2 (常用)各个模块分开启动/停止(配置ssh是前提)
整体启动/停止
HDFS
sbin/start-dfs.sh / sbin/stop-dfs.sh
整体启动/停止
YARN
sbin/start-yarn.sh / sbin/stop-yarn.sh