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:

  1. <configuration>
  2. <!-- 指定HDFS中NameNode的地址 -->
  3. <property>
  4. <name>fs.defaultFS</name>
  5. <!-- file:///代表使用linux自带文件系统 -->
  6. <value>file:///</value>
  7. </property>
  8. </configuration>

1.2 案例

  1. # ex1:官方Grep案例
  2. # 创建在hadoop-2.7.2文件下面创建一个input文件夹
  3. [atguigu@hadoop101 hadoop-2.7.2]$ mkdir input
  4. # 将Hadoop的xml配置文件复制到input
  5. [atguigu@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input
  6. # 执行share目录下的MapReduce程序
  7. [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.]+'
  8. # 查看输出结果
  9. [atguigu@hadoop101 hadoop-2.7.2]$ cat output/*
  10. # ex2:官方WordCount案例
  11. # 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹
  12. [atguigu@hadoop101 hadoop-2.7.2]$ mkdir wcinput
  13. # 在wcinput文件下创建一个wc.input文件
  14. [atguigu@hadoop101 hadoop-2.7.2]$ cd wcinput
  15. [atguigu@hadoop101 wcinput]$ touch wc.input
  16. # 编辑wc.input文件
  17. [atguigu@hadoop101 wcinput]$ vi wc.input
  18. hadoop yarn
  19. hadoop mapreduce
  20. atguigu
  21. atguigu
  22. # 回到Hadoop目录/opt/module/hadoop-2.7.2
  23. # 执行程序
  24. [atguigu@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
  25. # 查看结果
  26. [atguigu@hadoop101 hadoop-2.7.2]$ cat wcoutput/part-r-00000
  27. atguigu 2
  28. hadoop 2
  29. mapreduce 1
  30. 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:

  1. <configuration>
  2. <!-- 指定HDFS中NameNode的地址 -->
  3. <property>
  4. <name>fs.defaultFS</name>
  5. <value>hdfs://hadoop101:9000</value>
  6. </property>
  7. </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

    1. # 指定JAVA_HOME
    2. export JAVA_HOME=/opt/module/jdk1.8.0_144
  • 配置core-site.xml

    1. <configuration>
    2. <!-- 指定HDFS中NameNode的地址 -->
    3. <property>
    4. <name>fs.defaultFS</name>
    5. <value>hdfs://hadoop101:9000</value>
    6. </property>
    7. <!-- 指定Hadoop运行时产生临时文件的存储目录 -->
    8. <property>
    9. <name>hadoop.tmp.dir</name>
    10. <value>/opt/module/hadoop-2.7.2/data/tmp</value>
    11. </property>
    12. </configuration>
  • 配置hdfs-site.xml

    1. <configuration>
    2. <!-- 指定HDFS副本(分片)的数量,默认是3 -->
    3. <property>
    4. <name>dfs.replication</name>
    5. <value>1</value>
    6. </property>
    7. <!-- 指定Hadoop辅助名称节点主机配置 -->
    8. <!-- (伪分布式用不到,完全分布式会配置)
    9. <property>
    10. <name>dfs.namenode.secondary.http-address</name>
    11. <value>hadoop103:50090</value>
    12. </property>
    13. </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。

    1. [root@hadoop101 hadoop-2.7.2]# bin/hdfs namenode -format
  • 启动NameNode

    1. [root@hadoop101 hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode
  • 启动DataNode

    1. [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)

    1. [root@hadoop101 hadoop-2.7.2]# jps
    2. 2978 DataNode
    3. 3068 Jps
    4. 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
  1. # ex:
  2. # 在HDFS文件系统上创建一个input文件夹
  3. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/shawn/input
  4. # 将测试文件内容上传到HDFS文件系统上
  5. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -put wcinput/wc.input /user/shawn/input
  6. # 查看上传的文件是否正确
  7. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -ls /user/shawn/input
  8. # 运行MapReduce程序wordcount
  9. [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
  10. # 查看输出结果
  11. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -cat /user/shawn/output/*
  12. # 将测试文件内容下载到本地
  13. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -get /user/shawn/output/part-r-00000 ./wcoutput/
  14. # 删除输出结果目录
  15. [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

    1. # 指定JAVA_HOME
    2. export JAVA_HOME=/opt/module/jdk1.8.0_144
  • 配置/opt/module/hadoop-2.7.2/etc/hadoop/yarn-site.xml

    1. <configuration>
    2. <!-- Site specific YARN configuration properties -->
    3. <!-- Reducer获取数据的方式 -->
    4. <property>
    5. <name>yarn.nodemanager.aux-services</name>
    6. <value>mapreduce_shuffle</value>
    7. </property>
    8. <!-- 指定YARN的ResourceManager的地址 -->
    9. <property>
    10. <name>yarn.resourcemanager.hostname</name>
    11. <value>hadoop101</value>
    12. </property>
    13. <!-- 启用日志聚集功能 -->
    14. <property>
    15. <name>yarn.log-aggregation-enable</name>
    16. <value>true</value>
    17. </property>
    18. <!-- 日志保留时间设置7天 -->
    19. <property>
    20. <name>yarn.log-aggregation.retain-seconds</name>
    21. <value>604800</value>
    22. </property>
    23. </configuration>
  • 配置/opt/module/hadoop-2.7.2/etc/hadoop/mapred-env.sh

    1. # 指定JAVA_HOME
    2. 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)

    1. <configuration>
    2. <!-- 指定MR运行在YARN上 -->
    3. <property>
    4. <name>mapreduce.framework.name</name>
    5. <value>yarn</value>
    6. </property>
    7. <!-- history历史服务器端地址 -->
    8. <property>
    9. <name>mapreduce.jobhistory.address</name>
    10. <value>hadoop101:10020</value>
    11. </property>
    12. <!-- history历史服务器web端地址 -->
    13. <property>
    14. <name>mapreduce.jobhistory.webapp.address</name>
    15. <value>hadoop101:19888</value>
    16. </property>
    17. </configuration>

    2.2.2.2 启动集群

  • 启动前必须保证NameNodeDataNode已经启动,参考2.2.1.2 启动集群

  • 启动ResourceManager

    1. [root@hadoop101 hadoop]# sbin/yarn-daemon.sh start resourcemanager
  • 启动NodeManager

    1. [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

YARNweb端查看.png

  • 删除文件系统上的output文件

    1. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/atguigu/output
  • 执行MapReduce的wordcount程序

    1. [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
  • 查看运行结果(上图红色区域)

    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

    1. [root@hadoop101 hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
  • 查看历史服务器是否启动

    1. [root@hadoop101 hadoop-2.7.2]# jps
    2. 5776 JobHistoryServer
    3. 2978 DataNode
    4. 5378 ResourceManager
    5. 26163 Jps
    6. 5623 NodeManager
    7. 2878 NameNode
  • 查看JobHistory,http://hadoop101:19888/jobhistory

查看JobHistory.png

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NodeManagerResourceManagerHistoryManager

    1. [root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager
    2. [root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager
    3. [root@hadoop101 hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver
  • 启动NodeManager 、ResourceManager和HistoryManager

    1. [root@hadoop101 hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
    2. [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

    1. [root@hadoop101 hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/atguigu/output
  • 执行WordCount程序

    1. [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
  • 查看日志 http://hadoop101:19888/jobhistory

image.png
image.png
image.png

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。 rsyncscp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 ```xml fs.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 ```xml

      dfs.replication 3
dfs.namenode.secondary.http-address hadoop103:50090 - 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 yarn.nodemanager.aux-services mapreduce_shuffle

yarn.resourcemanager.hostname hadoop102


- 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$HADOOP/data$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

SSH无密登录原理图.png

  • 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SecondaryNameNodehttp://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