1.三台虚拟机配置
(1)修改静态ip
vim /etc/sysconfig/network-scripts/ifcfg-ens33
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.1.101
PREFIX=24
GATEWAY=192.168.1.2
DNS1=114.114.114.114
1.重启网络服务
Systemctl restart network
2.查看网络地址
ip addr
ONBOOT =yes :开机激活网卡
BOOTPROTO =static : 静态IP,dhcp为动态
IPADDR = : ip地址
PREFIX = 24 :子网掩码位置长度
GATEWAY =192.168.1.2 : 网关,默认1.1(同一网关的不同网络地址才能相互通信。)
DNS =114.114.114.114 : DNS服务器,还可以有8.8.8.8
(2)安装必备插件
系统安装时选用最小安装。
yum install -y epel-release
yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git
(3)修改主机名
hostnamectl --static set-hostname hadoop102
//或者
vim /etc/hostname
reboot
(4)添加主机名称映射
sudo vim /etc/hosts
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
win10:
(a)进入C:\Windows\System32\drivers\etc路径
(b)打开hosts文件并添加上面的内容
(5)关闭防火墙
systemctl stop firewalld
systemctl disable firewalld
(6)创建用户
useradd atguigu
passwd atguigu
(7)配置用户具有root权限
即能使用sudo执行根目录下的脚本
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:
## Allow root to run any commands anywhere
%wheel ALL=(ALL) ALL
atguigu ALL=(ALL) NOPASSWD:ALL
(8)opt
该目录专放第三方软件
1.在/opt目录下创建module、software文件夹
mkdir module
mkdir software
2.修改module、software文件夹的所有者
cd /opt
chown atguigu:atguigu /opt/module /opt/software
reboot
(9)安装JDK
1.将JDK,HADOOP的tar包导入到/opt/software
2.解压到/opt/module/
tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
3.配置环境变量
sudo vim /etc/profile.d/my_env.sh
4.添加内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
5.更新配置
source my_env.sh
6.检查
java -version
reboot
(10)安装HADOOP
1.解压到/opt/module/
tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
2.配置环境变量
sudo vim /etc/profile.d/my_env.sh
3.添加内容
##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
4.更新配置
source my_env.sh
5.检查
hadoop version
reboot
(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
2.完全分布式运行模式
(1)虚拟机准备
克隆;
主要修改IP地址;
重启网络服务;
修改主机名hostname;
(2)集群分发脚本xsync
scp -r
rsync -av
1.在opt/moduel/hadoop/bin中写
vim xsync
2.添加代码
#!/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
1.执行权限
chmod u+x xsync
2.分享该脚本
sudo xsync ./xsync
(3)设置ssh免密登录
可以考虑使用xshell的工具—发送到所有会话节省操作步骤。
1.生成公钥和私钥
ssh-keygen -t rsa
2.拷贝公钥
ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104
后续可以查找ssh自动批量生成并分发钥匙
3.集群配置
(1)核心配置文件
1.找到core-site.xml
cd $HADOOP_HOME/etc/hadoop
vim core-site.xml
2.添加内容
<configuration>
<!--指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:9820</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<!-- 通过web界面操作hdfs的权限 -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>atguigu</value>
</property>
<!-- 后面hive的兼容性配置 -->
<property>
<name>hadoop.proxyuser.atguigu.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.atguigu.groups</name>
<value>*</value>
</property>
</configuration>
(2)HDFS配置文件
1.vim hdfs-site.xml
2.添加内容
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>
(3)YARN配置文件
1.vim yarn-site.xml
2.添加内容
<configuration>
<!-- 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>hadoop103</value>
</property>
<!-- 环境变量通过从NodeManagers的容器继承的环境属性,对于mapreduce应用程序,除了默认值 hadoop op_mapred_home应该被添加外。属性值 还有如下-->
<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>
<!-- 解决Yarn在执行程序遇到超出虚拟内存限制,Container被kill -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<!-- 后面hive的兼容性配置 -->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>4096</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
1.yarn虚拟内存的另一种处理方式
<!-- 每个容器请求的最小内存资源(以MB为单位)。-->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<!-- 每个容器请求的最大内存资源(以MB为单位)。-->
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>2048</value>
</property>
<!-- 容器虚拟内存与物理内存之间的比率。-->
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>4</value>
</property>
(4)MapReduce配置文件
1.vim mapred-site.xml
2.添加内容
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MR运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
<!-- MR App Master环境变量。-->
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<!-- MR MapTask环境变量。-->
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<!-- MR ReduceTask环境变量。-->
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<!-- 开启日志聚集 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 保存的时间7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
</configuration>
(5)配置workers
1.vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
2.添加内容
hadoop102
hadoop103
hadoop104
(6)分发配置文件
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
4.启动集群
(1)第一次启动格式化NN
hdfs namenode -format
重复格式化则运行批量删除脚本clean
1.vim/opt/module/hadoop/bin/clean
2.添加内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
#删除内容,主要用于重复格式化
ssh $host rm -rf $HADOOP_HOME/data $HADOOP_HOME/logs
ssh $host sudo rm -rf /tmp/*
done
(2)编写批量启动脚本mycluter
1.vim/opt/module/hadoop/bin/mycluster
2.添加内容
if [ $# -ne 1 ]
then
echo "args number error!!!"
exit
fi
case $1 in
"start")
ssh hadoop102 $HADOOP_HOME/sbin/start-dfs.sh
ssh hadoop103 $HADOOP_HOME/sbin/start-yarn.sh
;;
"stop")
ssh hadoop102 $HADOOP_HOME/sbin/stop-dfs.sh
ssh hadoop103 $HADOOP_HOME/sbin/stop-yarn.sh
;;
*)
echo "args info error!!!"
;;
esac
echo “ ———————- 启动 historyserver ———————-“
ssh hadoop102 “/opt/module/hadoop-3.1.3/bin/mapred —daemon start historyserver”
;;
echo “ ———————- 关闭 historyserver ———————-“
ssh hadoop102 “/opt/module/hadoop-3.1.3/bin/mapred —daemon stop historyserver”
(3)编写jsp批量检查脚本jspall
1.1.vim/opt/module/hadoop/bin/japall
2.添加内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo "=========================$host============================"
ssh $host jps
done
(4)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
(5)模块逐一启动/停止
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
(6)错误日志查看
1.cd hadoop根目录下的logs文件夹
2.找到出现问题的组件的日志文件
3.查看信息
tail -n 100 xxx
5.配置历史服务器
1.vim mapred-site.xml
2.添加内容
<!-- 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>
3.分发配置
xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
4.在102启动历史服务器
mapred --daemon start historyserver
5.查看jobHistory
http://hadoop102:19888/jobhistory
6.配置日志聚集
可以看到程序运行详情(job对应的logs)
1.vim yarn-site.xml
2.添加内容
<!-- 开启日志聚集 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 访问路径-->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 保存的时间7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
7.集群时间同步
在公网环境不需要集群时间同步。内网需要
配置其中一个节点为时间服务器(root)
1.102关闭ntp服务和自启动
sudo systemctl stop ntpd
sudo systemctl disable ntpd
2.修改ntp配置
sudo vim /etc/ntp.conf
(1)授权网段上的机器可以查询并同步
去掉#
restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
(2)集群在局域网中,不使用其他互联网上的时间
加上#
#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
(3)节点无网络后使用本地时间提供时间同步
添加
server 127.127.1.0
fudge 127.127.1.0 stratum 10
3,修改ntpd文件
sudo vim /etc/sysconfig/ntpd
增加
SYNC_HWCLOCK=yes
4.重启服务和自启
systemctl start ntpd
systemctl enable ntpd
非时间服务器配置
1.每10分钟与时间服务器同步一次
crontab -e
2.编写定时任务
*/10 * * * * /usr/sbin/ntpdate hadoop102
8.后续可以考虑的配置
(1)hfds-checkpoint的设置