第 1 节 虚拟机环境准备
- 三台虚拟机(静态IP，关闭防火墙，修改主机名，配置免密登录，集群时间同步)
2. 在/opt⽬目录下创建⽂文件夹mkdir -p /opt/software --软件安装包存放⽬目录mkdir -p /opt/servers --软件安装⽬目录
Hadoop下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/
4.Hadoop官⽹网地址:http://hadoop.apache.org/
5.上传hadoop安装文件到/opt/lagou/software第 2 节 集群规划
| **框架**** ** | **hadoop01**** ** | **hadoop2**** ** | **hadoop03**** ** |
| —- | —- | —- | —- | | HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode | | YARN | NodeManager | NodeManager | NodeManager、ResourceManager |
第 3 节 安装Hadoop
登录hadoop01节点;进⼊/opt/software,解压安装文件到/opt/servers
tar -zxvf hadoop-2.9.2.tar.gz -C /opt/servers查看是否解压成功
ll /opt/servers/hadoop-2.9.2添加Hadoop到环境变量 vim /etc/profile
##HADOOP_HOME export HADOOP_HOME=/opt/servers/hadoop-2.9.2 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin使环境变量生效
source /etc/profile验证hadoop
- hadoop目录 ```
- bin目录:对Hadoop进行操作的相关命令，如hadoop,hdfs等
- etc目录:Hadoop的配置⽂件目录，如hdfs-site.xml,core-site.xml等
- lib目录:Hadoop本地库(解压缩的依赖)
- sbin目录:存放的是Hadoop集群启动停止相关脚本，命令
- share目录:Hadoop的一些jar,官方案例jar，文档等
```
3.1 集群配置
Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置
- HDFS集群配置
- 将JDK路径明确配置给HDFS(修改hadoop-env.sh)
2. 指定NameNode节点以及数据存储目录(修改core-site.xml)
3. 指定SecondaryNameNode节点(修改hdfs-site.xml)
4. 指定DataNode从节点(修改etc/hadoop/slaves文件，每个节点配置信息占⼀行)
- MapReduce集群配置
- 将JDK路径明确配置给MapReduce(修改mapred-env.sh)
2. 指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml)
- Yarn集群配置
- 将JDK路径明确配置给Yarn(修改yarn-env.sh)
2. 指定ResourceManager⽼大节点所在计算机节点(修改yarn-site.xml)
3. 指定NodeManager节点(会通过slaves⽂件内容确定)
集群配置具体步骤:
HDFS集群配置
cd /opt/servers/hadoop-2.9.2/etc/hadoop
- 配置:hadoop-env.sh
将JDK路径明确配置给HDFS
export JAVA_HOME=/opt/servers/jdk1.8.0_231
指定NameNode节点以及数据存储目录(修改core-site.xml)
<!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop01:9000</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/servers/hadoop-2.9.2/data/tmp</value> </property>core-site.xml的默认配置: https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/core- default.xml
指定secondarynamenode节点(修改hdfs-site.xml)
<!-- 指定Hadoop辅助名称节点主机配置 --> <property> <name>dfs.namenode.secondary.http-address</name> <value>hadoop03:50090</value> </property> <!--副本数量 --> <property> <name>dfs.replication</name> <value>3</value> </property>官⽅默认配置: https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
指定datanode从节点(修改slaves文件，每个节点配置信息占⼀行)
hadoop01 hadoop02 hadoop03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。
MapReduce集群配置**指定MapReduce使用的jdk路径(修改mapred-env.sh)
export JAVA_HOME=/opt/servers/jdk1.8.0_231指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml) ```xml mv mapred-site.xml.template mapred-site.xml vim mapred-site.xml
mapred-site.xml默认配置：[ https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml](https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml)<br />**<br />**Yarn集群配置**
- 指定JDK路径
```bash
vim yarn-env.sh
export JAVA_HOME=/opt/servers/jdk1.8.0_231
指定ResourceMnager的master节点信息(修改yarn-site.xml)
<!-- 指定YARN的ResourceManager的地址 --> <property> <name>yarn.resourcemanager.hostname</name> <value>hadoop03</value> </property> <!-- Reducer获取数据的方式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property>yarn-site.xml的默认配置：https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
指定NodeManager节点(slaves文件已修改)
注意:
Hadoop安装目录所属⽤户和所属⽤户组信息，默认是501 dialout，而我们操作Hadoop集群的⽤户使用的是虚拟机的root用户，
所以为了避免出现信息混乱，修改Hadoop安装⽬录所属⽤户和用户组!!
chown -R root:root /opt/servers/hadoop-2.9.2
3.2 分发配置
编写集群分发脚本rsync-script
- 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
# 命令 选项参数 要拷⻉的⽂件路径/名称 目的用户@主机:目的路径/名称
rsync -rvl $pdir/$fname $user@$host:$pdir/$fname
选项参数说明
| **选项**** ** | **功能**** ** || —- | —- | | -r | 递归 | | -v | 显示复制过程 | | -l | 拷贝符号连接 |
- rsync案例
- 三台虚拟机安装rsync (执⾏安装需要保证机器联网)
2.把hadoop01机器上的/opt/software⽬录同步到hadoop02服务器的root用户下的/opt/目录yum install -y rsyncrsync -rvl /opt/lagou/software/ root@hadoop02:/opt/lagou/software
- 集群分发脚本编写
- 需求:循环复制文件到集群所有节点的相同目录下
rsync命令原始拷贝:rsync -rvl /opt/module root@hadoop03:/opt/ - 期望脚本
脚本+要同步的文件名称
3. 说明:在/usr/local/bin这个目录下存放的脚本，root⽤户可以在系统任何地⽅直接执行。
4. 脚本实现
(1)在/usr/local/bin⽬录下创建⽂件rsync-script，文件内容如下: ```bash!/bin/bash
1 获取命令输入参数的个数，如果个数为0，直接退出命令
paramnum=$# if((paramnum==0)); then echo no params; exit; fi
2 根据传入参数获取⽂件名称
p1=$1
file_name=basename $p1
echo fname=$file_name
3 获取输入参数的绝对路径
pdir=cd -P $(dirname $p1); pwd
echo pdir=$pdir
4 获取用户名称
user=whoami
5 循环执行rsync
for((host=1; host<4; host++)); do echo —————————- hadoop0$host ——————— rsync -rvl $pdir/$file_name $user@hadoop0$host:$pdir done
(2)修改脚本 rsync-script 具有执行权限
```bash
chmod 777 rsync-script
(3)调⽤脚本形式:rsync-script ⽂件名称
rsync-script /home/root/bin
(4) 调用脚本分发Hadoop安装⽬录到其它节点
rsync-script /opt/servers/hadoop-2.9.2
第 4 节 启动集群
注意:如果集群是第一次启动，需要在Namenode所在节点格式化NameNode，非第⼀次不用执⾏格式化Namenode操作!!
4.1 单节点启动
[root@hadoop01 hadoop-2.9.2]$ hadoop namenode -format
格式化命令执行效果:
格式化后创建的⽂件:/opt/servers/hadoop-2.9.2/data/tmp/dfs/name/current
1. 在hadoop01上启动NameNode
[root@hadoop01 hadoop-2.9.2]$ hadoop-daemon.sh start namenode
[root@hadoop01 hadoop-2.9.2]$ jps
- 在hadoop01、hadoop02以及hadoop03上分别启动DataNode ```bash [root@hadoop01 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@hadoop01 hadoop-2.9.2]$ jps 3461 NameNode 3608 Jps 3561 DataNode
[root@hadoop02 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@hadoop02 hadoop-2.9.2]$ jps 3190 DataNode 3279 Jps
[root@hadoop03 hadoop-2.9.2]$ hadoop-daemon.sh start datanode [root@hadoop03 hadoop-2.9.2]$ jps 3237 Jps 3163 DataNode
3. web端查看Hdfs界⾯<br />[http://hadoop01:50070](http://linux121:50070)<br /><br />查看HDFS集群正常节点:<br /><br />1. Yarn集群单节点启动
```bash
[root@hadoop03 servers]# yarn-daemon.sh start resourcemanager
[root@hadoop03 servers]# jps
7881 ResourceManager
8094 Jps
[root@hadoop02 servers]# yarn-daemon.sh start nodemanager
[root@hadoop02 servers]# jps
8166 NodeManager
8223 Jps
[root@hadoop01 servers]# yarn-daemon.sh start nodemanager
[root@hadoop01 servers]# jps
8166 NodeManager
8223 Jps
4.2 集群群起
- 如果已经单节点⽅式启动了Hadoop,可以先停止之前的启动的Namenode与Datanode进程,如果之前Namenode没有执⾏格式化，这里需要执⾏格式化!!!!
hadoop namenode -format - 启动HDFS ```bash [root@hadoop01 hadoop-2.9.2]$ sbin/start-dfs.sh [root@hadoop01 hadoop-2.9.2]$ jps 4166 NameNode 4482 Jps 4263 DataNode
[root@hadoop02 hadoop-2.9.2]$ jps 3218 DataNode 3288 Jps
[root@hadoop03 hadoop-2.9.2]$ jps 3221 DataNode 3283 SecondaryNameNode 3364 Jps
3. 启动YARN
```bash
[root@hadoop02 hadoop-2.9.2]$ sbin/start-yarn.sh
注意:NameNode和ResourceManger不是在同一台机器，不能在NameNode上启动YARN，应该在ResouceManager所在的机器上启动YARN。
4.3 Hadoop集群启动停止命令汇总
- 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YARNhadoop-daemon.sh start / stop namenode / datanode / secondarynamenodeyarn-daemon.sh 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.shstart-yarn.sh / stop-yarn.sh第 5 节 集群测试
- HDFS 分布式存储初体验
从linux本地⽂件系统上传下载⽂件验证HDFS集群⼯作正常hdfs dfs -mkdir -p /test/input #本地home⽬录创建⼀个文件 cd /root vim test.txt hello hdfs #上传linxu⽂件到Hdfs hdfs dfs -put /root/test.txt /test/input #从Hdfs下载文件到linux本地 hdfs dfs -get /test/input/test.txt - MapReduce 分布式计算初体验
在HDFS⽂件系统根目录下面创建⼀个wcinput文件夹
[root@hadoop01 hadoop-2.9.2]$ hdfs dfs -mkdir /wcinput在/root/⽬录下创建⼀个wc.txt文件(本地文件系统)
[root@hadoop01 hadoop-2.9.2]$ cd /root/ [root@hadoop01 wcinput]$ touch wc.txt编辑wc.txt⽂件，在⽂件中输入如下内容 ```shell vim wc.txt
hadoop mapreduce yarn hdfs hadoop mapreduce mapreduce yarn lagou lagou lagou
- 保存退出，上传wc.txt到Hdfs⽬录/wcinput下
```shell
:wq
hdfs dfs -put wc.txt /wcinput
回到Hadoop目录/opt/lagou/servers/hadoop-2.9.2，执行程序
[root@hadoop01 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput查看结果
[root@hadoop01 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000 hadoop 2 hdfs 1 lagou 3 mapreduce 3 yarn 2第 6 节 配置历史服务器
在Yarn中运行的任务产生的⽇志数据不能查看，为了查看程序的历史运行情况，需要配置一下历史日志服务器。具体配置步骤如下:
1. 配置mapred-site.xml[root@hadoop01 hadoop]$ vi 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>hadoop01:10020</value> </property> <!-- 历史服务器web端地址 --> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop01:19888</value> </property>
- 分发mapred-site.xml到其它节点
rsync-script mapred-site.xml - 启动历史服务器
[root@hadoop01 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver - 查看历史服务器是否启动
[root@hadoop01 hadoop-2.9.2]$ jps - 查看JobHistory
http://hadoop01:19888/jobhistory6.1 配置⽇志的聚集
日志聚集:应用( Job)运⾏完成以后，将应⽤运⾏日志信息从各个task汇总上传到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。 开启⽇志聚集功能具体步骤如下:
1. 配置yarn-site.xml
在该⽂件⾥面增加如下配置。[root@hadoop01 hadoop]$ vi yarn-site.xml<!-- ⽇志聚集功能使能 --> <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> <property> <name>yarn.log.server.url</name> <value>http://hadoop01:19888/jobhistory/logs</value> </property> - 分发yarn-site.xml到集群其它节点
rsync-script yarn-site.xml - 关闭NodeManager 、ResourceManager和HistoryManager
[root@hadoop01 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop resourcemanager [root@hadoop01 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop nodemanager [root@hadoop01 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver - 启动NodeManager 、ResourceManager和HistoryManager
[root@hadoop01 hadoop-2.9.2]$ sbin/yarn-daemon.sh start resourcemanager [root@hadoop01 hadoop-2.9.2]$ sbin/yarn-daemon.sh start nodemanager [root@hadoop01 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver - 删除HDFS上已经存在的输出⽂件
[root@hadoop01 hadoop-2.9.2]$ bin/hdfs dfs -rm -R /wcoutput - 执行WordCount程序
[root@hadoop01 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput - 查看⽇志，如图所示
http://hadoop01:19888/jobhistory
若有收获，就点个赞吧
0 人点赞
