• 1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

    目录

    1.4 Apache Hadoop 完全分布式集群搭建

    • 软件和操作系统版本
      Hadoop框架是采用Java语言编写，需要java环境（jvm）
      JDK版本：JDK8版本
      集群：
      知识点学习：统一使用vmware虚拟机虚拟三台linux节点，linux操作系统：Centos7
      生产阶段：建议最少5台服务器节点
    • Hadoop搭建方式
      单机模式：单节点模式，非集群，生产不会使用这种方式
      单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
      完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）

    1.4.1 虚拟机环境准备

    1. 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目录下创建文件夹
    #软件安装包存放目录
mkdir -p /opt/lagou/software
#软件安装目录
mkdir -p /opt/lagou/servers
    1. Hadoop下载地址：

    ​ https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/

    ​ Hadoop官网地址：

    ​ http://hadoop.apache.org/

    1. 上传hadoop安装文件到/opt/lagou/software

    1.4.2 集群规划

    框架 linux121 linux122 linux123
    HDFS NameNode、DataNode DataNode SecondaryNameNode、DataNode
    YARN NodeManager NodeManager NodeManager、ResourceManager

    1.4.3 安装Hadoop

    • 登录linux121节点；进入/opt/lagou/software,解压安装文件到/opt/lagou/servers
    tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers
    • 查看是否解压成功
    ll /opt/lagou/servers/hadoop-2.9.2
    • 添加Hadoop到环境变量 vim /etc/profile
    #HADOOP_HOME 
export HADOOP_HOME=/opt/lagou/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 version

    ​ 校验结果：
    在这里插入图片描述

    • hadoop目录
      在这里插入图片描述
    1. bin目录：对Hadoop进行操作的相关命令，如hadoop,hdfs等
    2. etc目录：Hadoop的配置文件目录，如hdfs-site.xml,core-site.xml等
    3. lib目录：Hadoop本地库（解压缩的依赖）
    4. sbin目录：存放的是Hadoop集群启动停止相关脚本，命令
    5. share目录：Hadoop的一些jar,官方案例jar，文档等

    1.4.3.1 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
      1. 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
      1. 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
      1. 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：

    1.4.3.1.1 HDFS集群配置
    cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop

    • 配置：hadoop-env.sh

      将JDK路径明确配置给HDFS

      vim hadoop-env.sh

    export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231

    • 指定NameNode节点以及数据存储目录（修改core-site.xml）

      vim core-site.xml

    
<property> 
	<name>fs.defaultFSname> 
	<value>hdfs://linux121:9000value> 
property> 
 
<property> 
	<name>hadoop.tmp.dirname> 
	<value>/opt/lagou/servers/hadoop-2.9.2/data/tmpvalue>
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)

      vim hdfs-site.xml

     
<property> 
	<name>dfs.namenode.secondary.http-addressname> 
    <value>linux123:50090value> 
property> 

 
<property> 
	<name>dfs.replicationname> 
	<value>3value> 
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)

    ​ vim slaves

    linux121
linux122
linux123

    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。

    1.4.3.1.2 MapReduce集群配置

    • 指定MapReduce使用的jdk路径（修改mapred-env.sh）

      vim mapred-env.sh

    export JAVA_HOME=/opt/lagou/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)
    mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml

     
<property> 
	<name>mapreduce.framework.namename> 
	<value>yarnvalue> 
property>

    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

    1.4.3.1.3 Yarn集群配置
    • 指定JDK路径

    ​ vim yarn-env.sh

    export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
    • 指定ResourceManager的master节点信息(修改yarn-site.xml)

    ​ vim yarn-site.xml

     
<property>
	<name>yarn.resourcemanager.hostnamename>
	<value>linux123value>
property>

 
<property>
	<name>yarn.nodemanager.aux-servicesname>
	<value>mapreduce_shufflevalue>
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/lagou/servers/hadoop-2.9.2

    1.4.3.2 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
    rsync   -rvl 		$pdir/$fname 	 $user@$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

    1. 选项参数说明

    表2-2

    选项 功能
    -r 递归
    -v 显示复制过程
    -l 拷贝符号连接

    • rsync案例

      1. 三台虚拟机安装rsync (执行安装需要保证机器联网)
      [root@linux121 ~]# yum install -y rsync
      1. 把linux121机器上的/opt/lagou/software目录同步到linux122服务器的root用户下的/opt/目录
      [root@linux121 opt]$ rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software

    • 集群分发脚本编写

      1. 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@linux123:/opt/

      2. 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：

        [root@linux121 bin]$ touch rsync-script
[root@linux121 bin]$ vim rsync-script

        在文件中编写shell代码

        #!/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=121; host<124; host++)); do 
echo ------------------- linux$host -------------- 
rsync -rvl $pdir/$file_name $user@linux$host:$pdir 
done

        （2）修改脚本 rsync-script 具有执行权限

        [root@linux121 bin]$ chmod 777 rsync-script

        （3）调用脚本形式：rsync-script 文件名称

        [root@linux121 bin]$ rsync-script /home/root/bin

        （4）调用脚本分发Hadoop安装目录到其它节点

        [root@linux121 bin]$ rsync-script /opt/lagou/servers/hadoop-2.9.2

    1.4.4 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！！!

    1.4.4.1 单节点启动

    [root@linux121 hadoop-2.9.2]$ hadoop namenode -format

    格式化命令执行效果：
    在这里插入图片描述
    格式化后创建的文件：/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current
    在这里插入图片描述

    1. 在linux121上启动NameNode

      [root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode
[root@linux121 hadoop-2.9.2]$ jps

    2. 在linux121、linux122以及linux123上分别启动DataNode

      [root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux121 hadoop-2.9.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode

[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux122 hadoop-2.9.2]$ jps
3190 DataNode
3279 Jps

[root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux123 hadoop-2.9.2]$ jps
3237 Jps
3163 DataNode

    3. web端查看hdfs界面

      http://linux121:50070/dfshealth.html#tab-overview

    在这里插入图片描述

    查看HDFS集群正常节点：

    在这里插入图片描述

    1. Yarn集群单节点启动

      [root@linux123 servers]# yarn-daemon.sh start resourcemanager
[root@linux123 servers]# jps
7881 ResourceManager 
8094 Jps

[root@linux122 servers]# yarn-daemon.sh start nodemanager
[root@linux122 servers]# jps
8166 NodeManager
8223 Jps

[root@linux121 servers]# yarn-daemon.sh start nodemanager
[root@linux121 servers]# jps
8166 NodeManager
8223 Jps

    2. 思考：Hadoop集群每次需要一个一个节点的启动，如果节点数增加到成千上万个怎么办？

    1.4.4.2 集群群起

    1. 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

    2. 启动HDFS

      [root@linux121 hadoop-2.9.2]$ sbin/start-dfs.sh
[root@linux121 hadoop-2.9.2]$ jps
4166 NameNode
4482 Jps
4263 DataNode

[root@linux122 hadoop-2.9.2]$ jps
3218 DataNode
3288 Jps

[root@linux123 hadoop-2.9.2]$ jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps

    3. 启动YARN

      [root@linux123 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。

    1.4.4.3 Hadoop集群启动停止命令汇总

    1. 各个服务组件逐一启动/停止

      1. 分别启动/停止HDFS组件

        hadoop-daemon.sh  start / stop  namenode / datanode / secondarynamenode

      2. 启动/停止YARN

        yarn-daemon.sh  start / stop  resourcemanager / nodemanager

    2. 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

        start-dfs.sh  /  stop-dfs.sh

      2. 整体启动/停止YARN

        start-yarn.sh  /  stop-yarn.sh

    1.4.5 集群测试

    1. 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hoome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

    2. 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@linux121 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@linux121 hadoop-2.9.2]$ cd /root/
[root@linux121 wcinput]$ touch wc.txt

      • 编辑wc.txt文件

        [root@linux121 wcinput]$ vi wc.txt

      • 在文件中输入如下内容

        hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn lagou
lagou
lagou

      • 保存退出

        : wq!

      • 上传wc.txt到Hdfs目录/wcinput下

        hdfs dfs -put wc.txt /wcinput

      • 回到Hadoop目录/opt/lagou/servers/hadoop-2.9.2

      • 执行程序

        [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

      • 查看结果

        [root@linux121 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000

hadoop 	 	2
hdfs		1
lagou 		3
mapreduce	3
yarn		2

    1.4.6 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@linux121 hadoop]$ vi mapred-site.xml

      在该文件里面增加如下配置。

      
<property>
	<name>mapreduce.jobhistory.addressname>
	<value>linux121:10020value>
property>

<property>
	<name>mapreduce.jobhistory.webapp.addressname>
    <value>linux121:19888value>
property>

    2. 分发mapred-site.xml到其它节点

      rsync-script mapred-site.xml

    3. 启动历史服务器

      [root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

    4. 查看历史服务器是否启动

      [root@linux121 hadoop-2.9.2]$ jps

    5. 查看JobHistory
      http://linux121:19888/jobhistory

    1.4.6.1 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

      [root@linux121 hadoop]$ vi yarn-site.xml

      在该文件里面增加如下配置。

      
<property>
	<name>yarn.log-aggregation-enablename>
	<value>truevalue>
property>

<property>
	<name>yarn.log-aggregation.retain-secondsname>
    <value>604800value>
property>
<property>
    <name>yarn.log.server.urlname>
    <value>http://linux121:19888/jobhistory/logsvalue>
property>

    2. 分发yarn-site.xml到集群其它节点

      rsync-script yarn-site.xml

    3. 关闭NodeManager 、ResourceManager和HistoryManager

      [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop resourcemanager

[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop nodemanager

[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver

    4. 启动NodeManager 、ResourceManager和HistoryManager

      [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start resourcemanager

[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start nodemanager

[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

    5. 删除HDFS上已经存在的输出文件

      [root@linux121 hadoop-2.9.2]$ bin/hdfs dfs -rm -R /wcoutput

    6. 执行WordCount程序

      [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop- mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

    7. 查看日志，如图所示

      http://linux121:19888/jobhistory

    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述

  • 相关阅读:
    盲盒小程序开发：创新科技与消费者心理的完美结合
    专业知识单选题练习系列（二）
    Canvas 指纹追踪技术
    深入理解Nginx日志级别
    聊聊Hive数据血缘——从Atlas没有列级血缘的Bug讲起
    旋转衬垫控制器 ( Rotation Shim Controller ) 是什么
    路由 知识
    2022-09-17青少年软件编程（C语言）等级考试试卷（五级）解析
    技术管理进阶——什么Leader值得追随？
    基于深度学习的人脸识别闸机开发（基于飞桨PaddlePaddle）
  • 原文地址：https://www.cnblogs.com/gitBook/p/16951456.html