⭐简单说两句⭐
作者:后端小知识
CSDN个人主页:后端小知识
🔎GZH:
后端小知识
🎉欢迎关注🔎点赞👍收藏⭐️留言📝
文章目录
- Hadoop运行模式
- 本地运行模式(官方WordCount)
- 完全分布式运行模式(开发重点)
- 编写集群分发脚本xsync
- SSH无密登录配置
- 集群配置
- 群起集群
- 配置历史服务器
- 配置日志的聚集
- 集群启动/停止方式总结
- 编写Hadoop集群常用脚本
- 常用端口号说明
Hadoop运行模式
Hadoop官方网站:http://hadoop.apache.org/
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。
- 本地模式:单机运行,只是用来演示一下官方案例。生产环境不用。
- 伪分布式:也是单机运行,但是具备Hadoop集群的所有功能,一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试,生产环境不用。
- 完全分布式模式:多台服务器组成分布式环境。生产环境使用。
本地运行模式(官方WordCount)
😁创建在hadoop-3.1.3文件下面创建一个wcinput文件夹
[root@hadoop102 hadoop-3.1.3]# mkdir wcinput
😊在wcinput文件下创建一个word.txt文件并编辑
[root@hadoop102 wcinput]# vim word.txt
输入如下内容
hadoop yarn
hadoop mapreduce
保存并退出 :wq
😜回到Hadoop目录/opt/module/hadoop-3.1.3
😜执行程序
[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
😉查看结果
[root@hadoop102 hadoop-3.1.3]# cat wcoutput/part-r-00000
完全分布式运行模式(开发重点)
分析:
1)准备2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
9)群起并测试集群
编写集群分发脚本xsync
😙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 -av p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ pdir/fname
命令 选项参数 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称
选项 | 功能 |
---|---|
-a | 归档拷贝 |
-v | 显示复制过程 |
(2)案例实操
(a)删除hadoop103中/opt/module/hadoop-3.1.3/wcinput
[root@hadoop103 hadoop-3.1.3]# rm -rf wcinput/
(b) 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103
[root@hadoop102 module]# rsync -av hadoop-3.1.3/ root@hadoop103:/opt/module/hadoop-3.1.3/
😋xsync集群分发脚本
期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)
echo $PATH
我这里创建文件xsync文件放在 /usr/bin 下面
xsync文件内容如下
#!/bin/bash#1. 判断参数个数
if [ $# -lt 1 ]
thenecho Not Enough Arguement!exit;
fi
#2. 遍历集群所有机器
for host in hadoop102 hadoop103
doecho ==================== $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 $host:$pdirelseecho $file does not exists!fidone
done
😏修改脚本 xsync 具有执行权限
[root@hadoop102 bin]# chmod +x xsync
😀测试脚本,同步环境变量配置
[root@hadoop102 ~]# xsync /etc/profile.d/my_env.sh
注意:如果用了sudo,那么xsync一定要给它的路径补全。
让环境变量生效,每个机器都要弄
source /etc/profile
SSH无密登录配置
😊配置ssh
(1)基本语法
ssh 另一台电脑的IP地址
😜无密钥配置
(1)生成公钥和私钥
进入到.ssh
目录中去
[root@hadoop102 .ssh]# pwd /home/atguigu/.ssh
[root@hadoop102 .ssh]# ssh-keygen -t rsa
然后敲(三个回车),就会生成两个文件id_rsa
(私钥)、id_rsa.pub
(公钥)
(2)将公钥拷贝到要免密登录的目标机器上
[root@hadoop102 .ssh]# ssh-copy-id hadoop102
[root@hadoop102 .ssh]# ssh-copy-id hadoop103
【注意】
还需要在hadoop103上采用atguigu账号配置一下无密登录到hadoop102、hadoop103服务器上。
😋.ssh
文件夹下(~/.ssh)的文件功能解释
known_hosts | 记录ssh访问过计算机的公钥(public key) |
---|---|
id_rsa | 生成的私钥 |
id_rsa.pub | 生成的公钥 |
authorized_keys | 存放授权过的无密登录服务器公钥 |
集群配置
😀集群部署规划
hadoop102 | hadoop103 | |
---|---|---|
HDFS | (NameNode) (DataNode) ( SecondaryNameNodeDataNode ) | DataNode |
YARNYARN | (NodeManager ) | (ResourceManager)(NodeManager) |
🎨配置文件说明
Hadoop配置文件分两类:默认配置文件和自定义配置文件,只有用户想修改某一默认配置值时,才需要修改自定义配置文件,更改相应属性值。
(1)默认配置文件:
要获取的默认文件 | 文件存放在Hadoop的jar包中的位置 |
---|---|
[core-default.xml] | hadoop-common-3.1.3.jar/core-default.xml |
[hdfs-default.xml] | hadoop-hdfs-3.1.3.jar/hdfs-default.xml |
[yarn-default.xml] | hadoop-yarn-common-3.1.3.jar/yarn-default.xml |
[mapred-default.xml] | hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml |
(2)自定义配置文件:
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上,用户可以根据项目需求重新进行修改配置。
🏓配置集群
(1)核心配置文件
配置core-site.xml
[root@hadoop102 ~]# cd $HADOOP_HOME/etc/hadoop
[root@hadoop102 hadoop]# vim core-site.xml
内容如下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><!-- 指定NameNode的地址 --><property><name>fs.defaultFS</name><value>hdfs://hadoop102:8020</value></property><!-- 指定hadoop数据的存储目录 --><property><name>hadoop.tmp.dir</name><value>/opt/module/hadoop-3.1.3/data</value></property><!-- 配置HDFS网页登录使用的静态用户为tiancx --><property><name>hadoop.http.staticuser.user</name><value>tiancx</value></property>
</configuration>
(2)HDFS配置文件
配置hdfs-site.xml
[root@hadoop102 hadoop]# vim hdfs-site.xml
内容如下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><!-- nn web端访问地址--><property><name>dfs.namenode.http-address</name><value>hadoop102:9870</value></property><!-- 2nn web端访问地址--><property><name>dfs.namenode.secondary.http-address</name><value>hadoop102:9868</value></property>
</configuration>
(3)YARN配置文件
配置yarn-site.xml
[root@hadoop102 hadoop]# vim yarn-site.xml
文件内容如下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration><!-- 指定MR走shuffle --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><!-- 指定ResourceManager的地址--><property><name>yarn.resourcemanager.hostname</name><value>hadoop103</value></property><!-- 环境变量的继承 --><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>
</configuration>
(4)MapReduce配置文件
配置mapred-site.xml
[root@hadoop102 hadoop]# vim mapred-site.xml
文件内容如下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><!-- 指定MapReduce程序运行在Yarn上 --><property><name>mapreduce.framework.name</name><value>yarn</value></property>
</configuration>
🏸在集群上分发配置好的Hadoop配置文件
[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc/hadoop/
然后可以起hadoop103上面看看情况
群起集群
🧾配置worker
[root@hadoop102 hadoop]# vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在文件中添加如下内容
hadoop102
hadoop103
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。
同步所有节点配置文件
[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc
🍉启动集群
(1)如果集群是第一次启动,需要在hadoop102节点格式化NameNode(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。如果集群在运行过程中报错,需要重新格式化NameNode的话,一定要先停止namenode和datanode进程,并且要删除所有机器的data和logs目录,然后再进行格式化。)
[root@hadoop102 hadoop-3.1.3]# hdfs namenode -format
(2)启动HDFS
[root@hadoop102 hadoop-3.1.3]# sbin/start-dfs.sh
(3)**在配置了ResourceManager的节点(hadoop103)**启动YARN
[root@hadoop103 hadoop-3.1.3]# sbin/start-yarn.sh
(4)Web端查看HDFS的NameNode
- 浏览器中输入:http://hadoop102:9870
- 查看HDFS上存储的数据信息
(5)Web端查看YARN的ResourceManager
- 浏览器中输入:http://hadoop103:8088
- 查看YARN上运行的Job信息
🍏集群基本测试
(1)上传文件到集群
-
上传小文件
[root@hadoop102 ~]# hadoop fs -mkdir /input
[root@hadoop102 ~]# hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
-
上传大文件
[root@hadoop102 ~]# hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
(2)上传文件后查看文件存放在什么位置
-
查看HDFS文件存储路径
[root@hadoop102 subdir0]# pwd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-192.168.10.102-1610603650062/current/finalized/subdir0/subdir0
-
查看HDFS在磁盘存储文件内容
[root@hadoop102 subdir0]# cat blk_1073741825
(3)拼接
[root@hadoop102 subdir0]# cat blk_1073741836>>tmp.tar.gz
[root@hadoop102 subdir0]# cat blk_1073741837>>tmp.tar.gz
[root@hadoop102 subdir0]# tar -zxvf tmp.tar.gz
(4)下载
[root@hadoop104 software]# hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
(5)执行wordcount程序
[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
配置历史服务器
🌼配置mapred-site.xml
[root@hadoop102 hadoop]# vim 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>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>
🍄分发配置
[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
🍓在hadoop102启动历史服务器
[root@hadoop102 hadoop]# mapred --daemon start historyserver
🍋查看历史服务器是否启动
[root@hadoop102 hadoop]# jps
🍪查看JobHistory
http://hadoop102:19888/jobhistory
配置日志的聚集
日志聚集概念: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HistoryServer。
开启日志聚集功能具体步骤如下:
(1)配置yarn-site.xml
[root@hadoop102 hadoop]# vim yarn-site.xml
添加如下内容
<!-- 开启日志聚集功能 -->
<property><name>yarn.log-aggregation-enable</name><value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property> <name>yarn.log.server.url</name> <value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property><name>yarn.log-aggregation.retain-seconds</name><value>604800</value>
</property>
(2)分发配置
[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
(3)关闭NodeManager 、ResourceManager和HistoryServer
[root@hadoop103 hadoop-3.1.3]# sbin/stop-yarn.sh
[root@hadoop103 hadoop-3.1.3]# mapred --daemon stop historyserver
(4)启动NodeManager 、ResourceManage和HistoryServer
[root@hadoop103 ~]# start-yarn.sh
[root@hadoop102 ~]# mapred --daemon start historyserver
(5)删除HDFS上已经存在的输出文件
[root@hadoop102 ~]# hadoop fs -rm -r /output
(6)执行WordCount程序
[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
(7)查看日志
历史服务器地址
http://hadoop102:19888/jobhistory
集群启动/停止方式总结
🍊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
🍎各个服务组件逐一启动停止
(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
编写Hadoop集群常用脚本
🥕Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh
[root@hadoop102 ~]# cd /usr/bin
[root@hadoop102 bin]# vim myhadoop.sh
输入如下内容
#!/bin/bashif [ $# -lt 1 ]
thenecho "No Args Input..."exit ;
ficase $1 in
"start")echo " =================== 启动 hadoop集群 ==================="echo " --------------- 启动 hdfs ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"echo " --------------- 启动 yarn ---------------"ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"echo " --------------- 启动 historyserver ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")echo " =================== 关闭 hadoop集群 ==================="echo " --------------- 关闭 historyserver ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"echo " --------------- 关闭 yarn ---------------"ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"echo " --------------- 关闭 hdfs ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)echo "Input Args Error..."
;;
esac
保存后退出,然后赋予脚本执行权限
[root@hadoop102 bin]# chmod +x myhadoop.sh
🥝查看三台服务器Java进程脚本:jpsall
[root@hadoop102 ~]# cd /usr/bin
[root@hadoop102 bin]# vim jpsall
输入如下内容
#!/bin/bashfor host in hadoop102 hadoop103
doecho =============== $host ===============ssh $host jps
done
保存后退出,然后赋予脚本执行权限
[root@hadoop102 bin]# chmod +x jpsall
🥥分发/usr/bin目录,保证自定义脚本在三台机器上都可以使用
[root@hadoop102 ~]# xsync /usr/bin/
常用端口号说明
端口名称 | Hadoop2.x | Hadoop3.x |
---|---|---|
NameNode内部通信端口 | 8020 / 9000 | 8020 / 9000/9820 |
NameNode HTTP UI | 50070 | 9870 |
MapReduce查看执行任务端口 | 8088 | 8088 |
历史服务器通信端口 | 19888 | 19888 |
【注】:集群时间同步就不写了,因为服务器在公网环境(能连接外网),不用同步时间
好啦,环境搭建章节就到这儿就结束了额,大家快快行动起来吧😎
【都看到这了,点点赞点点关注呗,爱你们】😚😚
结语
谢谢你的阅读
,由于作者水平有限,难免有不足之处,若读者发现问题,还请批评,在留言区留言或者私信告知,我一定会尽快修改的。若各位大佬有什么好的解法,或者有意义的解法都可以在评论区展示额,万分谢谢。
写作不易,望各位老板点点赞,加个关注!😘😘😘
💬
作者:后端小知识
CSDN个人主页:后端小知识
🔎GZH:后端小知识
🎉欢迎关注🔎点赞👍收藏⭐️留言📝