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
阅读原文时间:2023年07月10日阅读:2

目录

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

  3. 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:

  • hadoop目录

  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

  • MapReduce集群配置

  • Yarn集群配置

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

    fs.defaultFS hdfs://linux121:9000

    hadoop.tmp.dir /opt/lagou/servers/hadoop-2.9.2/data/tmp

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

    dfs.namenode.secondary.http-address linux123:50090

    dfs.replication 3

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

    mapreduce.framework.name yarn

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

<!-- 指定YARN的ResourceManager的地址 -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>linux123</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/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

      [root@linux121 opt]$ rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software

  • 集群分发脚本编写

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:

格式化后创建的文件:/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current

  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

查看HDFS集群正常节点:

  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

  2. 各个模块分开启动/停止(配置ssh是前提)常用

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。

    <!-- 历史服务器端地址 -->
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>linux121:10020</value>
    </property>
    <!-- 历史服务器web端地址 -->
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>linux121:19888</value>
    </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。

    <!-- 日志聚集功能开启 -->
    <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://linux121:19888/jobhistory/logs</value>
    </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

手机扫一扫

移动阅读更方便

阿里云服务器
腾讯云服务器
七牛云服务器

你可能感兴趣的文章