阅读 1520

零基础搭建Hadoop集群

一、配置虚拟机网络(NAT 模式)

宿主机ipconfig截图:

Vmnet8网络配置:

虚拟机网络配置:

二、配置一个单节点环境

2.1 上传文件到CentOS并配置Java和Hadoop环境

上传安装包到服务器:

上传成功后,看到两个压缩包:

解压两个压缩包:

给文件重新命名,方便之后配置环境变量:

配置jdk+hadoop环境变量:

查看jdk环境变量是否配置成功:

查看hadoop环境变量是否配置成功:

---------------------------------------------------------------------------------------

至此jdk和hadoop已经安装好,接下来修改一些配置文件

2.2 修改CentOS主机名

默认主机名:

查看和修改主机名:

永久修改主机名,修改配置文件执行命令: vi /etc/sysconfig/network:

2.3 绑定hostname与IP

绑定hostname和ip, 执行命令:vi /etc/hosts

2.4 关闭防火墙

2.5 Hadoop目录结构

1、查看Hadoop目录结构,执行命令:ll

2、重要目录

(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

三、Hadoop三种运行模式

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。

Hadoop官方网站:hadoop.apache.org/

模式一:本地运行模式

官方Grep案例

1. 创建在hadoop2.8.5文件下面创建一个input文件夹

[root@node hadoop2.8.5]$ mkdir input
复制代码

2. 将Hadoop的xml配置文件复制到input

[root@node hadoop2.8.5]$ cp etc/hadoop/*.xml input
复制代码

3. 执行share目录下的MapReduce程序

[root@node hadoop2.8.5]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jargrep input output 'dfs[a-z.]+'
复制代码

4. 查看输出结果

[root@node hadoop2.8.5]$ cat output/*
复制代码

控制台结果展示:

官方WordCount案例

1. 创建在hadoop2.8.5文件下面创建一个wcinput文件夹

[root@node hadoop2.8.5]$ mkdir wcinput
复制代码

2. 在wcinput文件下创建一个wc.input文件

[root@node hadoop2.8.5]$ cd wcinput
[root@node hadoop2.8.5]$ touch wc.input
复制代码

3. 编辑wc.input文件

[root@node hadoop2.8.5]$ vi wc.input
复制代码

在文件中输入如下内容

hadoop 

hadoop 

mapreduce

yarn

保存退出::wq

4. 回到Hadoop目录/opt/module/hadoop2.8.5

5. 执行程序

[root@node hadoop2.8.5]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount wcinput wcoutput
复制代码

6. 查看结果

[root@node hadoop2.8.5]$ cat wcoutput/part-r-00000
复制代码

hadoop 2

mapreduce 1

yarn 1

案例结果展示:

模式二:伪分布式运行模式

启动HDFS并运行MapReduce程序

1. 配置集群

(1)配置:hadoop-env.sh

        export JAVA_HOME=/usr/java/jdk1.8/

(2)配置:core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
   <name>fs.defaultFS</name>
   <value>hdfs://node: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>/usr/java/hadoop2.8.5/data/tmp</value>
</property>
复制代码

(3)配置:hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<property>
   <name>dfs.replication</name>
   <value>3</value>
</property>
复制代码

2. 启动集群

(1)格式化NameNode(第一次启动时格式化,以后就不要总格式化)

[root@node hadoop2.8.5]$ hdfs namenode -format
复制代码

(2)启动NameNode

[root@node hadoop2.8.5]$ hadoop-daemon.sh start namenode
复制代码

(3)启动DataNode

[root@node hadoop2.8.5]$ hadoop-daemon.sh
start datanode
复制代码

3. 查看集群

(1)查看是否启动成功, 执行命令jps

         注意:jps是JDK中的命令,不是Linux命令。不安装JDK不能使用jps

(2)web端查看HDFS文件系统

http://node:50070

注意:在Windows环境通过URL访问,需要在C:\Windows\System32\drivers\etc\hosts,在其中添加192.168.158.128 node即可。

(3)查看产生的Log日志

本地查看日志:

web端查看日志:

(4)思考:为什么不能一直格式化NameNode,格式化NameNode,要注意什么?

[root@node hadoop2.8.5]$ cd data/tmp/dfs/name/current/
[root@node hadoop2.8.5]$ cat VERSION
复制代码

clusterID=clusterID=CID-1e77ad8f-5b3f-4647-a13a-4ea3f01b6d65

[root@node hadoop2.8.5]$ cd data/tmp/dfs/data/current/
复制代码

clusterID=clusterID=CID-1e77ad8f-5b3f-4647-a13a-4ea3f01b6d65

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。所以,格式NameNode时,一定要先删除data数据和log日志,然后再格式化NameNode。

4. 操作集群

(1)在HDFS文件系统上创建一个input文件夹

执行命令: hdfs dfs -mkdir -p /usr/java/hadoop/input

(2)将本地测试文件内容上传到文件系统上

执行命令:hdfs dfs -put wcinput/wc.input /user/java/hadoop/input/

(3)查看上传的文件是否正确

执行命令:hdfs dfs -cat /usr/java/hadoop/input/wc.input

(4)运行MapReduce程序

执行命令:hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount /usr/java/hadoop/input/ /usr/java/hadoop/output

(5)查看输出结果

执行命令:hdfs dfs -cat /usr/java/hadoop/output/*

(6)将测试文件内容下载到本地

执行命令:hdfs dfs -get /usr/java/hadoop/output/part-r-00000 wcoutput/

(7)删除输出结果

执行命令:hdfs dfs -rm -f /usr/java/hadoop/output

启动YARN并运行MapReduce程序

1. 配置集群

(1)配置yarn-env.sh

(2)配置yarn-site.xml

<!-- 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>node</value>
</property>
复制代码

(3)配置:mapred-env.sh

(4)配置: (对mapred-site.xml.template重新命名为) mapred-site.xml

<!-- 指定MR运行在YARN上 -->
<property>
     <name>mapreduce.framework.name</name>
     <value>yarn</value>
</property>
复制代码

2. 启动集群

(1)启动前必须保证NameNode和DataNode已经启动

(2)启动ResourceManager

执行命令:yarn-daemon.sh start resourcemanager

(3)启动NodeManager

执行命令:yarn-daemon.sh start nodemanager

3. 集群操作

(1)YARN的浏览器页面查看,如图2-35所示

http://node:8088/cluster

(2)删除文件系统上的output文件

执行命令:hdfs dfs -rm -f /usr/java/hadoop/output

(3)执行MapReduce程序

执行命令:hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount /usr/java/hadoop/input/ /usr/java/hadoop/output

(4)查看运行结果

模式三:完全分布式运行模式

1. 克隆虚拟机

2. 修改配置文件

(1)vi /etc/sysconfig/network-scripts/ifcfg-ens33

  (2)  vi /etc/sysconfig/network

  (3)  vi /etc/hosts

3. 集群部署规划

node

node1

node2

HDFS

NameNode

DataNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

NodeManager

4. 配置集群

(1)配置core-site.xml

<!-- 指定HDFS中NameNode的地址-->
<property>
     <name>fs.defaultFS</name> 
     <value>hdfs://node: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>/usr/java/hadoop2.8.5/data/tmp</value>
</property>
复制代码

(2)HDFS配置文件

  • 配置hadoop-env.sh

    export JAVA_HOME=/usr/java/jdk1.8/

  • 配置hdfs-site.xml

    dfs.replication 3 dfs.namenode.secondary.http-address node2:50090

(3)YARN配置文件

  • 配置yarn-env.sh

    export JAVA_HOME=/usr/java/jdk1.8/

  • 配置yarn-site.xml

    yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname node1

(4)MapReduce配置文件

  • 配置mapred-env.sh

    export JAVA_HOME=/usr/java/jdk1.8/

  • 配置mapred-site.xml

    mapreduce.framework.name yarn

5. 节点之间免密通信:  ssh配置免密登录

6. 群起集群

启动HDFS:start-dfs.sh

启动yarn:  start-yarn.sh

[node] jps 

[node1] jps

[node2] jps

集群命令:

启动/停止HDFS

start-dfs.sh / stop-dfs.sh

启动/停止YARN

start-yarn.sh / stop-yarn.sh

全部启动/全部停止

start-all.sh / stop-all.sh

文章分类
后端
文章标签