携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第14天，点击查看活动详情
⭐️前面的话⭐️
✉️坚持和努力一定能换来诗与远方！
💭推荐书籍：📚《王道408》，📚《深入理解 Java 虚拟机-周志明》，📚《Java 核心技术卷》
💬算法刷题：✅力扣🌐牛客网
🎈Github
🎈码云Gitee
Hadoop入门
2 运行环境搭建（开发重点）
- Linux：
CentOS-7.5-x86-1804- Jdk 8
- Hadoop 3.1.3
2.1 模板虚拟机环境准备
-
0）安装模板虚拟机，IP地址192.168.10.100、主机名称 hadoop100、内存4G、硬盘50G
-
1）hadoop100 虚拟机配置要求如下
- yum安装
- 安装
epel-release
[root@hadoop100 ~]# yum install -y epel-release注：Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库。
- 安装
net-tool（工具包集合，包含 ifconfig 等命令）、vim编辑器
[root@hadoop100 ~]# yum install -y net-tools [root@hadoop100 ~]# yum install -y vim -
2）关闭防火墙，关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service
注意：在企业开发时，通常单个服务器的防火墙时关闭的。公司整体对外会设置非常安全的防火墙。
- 3）创建 atguigu 用户，并修改 atguigu 用户的密码
[root@hadoop100 ~]# useradd atguigu
[root@hadoop100 ~]# passwd atguigu
- 4）配置atguigu 用户具有
root权限，方便后期加 sudo 执行 root 权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
在 %wheel 这行下面添加一行，如下所示：
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
atguigu ALL=(ALL) NOPASSWD:ALL
-
5）在
/opt目录下创建文件夹，并修改所属主和所属组- （1）在 /opt 目录下创建 module、software 文件夹
[root@hadoop100 ~]# mkdir /opt/module [root@hadoop100 ~]# mkdir /opt/software- （2）修改 module、software 文件夹的所有者和所属组均为atguigu用户
[root@hadoop100 ~]# chown atguigu:atguigu /opt/module [root@hadoop100 ~]# chown atguigu:atguigu /opt/software- （3）查看 module、software 文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/ [root@hadoop100 opt]# ll 总用量 12 drwxr-xr-x. 2 atguigu atguigu 4096 5月 28 17:18 module drwxr-xr-x. 2 root root 4096 9月 7 2017 rh drwxr-xr-x. 2 atguigu atguigu 4096 5月 28 17:18 software -
6）卸载虚拟机自带的 JDK
# 查看 [root@hadoop100 ~]# rpm -qa | grep -i java [root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps- rpm -qa：查询所安装的所有rpm软件包
- grep -i：忽略大小写
- xargs -n1：表示每次只传递一个参数
- rpm -e –nodeps：强制卸载软件
-
7）重启虚拟机
[root@hadoop100 ~]# reboot
2.2 克隆虚拟机
- 1）利用模板机
hadoop100，克隆三台虚拟机：hadoop102、hadoop103、hadoop104
注意：克隆时，要先关闭hadoop100。
-
2）修改克隆机IP，以下以hadoop102举例说明
- （1）修改克隆虚拟机的静态IP
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33vim /etc/sysconfig/network-scripts/ifcfg-ens33 修改为 DEVICE=ens33 TYPE=Ethernet ONBOOT=yes BOOTPROTO=static NAME="ens33" IPADDR=192.168.10.102 PREFIX=24 GATEWAY=192.168.10.2 DNS1=192.168.10.2- （2）查看
Linux虚拟机的虚拟网络编辑器，编辑->虚拟网络编辑器->VMnet8 - （3）查看Windows系统适配器VMware Network Adapter VMnet8的IP地址
- （4）保证 Linux 系统 ifcfg-ens33 文件中IP地址、虚拟网络编辑器地址和Windows系统 VM8 网络 IP 地址相同。
-
3）修改克隆机主机名，以下以 hadoop102 举例说明
- （1）修改主机名称
[root@hadoop100 ~]# vim /etc/hostname hadoop102- （2）配置Linux克隆机主机名称映射hosts文件，打开
/etc/hosts
[root@hadoop100 ~]# vim /etc/hosts添加如下内容
192.168.10.100 hadoop100 192.168.10.101 hadoop101 192.168.10.102 hadoop102 192.168.10.103 hadoop103 192.168.10.104 hadoop104 192.168.10.105 hadoop105 192.168.10.106 hadoop106 192.168.10.107 hadoop107 192.168.10.108 hadoop108 -
4）重启克隆机hadoop102
[root@hadoop100 ~]# reboot
-
5）修改 windows 的主机映射文件（hosts文件）
-
（1）如果操作系统是 window7，可以直接修改
-
（2）如果操作系统是 window10，先拷贝出来，修改保存以后，再覆盖即可
- （a）进入C:\Windows\System32\drivers\etc路径
- （b）拷贝hosts文件到桌面
- （c）打开桌面hosts文件并添加如下内容
192.168.10.100 hadoop100 192.168.10.101 hadoop101 192.168.10.102 hadoop102 192.168.10.103 hadoop103 192.168.10.104 hadoop104 192.168.10.105 hadoop105 192.168.10.106 hadoop106 192.168.10.107 hadoop107 192.168.10.108 hadoop108- （d）将桌面hosts文件覆盖
C:\Windows\System32\drivers\etc路径hosts文件
-
2.3 在 hadoop102 安装 JDK
- 1）卸载现有 JDK
注意：安装 JDK 前，一定确保提前删除了虚拟机自带的 JDK。
-
2）用 XShell 等传输工具将 JDK 导入到
/opt/software/目录下，并查看[atguigu@hadoop102 ~]$ ls /opt/software/ -
3）解压 JDK 到
/opt/module目录下[atguigu@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/ -
4）配置 JDK 环境变量
（1）新建/etc/profile.d/my_env.sh文件
[atguigu@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh
添加如下内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin
（2）保存后退出
:wq
（3）source一下/etc/profile文件，让新的环境变量 PATH 生效
[atguigu@hadoop102 ~]$ source /etc/profile
- 6）测试 JDK 是否安装成功
[atguigu@hadoop102 ~]$ java -version
java version "1.8.0_212"
2.4 在 hadoop102 安装Hadoop
Hadoop下载地址：archive.apache.org/dist/hadoop…
-
1）用 XShell 等文件传输工具将
hadoop-3.1.3.tar.gz导入到/opt/software/目录下 -
2）进入到 Hadoop 安装包路径下
[atguigu@hadoop102 ~]$ cd /opt/software/ -
3）解压安装文件到 /opt/module 下面，并查看
[atguigu@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/ [atguigu@hadoop102 software]$ ls /opt/module/ hadoop-3.1.3 -
4）将 Hadoop 添加到环境变量
- （1）获取 Hadoop 安装路径
[atguigu@hadoop102 hadoop-3.1.3]$ pwd /opt/module/hadoop-3.1.3- （2）打开
/etc/profile.d/my_env.sh文件
[atguigu@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh 在my_env.sh文件末尾添加如下内容：（shift+g） #HADOOP_HOME export HADOOP_HOME=/opt/module/hadoop-3.1.3 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin 保存并退出： :wq- （3）让修改后的文件生效
[atguigu@hadoop102 hadoop-3.1.3]$ source /etc/profile -
5）测试是否安装成功
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3
- 6）重启（如果Hadoop命令不能用再重启虚拟机）
[atguigu@hadoop102 hadoop-3.1.3]$ sudo reboot
2.5 Hadoop 目录结构
[atguigu@hadoop102 hadoop-3.1.3]$ ll
总用量 52
drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 bin
drwxr-xr-x. 3 atguigu atguigu 4096 5月 22 2017 etc
drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 include
drwxr-xr-x. 3 atguigu atguigu 4096 5月 22 2017 lib
drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 libexec
-rw-r--r--. 1 atguigu atguigu 15429 5月 22 2017 LICENSE.txt
-rw-r--r--. 1 atguigu atguigu 101 5月 22 2017 NOTICE.txt
-rw-r--r--. 1 atguigu atguigu 1366 5月 22 2017 README.txt
drwxr-xr-x. 2 atguigu atguigu 4096 5月 22 2017 sbin
drwxr-xr-x. 4 atguigu atguigu 4096 5月 22 2017 share
-
重要目录
- （1）
bin目录：存放对 Hadoop 相关服务（hdfs，yarn，mapred）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
- （1）
3 运行模式
-
Hadoop官方网站：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。
- 伪分布式模式：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。
3.1 本地运行模式（官方WordCount）
- 在
hadoop-3.1.3文件下面创建一个wcinput文件夹
[atguigu@hadoop102 hadoop-3.1.3]$ mkdir wcinput
- 在 wcinput 文件下创建一个
word.txt文件
[atguigu@hadoop102 hadoop-3.1.3]$ cd wcinput
- 编辑
word.txt文件
[atguigu@hadoop102 wcinput]$ vim word.txt
# 在文件中输入如下内容
hadoop yarn
hadoop mapreduce
atguigu
atguigu
- 回到 Hadoop目录
/opt/module/hadoop-3.1.3，执行程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
- 查看结果
[atguigu@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000
# 结果如下
atguigu 2
hadoop 2
mapreduce 1
yarn 1
3.2 完全分布式运行模式🎈（开发重点）
- 分析：
- 1）准备3台客户机（关闭防火墙、静态IP、主机名称）
- 2）安装JDK、配置环境变量
- 3）安装Hadoop、配置环境变量
- 4）配置集群
- 5）单点启动
- 6）配置ssh
- 7）群起并测试集群
3.2.1虚拟机准备
- 详见 2.1 ~ 2.4
3.2.2编写集群分发脚本xsync
-
scp（secure copy）安全拷贝
- 定义：scp可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）
- 语法
scp -r $pdir/$fname $user@$host:$pdir/$fname 命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称- 案例实操
# 前提：在hadoop102、hadoop103、hadoop104都已经创建好/opt/module、/opt/software两个目录， # 并且已经把这两个目录修改为atguigu:atguigu [atguigu@hadoop102 ~]$ sudo chown atguigu:atguigu -R /opt/module # 将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。 [atguigu@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 atguigu@hadoop103:/opt/module # 将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。 [atguigu@hadoop103 ~]$ scp -r atguigu@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/ # 将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。 [atguigu@hadoop103 opt]$ scp -r atguigu@hadoop102:/opt/module/* atguigu@hadoop104:/opt/module -
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。
-
语法
rsync -av $pdir/$fname $user@$host:$pdir/$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/名称选项参数说明 | 选项 | 功能 | | -- | ------ | | -a | 归档拷贝 | | -v | 显示复制过程 |- 案例实操
# 删除hadoop103中/opt/module/hadoop-3.1.3/wcinput [atguigu@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/ # 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103 [atguigu@hadoop102 module]$ rsync -av hadoop-3.1.3/ atguigu@hadoop103:/opt/module/hadoop-3.1.3/ -
-
xsync集群分发脚本
-
需求：循环复制文件到所有节点的相同目录下
-
分析
- rsync命令原始拷贝
rsync -av /opt/module atguigu@hadoop103:/opt/- 期望脚本：xsync要同步的文件名称
- 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）
[atguigu@hadoop102 ~]$ echo $PATH /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/atguigu/.local/bin:/home/atguigu/bin:/opt/module/jdk1.8.0_212/bin -
脚本实现
- 在 /home/atguigu/bin 目录下创建 xsync 文件
[atguigu@hadoop102 opt]$ cd /home/atguigu [atguigu@hadoop102 ~]$ mkdir bin [atguigu@hadoop102 ~]$ cd bin [atguigu@hadoop102 bin]$ vim xsync # 在该文件中编写如下代码#!/bin/bash #1. 判断参数个数 if [ $# -lt 1 ] then echo Not Enough Arguement! exit; fi #2. 遍历集群所有机器 for host in hadoop102 hadoop103 hadoop104 do echo ==================== $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 $host:$pdir else echo $file does not exists! fi done done- 修改脚本 xsync 具有执行权限
[atguigu@hadoop102 bin]$ chmod +x xsync- 测试脚本
[atguigu@hadoop102 ~]$ xsync /home/atguigu/bin- 将脚本复制到 /bin 中，以便全局调用
[atguigu@hadoop102 bin]$ sudo cp xsync /bin/- 同步环境变量配置（root所有者）
[atguigu@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh # 让环境变量生效 [atguigu@hadoop103 bin]$ source /etc/profile [atguigu@hadoop104 opt]$ source /etc/profile
-
3.2.3SSH 无密登录配置
-
配置 ssh
- 语法：
ssh另一台电脑的 IP地址 - ssh 连接时出现
Host key verification failed的解决方法
[atguigu@hadoop102 ~]$ ssh hadoop103 # 如果出现如下内容 Are you sure you want to continue connecting (yes/no)? # 输入yes，并回车 # 退回到hadoop102 [atguigu@hadoop103 ~]$ exit - 语法：
-
无密钥配置
- 免密登录原理
- 生成公钥和私钥
[atguigu@hadoop102 .ssh]$ pwd /home/atguigu/.ssh [atguigu@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） # 将公钥拷贝到要免密登录的目标机器上 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop102 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop103 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop104 # 注意： 还需要在hadoop103上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。 还需要在hadoop104上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。 还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。 -
.ssh 文件夹下（~/.ssh）的文件功能解释
| 文件 | 功能 |
|---|---|
| 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 |
3.2.4集群配置
-
集群部署规划
- NameNode和SecondaryNameNode不要安装在同一台服务器
- ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
| hadoop102 | hadoop103 | hadoop104 | |
|---|---|---|---|
| HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
| YARN | NodeManager | ResourceManager NodeManager | 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。
- 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 - 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$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。
-
配置集群
- 核心配置文件：配置core-site.xml
[atguigu@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop [atguigu@hadoop102 hadoop]$ 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atguigu --> <property> <name>hadoop.http.staticuser.user</name> <value>atguigu</value> </property> </configuration>- HDFS配置文件：配置 hdfs-site.xml
[atguigu@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>hadoop104:9868</value> </property> </configuration>- YARN配置文件：配置 yarn-site.xml
[atguigu@hadoop102 hadoop]$ vim yarn-site.xml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>- MapReduce配置文件：配置mapred-site.xml
[atguigu@hadoop102 hadoop]$ vim mapred-site.xml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
[atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
- 去103和104上查看文件分发情况
[atguigu@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[atguigu@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
3.2.5群起集群
- 配置 workers
[atguigu@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
# 在该文件中增加如下内容：
hadoop102
hadoop103
hadoop104
# 同步所有节点配置文件
[atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
-
启动集群
- 如果集群是第一次启动，需要在hadoop102节点格式化NameNode
- 启动HDFS
[atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh- 在配置了 ResourceManager 的节点（hadoop103）启动YARN
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh-
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
-
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
- 上传文件到集群
# 上传小文件 [atguigu@hadoop102 ~]$ hadoop fs -mkdir /input [atguigu@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input # 上传大文件 [atguigu@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /- 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 [atguigu@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 [atguigu@hadoop102 subdir0]$ cat blk_1073741825 hadoop yarn hadoop mapreduce atguigu atguigu- 拼接
-rw-rw-r--. 1 atguigu atguigu 134217728 5月 23 16:01 blk_1073741836 -rw-rw-r--. 1 atguigu atguigu 1048583 5月 23 16:01 blk_1073741836_1012.meta -rw-rw-r--. 1 atguigu atguigu 63439959 5月 23 16:01 blk_1073741837 -rw-rw-r--. 1 atguigu atguigu 495635 5月 23 16:01 blk_1073741837_1013.meta [atguigu@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz- 下载
[atguigu@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./- 执行wordcount程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
3.2.6配置历史服务器
为了查看程序的历史运行情况，需要配置一下历史服务器。
- 配置 mapred-site.xml
[atguigu@hadoop102 hadoop]$ vim mapred-site.xml
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
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
- 在 hadoop102 启动历史服务器
[atguigu@hadoop102 hadoop]$ mapred --daemon start historyserver
- 查看历史服务器是否启动
[atguigu@hadoop102 hadoop]$ jps
- 查看 JobHistory：http://hadoop102:19888/jobhistory
3.2.7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。
- 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
- 配置yarn-site.xml
[atguigu@hadoop102 hadoop]$ vim yarn-site.xml增加如下配置
<!-- 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>- 分发配置
[atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml- 关闭NodeManager 、ResourceManager 和 HistoryServer
[atguigu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh [atguigu@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver- 启动NodeManager 、ResourceManage和HistoryServer
[atguigu@hadoop103 ~]$ start-yarn.sh [atguigu@hadoop102 ~]$ mapred --daemon start historyserver- 删除HDFS上已经存在的输出文件
[atguigu@hadoop102 ~]$ hadoop fs -rm -r /output- 执行WordCount程序
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output-
查看日志
- 历史服务器地址：http://hadoop102:19888/jobhistory
- 历史任务列表
- 查看任务运行日志
- 运行日志详情
3.2.8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
# 整体启动/停止HDFS
start-dfs.sh/stop-dfs.sh
# 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
# 分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode
# 启动/停止YARN
yarn --daemon start/stop resourcemanager/nodemanager
3.2.9编写Hadoop集群常用脚本
- Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh
[atguigu@hadoop102 ~]$ cd /home/atguigu/bin
[atguigu@hadoop102 bin]$ vim myhadoop.sh
输入如下内容：
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
保存后退出，然后赋予脚本执行权限
[atguigu@hadoop102 bin]$ chmod +x myhadoop.sh
- 查看三台服务器Java进程脚本：jpsall
[atguigu@hadoop102 ~]$ cd /home/atguigu/bin
[atguigu@hadoop102 bin]$ vim jpsall
输入如下内容：
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
保存后退出，然后赋予脚本执行权限
[atguigu@hadoop102 bin]$ chmod +x jpsall
- 分发 /home/atguigu/bin 目录，保证自定义脚本在三台机器上都可以使用
[atguigu@hadoop102 ~]$ xsync /home/atguigu/bin/
3.2.10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 |
3.2.11集群时间同步
- 如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准；
- 如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。
- 需求
- 时间服务器配置（必须root用户）
- 其他机器配置（必须root用户）
4 常见错误及解决方案
-
1、防火墙没关闭、或者没有启动YARN
- INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032
-
2、主机名称配置错误
-
3、IP 地址配置错误
-
4、ssh 没有配置好
-
5、root 用户和 atguigu 两个用户启动集群不统一
-
6、配置文件修改不细心
-
7、不识别主机名称
java.net.UnknownHostException: hadoop102: hadoop102 at java.net.InetAddress.getLocalHost(InetAddress.java:1475) at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:146) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287) at java.security.AccessController.doPrivileged(Native Method) at javax.security.auth.Subject.doAs(Subject.java:415)-
解决办法：
（1）在
/etc/hosts文件中添加192.168.10.102 hadoop102（2）主机名称不要起 hadoop hadoop000 等特殊名称
-
-
8、DataNode 和 NameNode进程同时只能工作一个。
-
9、执行命令不生效，粘贴Word中命令时，遇到-和长–没区分开。导致命令失效
- 解决办法：尽量不要粘贴Word中代码。
-
10、jps 发现进程已经没有，但是重新启动集群，提示进程已经开启。
- 原因是在 Linux 的根目录下 /tmp 目录中存在启动的进程临时文件，将集群相关进程删除掉，再重新启动集群。
-
11、jps不生效
- 原因：全局变量hadoop java没有生效。解决办法：需要source /etc/profile文件。
-
12、8088端口连接不上
