目录

  • 1.4 Apache Hadoop 完全分布式集群搭建
    • 1.4.1 虚拟机环境准备
    • 1.4.2 集群规划
    • 1.4.3 安装Hadoop
      • 1.4.3.1 集群配置
        • 1.4.3.1.1 HDFS集群配置
        • 1.4.3.1.2 MapReduce集群配置
        • 1.4.3.1.3 Yarn集群配置
      • 1.4.3.2 分发配置
    • 1.4.4 启动集群
      • 1.4.4.1 单节点启动
      • 1.4.4.2 集群群起
      • 1.4.4.3 Hadoop集群启动停止命令汇总
    • 1.4.5 集群测试
    • 1.4.6 配置历史服务器
      • 1.4.6.1 配置日志的聚集

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linux121linux122linux123
HDFSNameNode、DataNodeDataNodeSecondaryNameNode、DataNode
YARNNodeManagerNodeManagerNodeManager、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
    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

 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

linux121linux122linux123

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.xmlvim 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

 yarn.resourcemanager.hostnamelinux123 yarn.nodemanager.aux-servicesmapreduce_shuffle

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=$1file_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：

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]$ jps3461 NameNode3608 Jps3561 DataNode[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode[root@linux122 hadoop-2.9.2]$ jps3190 DataNode3279 Jps[root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode[root@linux123 hadoop-2.9.2]$ jps3237 Jps3163 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]# jps7881 ResourceManager 8094 Jps[root@linux122 servers]# yarn-daemon.sh start nodemanager[root@linux122 servers]# jps8166 NodeManager8223 Jps[root@linux121 servers]# yarn-daemon.sh start nodemanager[root@linux121 servers]# jps8166 NodeManager8223 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]$ jps4166 NameNode4482 Jps4263 DataNode[root@linux122 hadoop-2.9.2]$ jps3218 DataNode3288 Jps[root@linux123 hadoop-2.9.2]$ jps3221 DataNode3283 SecondaryNameNode3364 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 /rootvim test.txthello hdfs#上传linxu文件到Hdfshdfs 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 yarnhdfs hadoop mapreducemapreduce yarn lagoulagoulagou

    • 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-00000hadoop  2hdfs1lagou 3mapreduce3yarn2

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。

    mapreduce.jobhistory.addresslinux121:10020mapreduce.jobhistory.webapp.address    linux121:19888

  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。

    yarn.log-aggregation-enabletrueyarn.log-aggregation.retain-seconds    604800    yarn.log.server.url    http://linux121:19888/jobhistory/logs

  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