Hadoop

Hadoop初识

Hadoop之初见Hadoop

Posted by XU on September 2, 2019

一、Hadoop概述

1.1 概念

HDFS，它是一个文件系统，用于存储文件，通过目录树来定位文件；其次，它是分布式的，由很多服务器联合起来实现其功能，集群中的服务器有各自的角色。 HDFS的设计适合一次写入，多次读出的场景，且不支持文件的修改。适合用来做数据分析，并不适合用来做网盘应用。

1.2 Hadoop组成：

1）HDFS集群包括，NameNode和DataNode以及Secondary Namenode。

2）NameNode负责管理整个文件系统的元数据，以及每一个路径（文件）所对应的数据块信息。

3）DataNode 负责管理用户的文件数据块，每一个数据块都可以在多个datanode上存储多个副本。

4）Secondary NameNode用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。

Hadoop组成

1.2.1 HDFS

HDFS架构概述：

1）NameNode(nn)存储文件的元数据，如文件名，文件目录结构，文件属性(生成时间，副本数，文件权限)，以及每个文件的块列表和块所在的DataNode等

2）DataNode(dn)在本地文件系统存储文件块数据，以及块数据的校验和

3）SecondaryNameNode(2nn)用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照

1.2.2 YARN

1）ResourceManager(rm)处理客户端请求，启动/监控ApplicationMaster，监控NodeManager，资源分配与调度

2）NodeManager(nm)单个节点上的资源管理，处理来自ResourceManager的命令、处理来自ApplicationMaster的命令

3）ApplicationMaster：数据切分，为应用程序申请资源，并分配给内部任务、任务监控与容错

4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息

1.2.3 MapReduce：

MapReduce将计算过程分为两个阶段:

1)Map阶段并行处理输入的数据

2)Reduce阶段对Map结果进行汇总

二、Hadoop运行环境搭建

2.1 本地机器修改hosts

2.2 虚拟化网络设置为NAT

2.3 克隆虚拟机

2.4 修改为静态ip：

[root@hadoop101 /]#vim /etc/udev/rules.d/70-persistent-net.rules

进入如下页面，删除eth0该行；将eth1修改为eth0，同时复制物理ip地址

ip_cg1

2.4.1 修改IP地址

[root@hadoop101 /]#vim /etc/sysconfig/network-scripts/ifcfg-eth0

需要修改的内容有5项：

IPADDR=192.168.1.101

GATEWAY=192.168.1.2

ONBOOT=yes

BOOTPROTO=static

DNS1=192.168.1.2

修改前

ip_cg2

修改后

执行

service network restart

如果报错，reboot，重启虚拟机

2.4 修改主机名

2.4.1 修改hostname

vi /etc/sysconfig/network

注意：主机名称不要有下划线

2.4.2

vim /etc/hosts

添加如下内容 192.168.1.100 hadoop100

192.168.1.101 hadoop101

192.168.1.102 hadoop102

192.168.1.103 hadoop103

192.168.1.104 hadoop104

192.168.1.105 hadoop105

192.168.1.106 hadoop106

192.168.1.107 hadoop107

192.168.1.108 hadoop108

192.168.1.109 hadoop109

192.168.1.110 hadoop110

可以多添加几个，后来在增加节点时，不用再修改hosts

2.4.3 本地机器修改hosts

C -> Windows -> System32 -> drivers -> etc

添加如下内容 192.168.1.100 hadoop100

192.168.1.101 hadoop101

192.168.1.102 hadoop102

192.168.1.103 hadoop103

192.168.1.104 hadoop104

192.168.1.105 hadoop105

192.168.1.106 hadoop106

192.168.1.107 hadoop107

192.168.1.108 hadoop108

192.168.1.109 hadoop109

192.168.1.110 hadoop110

2.5 关闭防火墙

1）查看防火墙开机启动状态

chkconfig iptables --list

2）关闭防火墙

chkconfig iptables off

2.6 在opt目录下创建文件(用户atguigu下)

2.6.1 创建atguigu用户

在root用户里面执行如下操作

[root@hadoop101 opt]# adduser atguigu
[root@hadoop101 opt]# passwd atguigu

2.6.2 设置atguigu用户具有root权限

修改 /etc/sudoers 文件，找到下面一行，在root下面添加一行，如下所示：

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
atguigu   ALL=(ALL)     ALL

修改完毕，现在可以用atguigu帐号登录

2.6.3 在/opt目录下创建文件夹

（1）在root用户下创建module、software文件夹

mkdir module
mkdir software

（2）修改module、software文件夹的所有者

[root@hadoop101 opt]# chown  module
[root@hadoop101 opt]# chown atguigu software
[root@hadoop101 opt]# ls -al

2.7 安装jdk

1）卸载现有jdk

（1）查询是否安装java软件：

 rpm -qa|grep java

（2）如果安装的版本低于1.7，卸载该jdk：

rpm -e 软件包

2）用filezilla工具将jdk、Hadoop-2.7.2.tar.gz导入到opt目录下面的software文件夹下面

3）在linux系统下的opt目录中查看软件包是否导入成功

[root@hadoop101opt]# cd software/

[root@hadoop101software]# ls

jdk-7u79-linux-x64.gz  hadoop-2.7.2.tar.gz

4）解压jdk到/opt/module目录下

tar -zxf jdk-7u79-linux-x64.gz -C /opt/module/

5）配置jdk环境变量

（1）先获取jdk路径：

 [root@hadoop101 jdk1.7.0_79]# pwd
 /opt/module/jdk1.7.0_79

2）打开/etc/profile文件：

[root@hadoop101 jdk1.7.0_79]# vi /etc/profile

在profie文件末尾添加jdk路径：

##JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.7.0_79
export PATH=$PATH:$JAVA_HOME/bin

（3）保存后退出：:wq

（4）让修改后的文件生效：

[root@hadoop101 jdk1.7.0_79]# source /etc/profile

（5）重启（如果java –version可以用就不用重启）：

  [root@hadoop101 jdk1.7.0_79]# sync
  [root@hadoop101 jdk1.7.0_79]# reboot

6）测试jdk安装成功

  [root@hadoop101 jdk1.7.0_79]# java -version
  java version "1.7.0_79"

2.8 安装Hadoop

1）进入到Hadoop安装包路径下：

[root@hadoop101 ~]# cd /opt/software/

2）解压安装文件到/opt/module下面

[root@hadoop101 software]# tar -zxf hadoop-2.7.2.tar.gz -C /opt/module/

3）查看是否解压成功

[root@hadoop101 software]# ls /opt/module/

hadoop-2.7.2

4）配置hadoop中的hadoop-env.sh

（1）Linux系统中获取jdk的安装路径：

[root@hadoop101 jdk1.7.0_79]# echo $JAVA_HOME
/opt/module/jdk1.7.0_79

（2）修改hadoop-env.sh文件中JAVA_HOME 路径：

export JAVA_HOME=/opt/module/jdk1.7.0_79

5）将hadoop添加到环境变量

（1）获取hadoop安装路径：

[root@ hadoop101 hadoop-2.7.2]# pwd
  /opt/module/hadoop-2.7.2

（2）打开/etc/profile文件：

root@ hadoop101 hadoop-2.7.2]# vi /etc/profile

在profie文件末尾添加HADOOP_HOME路径：

##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

（3）保存后退出：

:wq

（4）让修改后的文件生效： root@ hadoop101 hadoop-2.7.2]# source /etc/profile

（5）重启(如果hadoop命令不能用再重启)

    root@ hadoop101 hadoop-2.7.2]# sync
    root@ hadoop101 hadoop-2.7.2]# reboot

三、Hadoop运行模式

1）官方网址

（1）官方网站：

Hadoop

（2）各个版本归档库地址

归档库

（3）hadoop2.7.2版本详情介绍

hadoop2.7.2

2）Hadoop运行模式

（1）本地模式（默认模式）：

不需要启用单独进程，直接可以运行，测试和开发时使用。

（2）伪分布式模式：

等同于完全分布式，只有一个节点。

（3）完全分布式模式：

多个节点一起运行。

3.1 本地文件运行Hadoop 案例

3.1.1 官方grep案例

1）创建在hadoop-2.7.2文件下面创建一个input文件夹

[atguigu@hadoop101 hadoop-2.7.2]$mkdir input

2）将hadoop的xml配置文件复制到input

[atguigu@hadoop101 hadoop-2.7.2]$cp etc/hadoop/*.xml input

3）执行share目录下的mapreduce程序

[atguigu@hadoop101 hadoop-2.7.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'

4）查看输出结果

[atguigu@hadoop101 hadoop-2.7.2]$ cat output/*

3.1.2 官方wordcount案例

1）创建在hadoop-2.7.2文件下面创建一个wcinput文件夹

[atguigu@hadoop101 hadoop-2.7.2]$mkdir wcinput

2）在wcinput文件下创建一个wc.input文件

  [atguigu@hadoop101 hadoop-2.7.2]$cd wcinput
  [atguigu@hadoop101 wcinput]$touch wc.input

3）编辑wc.input文件

[atguigu@hadoop101 wcinput]$vim wc.input

在文件中输入如下内容

  hadoop yarn
  hadoop mapreduce
  atguigu
  atguigu

保存退出：：wq

4）回到hadoop目录/opt/module/hadoop-2.7.2

5）执行程序：

  [atguigu@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput

6）查看结果：

  [atguigu@hadoop101 hadoop-2.7.2]$cat wcoutput/part-r-00000

  atguigu 2
  hadoop  2
  mapreduce       1
  yarn    1

3.2 伪分布式运行Hadoop 案例

3.2.1 HDFS上运行MapReduce 程序

1）分析：

（1）准备1台客户机

（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）启动、测试集群增、删、查

（8）在HDFS上执行wordcount案例

2）执行步骤

需要配置hadoop文件如下

（1）配置集群

（a）配置：hadoop-env.sh

Linux系统中获取jdk的安装路径：

[root@ hadoop101 ~]# echo $JAVA_HOME /opt/module/jdk1.7.0_79

修改JAVA_HOME 路径：

export JAVA_HOME=/opt/module/jdk1.7.0_79

（b）配置：core-site.xml

  <!-- 指定HDFS中NameNode的地址 -->
  <property>
  <name>fs.defaultFS</name>
  <value>hdfs://hadoop101:9000</value>
  </property>

  <!-- 指定hadoop运行时产生文件的存储目录 -->
  <property>
  <name>hadoop.tmp.dir</name>
  <value>/opt/module/hadoop-2.7.2/data/tmp</value>
  </property>

（c）配置：hdfs-site.xml

  <!-- 指定HDFS副本的数量 -->
	<property>
		<name>dfs.replication</name>
		<value>1</value>
	</property>

（2）启动集群

（a）格式化namenode（第一次启动时格式化，以后就不要总格式化）

bin/hdfs namenode -format

（b）启动namenode

sbin/hadoop-daemon.sh start namenode

（c）启动datanode

sbin/hadoop-daemon.sh start datanode

（3）查看集群

（a）查看是否启动成功

[root@hadoop101 ~]# jps
13586 NameNode
13668 DataNode
13786 Jps

（b）查看产生的log日志

当前目录：/opt/module/hadoop-2.7.2/logs

[root@hadoop101 logs]# ls
hadoop-root-datanode-hadoop.atguigu.com.log
hadoop-root-datanode-hadoop.atguigu.com.out
hadoop-root-namenode-hadoop.atguigu.com.log
hadoop-root-namenode-hadoop.atguigu.com.out
SecurityAuth-root.audit

[root@hadoop101 logs]# cat hadoop-root-datanode-hadoop.atguigu.com.log

（c）web端查看HDFS文件系统

http://192.168.1.101:50070/dfshealth.html#tab-overview

注意：如果不能查看，看如下帖子处理

http://www.cnblogs.com/zlslch/p/6604189.html

（4）操作集群 （a）在hdfs文件系统上创建一个input文件夹

[atguigu@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -mkdir -p /user/atguigu/mapreduce/wordcount/input

（b）将测试文件内容上传到文件系统上

bin/hdfs dfs -put wcinput/wc.input /user/atguigu/mapreduce/wordcount/input/

（c）查看上传的文件是否正确

bin/hdfs dfs -ls  /user/atguigu/mapreduce/wordcount/input/
bin/hdfs dfs -cat  /user/atguigu/mapreduce/wordcount/input/wc.input

（d）在Hdfs上运行mapreduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/mapreduce/wordcount/input/ /user/atguigu/mapreduce/wordcount/output

（e）查看输出结果

命令行查看：

bin/hdfs dfs -cat /user/atguigu/mapreduce/wordcount/output/*

浏览器查看

（f）将测试文件内容下载到本地

hadoop fs -get /user/atguigu/mapreduce/wordcount/output/part-r-00000 ./wcoutput/

（g）删除输出结果

hdfs dfs -rmr /user/atguigu/mapreduce/wordcount/output

3.2.2 YARN上运行MapReduce 程序

1）分析：

（1）准备1台客户机

（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yarn上运行

（7）启动、测试集群增、删、查

（8）在yarn上执行wordcount案例

2）执行步骤

（1）配置集群

a）配置yarn-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.7.0_79

（b）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>hadoop101</value>
</property>

（c）配置：mapred-env.sh

配置一下JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.7.0_79

（d）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>

（2）启动集群

（a）启动resourcemanager

sbin/yarn-daemon.sh start resourcemanager

（b）启动nodemanager

sbin/yarn-daemon.sh start nodemanager

（3）集群操作

（a）yarn的浏览器页面查看

http://192.168.1.101:8088/cluster

（b）删除文件系统上的output文件,output不能是已经存在的目录

bin/hdfs dfs -rm -R /user/atguigu/mapreduce/wordcount/output

（c）执行mapreduce程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/atguigu/mapreduce/wordcount/input  /user/atguigu/mapreduce/wordcount/output

（d）查看运行结果

bin/hdfs dfs -cat /user/atguigu/mapreduce/wordcount/output/*

3.2.3 修改本地临时文件存储目录

1）停止进程

[atguigu@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop datanode
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh stop namenode

2）修改hadoop.tmp.dir

[core-site.xml]

<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>

3）格式化NameNode

[atguigu@hadoop101 hadoop-2.7.2]$ hadoop namenode -format

4）启动所有进程

[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[atguigu@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

5）查看/opt/module/hadoop-2.7.2/data/tmp这个目录下的内容

3.2.4 Hadoop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：存放在hadoop相应的jar包中

[core-default.xml]
hadoop-common-2.7.2.jar/ core-default.xml
[hdfs-default.xml]
hadoop-hdfs-2.7.2.jar/ hdfs-default.xml
[yarn-default.xml]
hadoop-yarn-common-2.7.2.jar/ yarn-default.xml
[core-default.xml]
hadoop-mapreduce-client-core-2.7.2.jar/ core-default.xml

（2）自定义配置文件：存放在$HADOOP_HOME/etc/hadoop

core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml

3.2.5 历史服务配置启动查看

1）配置mapred-site.xml

<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop101:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop101:19888</value>
</property>

2）查看启动历史服务器文件目录：

[root@hadoop101 hadoop-2.7.2]# ls sbin/ |grep mr
mr-jobhistory-daemon.sh

3）启动历史服务器

sbin/mr-jobhistory-daemon.sh start historyserver

4）查看历史服务器是否启动

jps

5）查看jobhistory

http://192.168.1.101:19888/jobhistory

3.2.6 日志的聚集

日志聚集概念：应用运行完成以后，将日志信息上传到HDFS系统上

开启日志聚集功能步骤：

（1）配置yarn-site.xml

<!-- 日志聚集功能使能 -->
<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>

（2）关闭nodemanager 、resourcemanager和historymanager

sbin/yarn-daemon.sh stop resourcemanager
sbin/yarn-daemon.sh stop nodemanager
sbin/mr-jobhistory-daemon.sh stop historyserver

（3）启动nodemanager 、resourcemanager和historymanager

sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver

（4）删除hdfs上已经存在的hdfs文件

bin/hdfs dfs -rm -R /user/atguigu/mapreduce/wordcount/output

（5）执行wordcount程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /user/atguigu/mapreduce/wordcount/input /user/atguigu/mapreduce/wordcount/output

（6）查看日志

http://192.168.1.101:19888/jobhistory

3.3 完全分布式部署Hadoop

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

3）配置环境变量

4）安装hadoop

5）配置环境变量

6）安装ssh

7）配置集群

8）启动测试集群

3.3.1 虚拟机准备

(详见2.2-2.3)

3.3.2 主机名设置

(详见2.4)

3.3.3 scp

1）scp可以实现服务器与服务器之间的数据拷贝

2）案例实操

（1）将hadoop101中/opt/module和/opt/software文件拷贝到hadoop102、hadoop103和hadoop104上

[root@hadoop101 /]# scp -r /opt/module/  root@hadoop102:/opt
[root@hadoop101 /]# scp -r /opt/software/  root@hadoop102:/opt
[root@hadoop101 /]# scp -r /opt/module/  root@hadoop103:/opt
[root@hadoop101 /]# scp -r /opt/software/  root@hadoop103:/opt
[root@hadoop101 /]# scp -r /opt/module/  root@hadoop104:/opt
[root@hadoop101 /]# scp -r /opt/software/  root@hadoop105:/opt

（2）将192.168.1.102服务器上的文件拷贝到当前用户下

[root@hadoop101 opt]# scp root@hadoop102:/etc/profile /opt/tmp/

（3）实现两台远程机器之间的文件传输（hadoop103主机文件拷贝到hadoop104主机上）

[atguigu@hadoop102 test]$ scp atguigu@hadoop103:/opt/test/haha atguigu@hadoop104:/opt/test/

3.3.4 SSH无密码登录

1）配置ssh

（1）基本语法

ssh 另一台电脑的ip地址

（2）ssh连接时出现Host key verification failed的解决方法

[root@hadoop2 opt]# ssh 192.168.1.103

The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.
RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?
Host key verification failed.

（3）解决方案如下：直接输入yes

2）无密钥配置

（1）进入到我的home目录

cd ~/.ssh

（2）生成公钥和私钥：

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）

（3）将公钥拷贝到要免密登录的目标机器上

ssh-copy-id 192.168.1.102

3）.ssh文件夹下的文件功能解释

（1）~/.ssh/known_hosts ：记录ssh访问过计算机的公钥(public key)

（2）id_rsa ：生成的私钥

（3）id_rsa.pub ：生成的公钥

（4）authorized_keys ：存放授权过得无秘登录服务器公钥

rsa

3.3.5 rsync

rsync远程同步工具，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

（1）查看rsync使用说明

man rsync more

（2）基本语法

rsync -rvl $pdir/$fname $user@hadoop$host:$pdir

命令 命令参数 要拷贝的文件路径/名称 目的用户@主机:目的路径

选项

-r 递归

-v 显示复制过程

-l 拷贝符号连接

（3）案例实操

把本机/opt/tmp目录同步到hadoop103服务器的root用户下的/opt/tmp目录

rsync -rvl /opt/tmp/* root@hadoop103:/opt/tmp

3.3.6 编写集群分发脚本xsync

1）需求分析：循环复制文件到所有节点的相同目录下

（1）原始拷贝：

rsync -rvl /opt/module root@hadoop103:/opt/

（2）期望脚本：

xsync 要同步的文件名称

（3）在/usr/local/bin这个目录下存放的脚本，可以在系统任何地方直接执行，需要制定路径

2）案例实操：

（1）在/usr/local/bin目录下创建xsync文件，文件内容如下：

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=103; host<105; host++)); do
      #echo $pdir/$fname 0$user@hadoop$host:$pdir
      echo --------------- hadoop$host ----------------
      rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done

（2）修改脚本 xcall 具有执行权限

[root@hadoop102 bin]# chmod a+x xcall

（3）调用脚本形式： xcall 操作命令

[root@hadoop102 ~]# xcall rm -rf /opt/tmp/profile

3.3.8 配置集群

1）集群部署规划

2）配置文件

（1）core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
	<property>
		<name>fs.defaultFS</name>
        <value>hdfs://hadoop102:9000</value>
	</property>
	<!-- 指定hadoop运行时产生文件的存储目录 -->
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/opt/module/hadoop-2.7.2/data/tmp</value>
	</property>

（2）Hdfs

hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.7.0_79

hdfs-site.xml

<configuration>
	<property>
		<name>dfs.replication</name>
		<value>3</value>
	</property>
	<property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:50090</value>
    </property>
</configuration>

slaves

hadoop102
hadoop103
hadoop104

（3）yarn

yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.7.0_79

yarn-site.xml

  <configuration>
  <!-- Site specific YARN configuration properties -->
  <!-- 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>hadoop103</value>
  	</property>
  	</configuration>

（4）mapreduce

mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.7.0_79

mapred-site.xml

<configuration>
<!-- 指定mr运行在yarn上 -->
	<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
	</property>
	</configuration>

3）在集群上分发以上所有文件

cd /opt/module/hadoop-2.7.2/etc/hadoop
xsync /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
xsync /opt/module/hadoop-2.7.2/etc/hadoop/yarn-site.xml
xsync /opt/module/hadoop-2.7.2/etc/hadoop/slaves

4）查看文件分发情况

xcall cat /opt/module/hadoop-2.7.2/etc/hadoop/slavesv

3.3.9 集群启动及测试

1）启动集群

（0）如果集群是第一次启动，需要格式化namenode

[root@hadoop102 hadoop-2.7.2]# bin/hdfs namenode -format

（1）启动HDFS：

[root@hadoop102 hadoop-2.7.2]# sbin/start-dfs.sh
[root@hadoop102 hadoop-2.7.2]# jps
4166 NameNode
4482 Jps
4263 DataNode

[root@hadoop103 桌面]# jps
3218 DataNode
3288 Jps

[root@hadoop104 桌面]# jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps

（2）启动yarn

sbin/start-yarn.sh

tips: Namenode和ResourceManger如果不是同一台机器，不能在NameNode上启动 yarn，应该在ResouceManager所在的机器上启动yarn

2）集群基本测试

（1）上传文件到集群

上传小文件

bin/hdfs dfs -mkdir -p /user/atguigu/tmp/conf

bin/hdfs dfs -put etc/hadoop/*-site.xml /user/atguigu/tmp/conf

上传大文件

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -put /opt/software/hadoop-2.7.2.tar.gz  /user/atguigu/input

（2）上传文件后查看文件存放在什么位置

文件存储路径

[atguigu@hadoop102 subdir0]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0

查看文件内容

[atguigu@hadoop102 subdir0]$ cat blk_1073741825
hadoop
atguigu
atguigu

（3）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.file
[atguigu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.file
[atguigu@hadoop102 subdir0]$ tar -zxvf tmp.file

（4）下载

[atguigu@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -get /user/atguigu/input/hadoop-2.7.2.tar.gz

3）性能测试集群

写海量数据

读海量数据

3.3.10 Hadoop启动停止方式

1）各个服务组件逐一启动

（1）分别启动hdfs组件

	hadoop-daemon.sh  start|stop namenode|datanode|secondarynamenode

（2）启动yarn

yarn-daemon.sh start|stop resourcemanager|nodemanager

2）各个模块分开启动（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

3.3.11 配置集群常见问题

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）未编译源码

Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/05/22 15:38:58 INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032

8）datanode不被namenode识别问题

Namenode在format初始化的时候会形成两个标识，blockPoolId和clusterId。新的datanode加入时，会获取这两个标识作为自己工作目录中的标识。 一旦namenode重新format后，namenode的身份标识已变，而datanode如果依然持有原来的id，就不会被namenode识别

解决办法，删除datanode节点中的数据后，再次重新格式化namenode

namenode_datanode

9）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192.168.1.102 hadoop102

（2）主机名称不要起hadoop hadoop000等特殊名称

10）datanode和namenode进程同时只能工作一个

图

11）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

12）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

CATALOG
    FEATURED TAGS
    DataMining
    FRIENDS