精华内容
下载资源
问答
  • hadoop3
    千次阅读 多人点赞
    更多相关内容
  • 大数据之Hadoop3.x 运行环境搭建(手把手搭建集群)

    千次阅读 多人点赞 2021-10-22 11:03:15
    2.2.11 常考面试题 三、常见错误及解决方案 四、大数据简历模板和大厂面试真题下载 写在开头 小袁开始更新Hadoop系列教学文章了,从零带你入门大数据,期待的你的关注(根据尚硅谷hadoop3.x写的博客笔记)❤️❤️ ...

    写在开头

    小袁开始更新Hadoop系列教学文章了,从零带你入门大数据,期待的你的关注(根据尚硅谷hadoop3.x写的博客笔记)❤️❤️
    第一篇文章:大数据之Hadoop图解概述
    第二篇文章:大数据之Hadoop模板虚拟机配置图解
    第三篇文章:大数据之Hadoop 运行环境搭建(手把手搭建集群)
    第四篇文章:博主正在加紧编写中…

    安装包准备

    ❤️❤️博主已经为你们准备好了搭建集群需要的所有安装包,用阿里云下载会快很多!!!
    在这里插入图片描述

    一、Hadoop运行环境搭建(开发重点)

    1.1 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

    • 1.使用 yum 安装需要虚拟机可以正常上网,yum 安装前可以先测试下虚拟机联网情

      [root@hadoop100 ~]# ping www.baidu.com
      PING www.baidu.com (14.215.177.39) 56(84) bytes of data.
      64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=1 ttl=128 time=8.60 ms
      64 bytes from 14.215.177.39 (14.215.177.39): icmp_seq=2 ttl=128 time=7.72 ms
      
    • 2.安装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,大多数rpm包在官方 repository 中是找不到的)

      [root@hadoop100 ~]# yum install -y epel-release
      
    • 3.注意:如果Linux安装的是最小系统版,还需要安装如下工具;如果安装的是Linux桌面标准版,不需要执行如下操作
      net-tool:工具包集合,包含ifconfig等命令

      [root@hadoop100 ~]# yum install -y net-tools 
      

      vim:编辑器

      [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ovo用户,并修改用户的密码(之前创建了的就不用创建)

    [root@hadoop100 ~]# useradd ovo
    [root@hadoop100 ~]# passwd 12356
    

    4)配置ovo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
    

    修改/etc/sudoers文件,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
    ovo   ALL=(ALL)     NOPASSWD:ALL
    

    注意:ovo这一行不要直接放到root行下面,因为所有用户都属于wheel组,你先配置了ovo具有免密功能,但是程序执行到%wheel行时,该功能又被覆盖回需要密码。所以ovo要放到%wheel这行下面。

    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ovo用户

      [root@hadoop100 ~]# chown ovo:ovo /opt/module 
      [root@hadoop100 ~]# chown ovo:ovo /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 ovo ovo 4096 10月  24 17:18 module
      drwxr-xr-x. 2 root    root    4096 10月   7 2017 rh
      drwxr-xr-x. 2 ovo ovo 4096 10月  24 17:18 software
      

    6)卸载虚拟机自带的JDK注意:如果你的虚拟机是最小化安装不需要执行这一步。

    [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
    

    1.2 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

    • 关机后,右键 》 管理 》 克隆
      在这里插入图片描述
    • 选择创建完整克隆
      在这里插入图片描述- 修改虚拟机名称
      在这里插入图片描述
    • 克隆完成
      在这里插入图片描述

    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-ens33
      

      改成

      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
      在这里插入图片描述
      在这里插入图片描述

    • 3.查看Windows系统适配器VMware Network Adapter VMnet8的IP地址
      在这里插入图片描述

    • 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(根据上一篇文章配置了小伙伴可以不弄了!

      [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hosts文件根据上一篇文章配置了小伙伴可以不弄了!

    • 1.进入C:\Windows\System32\drivers\etc路径

    • 2.拷贝hosts文件到桌面

    • 3.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
      
    • 4.将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件

    1.3 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。(之前卸载了的就不用卸载了

    [root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
    

    2)用XShell传输工具将JDK导入到opt目录下面的software文件夹下面
    在这里插入图片描述
    3)在Linux系统下的opt目录中查看软件包是否导入成功

    [ovo@hadoop102 ~]$ ls /opt/software/
    

    看到如下结果:
    在这里插入图片描述

    4)解压JDK到/opt/module目录下

    [ovo@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
    

    5)配置JDK环境变量

    • 1.新建/etc/profile.d/my_env.sh文件

      [ovo@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

      [ovo@hadoop102 ~]$ source /etc/profile
      

    6)测试JDK是否安装成功

    [ovo@hadoop102 ~]$ java -version
    

    如果能看到以下结果,则代表Java安装成功。
    在这里插入图片描述

    注意:重启(如果java -version可以用就不用重启)

    [ovo@hadoop102 ~]$ sudo reboot
    

    1.4 在hadoop102安装Hadoop

    1)用XShell文件传输工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面和刚才拖拽JDK一样就不截图了

    2)进入到Hadoop安装包路径下

    [ovo@hadoop102 ~]$ cd /opt/software/
    

    3)解压安装文件到/opt/module下面

    [ovo@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
    

    4)查看是否解压成功

    [ovo@hadoop102 software]$ ls /opt/module/
    hadoop-3.1.3
    

    5)将Hadoop添加到环境变量

    • 1.获取Hadoop安装路径

      [ovo@hadoop102 hadoop-3.1.3]$ pwd
      /opt/module/hadoop-3.1.3
      
    • 2.打开/etc/profile.d/my_env.sh文件

      [ovo@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

      [ovo@hadoop102 hadoop-3.1.3]$ source /etc/profile
      

    6)测试是否安装成功

    [ovo@hadoop102 hadoop-3.1.3]$ hadoop version
    Hadoop 3.1.3
    

    7)重启(如果Hadoop命令不能用再重启虚拟机)

    [ovo@hadoop102 hadoop-3.1.3]$ sudo reboot
    

    1.5 Hadoop目录结构

    1)查看Hadoop目录结构

    [ovo@hadoop102 hadoop-3.1.3]$ ll
    

    在这里插入图片描述

    2)重要目录

    • bin目录:存放对Hadoop相关服务(hdfs,yarn,mapred)进行操作的脚本
    • etc目录:Hadoop的配置文件目录,存放Hadoop的配置文件
    • lib目录:存放Hadoop的本地库(对数据进行压缩解压缩功能)
    • sbin目录:存放启动或停止Hadoop相关服务的脚本
    • share目录:存放Hadoop的依赖jar包、文档、和官方案例

    二、Hadoop运行模式

    1)Hadoop官方网站http://hadoop.apache.org

    2)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。

    2.1 完全分布式运行模式(开发重点)

    分析

    • 1.准备3台虚拟机(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.配置集群
    • 7.单点启动
    • 8.配置ssh
    • 9.群起并测试集群

    2.2.1 虚拟机准备

    详见1.1、1.2两节。

    2.2.2 编写集群分发脚本xsync

    1)scp(secure copy)安全拷贝

    scp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)

    • 1.基本语法(重要!!!

      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
    • 2.案例实操

      前提:在hadoop102、hadoop103、hadoop104都已经创建好的/opt/module、 /opt/software两个目录,并且已经把这两个目录修改为ovo:ovo

      [ovo@hadoop102 ~]$ sudo chown ovo:ovo -R /opt/module
      

      效果如图:
      在这里插入图片描述

      (a)在hadoop102上,将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

      [ovo@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212  ovo@hadoop103:/opt/module
      

      (b)在hadoop103上,将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上。

      [ovo@hadoop103 ~]$ scp -r ovo@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/
      

      (c)在hadoop103上操作,将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上。

      [ovo@hadoop103 opt]$ scp -r ovo@hadoop102:/opt/module/* ovo@hadoop104:/opt/module
      

    2)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-av$pdir/$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

      选项参数说明:

      选项功能
      -a归档拷贝
      -v显示复制过程
    • 2.案例实操

      (a)删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

      [ovo@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/
      

      (b)同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

      [ovo@hadoop102 module]$ rsync -av hadoop-3.1.3/ ovo@hadoop103:/opt/module/hadoop-3.1.3/
      

    3)xsync集群分发脚本

    • 1.需求:循环复制文件到所有节点的相同目录下

    • 2.需求分析:
      (a)rsync命令原始拷贝:

      rsync  -av     /opt/module  		ovo@hadoop103:/opt/
      

      (b)期望脚本:xsync要同步的文件名称
      (c)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)

      [ovo@hadoop102 ~]$ echo $PATH
      /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/ovo/.local/bin:/home/ovo/bin:/opt/module/jdk1.8.0_212/bin
      
    • 3.脚本实现

      (a)在/home/ovo/bin目录下创建xsync文件

      [ovo@hadoop102 opt]$ cd /home/ovo
      [ovo@hadoop102 ~]$ mkdir bin
      [ovo@hadoop102 ~]$ cd bin
      [ovo@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
      

      (b)修改脚本 xsync 具有执行权限

      [ovo@hadoop102 bin]$ chmod +x xsync
      

      (c)测试脚本

      [ovo@hadoop102 ~]$ xsync /home/ovo/bin
      

      (d)将脚本复制到/bin中,以便全局调用

      [ovo@hadoop102 bin]$ sudo cp xsync /bin/
      

      (e)同步环境变量配置(root所有者)

      [ovo@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh
      

      注意:如果用了sudo,那么xsync一定要给它的路径补全。
      让环境变量生效

      [ovo@hadoop103 bin]$ source /etc/profile
      [ovo@hadoop104 opt]$ source /etc/profile
      

    2.2.3 SSH无密登录配置

    1)配置ssh

    • 1.基本语法:ssh 另一台电脑的主机名

    • 2.ssh连接时出现Host key verification failed的解决方法

      [ovo@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

    • 3.退回到hadoop102

      [ovo@hadoop103 ~]$ exit
      

    2)无密钥配置

    • 1.免密登录原理
      在这里插入图片描述

    • 2.生成公钥和私钥

      [ovo@hadoop102 .ssh]$ pwd
      /home/ovo/.ssh
      
      [ovo@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)

    • 3.将公钥拷贝到要免密登录的目标机器上

      [ovo@hadoop102 .ssh]$ ssh-copy-id hadoop102
      [ovo@hadoop102 .ssh]$ ssh-copy-id hadoop103
      [ovo@hadoop102 .ssh]$ ssh-copy-id hadoop104
      

      注意

      • 还需要在hadoop103上采用ovo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ovo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;

    2.2.4 集群配置

    1)集群部署规划

    注意:

    • 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。
      在这里插入图片描述

    2)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:
      在这里插入图片描述
    • 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。

    3)配置集群

    • 1.核心配置文件core-site.xml

      [ovo@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
      [ovo@hadoop102 hadoop]$ vim core-site.xml
      

      文件内容如下:

      <?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ovo -->
          <property>
              <name>hadoop.http.staticuser.user</name>
              <value>ovo</value>
          </property>
      </configuration>
      
    • 2.HDFS配置文件hdfs-site.xml

      [ovo@hadoop102 hadoop]$ vim hdfs-site.xml
      

      文件内容如下:

      <?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>
      
    • 3.YARN配置文件yarn-site.xml

      [ovo@hadoop102 hadoop]$ vim yarn-site.xml
      

      文件内容如下:

      <?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>
      
    • 4.MapReduce配置文件mapred-site.xml

      [ovo@hadoop102 hadoop]$ vim mapred-site.xml
      

      文件内容如下:

      <?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>
      

    4)在集群上分发配置好的Hadoop配置文件

    [ovo@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
    

    5)去103和104上查看文件分发情况

    [ovo@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
    [ovo@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
    

    2.2.5 群起集群

    1)配置workers

    [ovo@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
    

    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。

    同步所有节点配置文件

    [ovo@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc
    

    2)启动集群

    • 1.如果集群是第一次启动,需要在hadoop102节点格式化NameNode

      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。

      重点:如果集群在运行过程中报错,需要重新格式化NameNode的话,一定要先停止namenode和datanode进程,并且要删除所有机器的data和logs目录,然后再进行格式化。

      [ovo@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
      
    • 2.启动HDFS

      [ovo@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
      
    • 3.在配置了ResourceManager的节点(注意:hadoop103上)启动YARN

      [ovo@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
      
    • 4.Web端查看HDFS的NameNode
      (a)浏览器中输入:http://hadoop102:9870
      (b)查看HDFS上存储的数据信息

    • 5.Web端查看YARN的ResourceManager
      (a)浏览器中输入:http://hadoop103:8088
      (b)查看YARN上运行的Job信息

    2.2.6 配置历史服务器

    为了查看程序的历史运行情况(集群重新格式化后访问之前的数据),需要配置一下历史服务器。具体配置步骤如下:

    1)配置mapred-site.xml

    [ovo@hadoop102 hadoop]$ vim 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>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>
    

    2)分发配置

    [ovo@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
    

    3)在hadoop102启动历史服务器

    [ovo@hadoop102 hadoop]$ mapred --daemon start historyserver
    

    4)查看历史服务器是否启动

    [ovo@hadoop102 hadoop]$ jps
    

    在这里插入图片描述

    5)查看JobHistoryhttp://hadoop102:19888/jobhistory

    2.2.7 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。

    在这里插入图片描述
    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HistoryServer。

    开启日志聚集功能具体步骤如下:

    1)配置yarn-site.xml

    [ovo@hadoop102 hadoop]$ vim yarn-site.xml
    

    在该文件里面增加如下配置。

    <!-- 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>
    

    2)分发配置

    [ovo@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
    

    3)关闭NodeManager 、ResourceManager和HistoryServer

    [ovo@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
    [ovo@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
    

    4)启动NodeManager 、ResourceManage和HistoryServer

    [ovo@hadoop103 ~]$ start-yarn.sh
    [ovo@hadoop102 ~]$ mapred --daemon start historyserver
    

    5)删除HDFS上已经存在的输出文件

    [ovo@hadoop102 ~]$ hadoop fs -rm -r /output
    

    6)执行WordCount程序路径写自己任意一个文件路径

    [ovo@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
    

    7)查看日志

    2.2.8 集群启动/停止方式总结

    1)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
      

    2)各个服务组件逐一启动/停止

    • 1.分别启动/停止HDFS组件

      hdfs --daemon start/stop namenode/datanode/secondarynamenode
      
    • 2.启动/停止YARN

      yarn --daemon start/stop  resourcemanager/nodemanager
      

    2.2.9 编写Hadoop集群常用脚本

    1)Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh

    [ovo@hadoop102 ~]$ cd /home/ovo/bin
    [ovo@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

    [ovo@hadoop102 bin]$ chmod +x myhadoop.sh
    

    2)查看三台服务器Java进程脚本:jpsall

    [ovo@hadoop102 ~]$ cd /home/ovo/bin
    [ovo@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

    [ovo@hadoop102 bin]$ chmod +x jpsall
    

    3)分发/home/ovo/bin目录,保证自定义脚本在三台机器上都可以使用

    [ovo@hadoop102 ~]$ xsync /home/ovo/bin/
    

    2.2.10 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。

    1)需求

    找一个机器,作为时间服务器,所有的机器与这台集群时间进行定时的同步,生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果,采用1分钟同步一次。
    在这里插入图片描述

    2)时间服务器配置(必须root用户)

    • 1.查看所有节点ntpd服务状态和开机自启动状态

      [ovo@hadoop102 ~]$ sudo systemctl status ntpd
      [ovo@hadoop102 ~]$ sudo systemctl start ntpd
      [ovo@hadoop102 ~]$ sudo systemctl is-enabled ntpd
      
    • 2.修改hadoop102的ntp.conf配置文件

      [ovo@hadoop102 ~]$ sudo vim /etc/ntp.conf
      

      修改内容如下

      (a)修改1(授权192.168.10.0-192.168.10.255网段上的所有机器可以从这台机器上查询和同步时间)

      #restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
      

      为(去掉了#号,改成了192.168.10.0

      restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
      

      (b)修改2(集群在局域网中,不使用其他互联网上的时间)

      server 0.centos.pool.ntp.org iburst
      server 1.centos.pool.ntp.org iburst
      server 2.centos.pool.ntp.org iburst
      server 3.centos.pool.ntp.org iburst
      

      为(全部加上#号,注释掉

      #server 0.centos.pool.ntp.org iburst
      #server 1.centos.pool.ntp.org iburst
      #server 2.centos.pool.ntp.org iburst
      #server 3.centos.pool.ntp.org iburst
      

      (c)添加3(当该节点丢失网络连接,依然可以采用本地时间作为时间服务器为集群中的其他节点提供时间同步)

      server 127.127.1.0
      fudge 127.127.1.0 stratum 10
      
    • 3.修改hadoop102的/etc/sysconfig/ntpd 文件

      [ovo@hadoop102 ~]$ sudo vim /etc/sysconfig/ntpd
      

      增加内容如下(让硬件时间与系统时间一起同步)

      SYNC_HWCLOCK=yes
      
    • 4.重新启动ntpd服务

      [ovo@hadoop102 ~]$ sudo systemctl start ntpd
      
    • 5.设置ntpd服务开机启动

      [ovo@hadoop102 ~]$ sudo systemctl enable ntpd
      

    3)其他机器配置(必须root用户)

    • 1.关闭所有节点上ntp服务和自启动

      [ovo@hadoop103 ~]$ sudo systemctl stop ntpd
      [ovo@hadoop103 ~]$ sudo systemctl disable ntpd
      [ovo@hadoop104 ~]$ sudo systemctl stop ntpd
      [ovo@hadoop104 ~]$ sudo systemctl disable ntpd
      
    • 2.在其他机器配置1分钟与时间服务器同步一次

      [ovo@hadoop103 ~]$ sudo crontab -e
      

      编写定时任务如下:

      */1 * * * * /usr/sbin/ntpdate hadoop102
      
    • 3.修改任意机器时间

      [ovo@hadoop103 ~]$ sudo date -s "2022-9-11 11:11:11"
      
    • 4.1分钟后查看机器是否与时间服务器同步

      [ovo@hadoop103 ~]$ sudo date
      

    2.2.11 常考面试题

    1)常用端口号

    端口名称Hadoop2.xhadoop3.x
    HDFS NameNode 内部通信端口8020/90008020/9000/9820
    HDFS NameNode 对用户的查询端口500709870
    Yran 查看查看任务运行情况端口80888088
    历史服务器通信端口1988819888

    2)常用配置文件

    hadoop2.xcore-site.xmlhadfs-size.xmlyarn-site.xmlmapred-site.xmlslaves
    hadoop3.xcore-site.xmlhadfs-size.xmlyarn-site.xmlmapred-site.xmlworkers

    三、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ovo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。
    在这里插入图片描述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

    [ovo@hadoop102 桌面]$ cat /etc/hosts
    

    注释掉如下代码

    #127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
    #::1         hadoop102
    

    四、大数据简历模板和大厂面试真题下载

    下载地址:15份真实优质大数据简历模板+5份大厂面试真题.zip
    在这里插入图片描述

    展开全文
  • 一、 服务器规划 ...搭建Hadoop集群环境之前,需要为搭建Hadoop集群环境做一些相关的准备工作,以达到正确安装Hadoop集群的目的。 1.添加hadoop用户身份 以root身份登录每台虚拟机服务器,在每台服务器...

    转载请注明出处:https://blog.csdn.net/l1028386804/article/details/93892479

    一、  服务器规划

    二、Hadoop集群环境的准备

    搭建Hadoop集群环境之前,需要为搭建Hadoop集群环境做一些相关的准备工作,以达到正确安装Hadoop集群的目的。

    1.添加hadoop用户身份

    以root身份登录每台虚拟机服务器,在每台服务器上执行如下操作。

    groupadd hadoop
    useradd -r -g hadoop hadoop
    passwd hadoop
    Changing password for user hadoop.
    New password: 新密码
    Retype new password: 确认新密码
    passwd: all authentication tokens updated successfully.
    chown -R hadoop.hadoop /usr/local/
    chown -R hadoop.hadoop /tmp/
    chown -R hadoop.hadoop /home/
    vim /etc/sudoers
    找到
    root    ALL=(ALL)       ALL
    下面添加
    hadoop    ALL=(ALL)       ALL

    2.关闭防火墙

    以root身份登录虚拟机服务器,在每台服务器上执行如下命令:

    #查看防火墙状态
    service iptables status
    #关闭防火墙
    service iptables stop
    #关闭防火墙开机启动
    chkconfig iptables off
    #查看防火墙状态
    service iptables status

    3.设置静态IP

    为每台服务器设置静态IP,这里以服务器binghe201(192.168.175.201)为例,修改配置文件“/etc/sysconfig/network-scripts/ifcfg-eth0”文件,如下:

    DEVICE=eth0
    TYPE=Ethernet
    UUID=11e3b288-72da-4cc6-898d-ee2bf0b44d77
    ONBOOT=yes
    NM_CONTROLLED=yes
    BOOTPROTO=static
    IPADDR=192.168.175.201
    NETMASK=255.255.255.0
    BROADCAST=192.168.175.255
    GATEWAY=192.168.175.2
    DNS1=114.114.114.114
    DNS2=8.8.8.8
    DEFROUTE=yes
    IPV4_FAILURE_FATAL=yes
    IPV6INIT=no
    NAME="System eth0"
    HWADDR=00:0C:29:7F:45:21
    PEERDNS=yes
    PEERROUTES=yes
    LAST_CONNECT=1561336045

    下面,分别列出每台服务器上“/etc/sysconfig/network-scripts/ifcfg-eth0”文件修改过的部分。

    • binghe202(192.168.175.202)
    BOOTPROTO=static
    IPADDR=192.168.175.202
    NETMASK=255.255.255.0
    BROADCAST=192.168.175.255
    GATEWAY=192.168.175.2
    DNS1=114.114.114.114
    DNS2=8.8.8.8
    • binghe203(192.168.175.203)
    BOOTPROTO=static
    IPADDR=192.168.175.203
    NETMASK=255.255.255.0
    BROADCAST=192.168.175.255
    GATEWAY=192.168.175.2
    DNS1=114.114.114.114
    DNS2=8.8.8.8

    设置完静态IP之后,在每台服务器上执行如下命令重启网络。

    service network restart

    4.设置主机名

    设置主机名需要在文件“/etc/sysconfig/network”中进行配置。如果需要修改当前会话的主机名需要使用命令“hostname 主机名”的方式进行设置。

    下面,分别列出每台服务器上“/etc/sysconfig/network”文件的配置和执行的命令。

    • binghe201(192.168.175.201)
    hostname binghe201
    vim /etc/sysconfig/network
    NETWORKING=yes
    HOSTNAME=binghe201
    • binghe202(192.168.175.202)
    hostname binghe202
    vim /etc/sysconfig/network
    NETWORKING=yes
    HOSTNAME=binghe202
    • binghe203(192.168.175.203)
    hostname binghe203
    vim /etc/sysconfig/network
    NETWORKING=yes
    HOSTNAME=binghe203

    5.设置主机名与IP地址的映射关系

    在每台服务器上修改“/etc/hosts”文件,添加如下配置:

    192.168.175.201   binghe201
    192.168.175.202   binghe202
    192.168.175.203   binghe203

    6.集群环境下配置SSH免密码登录

    注意:配置SSH免密码登录,使用hadoop身份登录虚拟机服务器,进行相关的操作。

    (1)生成SSH免密码登录公钥和私钥

    在每台虚拟机服务器上执行如下命令,在每台服务器上分别生成SSH免密码登录的公钥和私钥。

    ssh-keygen -t rsa
    cat /home/hadoop/.ssh/id_rsa.pub >> /home/hadoop/.ssh/authorized_keys

    (2)设置目录和文件权限

    在每台虚拟机服务器上执行如下命令,设置相应目录和文件的权限。

    chmod 700 /home/hadoop/ 
    chmod 700 /home/hadoop/.ssh 
    chmod 644 /home/hadoop/.ssh/authorized_keys 
    chmod 600 /home/hadoop/.ssh/id_rsa

    (3)将公钥拷贝到每台服务器

    在每台虚拟机服务器上执行如下命令,将生成的公钥拷贝到每台虚拟机服务器上。

    ssh-copy-id -i /home/hadoop/.ssh/id_rsa.pub  binghe201
    ssh-copy-id -i /home/hadoop/.ssh/id_rsa.pub  binghe202
    ssh-copy-id -i /home/hadoop/.ssh/id_rsa.pub  binghe203

    执行完上面的命令之后,每台服务器之间都可以通过“ssh 服务器主机名”进行免密码登录了。

    注意:执行每条命令的时候,都会提示类似如下信息。

    Are you sure you want to continue connecting (yes/no)? yes
    Warning: Permanently added 'binghe101,192.168.175.101' (RSA) to the list of known hosts.
    hadoop@binghe101's password:

    在“是否确认继续连接”的地方输入“yes”,提示输入密码的地方输入相应服务器的登录密码即可,后续使用“ssh 主机名”登录相应服务器就不用再输入密码了。

    三、集群环境下的JDK安装

    (1)安装JDK并配置系统环境便令

    在每台服务器上执行安装JDK的操作,同样是将JDK安装在CentOS虚拟机的“/usr/local”目录下,即JAVA_HOME安装目录为“/usr/local/jdk1.8.0_212”。在文件“/etc/profile”中配置的系统环境变量如下:

    JAVA_HOME=/usr/local/jdk1.8.0_212
    CLASS_PATH=.:$JAVA_HOME/lib
    PATH=$JAVA_HOME/bin:$PATH
    export JAVA_HOME CLASS_PATH PATH

    (2)使系统环境变量生效

    在每台服务器上执行如下命令使JDK系统环境变量生效。

    source /etc/profile

    (3)验证JDK是否安装配置

    具体验证方式如下:

    -bash-4.1$ java -version
    java version "1.8.0_212"
    Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
    Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)

    可以看到输出了Java版本,说明JDK安装配置成功。

    四、搭建并配置Zookeeper集群

    安装配置完JDK后,就需要搭建Zookeeper集群了,根据对服务器的规划,现将Zookeeper集群搭建在“binghe201”、“binghe202”、“binghe203”三台服务器上。

    注意:步骤1-4是在“binghe201”服务器上进行的操作。

    1.下载Zookeeper

    在“binghe201”上执行如下命令下载Zookeeper。

    wget https://mirrors.tuna.tsinghua.edu.cn/apache/zookeeper/zookeeper-3.5.5/apache-zookeeper-3.5.5-bin.tar.gz

    2.安装并配置Zookeeper系统环境变量

    这里,将Zookeeper安装在虚拟机的“/usr/local”目录下,即ZOOKEEPER_HOME安装目录为“/usr/local/zookeeper-3.5.5”。

    结合配置JDK后,文件“/etc/profile”文件中添加的内容如下:

    JAVA_HOME=/usr/local/jdk1.8.0_212
    ZOOKEEPER_HOME=/usr/local/zookeeper-3.5.5
    CLASS_PATH=.:$JAVA_HOME/lib
    PATH=$JAVA_HOME/bin:$ZOOKEEPER_HOME/bin:$PATH
    export JAVA_HOME ZOOKEEPER_HOME CLASS_PATH PATH

    3.配置Zookeeper

    首先,需要将“$ZOOKEEPER_HOME/conf”(“$ZOOKEEPER_HOME”为Zookeeper的安装目录)目录下的zoo_sample.cfg文件修改为zoo.cfg文件。具体命令如下:

    cd /usr/local/zookeeper-3.5.5/conf/
    mv zoo_sample.cfg zoo.cfg

    接下来修改zoo.cfg文件,修改后的具体内容如下:

    tickTime=2000
    initLimit=10
    syncLimit=5
    dataDir=/usr/local/zookeeper-3.5.5/data
    dataLogDir=/usr/local/zookeeper-3.5.5/dataLog
    clientPort=2181
    server.1=binghe201:2888:3888
    server.2=binghe202:2888:3888
    server.3=binghe203:2888:3888

    在Zookeeper的安装目录下创建“data”和“dataLog”两个文件夹。

    mkdir -p /usr/local/zookeeper-3.5.5/data
    mkdir -p /usr/local/zookeeper-3.5.5/dataLog

    切换到新建的data目录下,创建myid文件,具体内容为数字“1”,如下所示:

    echo "1" >> /usr/local/zookeeper-3.5.5/data/myid

    将数字“1”写入到文件myid。

    4.复制Zookeeper和系统环境变量到其他服务器

    将“binghe201”上安装的Zookeeper和系统环境变量文件拷贝到“binghe202”和“binghe203”服务器,具体操作如下:

    scp -r /usr/local/zookeeper-3.5.5/ binghe202:/usr/local/
    scp -r /usr/local/zookeeper-3.5.5/ binghe203:/usr/local/
    sudo scp /etc/profile binghe202:/etc
    sudo scp /etc/profile binghe203:/etc

    注意:拷贝系统环境变量文件“/et/profile”文件的时候,如果提示要求输入密码,根据相应的提示输入密码即可。

    5.修改myid文件内容

    • 将“binghe202”服务器上Zookeeper的myid文件内容修改为数字2。

    在“binghe202”上执行如下命令:

    -bash-4.1$ echo "2" > /usr/local/zookeeper-3.5.5/data/myid
    -bash-4.1$ cat /usr/local/zookeeper-3.5.5/data/myid
    2

    可以看到Zookeeper文件的内容被成功修改为数字2了。

    • 将“binghe203”服务器上Zookeeper的myid文件内容修改为数字3。

    在“binghe203”服务器上执行如下命令:

    -bash-4.1$ echo "3" > /usr/local/zookeeper-3.5.5/data/myid 
    -bash-4.1$ cat /usr/local/zookeeper-3.5.5/data/myid
    3

    可以看到Zookeeper文件的内容被成功修改为数字3了。

    6.使环境变量生效

    分别在“binghe201”、“binghe202”和“binghe203”上执行如下操作,使系统环境变量生效。

    source /etc/profile

    五、搭建并配置Hadoop集群

    注意:1-5步是在“binghe201”服务器上执行的操作。

    1.下载Hadoop

    在“binghe201”上执行如下命令下载Hadoop。

    wget mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.2.0/hadoop-3.2.0.tar.gz

    2.解压并配置系统环境变量

    (1)解压Hadoop

    输入如下命令对Hadoop进行解压。

    tar -zxvf hadoop-3.2.0.tar.gz

    (2)配置Hadoop系统环境变量

    同样,Hadoop的系统环境变量也需要在“/etc/profile”文件中进行相应的配置,通过如下命令打开“/etc/profile”文件并进行相关设置。

    sudo vim /etc/profile

    上述命令可能要求输入密码,根据提示输入密码即可。

    在“/etc/profile”文件中添加如下配置:

    HADOOP_HOME=/usr/local/hadoop-3.2.0
    PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    export HADOOP_HOME PATH
    export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
    export HADOOP_COMMON_HOME=$HADOOP_HOME
    export HADOOP_HDFS_HOME=$HADOOP_HOME
    export HADOOP_MAPRED_HOME=$HADOOP_HOME
    export HADOOP_YARN_HOME=$HADOOP_HOME
    export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
    export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

    结合之前配置的JDK和Zookeeper系统环境变量,整体配置信息如下:

    JAVA_HOME=/usr/local/jdk1.8.0_212
    ZOOKEEPER_HOME=/usr/local/zookeeper-3.5.5
    HADOOP_HOME=/usr/local/hadoop-3.2.0
    CLASS_PATH=.:$JAVA_HOME/lib
    PATH=$JAVA_HOME/bin:$ZOOKEEPER_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    export JAVA_HOME ZOOKEEPER_HOME HADOOP_HOME CLASS_PATH PATH
    export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
    export HADOOP_COMMON_HOME=$HADOOP_HOME
    export HADOOP_HDFS_HOME=$HADOOP_HOME
    export HADOOP_MAPRED_HOME=$HADOOP_HOME
    export HADOOP_YARN_HOME=$HADOOP_HOME
    export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
    export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

    (3)使系统环境变量生效

    source /etc/profile

    (4)验证Hadoop系统环境变量是否配置成功

    具体验证方式如下所示:

    hadoop version       
    Hadoop 3.2.0
    Source code repository https://github.com/apache/hadoop.git -r e97acb3bd8f3befd27418996fa5d4b50bf2e17bf
    Compiled by sunilg on 2019-01-08T06:08Z
    Compiled with protoc 2.5.0
    From source with checksum d3f0795ed0d9dc378e2c785d3668f39
    This command was run using /usr/local/hadoop-3.2.0/share/hadoop/common/hadoop-common-3.2.0.jar

    也就是在命令行输入“hadoop version”命令,可以看到输出了Hadoop的版本号“Hadoop 3.2.0”,说明Hadoop系统环境变量配置成功。

    3.修改Hadoop配置文件

    Hadoop集群环境的搭建流程基本和Zookeeper集群的搭建流程相同,除了要解压安装包和配置系统环境变量外,还需要对自身框架进行相关的配置。

    (1)配置hadoop-env.sh

    在hadoop-env.sh文件中,需要指定JAVA_HOME的安装目录,具体如下:

    cd /usr/local/hadoop-3.2.0/etc/hadoop/
    vim hadoop-env.sh
    export JAVA_HOME=/usr/local/jdk1.8.0_212

    (2)配置core-site.xml

    具体配置信息如下:

    <configuration>
    	<property>
    		<name>fs.defaultFS</name>
    		<value>hdfs://ns/</value>
    	</property>
    	<property>
    		<name>hadoop.tmp.dir</name>
    		<value>/usr/local/hadoop-3.2.0/tmp</value>
    	</property>
    	<property>
    		<name>ha.zookeeper.quorum</name>
    		<value>binghe201:2181,binghe202:2181,binghe203:2181</value>
    	</property>
    </configuration>

    (3)配置hdfs-site.xml

    具体配置信息如下:

    <configuration>
    	<property>
    		<name>dfs.nameservices</name>
    		<value>ns</value>
    	</property>
    	<property>
    		<name>dfs.ha.namenodes.ns</name>
    		<value>nn1,nn2</value>
    	</property>
    	<property>
    		<name>dfs.namenode.rpc-address.ns.nn1</name>
    		<value>binghe201:9000</value>
    	</property>
    	<property>
    		<name>dfs.namenode.http-address.ns.nn1</name>
    		<value>binghe201:9870</value>
    	</property>
    	<property>
    		<name>dfs.namenode.rpc-address.ns.nn2</name>
    		<value>binghe202:9000</value>
    	</property>
    	<property>
    		<name>dfs.namenode.http-address.ns.nn2</name>
    		<value>binghe202:9870</value>
    	</property>
    	<property>
    		<name>dfs.namenode.shared.edits.dir</name>
    		<value>qjournal://binghe201:8485;binghe202:8485;binghe203:8485/ns</value>
    	</property>
    	<property>
    		<name>dfs.journalnode.edits.dir</name>
    		<value>/usr/local/hadoop-3.2.0/journaldata</value>
    	</property>
    	<property>
    		<name>dfs.ha.automatic-failover.enabled</name>
    		<value>true</value>
    	</property>
    	<property>
    		<name>dfs.client.failover.proxy.provider.ns</name>
    		<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    	</property>
    	<property>
    		<name>dfs.ha.fencing.methods</name>
    		<value>
    			sshfence
    			shell(/bin/true)
    		</value>
    	</property>
    	<property>
    		<name>dfs.ha.fencing.ssh.private-key-files</name>
    		<value>/home/hadoop/.ssh/id_rsa</value>
    	</property>
    	<property>
    		<name>dfs.ha.fencing.ssh.connect-timeout</name>
    		<value>30000</value>
    	</property>
    </configuration>
    

    (4)配置mapred-site.xml

    具体配置信息如下:

    <configuration>
    	<property>
    		<name>mapreduce.framework.name</name>
    		<value>yarn</value>
    	</property>
    	<property>
    	  <name>yarn.app.mapreduce.am.env</name>
    	  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    	</property>
    	<property>
    	  <name>mapreduce.map.env</name>
    	  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    	</property>
    	<property>
    	  <name>mapreduce.reduce.env</name>
    	  <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    	</property>
    </configuration>

    (5)配置yarn-site.xml

    具体配置信息如下:

    <configuration>
    	<property>    
    		<name>yarn.nodemanager.aux-services</name>    
    		<value>mapreduce_shuffle</value>    
        </property>  
        <property>
    		<name>yarn.resourcemanager.hostname</name>
    		<value>binghe203</value>
          </property>
    </configuration>

    (6)修改workers文件

    这个文件主要是用来存放DataNode节点用的。在Hadoop3.0之前的版本中,这个文件叫作“slaves”。

    具体配置信息如下:

    binghe201
    binghe202
    binghe203

    4.将配置好的Hadoop拷贝到其他节点

    将在“binghe101”上安装并配置好的Hadoop复制到其他服务器上,具体操作如下:

    scp -r /usr/local/hadoop-3.2.0/ binghe202:/usr/local/
    scp -r /usr/local/hadoop-3.2.0/ binghe203:/usr/local/

    5.将配置好的Hadoop系统环境变量拷贝到其他节点

    sudo scp /etc/profile binghe202:/etc/
    sudo scp /etc/profile binghe203:/etc/

    6.使系统环境变量生效

    在所有服务器上执行如下命令,使系统环境变量生效,并验证Hadoop系统环境变量是否配置成功。

    source /etc/profile
    hadoop version

    可以看到,输入“hadoop version”命令之后,命令行输出了如下信息:

    Hadoop 3.2.0
    Source code repository https://github.com/apache/hadoop.git -r e97acb3bd8f3befd27418996fa5d4b50bf2e17bf
    Compiled by sunilg on 2019-01-08T06:08Z
    Compiled with protoc 2.5.0
    From source with checksum d3f0795ed0d9dc378e2c785d3668f39
    This command was run using /usr/local/hadoop-3.2.0/share/hadoop/common/hadoop-common-3.2.0.jar

    说明,Hadoop系统环境变量配置成功。

    六、启动Zookeeper集群

    在三台服务器上分别执行如下命令启动Zookeeper进程。

    zkServer.sh start

    在每台服务器上查看是否存在Zookeeper进程。

    • “binghe201”服务器
    -bash-4.1$ jps
    1476 QuorumPeerMain
    1514 Jps
    • “binghe202”服务器
    -bash-4.1$ jps
    1507 Jps
    1462 QuorumPeerMain
    • “binghe203”服务器
    -bash-4.1$ jps
    1460 QuorumPeerMain
    1498 Jps

    可以看到每天服务器上都启动了Zookeeper进程。

    查看每台服务器上Zookeeper的运行模式,具体如下所示。

    • “binghe201”服务器
    -bash-4.1$ zkServer.sh status
    ZooKeeper JMX enabled by default
    Using config: /usr/local/zookeeper-3.5.5/bin/../conf/zoo.cfg
    Client port found: 2181. Client address: localhost.
    Mode: follower
    • “binghe202”服务器
    -bash-4.1$ zkServer.sh status
    ZooKeeper JMX enabled by default
    Using config: /usr/local/zookeeper-3.5.5/bin/../conf/zoo.cfg
    Client port found: 2181. Client address: localhost.
    Mode: leader
    • “binghe203”服务器
    -bash-4.1$ zkServer.sh status
    ZooKeeper JMX enabled by default
    Using config: /usr/local/zookeeper-3.5.5/bin/../conf/zoo.cfg
    Client port found: 2181. Client address: localhost.
    Mode: follower

    可以看到,在“binghe202”服务器上运行的Zookeeper为“leader”,在“binghe201”和“binghe203”服务器上运行的Zookeeper为“follower”,说明:Zookeeper集群搭建并启动成功。

    七、启动Hadoop集群

    启动搭建的精简版的Hadoop集群,同样需要启动journalnode进程、格式化HDFS、格式化ZKFC、启动HDFS和启动YARN。具体操作步骤如下(注意:需要严格按照以下步骤启动Hadoop集群)。

    1.启动并验证journalnode进程

    (1)启动journalnode进程

    在“binghe201”服务器上执行如下命令启动journalnode进程。

    hdfs --workers --daemon start journalnode

    注意:在Hadoop 3.0以前是输入如下命令启动journalnode进程。

    hadoop-daemons.sh start journalnode

    (2)验证journalnode进程是否启动成功

    在三台服务器上分别执行“jps”命令查看是否存在journalnode进程,以此确认journalnode进程是否启动成功。

    • “binghe201”服务器
    -bash-4.1$ jps
    1476 QuorumPeerMain
    1669 Jps
    1640 JournalNode
    • “binghe202”服务器
    -bash-4.1$ jps
    1633 Jps
    1462 QuorumPeerMain
    1594 JournalNode
    • “binghe203”服务器
    -bash-4.1$ jps
    1585 JournalNode
    1460 QuorumPeerMain
    1624 Jps

    可以看到,三台服务器均启动了journalnode进程,说明journalnode进程启动成功。

    2.格式化HDFS

    在“binghe201”服务器上执行如下命令格式化HDFS。

    hdfs namenode -format

    格式化成功之后,会输出“common.Storage: Storage directory /usr/local/hadoop-3.2.0/tmp/dfs/name has been successfully formatted.”信息,并在HADOOP_HOME(/usr/local/hadoop-3.2.0/)目录下自动创建tmp目录。具体如图所示。

    3.格式化ZKFC

    在“binghe201”服务器上执行如下命令格式化ZKFC。

    hdfs zkfc -formatZK

    格式化成功之后,会输出“ha.ActiveStandbyElector: Successfully created /hadoop-ha/ns in ZK.”信息。具体如图所示。

    4.启动NameNode并验证

    (1)启动NameNode

    在“binghe201”服务器上执行如下命令启动NameNode。

    hdfs --daemon start namenode

    注意:在Hadoop3.0以前的版本启动NameNode是输入如下的命令:

    hadoop-daemon.sh start namenode

    (2)验证NameNode是否启动成功

    在“binghe201”服务器上输入“jps”命令查看是否存在NameNode进程,以此确认NameNode是否启动成功,具体如下:

    -bash-4.1$ jps
    1892 Jps
    1476 QuorumPeerMain
    1640 JournalNode
    1852 NameNode

    从输出结果可以看出,存在“NameNode”进程,说明NameNode启动成功。

    5.同步元数据信息

    在“binghe202”服务器上执行如下命令进行元数据信息的同步操作。

    hdfs namenode -bootstrapStandby

    同步元数据信息的时候输出了“common.Storage: Storage directory /usr/local/hadoop-3.2.0/tmp/dfs/name has been successfully formatted.”信息,说明同步元数据信息成功。

    6.启动并验证备用NameNode

    (1)启动备用NameNode

    在“binghe202”服务器上执行如下命令启动备用NameNode。

    hdfs --daemon start namenode
    注意:在Hadoop3.0以前的版本启动NameNode是输入如下的命令:
    hadoop-daemon.sh start namenode

    (2)验证备用NameNode是否启动成功

    在“binghe202”服务器上输入“jps”命令查看是否存在NameNode进程,以此确认备用NameNode是否启动成功,具体如下:

    -bash-4.1$ jps
    1750 NameNode
    1462 QuorumPeerMain
    1816 Jps
    1594 JournalNode

    从输出结果可以看出,存在“NameNode”进程,说明备用NameNode启动成功。

    7.启动并验证DataNode

    (1)启动DataNode

    在“binghe201”服务器上执行如下命令启动DataNode。

    hdfs --workers --daemon start datanode
    注意:在Hadoop3.0以前的版本启动DataNode是输入如下的命令:
    hadoop-daemons.sh start datanode

    (2)验证DataNode是否启动成功

    在三台服务器分别输入“jps”命令,查看是否存在“DataNode”进程,以此确认DataNode是否启动成功。

    • “binghe201”服务器
    -bash-4.1$ jps
    2145 DataNode
    1476 QuorumPeerMain
    2231 Jps
    1640 JournalNode
    1852 NameNode
    • “binghe202”服务器
    -bash-4.1$ jps
    1750 NameNode
    1462 QuorumPeerMain
    1962 DataNode
    1594 JournalNode
    2063 Jps
    • “binghe203”服务器
    -bash-4.1$ jps
    1585 JournalNode
    1460 QuorumPeerMain
    1703 DataNode
    1771 Jps

    由输出结果可以看出,三台服务器中均启动了“DataNode”进程,说明DataNode启动成功。

    8.启动并验证YARN

    (1)启动YARN

    在“binghe203”服务器上执行如下命令启动YARN。

    start-yarn.sh

    (2)验证YARN是否启动成功

    在三台服务器上执行“jps”命令来验证YARN是否启动成功。

    • “binghe201”服务器
    -bash-4.1$ jps
    2464 Jps
    2145 DataNode
    1476 QuorumPeerMain
    1640 JournalNode
    2329 NodeManager
    1852 NameNode
    • “binghe202”服务器
    -bash-4.1$ jps
    2147 NodeManager
    1750 NameNode
    1462 QuorumPeerMain
    1962 DataNode
    1594 JournalNode
    2284 Jps
    • “binghe203”服务器
    -bash-4.1$ jps
    1585 JournalNode
    2354 Jps
    1460 QuorumPeerMain
    1989 NodeManager
    1703 DataNode
    1883 ResourceManager

    由输出结果可以看出“ResourceManager”进程存在于“binghe203”服务器上;“NodeManager”进程存在于“binghe201”、“binghe202”和“binghe203”服务器上。说明YARN启动成功。

    9.启动并验证ZKFC

    (1)启动ZKFC

    在“binghe201”服务器上执行如下命令启动ZKFC。

    hdfs --workers --daemon start zkfc
    注意:在Hadoop3.0以前的版本中,启动ZKFC需要使用如下命令:
    hadoop-daemons.sh start zkfc 

    (2)验证ZKFC是否启动成功

    在“binghe201”和“binghe202”服务器上分别执行“jps”命令,查看是否存在“DFSZKFailoverController”进程。

    • “binghe201”服务器
    -bash-4.1$ jps
    2145 DataNode
    1476 QuorumPeerMain
    1640 JournalNode
    2329 NodeManager
    1852 NameNode
    2734 Jps
    2670 DFSZKFailoverController
    • “binghe202”服务器
    -bash-4.1$ jps
    2147 NodeManager
    2484 Jps
    1750 NameNode
    1462 QuorumPeerMain
    2439 DFSZKFailoverController
    1962 DataNode
    1594 JournalNode

    由输出结果可以看出,两台服务器均启动了“DFSZKFailoverController”进程,说明ZKFC启动成功。

    八、启动Hadoop集群的另一种方式

    这种方式要比每次启动单个进程并进行验证方便的多,只需要进行如下操作:

    1.格式化HDFS

    在“binghe201”服务器上执行如下命令格式化HDFS。

    hdfs namenode -format

    2.复制元数据信息

    将“binghe201”服务器上的“/usr/local/hadoop-3.2.0/tmp/”目录复制到服务器“binghe202”服务上的“/usr/local/hadoop-3.2.0”目录下。

    在“binghe201”服务器上执行如下命令进行复制:

    scp -r /usr/local/hadoop-3.2.0/tmp/ binghe202:/usr/local/hadoop-3.2.0/

    3.格式化ZKFC

    在“binghe201”服务器上执行如下命令格式化ZKFC。

    hdfs zkfc -formatZK

    4.启动HDFS

    在“binghe201”服务器上执行启动HDFS的命令,具体如下所示:

    start-dfs.sh

    5.启动YARN

    在“binghe203”服务器上执行启动YARN的命令,具体如下所示:

    start-yarn.sh

    九、 测试Hadoop HA的高可用性

    使用浏览器方式验证和程序方式验证两种方式来验证Hadoop HA的高可用性。

    1.浏览器方式验证

    (1)浏览器访问NameNode

    • 访问“binghe201”服务器上的NameNode

    在浏览器中输入链接:http://192.168.175.201:9870 访问“binghe201”服务器上的NameNode

    此时,“binghe201”服务器上的NameNode处于“active”状态。

    • 访问“binghe202”服务器上的NameNode

    在浏览器中输入链接:http://192.168.175.202:9870 访问“binghe202”服务器上的NameNode

    此时,“binghe202”服务器上的NameNode处于“standby”状态。

    (2)停止“binghe201”上的NameNode后访问

    • 停止“binghe201”上的NameNode进程

    在“binghe201”服务器上执行如下命令停止NameNode进程。

    hdfs --daemon stop namenode
    注意:在Hadoop3.0之前的版本停止NameNode进程需要输入以下命令:
    hadoop-daemon.sh stop namenode
    • 浏览器访问“binghe201”服务器上的NameNode

    在浏览器中输入链接:http://192.168.175.201:9870 访问“binghe201”服务器上的NameNode

    可以看到,由于停止了“binghe201”服务器上的NameNode进程,导致此服务器上的NameNode已无法访问。

    • 浏览器访问“binghe202”服务器上的NameNode

    在浏览器中输入链接:http://192.168.175.202:9870 访问“binghe202”服务器上的NameNode

    可以看到,由于“binghe201”服务器上的NameNode无法访问,“binghe202”服务器上的NameNode自动切换为“active”状态。

    (3)重启“binghe201”上的NameNode访问

    首先,在“binghe201”服务器上执行如下命令启动NameNode进程。

    hdfs --daemon start namenode
    注意:在Hadoop3.0之前的版本启动NameNode进程需要输入以下命令:
    hadoop-daemon.sh stop namenode

    接下来访问“binghe201”服务器上的NameNode

    总结:正常启动NameNode进程后,“binghe201”服务器上的NameNode处于“active”状态,“binghe202”服务器上的NameNode处于“standby”状态;当停止“binghe201”服务器上的NameNode时,“binghe202”服务器上的NameNode自动切换为“active”状态,而重启“binghe201”服务器上的NameNode后,“binghe201”服务器上的NameNode此时会处于“standby”状态。说明:Hadoop HA搭建并配置成功了。

    2.程序方式验证

    以程序方式验证,还是运行Hadoop自带的wordcount程序,对文件中的单词进行计数,并输出统计结果。

    (1)准备数据文件

    在“binghe201”服务器上准备数据文件data.input,并写入测试的单词。具体如下:

    vim data.input
    hadoop mapreduce hive flume
    hbase spark storm flume 
    sqoop hadoop hive kafka
    spark hadoop storm

    (2)上传数据文件到HDFS

    首先,在HDFS上创建目录“/data /input”,具体命令如下:

    hadoop fs -mkdir -p /data/input

    在“binghe201”上执行如下命令将data.input文件上传到HDFS分布式文件系统中的“/data/hadoop/input”目录下,具体命令如下:

    hadoop fs -put data.input /data/input

    接下来查看文件data.input是否上传成功,具体命令如下:

    -bash-4.1$ hadoop fs -ls /data/input
    Found 1 items
    -rw-r--r--   3 hadoop supergroup         96 2019-06-27 17:04 /data/input/data.input

    可以看到,data.input文件已经成功上传到HDFS分布式文件系统的“/data/hadoop/input”目录下。

    (3)运行Hadoop MapReduce程序

    具体执行命令如下:

    hadoop jar /usr/local/hadoop-3.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.0.jar wordcount /data/input/data.input /data/output201

    注意:这里的输出目录是HDFS上的“/data/output201”目录。

    (4)查看执行结果

    首先,利用如下命令查看HDFS中是否产生了输出结果。

    -bash-4.1$ hadoop fs -ls /data/output201
    Found 2 items
    -rw-r--r--   3 hadoop supergroup          0 2019-06-27 17:16 /data/output201/_SUCCESS
    -rw-r--r--   3 hadoop supergroup         76 2019-06-27 17:16 /data/output201/part-r-00000

    可以看到在HDFS的“/data/output101”目录下产生了执行结果,接下来查看“part-r-00000”文件的内容,具体如下:

    -bash-4.1$ hadoop fs -cat /data/output201/part-r-00000
    flume   2
    hadoop  3
    hbase   1
    hive    2
    kafka   1
    mapreduce       1
    spark   2
    sqoop   1
    storm   2

    可以看到,正确地输出了每个单词和单词对应的数量。

    (5)停止“binghe201”服务器上的NameNode进程

    hdfs --daemon stop namenode
    注意:在Hadoop3.0之前的版本停止NameNode进程需要输入以下命令:
    hadoop-daemon.sh stop namenode

    (6)再次运行MapReduce程序

    hadoop jar /usr/local/hadoop-3.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.0.jar wordcount /data/input/data.input /data/output202

    注意:这里的输出目录是HDFS上的“/data/output202”目录。

    (7)再次查看执行结果

    首先,利用如下命令查看HDFS中是否产生了输出结果。

    -bash-4.1$ hadoop fs -ls /data/output202
    Found 2 items
    -rw-r--r--   3 hadoop supergroup          0 2019-06-27 17:20 /data/output202/_SUCCESS
    -rw-r--r--   3 hadoop supergroup         76 2019-06-27 17:20 /data/output202/part-r-00000

    可以看到在HDFS的“/data/output102”目录下产生了执行结果,接下来查看“part-r-00000”文件的内容,具体如下:

    -bash-4.1$ hadoop fs -cat /data/output202/part-r-00000
    flume   2
    hadoop  3
    hbase   1
    hive    2
    kafka   1
    mapreduce       1
    spark   2
    sqoop   1
    storm   2

    说明集群搭建成功。

     

    展开全文
  • Centos中Hadoop安装详细过程(含图文)一、创建hadoop用户二、安装SSH、配置SSH无密码登录三、安装jdk环境四、安装 Hadoop 3五、配置hadoop环境变量六、配置Hadoop伪分布式配置对 Hadoop 的几个配置文件进行配置3....

    Hadoop介绍:

    Hadoop的核心由3个部分组成:

    1. HDFS: Hadoop Distributed File System,分布式文件系统,hdfs还可以再细分为NameNode、SecondaryNameNode、DataNode。

    2. YARN: Yet Another Resource Negotiator,资源管理调度系统

    3. Mapreduce:分布式运算框架

    下面介绍安装 Hadoop

    虚拟机:   VMware
    环境:      Linux 系统 centos8
    hadoop: hadoop-3.3.0
    

    一、创建hadoop用户

    VM上安装centos7的主机,设置初始内存为2G,硬盘为50G,安装成功后新建用户hadoop,设置hadoop的密码并授予hadoop用户sudo权限(不过后面主要还是用root操作)

    如果你安装 CentOS 的时候不是用的 “hadoop” 用户,那么需要增加一个名为 hadoop 的用户。

    首先点击左上角的 “应用程序” -> “系统工具” -> “终端”,首先在终端中输入 su ,按回车,输入 root 密码以 root 用户登录,接着执行命令创建新用户

    su              # 上述提到的以 root 用户登录
    
    useradd -m hadoop -s /bin/bash   # 创建新用户hadoop,并使用 /bin/bash 作为shell。
    
    passwd hadoop
    

    在这里插入图片描述

    可为 hadoop 用户增加管理员权限,方便部署,避免一些对新手来说比较棘手的权限问题,执行:

    visudo
    

    如下图,找到 root ALL=(ALL) ALL 这行(应该在第98行,可以先按一下键盘上的 ESC 键,然后输入 :98 (按一下冒号,接着输入98,再按回车键),可以直接跳到第98行 ),然后按i,进入插入模式,在这行下面增加一行内容:

    hadoop	ALL=(ALL)	ALL 
    

    如下图所示:
    在这里插入图片描述

    添加上一行内容后,先按一下键盘上的 ESC 键,然后输入 :wq (输入冒号还有wq,这是vi/vim编辑器的保存方法),再按回车键保存退出就可以了。

    最后注销当前用户(点击屏幕右上角的用户名,选择退出->注销),在登陆界面使用刚创建的 hadoop 用户进行登陆。(如果已经是 hadoop 用户,且在终端中使用 su 登录了 root 用户,那么需要执行 exit 退出 root 用户状态)

    在这里插入图片描述

    二、安装SSH、配置SSH无密码登录

    集群、单节点模式都需要用到 SSH 登陆(类似于远程登陆,你可以登录某台 Linux 主机,并且在上面运行命令),一般情况下,CentOS 默认已安装了 SSH client、SSH server,打开终端执行如下命令进行检验:

    rpm -qa | grep ssh
    

    如果返回的结果如下图所示,包含了 SSH client 跟 SSH server,则不需要再安装。
    在这里插入图片描述

    若需要安装,则可以通过 yum 进行安装(安装过程中会让你输入 [y/N],输入 y 即可):

        sudo yum install openssh-clients
        sudo yum install openssh-server
    

    接着执行如下命令测试一下 SSH 是否可用:

    ssh localhost
    

    此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 hadoop,这样就登陆到本机了。

    在这里插入图片描述

    但这样登陆是需要每次输入密码的,我们需要配置成SSH无密码登陆比较方便。

    首先输入 exit 退出刚才的 ssh,就回到了我们原先的终端窗口,然后利用 ssh-keygen 生成密钥,并将密钥加入到授权中:

        exit                           # 退出刚才的 ssh localhost
        cd ~/.ssh/                     # 若没有该目录,请先执行一次ssh localhost
        ssh-keygen -t rsa              # 会有提示,都按回车就可以
        cat id_rsa.pub >> authorized_keys  # 加入授权
        chmod 600 ./authorized_keys    # 修改文件权限
    

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述
    ~的含义

    在 Linux 系统中,~ 代表的是用户的主文件夹,即 “/home/用户名” 这个目录,如你的用户名为 hadoop,则 ~ 就代表“/home/hadoop/”。
    此外,命令中的 # 后面的文字是注释。

    此时再用 ssh localhost 命令,无需输入密码就可以直接登陆了,如下图所示。
    在这里插入图片描述

    三、安装jdk环境

    因为 Hadoop 是以 java 开发的,所以必须先安装 java 环境

    linux系统版本的java环境安装,参考下面博客链接:

    https://blog.csdn.net/weixin_43848614/article/details/108971979

    四、安装 Hadoop 3

    Hadoop 3 可以通过下面两个链接下载:

    https://mirrors.cnnic.cn/apache/hadoop/common/
    http://mirror.bit.edu.cn/apache/hadoop/common/

    本教程选择的是 3.3.0 版本,下载时会有多个版本
    hadoop-3.x.y.tar.gz 这是编译好的文件
    hadoop-3.x.y.src.tar.gz 包含 的是 Hadoop 源代码,需要进行编译才可使用。

    在这里插入图片描述

    在这里插入图片描述

    将下载好的安装包解压:

    tar -zxvf hadoop-3.3.0.tar.gz
    
    在 usr 中创建合适的文件夹存放解压后的文件,注意新建的文件夹需要后期配置环境路径使用。(本教程按本人所习惯的存放在 soft 文件夹中)
    

    新建文件夹命令:(mkdir后面一定要加空格)

    mkdir /usr/soft/hadoop
    

    将解压后的文件移动到相应文件夹

    mv jdk1.8.0_271 /usr/soft/hadoop
    

    在这里插入图片描述

    在这里插入图片描述

    五、配置hadoop环境变量

    1. 安装完成之后要进行环境配置,这里需要编辑编辑/etc/profile文件

    编辑命令:

    vim /etc/profile
    

    在执行完上方命令之后点击i键位让文件可以修改,进行文件编写

    在这里插入图片描述
    2. 在文件末尾添加如下配置:

    export HADOOP_HOME=/usr/soft/hadoop/hadoop-3.3.0
    export PATH=$HADOOP_HOME/bin:$PATH
    

    编写完成以后,我们要保存退出,那么我们就要使用底部模式,这时候使用ESC键退出插入模式回到命令模式。
    (1)按一下Esc
    (2)输入一个冒号: 输入冒号需要是使用 “shirt” +" : "
    (3)输入:wq 就会自动关闭文件并保存文件。

    在这里插入图片描述

    注意: 这里可能会由于设置全局变量导致 后边运行datanode出错

    1. 文件生效
      对于/etc/profile编写完成之后是不够的,还需要最后一个步骤,就是让刚刚我们修改的文件变成有效起来,所以我们再输入一个命令,让修改生效。

    生效命令:

    source /etc/profile
    
    1. 验证是否安装成功

    最后我们来进行一下测试,看看我们的环境变量是否配置成功

    测试命令:

    hadoop version
    

    在这里插入图片描述

    六、Hadoop伪分布式配置

    Hadoop 环境变量设置

    在设置 Hadoop 伪分布式配置前,我们还需要设置 HADOOP 环境变量,执行如下命令在 ~/.bashrc 中设置:

    vim ~/.bashrc
    

    在文件最后面增加如下内容:

    # Hadoop Environment Variables
    export HADOOP_HOME=/usr/soft/hadoop/
    export HADOOP_INSTALL=$HADOOP_HOME
    export HADOOP_MAPRED_HOME=$HADOOP_HOME
    export HADOOP_COMMON_HOME=$HADOOP_HOME
    export HADOOP_HDFS_HOME=$HADOOP_HOME
    export YARN_HOME=$HADOOP_HOME
    export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
    export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
    

    在这里插入图片描述
    保存后,不要忘记执行如下命令使配置生效:

    source ~/.bashrc
    

    在这里插入图片描述
    这些变量在启动 Hadoop 进程时需要用到,不设置的话可能会报错(这些变量也可以通过修改 ./etc/hadoop/hadoop-env.sh 实现)。

    Hadoop 配置文件的修改

    Hadoop 可以在单节点上以伪分布式的方式运行,Hadoop 进程以分离的 Java 进程来运行,节点既作为 NameNode 也作为 DataNode,同时,读取的是 HDFS 中的文件。

    Hadoop的配置文件是 xml 格式,每个配置以声明 property 的 name 和 value 的方式来实现。

    1. 打开hadoop配置文件:
    cd /usr/soft/hadoop/hadoop-3.3.0/etc/hadoop/
    
    1. 查看文件信息:
    ll
    

    在这里插入图片描述

    其中最好修改其中的五个配置文件

    (1)修改配置文件 core-site.xml

    如上图查看配置文件可知, core-site.xml 文件读写权限较低,修改配置文件之前需要修改文件权限

    为了方便不细分权限,设置为允许所有操作

    cd /usr/soft/hadoop/hadoop-3.3.0/etc/hadoop/
    
    chmod 777 core-site.xml
    

    在这里插入图片描述
    Vim模式修改配置文件

    vim core-site.xml   
    

    在这里插入图片描述
    添加如下配置

    <configuration>
            <property>
                    <name>hadoop.tmp.dir</name>
                    <value>file:/usr/soft/hadoop/tmp</value>
                    <description>Abase for other temporary directories.</description>
            </property>
            <property>
                    <name>fs.defaultFS</name>
                    <value>hdfs://localhost:9000</value>
            </property>
    </configuration>
    

    在这里插入图片描述

    (2)修改配置文件 hdfs-site.xml:

    同样先修改文件权限:

    chmod 777  hdfs-site.xml
    

    vim模式修改配置文件

    vim hdfs-site.xml
    

    添加如下配置:

    <configuration>
            <property>
                    <name>dfs.replication</name>
                    <value>1</value>
            </property>
    
            <property>
                    <name>dfs.namenode.name.dir</name>
                    <value>file:/usr/soft/hadoop/tmp/dfs/name</value>
            </property>
    
            <property>
                    <name>dfs.datanode.data.dir</name>
                    <value>file:/usr/soft/hadoop/tmp/dfs/data</value>
            </property>
    
    
    
            <property>
                    <name>dfs.secondary.http.address</name>
                    <!--这里是你自己的ip,端口默认-->
                    <value>dfs://localhost:50070</value>
            </property>
    </configuration>
    
    

    在这里插入图片描述

    (3)修改配置文件 hadoop-env.sh

    vim hadoop-env.sh 配置成你自己的jdk安装路径

    export JAVA_HOME=/usr/soft/java/jdk1.8.0_271 
    

    在这里插入图片描述

    (4)配置 mapred-site.xml

    mapred-site.xml 指定MapReduce程序应该放在哪个资源调度集群上运行。若不指定为yarn,那么MapReduce程序就只会在本地运行而非在整个集群中运行。

    同样先修改文件权限:

    chmod 777 mapred-site.xml
    

    vim模式修改配置文件

    vim mapred-site.xml
    

    添加如下配置:

    <configuration>
    	<property>
    		<name>mapreduce.framework.name</name>
    		<value>yarn</value>
    	</property>
    	<property>
    		<name>mapred.job.tracker.http.address</name>
    		<value>0.0.0.0:50030</value>
    	</property>
    
    	<property>
    		<name>mapred.task.tracker.http.address</name>
    		<value>0.0.0.0:50060</value>
    	</property>
    
    	<property>
    		<name>mapreduce.admin.user.env</name>
    		<value>HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME</value>
    	</property>
    	<property>
    		<name>yarn.app.mapreduce.am.env</name>
    		<value>HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME</value>
    	</property>
    </configuration>
    

    (5)配置yarn-site.xml

    同样先修改文件权限:

    chmod 777 yarn-site.xml
    

    vim模式修改配置文件

    vim yarn-site.xml
    

    添加如下配置:

    <!-- Site specific YARN configuration properties -->
    
            <property>
                     <name>yarn.resourcemanager.hostname</name>
                    <!-- 自己的ip端口默认 -->
                    <value>hdfs://localhost:9000</value>
            </property>
            <!-- reducer获取数据的方式 -->
            <property>
                    <name>yarn.nodemanager.aux-services</name>
                    <value>mapreduce_shuffle</value>
            </property>
    
    </configuration>
    

    在这里插入图片描述

    七、启动 Hadoop

    cd /usr/soft/hadoop/hadoop-3.3.0/sbin/
    

    在这里插入图片描述

    初始化化hadoop文件格式,输入命令:

    hadoop namenode -format
    

    在这里插入图片描述

    在这里插入图片描述

    成功标志:

    在这里插入图片描述

    可以使用下面命令启动所有进程:

     ./start-all.sh 
    

    也可以使用“ start-dfs.sh ”开启 NaneNode 和 DataNode 守护进程:

    start-dfs.sh
    

    在这里插入图片描述

    然后输入命令 ’ jps ’ 查看已成功启动的进程

    在这里插入图片描述

    若成功启动则会列出如下进程: “NameNode”、”DataNode”和SecondaryNameNode(如果 SecondaryNameNode 没有启动,请运行 sbin/stop-dfs.sh 关闭进程,然后再次尝试启动尝试)。如果没有 NameNode 或 DataNode ,那就是配置不成功,请仔细检查之前步骤,或通过查看启动日志排查原因。

    成功启动后,可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息,还可以在线查看 HDFS 中的文件。
    在这里插入图片描述

    参考博客:

    https://blog.csdn.net/lu1171901273/article/details/86518494

    https://www.cnblogs.com/thousfeet/p/8618696.html

    展开全文
  • Hadoop系列之Hadoop3.x 新特性(7)

    万次阅读 2021-01-21 13:40:00
    Hadoop 3.x 新特性 相对于之前主要生产发布版本 Hadoop 2,Apache Hadoop 3 整合许多重要的增强功能。 Hadoop 3 是一个可用版本,提供了稳定性和高质量...下面简要介绍一下Hadoop3的主要变化。 HDFS 支持纠删码(erasur
  • linux下安装Hadoop3.版本

    千次阅读 2022-03-20 16:58:16
    配置2.1修改hadoop-env.sh2.2修改core-site.xml2.3修改hdfs-site.xml2.4修改mapred-site.xml2.5修改yarn-site.xml2.6修改sbin下的几个文件(注意是有四个文件)2.7 修改bin目录下文件3.启动3.1 初始化3.2 启动dfs和...
  • flink针对hadoop 3.x的支持及集成方式

    千次阅读 2021-04-25 16:16:12
    Flink自1.11.0 版本开始,已经支持了hadoop 3.x,具体来讲就是将 HADOOP_CLASSPATH 配置成运行机器上的hadoop3 相关jar包即可 YARN上的Flink是针对Hadoop 2.4.1编译的,支持所有的Hadoop版本>= 2.4.1,包括...
  • Hadoop之——Hadoop3.x端口变动

    千次阅读 2019-06-23 15:30:52
    转载请注明出处:... Hadoop3.x相较于之前的版本来说,在端口的设置上发生了一些变化,先就这些端口变化总结如下: Namenode ports: 50470 --> 9871, 50070 --> 9870, 8020 --> 9820 Secondary N...
  • Hadoop 3.x core-site.xml 最小化配置参数

    万次阅读 2022-06-09 10:44:04
    Hadoop 3.x 基础配置文件core-site.xml 最小化配置参数
  • Hadoop 3.x mapred-site.xml 最小化配置参数
  • Hadoop 3.x yarn-site.xml 最小化配置参数

    万次阅读 2022-06-10 22:38:54
    Hadoop 3.x yarn-site.xml 最小化配置参数
  • Hadoop 3.x hdfs-site.xml HDFS最小化配置参数
  • Hadoop3分布式高可用集群部署

    千次阅读 2020-07-21 19:55:47
    selinux2.4 配置java环境2.5 配置互信2.6 OS调优三、hadoop部署3.1 解压安装包并配置环境变量3.2 配置核心配置文件3.2.1 配置 hadoop-env.sh3.2.2 配置 core-site.xml3.2.3 配置 hdfs-site.xml3.2.4 配置mapred-site...
  • hadoop 3.x常用端口

    千次阅读 2020-02-20 22:05:54
    分类 应用 端口 namenode rpc-address 8020 namenode http-address 9870 namenode https-address 9871 datanode address 9866 datanode http-address 9864 datanode https-address 9865
  • hadoop3.x端口改动

    千次阅读 2019-03-24 10:58:02
    近日学习hadoop3.x,一切安装完成,格式化namenode 然后发现怎么也打不开50070界面 如图所示 刚开始以为是配置错误了,检查多次配置文件和防火墙发现都没问题,然后又测试把文件上传到hdfs试验,发现也可以。于是我...
  • hadoop3版本的兼容性简单调研

    千次阅读 2019-07-08 15:01:02
    hadoop3版本的兼容性简单调研 目录: 1.与其他组件的兼容性版本 2.与hadoop2版本的客户端兼容性 一.与其他组件的兼容性版本 目前依赖hadoop的常用组件有spark、hive、hbase等.目前只调研hive和hbase这两个...
  • Hadoop 3相对于hadoop2的 新特性

    万次阅读 2018-05-30 11:44:27
    相对于之前主要生产发布版本...下面简要介绍一下Hadoop3的主要变化。最低Java版本要求从Java7变为Java8所有Hadoop的jar都是基于Java 8运行是版本进行编译执行的,仍在使用Java 7或更低Java版本的用户需要升级到J...
  • Hadoop3版本中添加了哪些新功能,Hadoop3中兼容的Hadoop 2程序,Hadoop 2和Hadoop 3有什么区别? 我们希望Hadoop 2和Hadoop 3之间的这个功能的区别将帮助回答上述问题。   Hadoop 2.x与Hadoop 3.x之间的功能...
  • 大数据技术入门:Hadoop 3.x

    千人学习 2020-09-08 21:50:16
    课程从下面的四个方向讲解大数据技术 Hadoop : 大数据技术思想入门 分布式存储之 HDFS 分布式计算之 MapReduce 和 Yarn Hadoop 2
  • hadoop3.x集群搭建

    千次阅读 2019-04-26 22:21:18
    hadoop3.x集群搭建(亲测有效~) 之前集群搭建过hadoop2.6和2.7,但是听说hadoop3.x有新特性,减少了IO的次数,据介绍并行计算能力是spark的10倍。所以,笔者开始尝试搭建,找网上找了好多资料,结合自己的经验,终于...
  • Hadoop实例学习(一)Hadoop3.x集群搭建

    千次阅读 2020-09-25 18:44:38
    3.3.0/share/hadoop/common/lib/*:/usr/hadoop/hadoop-3.3.0/share/hadoop/common/*:/usr/hadoop/hadoop-3. 3.0/share/hadoop/hdfs:/usr/hadoop/hadoop-3.3.0/share/hadoop/hdfs/lib/*:/usr/hadoop/hadoop-3.3.0/...
  • Hadoop3与Hadoop2及Spark比较

    千次阅读 2019-02-18 09:04:37
    &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2017年12月发布的Hadoop 3标志着数据科学...在本文中,我们将讨论Hadoop 3Hadoop 2相比的主要变化。我们还将解释Hadoop和Apache Spark之间的差异,并建议如何...
  •  slaves : hadoop2 ,hadoop3Call From hadoop3/192.168.91.132 to hadoop1:9000 failed on connection exception。报错截图上图为hadoop3使用hadoop fs -ls命令时报错;也有在hadoop1使用hadoop fs -ls时报错的...
  • 在Mac终端输入 cd /usr/local/sbin/ 到了这个文件夹里, ...因为我的hadoop版本是3的,所以端口应该是9870。 在web地址栏输入: http://localhost:9870 ,OK啦!开心! 原来还有这样的坑呢。
  • hadoop3的简单安装方法(单节点)

    万次阅读 2018-06-24 11:06:18
    前言 目前,网络上关于Hadoop安装的资料很多,过程比较详细,各种问题的解决方案基本都能找到,但资料质量参差不齐,随着hadoop版本的更新,有些方法已经不适用。lz初学hadoop,在这里面碰到不少坑,在此对hadoop...
  • Deepin Linux下安装Hadoop3.x

    千次阅读 2019-02-07 15:08:06
    Deepin Linux下安装Hadoop3.x 本文大部分内容来自http://dblab.xmu.edu.cn/blog/install-hadoop/ 针对hadoop3.x做了修改 初学者,仅供参考 更新apt sudo apt-get update 安装SSH,配置SSH无密码登录 (deepin已经...
  • 源码包 http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-3.0.3/hadoop-3.0.3-src.tar.gz
  • 使用docker部署hadoop集群

    千次阅读 热门讨论 2020-09-04 20:41:12
    使用docker快速搭建一主两从的hadoop集群。
  • centos7搭建hadoop

    万次阅读 2021-12-24 20:24:37
    haddop常用的3种运行模式包括: 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,但具备Hadoop集群所有功能,一台服务器模拟一个分布式的环境 完全分布式模式:多台...
  • M1芯片 MacBookPro上搭建 hadoop完全分布式集群

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 798,417
精华内容 319,366
关键字:

hadoop3

友情链接: NCC Template matching.zip