1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

时间:2022-12-05 10:09:38

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 linux121 linux122 linux123
HDFS NameNode、DataNode DataNode SecondaryNameNode、DataNode
YARN NodeManager NodeManager NodeManager、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:
1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

  • hadoop目录
    1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料
  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

<!-- 指定HDFS中NameNode的地址 -->
<property> 
	<name>fs.defaultFS</name> 
	<value>hdfs://linux121:9000</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/lagou/servers/hadoop-2.9.2/data/tmp</value>
</property>

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

<!-- 指定Hadoop辅助名称节点主机配置 --> 
<property> 
	<name>dfs.namenode.secondary.http-address</name> 
    <value>linux123:50090</value> 
</property> 

<!-- 副本数量 --> 
<property> 
	<name>dfs.replication</name> 
	<value>3</value> 
</property>

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

linux121
linux122
linux123

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.xml
vim mapred-site.xml
<!-- 指定MR运行在Yarn上 --> 
<property> 
	<name>mapreduce.framework.name</name> 
	<value>yarn</value> 
</property>

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

<!-- 指定YARN的ResourceManager的地址 --> 
<property>
	<name>yarn.resourcemanager.hostname</name>
	<value>linux123</value>
</property>

<!-- Reducer获取数据的方式 --> 
<property>
	<name>yarn.nodemanager.aux-services</name>
	<value>mapreduce_shuffle</value>
</property>

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=$1
      file_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:
1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料
格式化后创建的文件:/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current
1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

  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]$ jps
    3461 NameNode
    3608 Jps
    3561 DataNode
    
    [root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
    [root@linux122 hadoop-2.9.2]$ jps
    3190 DataNode
    3279 Jps
    
    [root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
    [root@linux123 hadoop-2.9.2]$ jps
    3237 Jps
    3163 DataNode
    
  3. web端查看hdfs界面

    http://linux121:50070/dfshealth.html#tab-overview

1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

查看HDFS集群正常节点:

1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料

  1. Yarn集群单节点启动

    [root@linux123 servers]# yarn-daemon.sh start resourcemanager
    [root@linux123 servers]# jps
    7881 ResourceManager 
    8094 Jps
    
    [root@linux122 servers]# yarn-daemon.sh start nodemanager
    [root@linux122 servers]# jps
    8166 NodeManager
    8223 Jps
    
    [root@linux121 servers]# yarn-daemon.sh start nodemanager
    [root@linux121 servers]# jps
    8166 NodeManager
    8223 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]$ jps
    4166 NameNode
    4482 Jps
    4263 DataNode
    
    [root@linux122 hadoop-2.9.2]$ jps
    3218 DataNode
    3288 Jps
    
    [root@linux123 hadoop-2.9.2]$ jps
    3221 DataNode
    3283 SecondaryNameNode
    3364 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 /root
    
    vim test.txt
    
    hello hdfs
    
    #上传linxu文件到Hdfs
    hdfs 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 yarn
      hdfs hadoop mapreduce
      mapreduce yarn lagou
      lagou
      lagou
      
    • 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-00000
      
      hadoop 	 	2
      hdfs		1
      lagou 		3
      mapreduce	3
      yarn		2
      

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。

    <!-- 历史服务器端地址 -->
    <property>
    	<name>mapreduce.jobhistory.address</name>
    	<value>linux121:10020</value>
    </property>
    <!-- 历史服务器web端地址 -->
    <property>
    	<name>mapreduce.jobhistory.webapp.address</name>
        <value>linux121:19888</value>
    </property>
    
  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。

    <!-- 日志聚集功能开启 -->
    <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>
    <property>
        <name>yarn.log.server.url</name>
        <value>http://linux121:19888/jobhistory/logs</value>
    </property>
    
  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

1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料
1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料