大数据学习笔记——基于 Linux CentOS 7 的 Hadoop 3.1.2 环境搭建（五）

9. 集群(全分布)模式配置和部署
   安装的总体思路:
   icss 在 master 完成配置, 并将相关的配置文件复制到其他集群中的机器上
   00. 概述：
   0. 所有的操作都是 icss 用户， 切换 icss 用户命令：
   su - icss
   1. 每个节点 Hadoop 配置基本相同
   在 HadoopMaster 节点操作， 然后复制到其他节点上。
   2. Hadoop 3 需要配置的文件有:
   hadoop-env.sh、yarn-env.sh、
   core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、
   workers
   0. 当前状态: 启动三台虚拟机。
   三台准备环境配置完成, 所有的网络互通
   1. 下载\上传\解压
      同上 只上传到 master 下 icss 的 software目录下
      把hadoop安装包移动到icss用的根目录下
      mv /home/icss/software/hadoop-3.1.2.tar.gz ~/
      解压安装包（注意所在路径）
      tar -zxvf hadoop-3.1.2.tar.gz
      重命名
      mv hadoop-3.1.2 hadoop3
   2. 配置 & 运行

      1. 配置 Hadoop 运行环境
         !! 这两个环境变量, 主要是为了在 ssh 方式下安装 slave 节点的时候使用, 参看前面的描述.
         vi ~/hadoop3/etc/hadoop/hadoop-env.sh
         加入:
         export JAVA_HOME=/usr/java/jdk1.8.0_211
         同时删除
         export JAVA_HOME=${JAVA_HOME} 这句话也可能没有
         vi ~/hadoop3/etc/hadoop/yarn-env.sh
         加入:
         export JAVA_HOME=/usr/java/jdk1.8.0_211

      2. 配置 xml 配置文件 ~/hadoop3/etc/hadoop 目录下

         1. core-site.xml fs.defaultFS hdfs://master:9000 hadoop.tmp.dir /home/icss/hadoopdata
            !! 记得手动创建 /home/icss/hadoopdata 目录
            mkdir /home/icss/hadoopdata
         2. hdfs-site.xml`
            
            dfs.replication
            2
            dfs.permissions false `

         – Web 模式下, 上传文件报错: Couldn’t upload the file
         参看: https://blog.csdn.net/bikun/article/details/25506489
         1. 开放“/user”目录的“写”权限
         hadoop fs -chmod 777 /user
         2. 在 hdfs-site.xml 中, 取消“访问控制检查”
         加入: dfs.permissions false
         3. yarn-site.xml

              ** hadoop classpath 获取 参数 mapreduce.application.classpath 的 value 的值` 
              
                  yarn.nodemanager.aux-services
                  mapreduce_shuffle
                  
                  NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序。
                  
              
                  
              
                  yarn.resourcemanager.address
                  master:18040
              
         
              
                  yarn.resourcemanager.scheduler.address
                  master:18030
              
         
              
                  yarn.resourcemanager.resource-tracker.address
                  master:18025
              
         
              
                  yarn.resourcemanager.admin.address
                  master:18141
              
         
              
                  yarn.resourcemanager.webapp.address
                  master:18080
              
              
              yarn.application.classpath
              /home/icss/hadoop3/etc/hadoop:/home/icss/hadoop3/share/hadoop/common/lib/*:/home/icss/hadoop3/share/hadoop/common/*:/home/icss/hadoop3/share/hadoop/hdfs:/home/icss/hadoop3/share/hadoop/hdfs/lib/*:/home/icss/hadoop3/share/hadoop/hdfs/*:/home/icss/hadoop3/share/hadoop/mapreduce/lib/*:/home/icss/hadoop3/share/hadoop/mapreduce/*:/home/icss/hadoop3/share/hadoop/yarn:/home/icss/hadoop3/share/hadoop/yarn/lib/*:/home/icss/hadoop3/share/hadoop/yarn/*
              
         

            yarn.nodemanager.pmem-check-enabled
            false
					
					
            yarn.nodemanager.vmem-pmem-ratio
            10
					
        
			mapreduce.map.memory.mb
			4096
			mapred-default.xml
		

    mapreduce.reduce.memory.mb
    4096
    mapred-default.xml

                `

注意： Hadoop 3.0 必须加入 yarn.application.classpath 节点配置，否则会在使用 yarn 执行 MapReduce 时出现找不到类的错误。
获取全部的 classpath 方法，执行：
hadoop classpath
此时还没有配置 hadoop 的信息，所以报错。一会看！
获取一个输出，将该输出内容设置为
yarn-siet.xml中yarn.application.classpath的值。
而且要使用硬编码目录信息， 不能在 Hadoop 配置文件中使用$方式的环境变量。
== 参考： http://wenda.chinahadoop.cn/question/3069
4. mapred-site.xml
** hadoop classpath 获取 参数 mapreduce.application.classpath 的 value 的值 mapreduce.framework.name yarn mapreduce.application.classpath /home/icss/hadoop3/etc/hadoop:/home/icss/hadoop3/share/hadoop/common/lib/*:/home/icss/hadoop3/share/hadoop/common/*:/home/icss/hadoop3/share/hadoop/hdfs:/home/icss/hadoop3/share/hadoop/hdfs/lib/*:/home/icss/hadoop3/share/hadoop/hdfs/*:/home/icss/hadoop3/share/hadoop/mapreduce/lib/*:/home/icss/hadoop3/share/hadoop/mapreduce/*:/home/icss/hadoop3/share/hadoop/yarn:/home/icss/hadoop3/share/hadoop/yarn/lib/*:/home/icss/hadoop3/share/hadoop/yarn/*

注意： Hadoop 3.x 必须加入 mapreduce.application.classpath 节点配置，否则会在使用 yarn 执行 MapReduce 时出现找不到类的错误。
获取全部 classpath 的方法， 类似上面yarn-site.xml 的方法。
== 参考： https://www.cnblogs.com/forbeat/p/8179877.html
3. 配置集群组成的声明文件 (以前是slaves)
vi ~/hadoop3/etc/hadoop/workers
删掉原先的 localhost
加入:
slave01
slave02
---- 将上述 master 上的 Hadoop 相关配置, 复制到集群中其他节点上
-r 表示连子目录一起复制，因为配置了 ssh 免密，所以批量复制不需要密码。
scp -r hadoop3 slave01:~/
scp -r hadoop3 slave02:~/
4. 配置 Linux 运行环境
– master
vi ~/.bash_profile, 加入:
export HADOOP_HOME=$ HOME/hadoop3
export HADOOP_COMMON_LIB_NATIVE_DIR=$ HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$ HADOOP_HOME/lib/native:$ HADOOP_COMMON_LIB_NATIVE_DIR"
export YARN_HOME=$ HOME/hadoop3
export HADOOP_CONF_DIR=$ HADOOP_HOME/etc/hadoop
#export YARN_CONF_DIR=$ YARN_HOME/etc/hadoop
export HDFS_CONF_DIR=$ HADOOP_HOME/etc/hadoop
export PATH=.: $ JAVA_HOME/lib:$ HADOOP_HOME/sbin:$ HADOOP_HOME/bin:$ PATH
运行, 让环境变量起作用
source .bash_profile
– slave01 & slave02 同上
!!! 在集群所有节点上, 创建 hadoopdata 目录
mkdir /home/icss/hadoopdata
=== 启动集群, master 上执行
格式化 namenode (首次启动集群之前, 执行一次)
hdfs namenode -format
都是 INFO 就是成功的。
启动守护进程:
start-all.sh
停止守护进程: (停止 Hadoop)
stop-all.sh
— 停止 Hadoop 集群的时候 ,报错: WARNING: nodemanager did not stop gracefully after 5 seconds: Trying to kill with kill -9
参看:http://blog.sina.com.cn/s/blog_ad795db30102w4a8.html
解决方法：这个可以不用管，可以先不做。
在所有的节点上: 　
1. 在 Hadoop 安装目录中, 创建保存所有的守护进程的进程id的目录 pid
mkdir /home/icss/hadoop3/pid
2. 在 sbin/hadoop-daemon.sh 脚本中添加保存守护进程id的目录位置的声明
# 设置保存守护进程id的目录位置
HADOOP_PID_DIR=/home/icss/hadoop3/pid
3. 修改 sbin/yarn-daemon.sh, 添加保存所有的守护进程的进程id的目录 pid
# 设置保存守护进程id的目录位置
YARN_PID_DIR=/home/icss/hadoop3/pid
3. 验证 & 简单操作
1. jps – 集群所有节点的守护进程正常运行的, 进程号可能不同
[icss@master ~]$ jps
4672 Jps
3896 NameNode
4139 SecondaryNameNode
4367 ResourceManager
正确！
[icss@slave01 ~]$ jps
3480 NodeManager
3609 Jps
3355 DataNode
正确！
[icss@slave02 ~]$ jps
3312 DataNode
3449 NodeManager
3578 Jps
正确！
2. hadoopdata 数据目录
master : dfs/name & dfs/namesecondary
slave01 : dfs/data
slave02和slave01 也是一样
3. 查看活跃节点个数 ：
WebUI
http://master:9870/
在 windows 宿主机中执行，使用 master 的IP地址
建议在 外部的Windows宿主机中配置 hosts文件：

        CLI
            hdfs dfsadmin -report

4. 操作 HDFS
   hdfs dfs -ls /
   hdfs dfs -mkdir /user
   逐一创建 /user/icss/input
   hdfs dfs -put 本地文件 /user/icss/input
   5. MR
   1. 算 pi === 会较慢
   hadoop jar hadoop3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar pi 5 5
   数字变大，pi会更准确。
   2. Wordcount
   hdfs dfs -put ~/hadoop3/etc/hadoop/.xml /user/icss/input
   hadoop jar hadoop3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar grep /user/icss/input /output/xml ‘dfs[a-z.]+’
   hdfs dfs -cat /output/xml/