Hadoop 学习笔记二：安装与运行一

搭建 Hadoop 运行环境

虚拟机环境准备

1. 克隆虚拟机
2. 修改克隆虚拟机的静态 IP
3. 修改主机名
4. 关闭防火墙
5. 创建用户
6. 配置 用户具有 root 权限

安装 JDK

下载，解压，环境变量配置

在 /etc/profile 中配置：

##JAVA_Home
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin

source /etc/profile

安装 Hadoop

下载，解压，配置环境变量

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

source /etc/profile

Hadoop 的目录结构

bin：存放 hdfs、hadoop、yarn 二进制文件
etc：存放 各种配置信息
include：头文件
lib：本地库文件（可添加）
libexec：同上
sbin：存放 Hadoop 命令脚本
share：案例和说明文档

Hadoop 运行模式

Hadoop 运行模式包活：本地模式、伪分布式模式以及完全分布式模式。

Hadoop 官方网站：http://hadoop.apache.org/

本地运行模式

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

$ mkdir input

2. 将 Hadoop 的 xml 配置文件复制到 input

$ cp etc/hadoop/*.xml input

3. 执行 share 目录下的 MapReduce 程序

$ 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

$ cat output/*

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

$ mkdir wcinput

2. 在 wcinput 文件下创建一个 wc.input 文件

$ cd wcinput
$ touch wc.input

3. 编辑 wc.input 文件

$ vi wc.input

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
hadoop hdfs

保存退出

4. 回到 Hadoop 目录 /opt/module/hadoop-2.7.2
5. 执行程序

$ hadoop jar
 share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput

6. 查看结果

$ cat wcoutput/part-r-00000
hadoop  3
mapreduce       1
yarn    1
hdfs    1

伪分布式运行模式

启动 HDFS 并运行 MapReduce 程序

分析：

配置集群
启动、测试集群 增、删、查
执行 WordCount 案例

执行步骤：

配置集群：

配置 hadoop-env.sh

Linux 系统中获取 JDK 的安装路径：

$ echo $JAVA_HOME
/opt/module/jdk1.8.0_144

修改 JAVA_HOME 路径：

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置：core.site.xml

<property>
<name>fs.defaultFSname>
    <value>hdfs://hadoop1:9000value>
property>


<property>
	<name>hadoop.tmp.dirname>
	<value>/opt/module/hadoop-2.7.2/data/tmpvalue>
property>

配置 hdfs-core.xml

<property>
	<name>dfs.replicationname>
	<value>1value>
property>

启动集群：

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

启动 NameNode

$ sbin/hadoop-daemon.sh start namenode

启动 DataNode

$ sbin/hadoop-daemon.sh start datanode

查看集群

查看是否启动成功

$ jps
13586 NameNode
13668 DataNode
13786 Jps

注意：jps 是JDK 中的命令，不是 Linux 命令，不安装 JDK 不能使用 jps

web 端查看 HDFS 文件系统

默认端口 50070

查看产生的 Log 日志

说明：在企业中遇到 BUG 时，经常根据日志提示信息去分析问题，解决 BUG

当前目录：/opt/module/hadoop-2.7.2/logs

为什么不能一直格式化 NameNode ，格式化 NameNode，要注意什么？

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，集群找不到以往数据。所以，格式化 NameNode 时，一定要先删除 data 数据和 log 日志，然后再格式化 NameNode

操作集群：

在 HDFS 文件系统上创建一个 input 文件夹

$ bin/hdfs dfs -mkdir -p /user/rzjt/input

将测试文件内容上传到文件系统上

$ bin/hdfs dfs -put wcinput/wc.input
  /user/rzjt/input

查看上传的文件是否正确

$ bin/hdfs dfs -ls  /user/rzjt/input/

$ bin/hdfs dfs -cat  /user/rzjt/input/wc.input

运行 MapReduce 程序

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

查看输出结果

$ bin/hdfs dfs -cat /user/rzjt/output/*

将测试文件内容下载到本地

$ hdfs dfs -get /user/rzjt/output/part-r-00000 ./wcoutput/

删除输出结果

$ hdfs dfs -rm -r /user/rzjt/output

启动 YARN 并运行 MapReduce 程序

分析：

配置集群在 YARN 上运行 MR

启动、测试集群增、删、查

在 YARN 上执行 WordCount 案例

执行步骤

配置集群

配置 yarn-env.sh

配置一下 JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 yarn-site.xml

<property>
	<name>yarn.nodemanager.aux-servicesname>
	<value>mapreduce_shufflevalue>
property>


<property>
	<name>yarn.resourcemanager.hostnamename>
	<value>hadoop1value>
property>

配置：mapred-env.sh

配置一下 JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置：（对 mapred-site.xml.template 重新命名为） mapred-site.xml

<property>
		<name>mapreduce.framework.namename>
		<value>yarnvalue>
property>

启动集群

启动前必须保证 NameNode DataNode 已经启动

启动 ResourceManager

$ sbin/yarn-daemon.sh start resourcemanager

启动 NodeManager

$ sbin/yarn-daemon.sh start nodemanager

集群操作

YARN 的浏览器页面查看，http://hadoop1:8088/cluster

删除文件系统上 output 文件夹

$ bin/hdfs dfs -rm -R /user/atguigu/output

执行 MapReduce 程序

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

查看运行结果

$ bin/hdfs dfs -cat /user/atguigu/output/*

配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤：

配置 mapred-site.xml

$ vi mapred-site.xml

在给文件里面增加如下配置

<property>
	<name>mapreduce.jobhistory.addressname>
	<value>hadoop1:10020value>
property>

<property>
    <name>mapreduce.jobhistory.webapp.addressname>
    <value>hadoop1:19888value>
property>

启动历史服务器

$ sbin/mr-jobhistory-daemon.sh start historyserver

jps 查看历史服务器是否启动

查看 JobHistory

http://hadoop1:19888/jobhistory

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。

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：

配置 yarn-site.xml

$ vi yarn-site.xml

在该文件里面增加如下配置：

<property>
<name>yarn.log-aggregation-enablename>
<value>truevalue>
property>


<property>
<name>yarn.log-aggregation.retain-secondsname>
<value>604800value>
property>

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

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

删除 HDFS 已经存在的输出文件

$ bin/hdfs dfs -rm -R /user/rzjt/output

执行 WordCount 程序

$ hadoop jar
 share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/rzjt/input /user/rzjt/output

查看日志：

http://hadoop1:19888/jobhistory

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：

要获取的默认文件	文件存放在 Hadoop 的 jar 包中的位置
[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
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.2.jar/ mapred-default.xml

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。