Hadoop入门——虚拟机集群搭建

一、Hadoop介绍

Hadoop是什么？

• Hadoop是一个由Apache基金会所开发的分布式系统基础架构
• 主要解决海量数据的存储和海量数据的分析计算问题
• 广义上来说，Hadoop通常是指一个更广泛的概念------Hadoop生态圈

Hadoop三大发行版本

• Hadoop三大发行版本：Apache、Cloudera、Hortonworks

• Apache Hadoop

  Apache版本最原始（最基础）的版本，对于入门学习最好。

  官网地址：http://hadoop.apache.org/releases.html

  下载地址：https://archive.apache.org/dist/hadoop/common/>

• Cloudera Hadoop

  Cloudera内部集成了很多大数据框架。对应产品CDH。

  官网地址：https://www.cloudera.com/downloads/cdh/5-10-0.html

  下载地址：http://archive-primary.cloudera.com/cdh5/cdh/5/

• Hortonworks Hadoop

  Hortonworks文档较好。对应产品HDP。

  官网地址：https://hortonworks.com/products/data-center/hdp/

  下载地址：https://hortonworks.com/downloads/#data-platform

Hadoop的优势（四高）

• 高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
• 高扩展性：在集群间分配任务数据，可方便地扩展数以千计的节点。
• 高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
• 高容错性：能够自动将失败的任务重新分配。

Hadoop组成

• Hadoop1.x组成：MapReduce（计算+资源调度）、HDFS（数据存储）、Common（辅助工具）
• Hadoop2.x组成：MapReduce（计算）、Yarn（资源调度）、HDFS（数据存储）、Common（辅助工具）

在Hadoop2.x时代，MapReduce只负责计算，Yarn只负责资源调度。解耦后虽然计算效率有所降低，但是故障率降低，且可调度其他计算框架的资源。

HDFS架构的概述

• 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。

  可将此理解为目录

• 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。

  可将此理解为数据

• Secondary NameNode（2nn）：每隔一段时间对NameNode元数据备份

  如果NameNode挂了，2nn并不能切换成NameNode。

  **可理解为助手**Y

YARN架构概述

所有YARN资源的分配都是通过Container（容器）的形式分配的

MapReduce架构概述

MapReduce将计算过程分为两个阶段：Map和Reduce

• Map阶段并行处理输入数据

• Reduce阶段对Map结果进行汇总

大数据技术生态体系

图中涉及的技术名词解释如下：

• Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySql）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

• Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；

• Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统；

• Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。

• Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

• Oozie：Oozie是一个管理Hdoop作业（job）的工作流程调度管理系统。

• Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。

• Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

• ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

  二、Hadoop运行环境的搭建（开发重点）

注：本文linux系统环境全部以CentOS-7.5-x86-1804为例说明

模板机器内存为4G，硬盘50G，使用最小安装

1.模板虚拟机环境准备

• 测试虚拟机是否可以正常上网

  ping www.baidu.com

• 获取yum源

  [root@hadoop100 ~]# yum install -y epel-release

  [root@hadoop100 ~]# yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git

• 关闭防火墙，关闭防火墙开机自启

  [root@hadoop100 ~]# systemctl stop firewalld

  [root@hadoop100 ~]# systemctl disable firewalld

• 创建一个admin用户，并修改admin用户的密码

  [root@hadoop100 ~]# useradd admin

  [root@hadoop100 ~]# passwd admin

• 配置admin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，找到下面一行（91行），在root下面添加一行，如下所示：

  ## Allow root to run any commands anywhere

  root ALL=(ALL) ALL

  admin ALL=(ALL) NOPASSWD:ALL

• 在/opt目录下创建module、software文件夹

  [root@hadoop100 ~]# mkdir /opt/module （module用来存放被解压的软件包）

  [root@hadoop100 ~]# mkdir /opt/software （software用来存放软件解压包）

• 修改module、software文件夹的所有者和所属组均为admin用户

  [root@hadoop100 ~]# chown admin:admin /opt/module

  [root@hadoop100 ~]# chown admin:admin /opt/software

• 修改网络配置文件

  [root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

  ---

  • 将IP地址改为静态
    

  • 添加下面三行，第一行为虚拟机的IP地址，建议将最后三位改为当前hadoop100中的100，方便之后配置hosts文件

  • 第二行为网关地址

  • 第三行的域名解析器与网关地址相同

• 修改主机名

​ [root@hadoop100 ~]# vim /etc/hostname

​ 修改完成后需要重启才能显示新的主机名

• 因为使用的是最小安装，故无需卸载虚拟机自带的 open JDK，若要删除，进行如下操作

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

• 修改linux克隆机主机名称映射hosts文件

  [root@hadoop100 ~]# vim /etc/hosts

  添加下列内容，注意IP地址中的网段保持一致，至少保证四台机器。

  192.168.220.100 hadoop100
  192.168.220.101 hadoop101
  192.168.220.102 hadoop102
  192.168.220.103 hadoop103
  192.168.220.104 hadoop104
  192.168.220.105 hadoop105
  192.168.220.106 hadoop106
  192.168.220.107 hadoop107
  192.168.220.108 hadoop108
  
  

• 修改windows的主机名称映射hosts文件

  进入C:\Windows\System32\drivers\etc路径，打开hosts文件添加如下内容

  192.168.220.100 hadoop100
  192.168.220.101 hadoop101
  192.168.220.102 hadoop102
  192.168.220.103 hadoop103
  192.168.220.104 hadoop104
  192.168.220.105 hadoop105
  192.168.220.106 hadoop106
  192.168.220.107 hadoop107
  192.168.220.108 hadoop108
  

  到这一步我们的模板机就算是大功告成了。

2.克隆虚拟机

• 利用模板机hadoop100，克隆三台虚拟机：hadoop102 hadoop103 hadoop104（进行克隆操作时，务必将模板机关机，以防克隆出来的模板机出现内容缺失）
• 修改克隆机IP与其主机名
  • 因为我们的模板机修改了网络配置，故克隆机修改网络配置时只需修改IPADDR
    
• 圈起来的数字是需要修改的地方，若机器取名为hadoop103，则将其改为103，若机器取名为hadoop104，则改为104。
• 之后将主机名修改即可。

3.在hadoop102上安装JDK与Hadoop

以下为JDK下载官网

https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html

以下为Hadoop下载官网

https://hadoop.apache.org/releases.html

此处我们以JDK1.8与Hadoop3.1.3为例

• 在远程工具FinalShell上上传JDK与Hadoop的压缩包

• 在Linux系统下的opt目录下查看软件包是否导入成功

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

  看到如下结果即为成功：

  hadoop-3.1.3.tar.gz jdk-8u212-linux-x64.tar.gz

• 解压JDK与Hadoop到/opt/module目录下

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

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

• 配置JDK与Hadoop环境变量

  • 新建/etc/profile.d/my_env.sh文件

  [admin@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

 #HADOOP_HOME
 export HADOOP_HOME=/opt/module/hadoop-3.1.3
 export PATH=$PATH:$HADOOP_HOME/bin
 export PATH=$PATH:$HADOOP_HOME/sbin
 

• 保存退出，然后source一下/etc/profile文件，让新的环境变量PATH生效

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

• 测试JDK与Hadoop是否安装成功

  [admin@hadoop102 ~]$ java -version

  [admin@hadoop102 hadoop-3.1.3]$ hadoop version

4.Hadoop的目录结构

• 查看Hadoop目录结构

  [admin@hadoop102 hadoop-3.1.3]$ ll
  总用量 52
  drwxr-xr-x. 2 admin admin  4096 9月  3 2020 bin
  drwxr-xr-x. 3 admin admin  4096 9月  3 2020 etc
  drwxr-xr-x. 2 admin admin  4096 9月  3 2020 include
  drwxr-xr-x. 3 admin admin  4096 9月  3 2020 lib
  drwxr-xr-x. 2 admin admin  4096 9月  3 2020 libexec
  -rw-r--r--. 1 admin admin 15429 9月  3 2020 LICENSE.txt
  -rw-r--r--. 1 admin admin   101 9月  3 2020 NOTICE.txt
  -rw-r--r--. 1 admin admin  1366 9月  3 2020 README.txt
  drwxr-xr-x. 2 admin admin  4096 9月  3 2020 sbin
  drwxr-xr-x. 4 admin admin  4096 9月  3 2020 share
  
  

• 重要目录

  • bin目录：存放对Hadoop相关服务（HDFS,YARN）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

三、Hadoop运行模式

1.本地运行模式（官方wordcount）

• 在hadoop-3.1.3文件下面创建一个wcinput文件夹

  [admin@hadoop102 hadoop-3.1.3]$ mkdir wcinput

• 在wcinput文件下创建一个word.txt文件

  [admin@hadoop102 hadoop-3.1.3]$ cd wcinput

  [admin@hadoop102 wcinput]$ vim word.txt

  • 在文件中输入如下内容

  hadoop yarn
  hadoop mapreduce
  admin
  admin
  

• 回到Hadoop目录/opt/module/hadoop-3.1.3

• 执行程序

  [admin@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

• 查看结果

  [admin@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000

  看到如下结果：

  admin 2
  hadoop  2
  mapreduce       1
  yarn    1
  

2.完全分布式运行环境（开发重点）

• 准备好三台客户机
  • 关闭防火墙、静态ip、主机名称
  • 安装JDK，安装Hadoop
  • 配置环境变量
• 配置集群
• 单点启动
• 配置ssh
• 群起并测试集群

---

在写xsync脚本前，我们先了解一下scp（secure copy）与rsync远程同步工具

• scp可以实现服务器与服务器之间的数据拷贝

  scp -r $pdir/$fname $user@hadoop$host:$pdir/$fname

  命令 递归 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称

• rsync远程同步工具

  rsync -av $pdir/$fname $user@hadoop$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

  • 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。

2.1编写集群分发脚本xsync

因为我们只配置好了hadoop102的JDK与Hadoop，还没有配置好其他两台虚拟机的。又因为不愿意重复操作，故编写此分发脚本。

• 需求：循环复制文件到所有节点的相同目录下

• 期望脚本：xsync 要同步的文件名称

• 在/home/atguigu/bin目录下创建xsync文件

  [admin@hadoop102 ~]$ mkdir bin

  [admin@hadoop102 ~]$ cd bin

  [admin@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
  

• 修改脚本 xsync 具有执行权限

  [admin@hadoop102 bin]$ chmod +x xsync

• 将脚本复制到/bin中，以便全局调用

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

• 测试脚本

  [admin@hadoop102 ~]$ xsync /home/atguigu/bin

  [admin@hadoop102 bin]$ sudo xsync /bin/xsync

2.2 SSH无密登录配置

• 免密登录原理

  • 服务器A通过ssh-keygen生成密钥对（公钥A，私钥A）

  • 拷贝公钥A到服务器B上，此时服务器A有一个授权key（Authorized_keys）

  • 服务器A通过ssh访问服务器B（数据用私钥A加密）

  • 服务器B接收到数据后，去授权key中查找A的公钥，并解密数据。

  • 服务器B将采用A公钥加密的数据返回给A

  • 服务器A接收到数据后，用A的私钥解密数据

    

• 生成公钥和私钥：

  [admin@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）

• 将公钥拷贝到要免密登录的目标机器上

  [admin@hadoop102 .ssh]$ ssh-copy-id hadoop102

  • 此处我只拷贝到hadoop102上，然后通过群发脚本发给其他两个虚拟机

• 通过分发脚本xsync给hadoop103、hadoop104发放公钥和私钥以及授权公钥

  [admin@hadoop102 .ssh]$ xsync .ssh

• .ssh文件夹下（~/.ssh）的文件功能解释

  known_hosts	记录ssh访问过计算机的公钥(public key)
  id_rsa	生成的私钥
  id_rsa.pub	生成的公钥
  authorized_keys	存放授权过的无密登录服务器公钥

2.3集群配置

• 集群部署规划

  因为我电脑运行内存有限，便按照下列部署

  • 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

    	hadoop102	hadoop103	hadoop104
    HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
    YARN	NodeManager	ResourceManager NodeManager	NodeManager

• 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：

    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-3.1.3.jar/ core-default.xml
    [hdfs-default.xml]	hadoop-hdfs-3.1.3.jar/ hdfs-default.xml
    [yarn-default.xml]	hadoop-yarn-common-3.1.3.jar/ yarn-default.xml
    [mapred-default.xml]	hadoop-mapreduce-client-core-3.1.3.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。

• 配置集群

  • 核心配置文件core-site.xml

    [admin@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop

    [admin@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://hadoop102:9820</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atguigu -->
        <property>
            <name>hadoop.http.staticuser.user</name>
            <value>admin</value>
    </property>
    
    <!-- 配置该admin(superUser)允许通过代理访问的主机节点 -->
        <property>
            <name>hadoop.proxyuser.admin.hosts</name>
            <value>*</value>
    </property>
    <!-- 配置该admin(superUser)允许通过代理用户所属组 -->
        <property>
            <name>hadoop.proxyuser.admin.groups</name>
            <value>*</value>
    </property>
    <!-- 配置该admin(superUser)允许通过代理的用户-->
        <property>
            <name>hadoop.proxyuser.admin.groups</name>
            <value>*</value>
    </property>
    
    </configuration>
    

  • HDFS配置文件hdfs-site.xml

    [admin@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>
    

  • YARN配置文件yarn-site.xml

    [admin@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>
    <!-- yarn容器允许分配的最大最小内存 -->
        <property>
            <name>yarn.scheduler.minimum-allocation-mb</name>
            <value>512</value>
        </property>
        <property>
            <name>yarn.scheduler.maximum-allocation-mb</name>
            <value>4096</value>
    </property>
    <!-- yarn容器允许管理的物理内存大小 -->
        <property>
            <name>yarn.nodemanager.resource.memory-mb</name>
            <value>4096</value>
    </property>
    <!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
        <property>
            <name>yarn.nodemanager.pmem-check-enabled</name>
            <value>false</value>
        </property>
        <property>
            <name>yarn.nodemanager.vmem-check-enabled</name>
            <value>false</value>
        </property>
    </configuration>
    

  • MapReduce配置文件mapred-site.xml

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

    <?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>
    

• 在集群上分发配置好的Hadoop配置文件

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

  • 查看hadoop103和hadoop104上查看文件分发情况

  [admin@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/

  [admin@hadoop102 hadoop]$ ll

  [admin@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/

  [admin@hadoop102 hadoop]$ ll

2.4群起集群

• 配置workers

  [admin@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:

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

• 启动集群

  • 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。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。）

    [admin@hadoop102 ~]$ hdfs namenode -format

  • 在配置了NameNode节点（hadoop102）启动HDFS

    [admin@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

  • 在配置了ResourceManager的节点（hadoop103）启动YARN

    [admin@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

  • Web端查看HDFS的NameNode

    浏览器中输入：http://hadoop102:9870

    查看HDFS上存储的数据信息

  • Web端查看YARN的ResourceManager

    浏览器中输入：http://hadoop103:8088

​ 查看YARN上运行的Job信息

• 各个服务组件逐一启动/停止

  • 分别启动/停止HDFS组件

    hdfs --daemon start/stop namenode/datanode/secondarynamenode

  • 启动/停止YARN

    yarn --daemon start/stop resourcemanager/nodemanager

2.5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。具体配置步骤如下：

• 配置mapred-site.xml

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

  在该文件中增加如下配置：

  <!-- 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>
  

• 分发配置

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

• 在hadoop102启动历史服务器

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

• 查看JobHistory

  http://hadoop102:19888/jobhistory

2.6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HistoryServer。

开启日志聚集功能具体步骤如下：

• 配置yarn-site.xml

  [admin@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>
  

• 分发配置

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

• 查看日志

  http://hadoop102:19888/jobhistory

四、编写hadoop集群的常用脚本（jpsall、myhadoop.sh）

• 查看三台服务器java进程脚本：jpsall

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

[admin@hadoop102 ~]$ vim jpsall

输入下面内容：

#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps $@ | grep -v Jps
done

赋予脚本执行权限

[admin@hadoop102 bin]$ chmod +x jpsall

• hadoop集群启停脚本（包含hdfs，yarn，historyserver）：myhadoop.sh

[admin@hadoop102 ~]$ cd /home/atguigu/bin

[admin@hadoop102 ~]$ vim myhadoop.sh

输入下面内容：

#!/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

赋予脚本执行权限

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

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

  [admin@hadoop102 ~]$ xsync /home/atguigu/bin/

到这里为止，我们的集群就搭建完毕了，下面接着就是HDFS的具体介绍了！！！