Apache Hadoop 完全分布式集群 搭建
centos7实现免密登录
在node01上生产一对钥匙（公钥和私钥）
首先在root用户下，执行ssh-keygen -t rsa，一路回车，接着会产生在/root目录下会产生.ssh目录
查看 .ssh 目录，会发现它下面生成了两个 id_rsa ， id_rsa.pub文件
ssh-copy-id node01
ssh-copy-id node02
ssh-copy-id node03
同理其它节点也一样
虚拟机环境准备
- 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）
- 在/opt目录下创建文件夹
mkdir -p /opt/lagou/software --软件安装包存放目录
mkdir -p /opt/lagou/servers --软件安装目录
-
Hadoop下载地址
https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/
http://hadoop.apache.org/ -
上传hadoop安装文件到/opt/lagou/software
集群规划
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
- hadoop目录
- bin目录:对Hadoop进行操作的相关命令，如hadoop,hdfs等
- etc目录：Hadoop的配置文件目录，入hdfs-site.xml,core-site.xml等
- lib目录：Hadoop本地库（解压缩的依赖）
- sbin目录：存放的是Hadoop集群启动停止相关脚本，命令
- share目录：Hadoop的一些jar,官方案例jar，文档等
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
- 将JDK路径明确配置给HDFS（修改hadoop-env.sh）
- 指定NameNode节点以及数据存储目录（修改core-site.xml）
- 指定SecondaryNameNode节点（修改hdfs-site.xml）
- 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
- 将JDK路径明确配置给MapReduce（修改mapred-env.sh）
- 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
- 将JDK路径明确配置给Yarn（修改yarn-env.sh）
- 指定ResourceManager老大节点所在计算机节点（修改yarn-site.xml）
- 指定NodeManager节点（会通过slaves文件内容确定）
集群配置具体步骤：
- 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=/usr/local/jdk1.8.0_261
- 指定NameNode节点以及数据存储目录（修改core-site.xml）
vim core-site.xml
<property>
<name>fs.defaultFSname>
<value>hdfs://linux121:9000value>
property>
<property>
<name>hadoop.tmp.dirname>
<value>/opt/lagou/servers/hadoop-2.9.2/data/tmpvalue>
property>
core-site.xml的默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/coredefault.xml
指定secondarynamenode节点(修改hdfs-site.xml)
vim hdfs-site.xml
<property>
<name>dfs.namenode.secondary.http-addressname>
<value>linux123:50090value>
property>
<property>
<name>dfs.replicationname>
<value>3value>
property>
官方默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfsdefault.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。
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=/usr/local/jdk1.8.0_261
- 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
<property>
<name>mapreduce.framework.namename>
<value>yarnvalue>
property>
mapred-site.xml默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduceclient-core/mapred-default.xml
Yarn集群配置
指定JDK路径
vim yarn-env.sh
export JAVA_HOME=/usr/local/jdk1.8.0_261
指定ResourceMnager的master节点信息(修改yarn-site.xml)
vim yarn-site.xml
<property>
<name>yarn.resourcemanager.hostnamename>
<value>linux123value>
property>
<property>
<name>yarn.nodemanager.aux-servicesname>
<value>mapreduce_shufflevalue>
property>
yarn-site.xml的默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarndefault.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
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。
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
2. 选项参数说明
3. 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
2.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
- 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/
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
#!/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=128; host<135; host++)); do
echo ------------------- linux$host --------------
rsync -rvl $pdir/$file_name $user@linux$host:$pdir
done
- 修改脚本 rsync-script 具有执行权限
chmod 777 rsync-script
- 调用脚本形式：rsync-script 文件名称
rsync-script /home/root/bin
调用脚本分发Hadoop安装目录到其它节点
rsync-script /opt/lagou/servers/hadoop-2.9.2
启动集群
注意：如果集群是第一次启动，需要在Namenode所在节点格式化NameNode，非第一次不用执行格式化Namenode操作！！
单节点启动
hadoop namenode -format
- 在linux121上启动NameNode
hadoop-daemon.sh start namenode
jps
- 在linux121、linux122以及linux123上分别启动DataNode
- web端查看Hdfs界面
http://192.168.181.135:50070/dfshealth.html#tab-overview
Yarn集群单节点启动
Hadoop集群每次需要一个一个节点的启动，如果节点数增加到成千上万个怎么办？
集群群起
- 如果已经单节点方式启动了Hadoop,可以先停止之前的启动的Namenode与Datanode进程,如果
之前Namenode没有执行格式化，这里需要执行格式化!!!
hadoop namenode -format
注意：NameNode和ResourceManger不是在同一台机器，不能在NameNode上启动 YARN，应该
在ResouceManager所在的机器上启动YARN
Hadoop集群启动停止命令汇总
- 各个服务组件逐一启动/停止
分别启动/停止HDFS组件
hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
- 启动/停止YARN
yarn-daemon.sh start / stop resourcemanager / nodemanager
- 各个模块分开启动/停止（配置ssh是前提）常用
整体启动/停止HDFS
start-dfs.sh / stop-dfs.sh
整体启动/停止YARN
start-yarn.sh / stop-yarn.sh
集群测试
- HDFS 分布式存储初体验
从linux本地文件系统上传下载文件验证HDFS集群工作正常
hdfs dfs -mkdir -p /test/input
#本地hoome目录创建一个文件
cd /root
vim test.txt
hello hdfs
#上传linxu文件到Hdfs
hdfs dfs -put /root/test.txt /test/input
#从Hdfs下载文件到linux本地
hdfs dfs -get /test/input/test.txt
- MapReduce 分布式计算初体验
在HDFS文件系统根目录下面创建一个wcinput文件夹
[root@linux121 hadoop-2.9.2]$ 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
hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn lagou
lagou
lagou
- 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
/opt/lagou/servers/hadoop-2.9.2/share/hadoop/mapreduce
hadoop jar 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
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
-
- 配置mapred-site.xml 增加
<property>
<name>mapreduce.jobhistory.addressname>
<value>linux121:10020value>
property>
<property>
<name>mapreduce.jobhistory.webapp.addressname>
<value>linux121:19888value>
property>
完整
<configuration>
<property>
<name>mapreduce.framework.namename>
<value>yarnvalue>
property>
<property>
<name>mapreduce.jobhistory.addressname>
<value>linux135:10020value>
property>
<property>
<name>mapreduce.jobhistory.webapp.addressname>
<value>linux135:19888value>
property>
configuration>
. 分发mapred-site.xml到其它节点
rsync-script mapred-site.xml
- 启动历史服务器
sbin/mr-jobhistory-daemon.sh start historyserver
查看历史服务器是否启动
查看JobHistory
http://192.168.181.135:19888/jobhistory
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：
- 配置yarn-site.xml
增加
<property>
<name>yarn.log-aggregation-enablename>
<value>truevalue>
property>
<property>
<name>yarn.log-aggregation.retain-secondsname>
<value>604800value>
property>
- 完整
<configuration>
<property>
<name>yarn.resourcemanager.hostnamename>
<value>linux128value>
property>
<property>
<name>yarn.nodemanager.aux-servicesname>
<value>mapreduce_shufflevalue>
property>
<property>
<name>yarn.log-aggregation-enablename>
<value>truevalue>
property>
<property>
<name>yarn.log-aggregation.retain-secondsname>
<value>604800value>
property>
configuration>
- 分发
rsync-script yarn-site.xml
- 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
或者使用群关
stop-yarn.sh
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
或者
start-yarn.sh
- 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
- 执行WordCount程序
hadoop jar hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput
- 访问日志
http://192.168.181.135:19888/jobhistory
