相关知识
Hadoop由Apache基金会开发的分布式系统基础架构,是利用集群对大量数据进行分布式处理和存储的软件框架。用户可以轻松地在Hadoop集群上开发和运行处理海量数据的应用程序。Hadoop有高可靠,高扩展,高效性,高容错等优点。Hadoop 框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储,MapReduce为海量的数据提供了计算。此外,Hadoop还包括了Hive,Hbase,ZooKeeper,Pig,Avro,Sqoop,Flume,Mahout等项目。
Hadoop的运行模式分为3种:本地运行模式,伪分布运行模式,完全分布运行模式。
(1)本地模式(local mode)
这种运行模式在一台单机上运行,没有HDFS分布式文件系统,而是直接读写本地操作系统中的文件系统。在本地运行模式(local mode)中不存在守护进程,所有进程都运行在一个JVM上。单机模式适用于开发阶段运行MapReduce程序,这也是最少使用的一个模式。
(2)伪分布模式
这种运行模式是在单台服务器上模拟Hadoop的完全分布模式,单机上的分布式并不是真正的分布式,而是使用线程模拟的分布式。在这个模式中,所有守护进程(NameNode,DataNode,ResourceManager,NodeManager,SecondaryNameNode)都在同一台机器上运行。因为伪分布运行模式的Hadoop集群只有一个节点,所以HDFS中的块复制将限制为单个副本,其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外,其程序执行逻辑完全类似于完全分布式,因此,常用于开发人员测试程序的执行。本次实验就是在一台服务器上进行伪分布运行模式的搭建。
(3)完全分布模式
这种模式通常被用于生产环境,使用N台主机组成一个Hadoop集群,Hadoop守护进程运行在每台主机之上。这里会存在Namenode运行的主机,Datanode运行的主机,以及SecondaryNameNode运行的主机。在完全分布式环境下,主节点和从节点会分开。
系统环境
Linux Ubuntu 20.04
任务内容
在只安装Linux系统的服务器上,安装Hadoop3.2.2伪分布模式。
任务步骤
1.创建一个用户,名为lijiawen,并为此用户创建home目录,此时会默认创建一个与lijiawen同名的用户组。
sudo useradd -d /home/lijiawen -m lijiawen
为zhangyu用户设置密码,执行下面的语句
sudo passwd lijiawen
按提示消息,输入密码以及确认密码即可,此处密码设置为123456
将lijiawen用户的权限,提升到sudo超级用户级别
sudo usermod -G sudo lijiawen
后续操作,我们需要切换到zhangyu用户下来进行操作。
su - lijiawen
2.首先来配置SSH免密码登陆
SSH免密码登陆需要在服务器执行以下命令,生成公钥和私钥对
ssh-keygen -t rsa
此时会有多处提醒输入在冒号后输入文本,这里主要是要求输入ssh密码以及密码的放置位置。在这里,只需要使用默认值,按回车即可。
此时ssh公钥和私钥已经生成完毕,且放置在~/.ssh目录下。切换到~/.ssh目录下
cd ~/.ssh
可以看到~/.ssh目录下的文件
lijiawen@DESKTOP-F0G7R99:~/.ssh$ ll
总用量 24
drwx------ 2 lijiawen lijiawen 4096 5月 13 15:34 ./
drwxr-xr-x 8 lijiawen lijiawen 4096 5月 27 08:32 ../
-rw-r--r-- 1 lijiawen lijiawen 1156 5月 13 15:20 authorized_keys
-rw------- 1 lijiawen lijiawen 2610 5月 6 17:27 id_rsa
-rw-r--r-- 1 lijiawen lijiawen 578 5月 6 17:27 id_rsa.pub
-rw-r--r-- 1 lijiawen lijiawen 444 5月 13 15:35 known_hosts
下面在~/.ssh目录下,创建一个空文本,名为authorized_keys
touch ~/.ssh/authorized_keys
将存储公钥文件的id_rsa.pub里的内容,追加到authorized_keys中
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
下面执行ssh localhost测试ssh配置是否正确
ssh localhost
第一次使用ssh访问,会提醒是否继续连接,输入“yes"继续进行,执行完以后退出
后续再执行ssh localhost时,就不用输入密码了
3.下面首先来创建两个目录,用于存放安装程序及数据。
sudo mkdir /apps
sudo mkdir /data
并为/apps和/data目录切换所属的用户为lijiawen及用户组为lijiawen
sudo chown -R lijiawen:lijiawen /apps
sudo chown -R lijiawen:lijiawen /data
两个目录的作用分别为:/apps目录用来存放安装的框架,/data目录用来存放临时数据、HDFS数据、程序代码或脚本。
切换到根目录下,执行 ls -l 命令
cd /
ls -l
可以看到根目录下/apps和/data目录所属用户及用户组已切换为lijiawen:lijiawen
lijiawen@DESKTOP-F0G7R99:/$ ls -l
总用量 708
drwxr-xr-x 10 lijiawen lijiawen 4096 5月 24 16:04 apps
lrwxrwxrwx 1 root root 7 2月 20 07:48 bin -> usr/bin
drwxr-xr-x 2 root root 4096 5月 6 16:03 boot
drwxr-xr-x 10 lijiawen lijiawen 4096 5月 19 10:05 data
4.配置HDFS。
创建/data/hadoop1目录,用来存放相关安装工具,如jdk安装包jdk-7u75-linux-x64.tar.gz及hadoop安装包hadoop-2.6.0-cdh5.4.5.tar.gz。
view plain copy
mkdir -p /data/hadoop1
切换目录到/data/hadoop1目录,使用wget命令,下载所需的hadoop安装包OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz及hadoop-3.2.2.tar.gz。
cd /data/hadoop1
wget http://hg.openjdk.java.net/jdk/jdk11/archive/tip.tar.gz
wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.2.2/hadoop-3.2.2-src.tar.gz
5.安装jdk。将/data/hadoop1目录下OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz 解压缩到/apps目录下。
tar -xzvf /data/hadoop1/OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz -C /apps
其中,tar -xzvf 对文件进行解压缩,-C 指定解压后,将文件放到/apps目录下。
切换到/apps目录下,我们可以看到目录下内容如下:
cd /apps/
ls -l
下面将jdk1.7.0_75目录重命名为java,执行:
mv /apps/jdk11.0.11_9/ /apps/java
6.下面来修改环境变量:系统环境变量或用户环境变量。我们在这里修改用户环境变量。
sudo vim ~/.bashrc
输入上面的命令,打开存储环境变量的文件。空几行,将java的环境变量,追加进用户环境变量中。
#java
export JAVA_HOME=/apps/java
export PATH=$JAVA_HOME/bin:$PATH
输入Esc, 进入vim命令模式,输入 :wq !进行保存。
让环境变量生效。
source ~/.bashrc
执行source命令,让java环境变量生效。执行完毕后,可以输入java -version,来测试环境变量是否配置正确。如果出现下面界面,则正常运行。
lijiawen@DESKTOP-F0G7R99:/data/hadoop1$ java -version
openjdk version "11.0.11" 2021-04-20
OpenJDK Runtime Environment (build 11.0.11+9-Ubuntu-0ubuntu2.20.04)
OpenJDK 64-Bit Server VM (build 11.0.11+9-Ubuntu-0ubuntu2.20.04, mixed mode, sharing)
7.下面安装hadoop,切换到/data/hadoop1目录下,将hadoop-3.2.2.tar.gz解压缩到/apps目录下。
cd /data/hadoop1
tar -xzvf /data/hadoop1/hadoop-3.2.2.tar.gz -C /apps/
为了便于操作,我们也将hadoop-3.2.2重命名为hadoop。
mv /apps/hadoop-3.2.2/ /apps/hadoop
8.修改用户环境变量,将hadoop的路径添加到path中。先打开用户环境变量文件。
sudo vim ~/.bashrc
将以下内容追加到环境变量~/.bashrc文件中。
#hadoop
export HADOOP_HOME=/apps/hadoop
export PATH=$HADOOP_HOME/bin:$PATH
让环境变量生效。
source ~/.bashrc
输入hadoop version验证hadoop环境变量配置是否正常
lijiawen@DESKTOP-F0G7R99:/data/hadoop1$ hadoop version
Hadoop 3.2.2
Source code repository Unknown -r 7a3bc90b05f257c8ace2f76d74264906f0f7a932
Compiled by hexiaoqiao on 2021-01-03T09:26Z
Compiled with protoc 2.5.0
From source with checksum 5a8f564f46624254b27f6a33126ff4
This command was run using /apps/hadoop/share/hadoop/common/hadoop-common-3.2.2.jar
9.下面来修改hadoop本身相关的配置。首先切换到hadoop配置目录下。
cd /apps/hadoop/etc/hadoop
10.输入vim /apps/hadoop/etc/hadoop/hadoop-env.sh,打开hadoop-env.sh配置文件。
vim /apps/hadoop/etc/hadoop/hadoop-env.sh
将下面JAVA_HOME追加到hadoop-env.sh文件中。
export JAVA_HOME=/apps/java
11.输入vim /apps/hadoop/etc/hadoop/core-site.xml,打开core-site.xml配置文件。
vim /apps/hadoop/etc/hadoop/core-site.xml
添加下面配置到
hadoop.tmp.dir
/data/tmp/hadoop/tmp
fs.defaultFS
hdfs://localhost:9000
这里有两项配置:
一项是hadoop.tmp.dir,配置hadoop处理过程中,临时文件的存储位置。这里的目录/data/tmp/hadoop/tmp需要提前创建。
mkdir -p /data/tmp/hadoop/tmp
另一项是fs.defaultFS,配置hadoop HDFS文件系统的地址。
12.输入vim /apps/hadoop/etc/hadoop/hdfs-site.xml,打开hdfs-site.xml配置文件。
vim /apps/hadoop/etc/hadoop/hdfs-site.xml
添加下面配置到
dfs.namenode.name.dir
/data/tmp/hadoop/hdfs/name
dfs.datanode.data.dir
/data/tmp/hadoop/hdfs/data
dfs.replication
1
dfs.permissions.enabled
false
配置项说明:
dfs.namenode.name.dir,配置元数据信息存储位置;
dfs.datanode.data.dir,配置具体数据存储位置;
dfs.replication,配置每个数据库备份数,由于目前我们使用1台节点,所以,设置为1,如果设置为2的话,运行会报错。
dfs.permissions.enabled,配置hdfs是否启用权限认证
另外/data/tmp/hadoop/hdfs路径,需要提前创建,所以我们需要执行
mkdir -p /data/tmp/hadoop/hdfs
13.输入vim /apps/hadoop/etc/hadoop/slaves,打开slaves配置文件。
vim /apps/hadoop/etc/hadoop/slaves
将集群中slave角色的节点的主机名,添加进slaves文件中。目前只有一台节点,所以slaves文件内容为:
localhost
14.下面格式化HDFS文件系统。执行:
hadoop namenode -format
15.切换目录到/apps/hadoop/sbin目录下。
cd /apps/hadoop/sbin/
16.启动hadoop的hdfs相关进程。
./start-dfs.sh
这里只会启动HDFS相关进程。
17.输入jps查看HDFS相关进程是否已经启动。
jps
我们可以看到相关进程,都已经启动。
18.下面可以再进一步验证HDFS运行状态。先在HDFS上创建一个目录。
hadoop fs -mkdir /myhadoop1
19.执行下面命令,查看目录是否创建成功。
hadoop fs -ls -R /
以上,便是HDFS安装过程。
20.下面来配置MapReduce相关配置。再次切换到hadoop配置文件目录
cd /apps/hadoop/etc/hadoop
21.下面将mapreduce的配置文件mapred-site.xml.template,重命名为mapred-site.xml。
mv /apps/hadoop/etc/hadoop/mapred-site.xml.template /apps/hadoop/etc/hadoop/mapred-site.xml
22.输入vim /apps/hadoop/etc/hadoop/mapred-site.xml,打开mapred-site.xml配置文件。
vim /apps/hadoop/etc/hadoop/mapred-site.xml
将mapreduce相关配置,添加到
mapreduce.framework.name
yarn
这里指定mapreduce任务处理所使用的框架。