大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)

文章目录

  • 一、大数据概论
  • 二、Hadoop概述
  • 三、Hadoop 运行环境搭建 (开发 重点)
    • 3.1 模板虚拟机环境准备
    • 3.2 克隆虚拟机
    • 3.3 在hadoop102安装JDK
    • 3.4 在hadoop102安装Hadoop
    • 3.5 Hadoop目录结构
  • 四、Hadoop运行模式
    • 4.1 本地运行模式(官方WordCount)
    • 4.2 完全分布式运行模式(开发重点)
      • 4.2.1 虚拟机准备
      • 4.2.2 编写集群分发脚本xsync
      • 4.2.3 SSH无密登录配置
      • 4.2.4 集群配置
      • 4.2.5 群起集群
      • 4.2.6 配置历史服务器
      • 4.2.7 配置日志的聚集
      • 4.2.8 集群启动/停止方式总结
      • 4.2.9 编写Hadoop集群常用脚本
      • 4.2.10 常用端口号说明
      • 4.2.11 集群时间同步
  • 五、常见错误及解决方案

一、大数据概论

1.1.大数据概念
大数据(Big Data):指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

按顺序给出数据存储单位:
bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
1Byte = 8bit 1K = 1024Byte 1MB = 1024K
1G = 1024M 1T = 1024G 1P= 1024T

大数据主要解决,海量数据的采集、存储和分析计算问题。
1.2.大数据特点(4V)
(1)Volume(大量)

截至目前,人类生产的所有印刷材料的数据量是200PB,而历史上全人类总共说过的话的数据量大约是5EB。当前,典型个人计算机硬盘的容量为TB量级,而一些大企业的数据量已经接近EB量级。

(2)Velocity(高速)

这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报
告,预计到2025年,全球数据使用量将达到163ZB。在如此海量的数据面前,处理数据的效率就是企业的生命。

(3)Variety(多样)

这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库/文本为主的结构化数据,非结构化数据越来越多,包括网络日志、音频、视频、图 片、地理位置信息等,这些多类型的数据对数据的处理能力提出了更高要求。

(4)Value(低价值密度)

价值密度的高低与数据总量的大小成反比。如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题。

1.3.大数据应用场景
(1)抖音:推荐的都是你喜欢的视频
(2)电商站内广告推荐:给用户推荐可能喜欢的商品
(3)零售:分析用户消费习惯,为用户购买商品提供方便,从而提升商品销量。经典案例,纸尿布+啤酒。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第1张图片

(4)物流仓储:京东物流,上午下单下午送达、下午下单次日上午送达
(5)保险:海量数据挖掘及风险预测,助力保险行业精准营销,提升精细化定价能力。
(6)金融:多维度体现用户特征,帮助金融机构推荐优质客户,防范欺诈风险。
(7)房产:大数据全面助力房地产行业,打造精准投策与营销,选出更合适的地,建造更合适的楼,卖给更合适的人。
(8)人工智能 + 5G + 物联网 + 虚拟与现实
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第2张图片
1.4.大数据发展前景
(1)党的十九大提出“推动互联网、大数据、人工智能和实体经济深度融合”。
(2)2020年初,中央推出34万亿“新基建”投资计划
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第3张图片
(3)下一个风口
2020年是5G的元年,国家在大力铺设5G设备,2021年就是5G手机应用的开始,也是大数据要爆发的1年。5G带来的是每秒钟10g的数据,会给每家公司都带来海量的数据。那么传统的Java工具根本解决不了海量数据的存储。就更不用说海量数据的计算了。如果你对5G的感触不够深,可以回忆一下3G和4G的区别。3G时只能打电话、发短信,当时还觉得很好,觉得3G不错。但是4G来了后,大家很少打电话和发短信了,都改为语音、视频、直播、网上购物等生活方式,带火了淘宝、京东、美团、字节跳动等企业。没有跟上节奏的百度,有点摇摇欲坠。
自古不变的真理:先入行者吃肉,后入行者喝汤,最后到的买单!
(4)人才紧缺、竞争压力小
1.5.大数据部门间业务流程分析
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第4张图片
1.6.大数据部门内组织结构
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第5张图片

二、Hadoop概述

2.1. Hadoop 是什么
1) Hadoop是一个由Apache基金会所开发的分布式系统基础架构。
2)主要解决,海量数据的存储和海量数据的分析计算问题。
3)广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第6张图片
2.2. Hadoop发展历史(了解)
1)Hadoop创始人Doug Cutting,为了实现与Google类似的全文搜索功能,他在Lucene框架基础上进行优化升级,查询引擎和索引引擎。
2)2001年年底Lucene成为Apache基金会的一个子项目。
3)对于海量数据的场景,Lucene框架面对与Google同样的困难,存储海量数据困难,检索海量速度慢。
4)学习和模仿Google解决这些问题的办法 :微型版Nutch。
5)可以说Google是Hadoop的思想之源(Google在大数据方面的三篇论文)

GFS —>HDFS
Map-Reduce —>MR
BigTable —>HBase

6)2003-2004年,Google公开了部分GFS和MapReduce思想的细节,以此为基础Doug Cutting等人用
了2年业余时间实现了DFS和MapReduce机制,使Nutch性能飙升。
7)2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。
8)2006 年 3 月份,Map-Reduce和Nutch Distributed File System (NDFS)分别被纳入到 Hadoop 项目中,Hadoop就此正式诞生,标志着大数据时代来临。
9)名字来源于Doug Cutting儿子的玩具大象
2.3. Hadoop三大发行版本(了解)
Hadoop 三大发行版本:Apache、Cloudera、Hortonworks。
Apache 版本最原始(最基础)的版本,对于入门学习最好。2006
Cloudera 内部集成了很多大数据框架,对应产品 CDH。2008
Hortonworks 文档较好,对应产品 HDP。2011
Hortonworks 现在已经被 Cloudera 公司收购,推出新的品牌 CDP。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第7张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第8张图片
1 )Apache Hadoop

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

2 )Cloudera Hadoop

官网地址:https://www.cloudera.com/downloads/cdh
下载地址:https://docs.cloudera.com/documentation/enterprise/6/release-
notes/topics/rg_cdh_6_download.html

(1)2008 年成立的 Cloudera 是最早将 Hadoop 商用的公司,为合作伙伴提供 Hadoop 的商用解决方案,主要是包括支持、咨询服务、培训。
(2 )2009 年 年 Hadoop 的创始人 Doug Cutting 也加盟Cloudera 公司。Cloudera 产品主要为 CDH,Cloudera Manager,Cloudera Support
(3)CDH 是 Cloudera 的 Hadoop 发行版,完全开源,比 Apache Hadoop
在兼容性,安全性,稳定性上有所增强。Cloudera 的标价为每年每个节点 10000 美元。
(4)Cloudera Manager是集群的软件分发及管理监控平台,可以在几个小时内部署好一个 Hadoop 集群,并对集群的节点及服务进行实时监控。

3) Hortonworks Hadoop

官网地址:https://hortonworks.com/products/data-center/hdp/
下载地址:https://hortonworks.com/downloads/#data-platform

(1)2011 年成立的 Hortonworks 是雅虎与硅谷风投公司 Benchmark Capital 合资组建。
(2)公司成立之初就吸纳了大约 25 名至 30 名专究 门研究 Hadoop 的雅虎工程师,上述 工程师均在 2005 年开始协助雅虎开发 Hadoop ,贡献了 Hadoop80% 的代码。
(3)Hortonworks 的主打产品是 Hortonworks Data Platform(HDP),也同样是 100%开 源的产品,HDP 除常见的项目外还包括了 Ambari,一款开源的安装和管理系统。
(4)2018 年 Hortonworks 目前 已经被 Cloudera 公司收购。

2.4. Hadoop优势(4高)
1)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。
在这里插入图片描述
2)高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第9张图片

3)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。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第10张图片

4)高容错性:能够自动将失败的任务重新分配。
在这里插入图片描述
2.5. Hadoop组成(面试重点)
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第11张图片
在 Hadoop1.x 时 代 ,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大。在Hadoop2.x时代,增加了Yarn。Yarn只负责资 源 的 调 度 ,MapReduce只负责运算。Hadoop3.x在组成上没有变化。
2.5.1 HDFS架构概述
Hadoop Distributed File System,简称 HDFS,是一个分布式文件系统。

1)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。
2)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。 3)Secondary
NameNode(2nn):每隔一段时间对NameNode元数据备份。

2.5.2 YARN架构概述
Yet Another Resource Negotiator 简称 YARN ,另一种资源协调者,是 Hadoop 的资源管理器。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第12张图片

1)ResourceManager(RM):整个集群资源(内存、CPU等)的老大
3)ApplicationMaster(AM):单个任务运行的老大 2)NodeManager(NM):单个节点服务器资源老大
4)Container:容器,相当一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等。
说明1:客户端可以有多个
说明2:集群上可以运行多个ApplicationMaster
说明3:每个NodeManager上可以有多个Container

2.5.3. MapReduce架构概述
MapReduce 将计算过程分为两个阶段:Map 和 Reduce

1)Map 阶段并行处理输入数据
2)Reduce 阶段对 Map 结果进行汇总

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第13张图片

2.5.4. HDFS、YARN、MapReduce三者关系
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第14张图片

2.6. 大数据技术生态体系
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第15张图片
图中涉及的技术名词解释如下:

1)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。 2)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;
3)Kafka:Kafka 是一种高吞吐量的分布式发布订阅消息系统; 4)Spark:Spark
是当前最流行的开源大数据内存计算框架。可以基Hadoop 上存储的大数据进行计算。 5)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。 6)Oozie:Oozie 是一个管理 Hadoop
作业(job)的工作流程调度管理系统。 7)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。 8)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。
9)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。

2.7. 推荐系统框架图
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第16张图片

三、Hadoop 运行环境搭建 (开发 重点)

3.1 模板虚拟机环境准备

0)安装模板虚拟机
IP地址192.168.10.100、主机名称hadoop100、内存4G、硬盘50G

参考链接: 大数据技术——模板虚拟机环境准备.

1)hadoop100虚拟机配置要求如下(本文Linux系统全部以CentOS-7.5-x86-1804为例)
(1)使用yum安装需要虚拟机可以正常上网,yum安装前可以先测试下虚拟机联网情况
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第17张图片
(2)安装 epel-release

注:Extra Packages for Enterprise Linux 是为“红帽系”的操作系统提供额外的软件包,适用于RHEL、CentOS 和 Scientific Linux。相当于是一个软件仓库,大多数 rpm 包在官方repository中是找不到的)

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第18张图片
(3)注意:如果 Linux 安装的是最小系统版,还需要安装如下工具;如果安装的是 Linux桌面标准版,不需要执行如下操作
net-tool:工具包集合,包含 ifconfig 等命令

[root@hadoop100 ~]# yum install -y net-tools

vim:编辑器

[root@hadoop100 ~]# yum install -y vim

2 ) 关闭防火墙

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第19张图片

注意:在企业开发时,通常单个服务器的防火墙时关闭的。公司整体对外会设置非常安全的防火墙
3 ) 创建 xusheng用户 ,并修改 xusheng用户的密码

[root@hadoop100 ~]# useradd xusheng
[root@hadoop100 ~]# passwd xusheng

自己设置名称和密码
4 ) 配置 xusheng用户具有 root 权限 , 方便 后期加 加 sudo 执行 root 权限的命令

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

修改/etc/sudoers 文件,在%wheel 这行下面添加一行,如下所示:

## Allow root to run any commands anywhere
root ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
xushengALL=(ALL) NOPASSWD:ALL

![在这里插入图片描述](https://img-blog.csdnimg.cn/8e9d8a84860d4f87a大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第20张图片
注意:xusheng这一行不要直接放到 root 行下面,因为所有用户都属于 wheel 组,你先配置了 xusheng具有免密功能,但是程序执行到%wheel 行时,该功能又被覆盖回需要密码。所以 xusheng要放到%wheel 这行下面。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第21张图片
5 ) 在/opt 目录下创建文件夹 ,并修改所属主和所属组
(1)在/opt 目录下创建 module、software 文件夹

[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第22张图片

(2)修改 module、software 文件夹的所有者和所属组均为 xusheng用户

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第23张图片

(3)查看 module、software 文件夹的所有者和所属组

[xusheng@hadoop100 opt]$ ll
总用量 0
drwxr-xr-x. 2 xusheng xusheng 6 47 20:36 module
drwxr-xr-x. 2 xusheng xusheng 6 47 20:36 software

6)卸载虚拟机自带的 JDK
注意:如果你的虚拟机是最小化安装不需要执行这一步。

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

➢ rpm -qa:查询所安装的所有 rpm 软件包
➢ grep -i:忽略大小写
➢ xargs -n1:表示每次只传递一个参数
➢ rpm -e –nodeps:强制卸载软件
查询
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第24张图片
卸载
在这里插入图片描述

7 )重启虚拟机

[root@hadoop100 ~]# reboot

3.2 克隆虚拟机

1 ) 利用模板机 hadoop100 ,克隆 三台虚拟机: :hadoop102 hadoop103 hadoop104
注意:克隆时,要先关闭 hadoop100
hadoop100右键–》管理–》克隆
2 )修改 克隆机 IP ,以下以 hadoop102 举例说明
(1)修改克隆虚拟机的静态 IP

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

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2

(2)查看 Linux 虚拟机的虚拟网络编辑器,编辑->虚拟网络编辑器->VMnet8
注意:若本机的网络适配器没有出现VMnet1、VMnet8

链接: 解决本机网络适配器中没有虚拟网卡VMnet1、VMnet8.
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第25张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第26张图片
(3)查看 Windows 系统适配器 VMware Network Adapter VMnet8 的 IP 地址
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第27张图片
(4)保证 Linux 系统 ifcfg-ens33 文件中 IP 地址、虚拟网络编辑器地址和 Windows 系统 VM8 网络 IP 地址相同。
3 ) 修改 克隆机 主机名 ,以下以 hadoop102 举例说明
(1)修改主机名称

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

(2)配置 Linux 克隆机主机名称映射 hosts 文件,打开/etc/hosts

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

添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

4 )机 重启克隆机 hadoop102

[root@hadoop100 ~]# reboot

5 ) 修改 windows 的主机映射文件 (hosts 文件)
(1)如果操作系统是 window7,可以直接修改
(a)进入 C:\Windows\System32\drivers\etc 路径
(b)打开 hosts 文件并添加如下内容,然后保存

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

(2)如果操作系统是 window10,先拷贝出来,修改保存以后,再覆盖即可
(a)进入 C:\Windows\System32\drivers\etc 路径
(b)拷贝 hosts 文件到桌面
(c)打开桌面 hosts 文件并添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

(d)将桌面 hosts 文件覆盖 C:\Windows\System32\drivers\etc 路径 hosts 文件

3.3 在hadoop102安装JDK

1)卸载现有JDK
注意:安装JDK前,一定确保提前删除了虚拟机自带的JDK。详细步骤见问文档3.1(6)节中卸载JDK步骤。
2)用XShell传输工具将JDK导入到opt目录下面的software文件夹下面

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第28张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第29张图片
3)在Linux系统下的opt目录中查看软件包是否导入成功

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

看到如下结果:

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

4)解压JDK到/opt/module目录下

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

在这里插入图片描述

5)配置JDK环境变量
(1)新建/etc/profile.d/my_env.sh文件

[xusheng@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

(2)保存后退出
:wq
(3)source一下/etc/profile文件,让新的环境变量PATH生效

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

6)测试JDK是否安装成功

[xusheng@hadoop102 ~]$ java -version

如果能看到以下结果,则代表Java安装成功。
java version “1.8.0_212”
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第30张图片

注意:重启(如果java -version可以用就不用重启)

[xusheng@hadoop102 ~]$ sudo reboot

3.4 在hadoop102安装Hadoop

Hadoop下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
1)用XShell文件传输工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第31张图片
2)进入到Hadoop安装包路径下

[xusheng@hadoop102 ~]$ cd /opt/software/

3)解压安装文件到/opt/module下面

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

4)查看是否解压成功

[xusheng@hadoop102 software]$ ls /opt/module/ hadoop-3.1.3

5)将Hadoop添加到环境变量
(1)获取Hadoop安装路径

[xusheng@hadoop102 hadoop-3.1.3]$ pwd
/opt/module/hadoop-3.1.3

(2)打开/etc/profile.d/my_env.sh文件

[xusheng@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh

在my_env.sh文件末尾添加如下内容:(shift+g)

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

保存并退出: :wq
(3)让修改后的文件生效

[xusheng@hadoop102 hadoop-3.1.3]$ source /etc/profile

6)测试是否安装成功

[xusheng@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3

7)重启(如果Hadoop命令不能用再重启虚拟机)

[xusheng@hadoop102 hadoop-3.1.3]$ sudo reboot

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第32张图片

3.5 Hadoop目录结构

1)查看Hadoop目录结构

[xusheng@hadoop102 hadoop-3.1.3]$ ll
总用量 176
drwxr-xr-x. 2 xusheng xusheng    183 912 2019 bin
drwxr-xr-x. 3 xusheng xusheng     20 912 2019 etc
drwxr-xr-x. 2 xusheng xusheng    106 912 2019 include
drwxr-xr-x. 3 xusheng xusheng     20 912 2019 lib
drwxr-xr-x. 4 xusheng xusheng    288 912 2019 libexec
-rw-rw-r--. 1 xusheng xusheng 147145 94 2019 LICENSE.txt
-rw-rw-r--. 1 xusheng xusheng  21867 94 2019 NOTICE.txt
-rw-rw-r--. 1 xusheng xusheng   1366 94 2019 README.txt
drwxr-xr-x. 3 xusheng xusheng   4096 912 2019 sbin
drwxr-xr-x. 4 xusheng xusheng     31 912 2019 share
[xusheng@hadoop102 hadoop-3.1.3]$ 

2)重要目录
(1)bin目录:存放对Hadoop相关服务(hdfs,yarn,mapred)进行操作的脚本
(2)etc目录:Hadoop的配置文件目录,存放Hadoop的配置文件
(3)lib目录:存放Hadoop的本地库(对数据进行压缩解压缩功能)
(4)sbin目录:存放启动或停止Hadoop相关服务的脚本
(5)share目录:存放Hadoop的依赖jar包、文档、和官方案例

四、Hadoop运行模式

1)Hadoop官方网站:http://hadoop.apache.org/
2)Hadoop运行模式包括:本地模式、伪分布式模式以及完全分布式模式。

本地模式:单机运行,只是用来演示一下官方案例。生产环境不用。
伪分布式模式:也是单机运行,但是具备Hadoop集群的所有功能,一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试,生产环境不用。
完全分布式模式:多台服务器组成分布式环境。生产环境使用。

4.1 本地运行模式(官方WordCount)

1)创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

[xusheng@hadoop102 hadoop-3.1.3]$ mkdir wcinput

2)在wcinput文件下创建一个word.txt文件

[xusheng@hadoop102 hadoop-3.1.3]$ cd wcinput

3)编辑word.txt文件

[xusheng@hadoop102 wcinput]$ vim word.txt

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
xusheng
xusheng

保存退出::wq
4)回到Hadoop目录/opt/module/hadoop-3.1.3
5)执行程序

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

6)查看结果

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

看到如下结果:

xusheng2
hadoop  2
mapreduce       1
yarn    1

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第33张图片

4.2 完全分布式运行模式(开发重点)

分析:
1)准备3台客户机(关闭防火墙、静态IP、主机名称)
2)安装JDK
3)配置环境变量
4)安装Hadoop
5)配置环境变量
6)配置集群
7)单点启动
8)配置ssh
9)群起并测试集群

4.2.1 虚拟机准备

详见2.1、2.2两节。

4.2.2 编写集群分发脚本xsync

1)scp(secure copy)安全拷贝
(1)scp 定义
scp 可以实现服务器与服务器之间的数据拷贝。(from server1 to server2)
(2)基本语法

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

命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称
(3)案例实操
➢ 前提:在 hadoop102、hadoop103、hadoop104 都已经创建好的/opt/module、/opt/software 两个目录,并且已经把这两个目录修改为 xusheng:xusheng

[xusheng@hadoop102 ~]$ sudo chown xusheng:xusheng -R
/opt/module

(a)在 hadoop102 上,将 hadoop102 中/opt/module/jdk1.8.0_212 目录拷贝到hadoop103 上。

[xusheng@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212
xusheng@hadoop103:/opt/module

(b)在 hadoop103 上,将 hadoop102 中/opt/module/hadoop-3.1.3 目录拷贝到hadoop103 上。

[xusheng@hadoop103 ~]$ scp -r
xusheng@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第34张图片

(c)在 hadoop103 上操作,将 hadoop102 中/opt/module 目录下所有目录拷贝到hadoop104 上。

[xusheng@hadoop103 opt]$ scp -r
xusheng@hadoop102:/opt/module/*
xusheng@hadoop104:/opt/module

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第35张图片

2 )rsync 远程 同步

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。

(1)基本语法

rsync -av $pdir/$fname $user@$host:$pdir/$fname

命令 选项参数 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称
选项参数说明

选项 功能
-a 归档拷贝
-v 显示复制过程

(2)案例实操
(a)删除 hadoop103 中/opt/module/hadoop-3.1.3/wcinput

[xusheng@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/

(b)同步 hadoop102 中的/opt/module/hadoop-3.1.3 到 hadoop103

[xusheng@hadoop102 module]$ rsync -av hadoop-3.1.3/
xusheng@hadoop103:/opt/module/hadoop-3.1.3/

3 )xsync 集群分发 脚本
(1)需求:循环复制文件到所有节点的相同目录下
(2)需求分析:
(a)rsync 命令原始拷贝:

rsync -av /opt/module xusheng@hadoop103:/opt/

(b)期望脚本:
xsync 要同步的文件名称
(c)期望脚本在任何路径都能使用(脚本放在声明了全局环境变量的路径)

[xusheng@hadoop102 ~]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/xusheng/.local/bin:/home/xusheng/bin:/opt/module/jdk1.8.0_212/bin

(3)脚本实现
(a)在/home/xusheng/bin 目录下创建 xsync 文件

[xusheng@hadoop102 opt]$ cd /home/xusheng
[xusheng@hadoop102 ~]$ mkdir bin
[xusheng@hadoop102 ~]$ cd bin/
[xusheng@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

(b)修改脚本 xsync 具有执行权限

[xusheng@hadoop102 bin]$ chmod +x xsync

(c)测试脚本

[xusheng@hadoop102 ~]$ xsync /home/xusheng/bin

(d)将脚本复制到/bin 中,以便全局调用

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

(e)同步环境变量配置(root 所有者)

[xusheng@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

在这里插入图片描述
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第36张图片

注意:如果用了 sudo,那么 xsync 一定要给它的路径补全。
让环境变量生效

[xusheng@hadoop103 bin]$ source /etc/profile
[xusheng@hadoop104 opt]$ source /etc/profile

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第37张图片

4.2.3 SSH无密登录配置

1 )置 配置 ssh
(1)基本语法

ssh 另一台电脑的 IP 地址

(2)ssh 连接时出现 Host key verification failed 的解决方法

[xusheng@hadoop102 ~]$ ssh hadoop103

➢ 如果出现如下内容

Are you sure you want to continue connecting (yes/no)?

➢ 输入 yes,并回车
(3)退回到 hadoop102

[xusheng@hadoop103 ~]$ exit

2 ) 无密钥配置
(1)免密登录原理
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第38张图片
(2)生成公钥和私钥

[xusheng@hadoop102 .ssh]$ pwd
/home/xusheng/.ssh
[xusheng@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)
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第39张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第40张图片

(3)将公钥拷贝到要免密登录的目标机器上

[xusheng@hadoop102 .ssh]$ ssh-copy-id hadoop102
[xusheng@hadoop102 .ssh]$ ssh-copy-id hadoop103
[xusheng@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意:
还需要在 hadoop103 上采用 xusheng 账号配置一下无密登录hadoop102、hadoop103、hadoop104 服务器上。
还需要在 hadoop104 上采用 xusheng账号配置一下无密登录hadoop102、hadoop103、hadoop104 服务器上。
还需要在 hadoop102 上采用 root 账号,配置一下无密登录到 hadoop102、hadoop103、hadoop104;
3 ).ssh 文件夹下 (~/.ssh )
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第41张图片

4.2.4 集群配置

1 ) 集群部署规划
注意:
➢ 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。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第42张图片
2 )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。
(1)默认配置文件:
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第43张图片
网盘链接:

链接:https://pan.baidu.com/s/14IG2U66z8TrAyi8lT0629A 
提取码:nd6u 

(2)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。
3 ) 配置 集群
(1)核心配置文件
配置 core-site.xml

[xusheng@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[xusheng@hadoop102 hadoop]$ 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://hadoop102:8020</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 xusheng-->
	<property>
		<name>hadoop.http.staticuser.user</name>
		<value>xusheng</value>
	</property>
</configuration>

(2)HDFS 配置文件
配置 hdfs-site.xml

[xusheng@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>

(3)YARN 配置文件
配置 yarn-site.xml

[xusheng@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_MAP
	RED_HOME</value>
	</property>
</configuration>

(4)MapReduce 配置文件
配置 mapred-site.xml

[xusheng@hadoop102 hadoop]$ vim mapred-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 MapReduce 程序运行在 Yarn 上 -->
	<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
	</property>
</configuration>

4 ) 在集群上分发配置好的 Hadoop 配置文件

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第44张图片

5 )去 去 103 和 104 上 查看文件分发情况

[xusheng@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[xusheng@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

4.2.5 群起集群

1 )置 配置 workers

[xusheng@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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第45张图片

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

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

2 ) 启动集群
(1) 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 录,然后再进行格式化。)

[xusheng@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

(2)启动 HDFS

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

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

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第46张图片

(4)Web 端查看 HDFS 的 NameNode

(a)浏览器中输入:http://hadoop102:9870
(b)查看 HDFS 上存储的数据信息

(5)Web 端查看 YARN 的 ResourceManager

(a)浏览器中输入:http://hadoop103:8088
(b)查看 YARN 上运行的 Job 信息

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第47张图片

3 ) 集群基本测试
(1)上传文件到集群
➢ 上传小文件

[xusheng@hadoop102 ~]$ hadoop fs -mkdir /input
[xusheng@hadoop102 ~]$ hadoop fs -put
$HADOOP_HOME/wcinput/word.txt /input

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第48张图片

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第49张图片

➢ 上传大文件

[xusheng@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /

(2)上传文件后查看文件存放在什么位置
➢ 查看 HDFS 文件存储路径

[xusheng@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-
192.168.10.102-1610603650062/current/finalized/subdir0/subdir0

➢ 查看 HDFS 在磁盘存储文件内容

[xusheng@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
xusheng
xusheng

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第50张图片

(3)拼接

-rw-rw-r--. 1 xusheng xusheng 134217728 523 16:01 blk_1073741836
-rw-rw-r--. 1 xusheng xusheng 1048583 523 16:01 blk_1073741836_1012.meta
-rw-rw-r--. 1 xusheng xusheng 63439959 523 16:01 blk_1073741837
-rw-rw-r--. 1 xusheng xusheng 495635 523 16:01 blk_1073741837_1013.meta
[xusheng@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz
[xusheng@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz
[xusheng@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

(4)下载

[xusheng@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

(5)执行 wordcount 程序

[xusheng@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

在这里插入图片描述

4.2.6 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:
1 ) 配置 mapred-site.xml

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

在该文件里面增加如下配置。

<!-- 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>

2 ) 分发配置

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第51张图片

3 )在 在 hadoop102 启动历史服务器

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

4 ) 查看历史服务器是否启动

[xusheng@hadoop102 hadoop]$ jps

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第52张图片

5 )看 查看 JobHistory
http://hadoop102:19888/jobhistory

4.2.7 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。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第53张图片
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:
1 )置 配置 yarn-site.xml

[xusheng@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>

2 ) 分发配置

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第54张图片

3 ) 关闭 NodeManager 、ResourceManager 和 和 HistoryServer

[xusheng@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[xusheng@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第55张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第56张图片

4 ) 启动 NodeManager 、ResourceManage 和 和 HistoryServer

[xusheng@hadoop103 ~]$ start-yarn.sh
[xusheng@hadoop102 ~]$ mapred --daemon start historyserver

5 ) 删除 HDFS 上已经存在的 输出 文件

[xusheng@hadoop102 ~]$ hadoop fs -rm -r /output

6 ) 执行 WordCount 程序

[xusheng@hadoop102 hadoop-3.1.3]$ hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar
wordcount /input /output

7 ) 查看日志
(1)历史服务器地址
http://hadoop102:19888/jobhistory
(2)历史任务列表
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第57张图片
(3)查看任务运行日志
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第58张图片
(4)运行日志详情
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第59张图片

4.2.8 集群启动/停止方式总结

1 ) 各个模块分开启动/ 停止 (配置 ssh 是前提) 常用
(1)整体启动/停止 HDFS

start-dfs.sh/stop-dfs.sh

(2)整体启动/停止 YARN

start-yarn.sh/stop-yarn.sh

在这里插入图片描述

2 ) 各个服务组件逐一启动/ 停止
(1)分别启动/停止 HDFS 组件

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

(2)启动/停止 YARN

yarn --daemon start/stop resourcemanager/nodemanager

4.2.9 编写Hadoop集群常用脚本

1 )Hadoop 集群启停脚本(包含 HDFS ,Yarn ,Historyserver ):myhadoop.sh

[xusheng@hadoop102 ~]$ cd /home/xusheng/bin
[xusheng@hadoop102 bin]$ vim myhadoop.sh

➢ 输入如下内容

#!/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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第60张图片

➢ 保存后退出,然后赋予脚本执行权限

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

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第61张图片
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第62张图片

2 )查看三台服务器 Java 进程脚本:jpsall

[xusheng@hadoop102 ~]$ cd /home/xusheng/bin
[xusheng@hadoop102 bin]$ vim jpsall

➢ 输入如下内容

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
		echo =============== $host ===============
		ssh $host jps
done

➢ 保存后退出,然后赋予脚本执行权限

[xusheng@hadoop102 bin]$ chmod +x jpsall

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第63张图片

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

[xusheng@hadoop102 ~]$ xsync /home/xusheng/bin/

4.2.10 常用端口号说明

大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第64张图片

4.2.11 集群时间同步

如果服务器在公网环境(能连接外网),可以不采用集群时间同步,因为服务器会定期和公网时间进行校准;
如果服务器在内网环境,必须要配置集群时间同步,否则时间久了,会产生时间偏差,导致集群执行任务时间不同步。
1 )需求
找一个机器,作为时间服务器,所有的机器与这台集群时间进行定时的同步,生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果,采用 1 分钟同步一次。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第65张图片
2 ) 时间服务器配置(必须 root 用户)
(1)查看所有节点 ntpd 服务状态和开机自启动状态

[xusheng@hadoop102 ~]$ sudo systemctl status ntpd
[xusheng@hadoop102 ~]$ sudo systemctl start ntpd
[xusheng@hadoop102 ~]$ sudo systemctl is-enabled ntpd

(2)修改 hadoop102 的 ntp.conf 配置文件

[xusheng@hadoop102 ~]$ sudo vim /etc/ntp.conf

修改内容如下
(a)修改 1(授权 192.168.10.0-192.168.10.255 网段上的所有机器可以从这台机器上查询和同步时间)

#restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap

restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap

(b)修改 2(集群在局域网中,不使用其他互联网上的时间)

server 0.centos.pool.ntp.org iburst
server 1.centos.pool.ntp.org iburst
server 2.centos.pool.ntp.org iburst
server 3.centos.pool.ntp.org iburst

#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst

(c)添加 3 ( 当该节点丢失网络连接,依然可以采用本地时间作为时间服务器为集群中
的其他节点提供时间同步 )

server 127.127.1.0
fudge 127.127.1.0 stratum 10

(3)修改 hadoop102 的/etc/sysconfig/ntpd 文件

[xusheng@hadoop102 ~]$ sudo vim /etc/sysconfig/ntpd

增加内容如下(让硬件时间与系统时间一起同步)

SYNC_HWCLOCK=yes

(4)重新启动 ntpd 服务

[xusheng@hadoop102 ~]$ sudo systemctl start ntpd

(5)设置 ntpd 服务开机启动

[xusheng@hadoop102 ~]$ sudo systemctl enable ntpd

3 ) 其他机器配置(必须 root 用户)
(1)关闭所有节点上 ntp 服务和自启动

[xusheng@hadoop103 ~]$ sudo systemctl stop ntpd
[xusheng@hadoop103 ~]$ sudo systemctl disable ntpd
[xusheng@hadoop104 ~]$ sudo systemctl stop ntpd
[xusheng@hadoop104 ~]$ sudo systemctl disable ntpd

(2)在其他机器配置 1 分钟与时间服务器同步一次

[xusheng@hadoop103 ~]$ sudo crontab -e

编写定时任务如下:

*/1 * * * * /usr/sbin/ntpdate hadoop102

(3)修改任意机器时间

[xusheng@hadoop103 ~]$ sudo date -s "2021-9-11 11:11:11"

(4)1 分钟后查看机器是否与时间服务器同步

[xusheng@hadoop103 ~]$ sudo date

五、常见错误及解决方案

1)防火墙没关闭、或者没有启动 YARN

INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032

2)主机名称配置错误
3)IP 地址配置错误
4)ssh 没有配置好
5)root 用户和 xusheng两个用户启动集群不统一
6)配置文件修改不细心
7)不识别主机名称

java.net.UnknownHostException: hadoop102: hadoop102
at
java.net.InetAddress.getLocalHost(InetAddress.java:1475)
at
org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(Job
Submitter.java:146)
at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290)
at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287)
at java.security.AccessController.doPrivileged(Native
Method)
at javax.security.auth.Subject.doAs(Subject.java:415)

解决办法:
(1)在/etc/hosts 文件中添加 192.168.10.102 hadoop102
(2)主机名称不要起 hadoop hadoop000 等特殊名称
8)DataNode 和 NameNode 进程同时只能工作一个。
大数据技术——Hadoop3.X入门搭建+安装调优(1.入门)_第66张图片
9)执行命令不生效,粘贴 Word 中命令时,遇到-和长–没区分开。导致命令失效
解决办法:尽量不要粘贴 Word 中代码。
10)jps 发现进程已经没有,但是重新启动集群,提示进程已经开启。
原因是在 Linux 的根目录下/tmp 目录中存在启动的进程临时文件,将集群相关进程删
除掉,再重新启动集群。
11)jps 不生效
原因:全局变量 hadoop java 没有生效。解决办法:需要 source /etc/profile 文件。
12)8088 端口连接不上

[xusheng@hadoop102 桌面]$ cat /etc/hosts

注释掉如下代码:

#127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1 hadoop102

你可能感兴趣的:(大数据,hadoop)