大数据开发基础-环境配置篇-Hadoop集群安装

鼠鼠接下来将更新一系列自己在学习大数据开发过程中收集的资源、和自己的总结、以及面经答案、LeetCode刷题分析题解。

首先是大数据开发基础篇 环境搭建、组件面试题等
其次是更新大数据开发面经的java面试基础
最后更新一个大数据开发离线数仓的实战项目，自己写入简历的项目。
关注不迷路，学习要进步！！！！！！

集群规划

	node01	node02	node03
角色	主节点	从节点	从节点
NameNode	√
DataNode	√	√	√
ResourceManager	√
NodeManager	√	√	√
SecondaryNameNode		√
Historyserver		√

上传安装包到node01

解压到指定目录

tar -zxvf /bigdata/soft/hadoop-3.3.3.tar.gz -C /bigdata/server/

创建软链接

cd /bigdata/server

ln -s hadoop-3.3.3/ hadoop

常见的Hadoop软件目录说明

目录	作用	说明
bin/	Hadoop最基本的管理脚本和使用脚本	hdfs: 文件上传命令 hadoop文件管理基础命令 yarn: 资源调度相关 mapred: 程序运行, 启动历史服务器
etc/	Hadoop配置文件的目录	core-site.xml hdfs-site.xml mapred-site.xml yarn-site.xml
include/	对外提供的编程库头文件	对外提供的编程库头文件（具体动态库和静态库在lib目录中）， 这些头文件均是用C++定义的，通常用于C++程序访问HDFS或者编写MapReduce程序
lib/	动态库和静态库	该目录包含了Hadoop对外提供的编程动态库和静态库， 与include目录中的头文件结合使用。
libexec/	shell配置文件	各个服务对用的shell配置文件所在的目录， 可用于配置日志输出、启动参数（比如JVM参数）等基本信息。
sbin/	Hadoop管理命令	主要包含HDFS和YARN中各类服务的启动/关闭脚本
share/	官方自带示例	Hadoop各个模块编译后的jar包所在的目录

Hadoop配置文件修改

Hadoop安装主要就是配置文件的修改，一般在主节点进行修改，完毕后scp分发给其他各个从节点机器。

hadoop-env.sh

文件中设置的是Hadoop运行时需要的环境变量。JAVA_HOME是必须设置的，即使我们当前的系统中设置了JAVA_HOME，它也是不认识的，因为Hadoop即使是在本机上执行，它也是把当前的执行环境当成远程服务器。

vim hadoop-env.sh

54行的JAVA_HOME的设置

export JAVA_HOME=/bigdata/server/jdk1.8

在文件末尾添加如下内容

export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

core-site.xml

hadoop的核心配置文件，有默认的配置项core-default.xml。
core-default.xml与core-site.xml的功能是一样的，如果在core-site.xml里没有配置的属性，则会自动会获取core-default.xml里的相同属性的值。

cd /bigdata/server/hadoop/etc/hadoop/
vim core-site.xml

在文件的configuration的标签中添加以下内容:

<property>
 <name>fs.defaultFSname>
 <value>hdfs://node01:8020value>
property>

<property>
 <name>hadoop.tmp.dirname>
 <value>/bigdata/data/hadoopvalue>
property>


<property>
 <name>hadoop.http.staticuser.username>
 <value>rootvalue>
property>


<property>
 <name>hadoop.proxyuser.root.hostsname>
 <value>*value>
property>

<property>
 <name>hadoop.proxyuser.root.groupsname>
 <value>*value>
property>

hdfs-site.xml

HDFS的核心配置文件，有默认的配置项hdfs-default.xml。

hdfs-default.xml与hdfs-site.xml的功能是一样的，如果在hdfs-site.xml里没有配置的属性，则会自动会获取hdfs-default.xml里的相同属性的值。

cd /bigdata/server/hadoop/etc/hadoop/

vim hdfs-site.xml

 
 <property>
     <name>dfs.namenode.secondary.http-addressname>
     <value>node02:50090value>
 property>

mapred-site.xml

MapReduce的核心配置文件，有默认的配置项mapred-default.xml。

mapred-default.xml与mapred-site.xml的功能是一样的，如果在mapred-site.xml里没有配置的属性，则会自动会获取mapred-default.xml里的相同属性的值。

cd /bigdata/server/hadoop/etc/hadoop/

vim mapred-site.xml

 <property>
     <name>mapreduce.framework.namename>
     <value>yarnvalue>
 property>
 <property>
     <name>yarn.app.mapreduce.am.envname>
     <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}value>
 property>
 <property>
     <name>mapreduce.map.envname>
     <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}value>
 property>
 <property>
     <name>mapreduce.reduce.envname>
     <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}value>
 property>

yarn-site.xml

YARN的核心配置文件，有默认的配置项yarn-default.xml。

yarn-default.xml与yarn-site.xml的功能是一样的，如果在yarn-site.xml里没有配置的属性，则会自动会获取yarn-default.xml里的相同属性的值。

cd /bigdata/server/hadoop/etc/hadoop/

vim yarn-default.xml

 <property>
     <name>yarn.resourcemanager.hostnamename>
     <value>node01value>
 property>

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

 
 <property>
     <name>yarn.nodemanager.pmem-check-enabledname>
     <value>falsevalue>
 property>

 
 <property>
     <name>yarn.nodemanager.vmem-check-enabledname>
     <value>falsevalue>
 property>
 
 <property>
     <name>yarn.log-aggregation-enablename>
     <value>truevalue>
 property>

 
 <property>
     <name>yarn.log.server.urlname>
     <value>http://node02:19888/jobhistory/logsvalue>
 property>

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

workers

workers文件里面记录的是集群主机名。主要作用是配合一键启动脚本如start-dfs.sh、stop-yarn.sh用来进行集群启动。这时候workers文件里面的主机标记的就是从节点角色所在的机器。

cd /bigdata/server/hadoop/etc/hadoop/

vim workers

node01
node02
node03

同步hadoop软件包到node02和node03

scp -r hadoop-3.3.3/ node02:$PWD

scp -r hadoop-3.3.3/ node03:$PWD

在node02节点配置软链接

ln -s hadoop-3.3.3/ hadoop

在node03节点配置软链接

ln -s hadoop-3.3.3/ hadoop

[所有节点]配置环境变量

vim /etc/profile

export HADOOP_HOME=/bigdata/server/hadoop

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile

Hadoop集群启动

启动方式

要启动Hadoop集群，需要启动HDFS和YARN两个集群。
注意：首次启动HDFS时，必须在主节点node01对其进行格式化操作。本质上是一些清理和准备工作，因为此时的HDFS在物理上还是不存在的。

hadoop namenode -format

手动单个节点启动

在主节点node01启动namenode

cd /bigdata/server/hadoop/bin

./hdfs --daemon start namenode

在node02启动secondarynamenode

cd /bigdata/server/hadoop/bin

./hdfs --daemon start secondarynamenode

在所有节点启动datanode

cd /bigdata/server/hadoop/bin

./hdfs --daemon start datanode

查看进程情况

jpg

netstat -ntlp

其中hdfs的web端口: node01:9870已经可以正常访问

在主节点node01启动ResouceManager

cd /bigdata/server/hadoop/bin

./yarn --daemon start resourcemanager

在所有节点启动Nodemanager

cd /bigdata/server/hadoop/bin

./yarn --daemon start nodemanager

如果想要停止某个节点上某个角色，只需要把命令中的start改为stop即可。

一键脚本启动

如果配置了etc/hadoop/workers和ssh免密登录，则可以使用程序脚本启动所有Hadoop两个集群的相关进程，在主节点所设定的机器上执行。

hdfs：/bigdata/server/hadoop/sbin/start-dfs.sh

yarn：/bigdata/server/hadoop/sbin/start-yarn.sh

停止脚本

hdfs：/bigdata/server/hadoop/sbin/stop-dfs.sh

yarn：/bigdata/server/hadoop/sbin/stop-yarn.sh

完整的一键启动hdfs和yarn脚本

start-all.sh: 启动所有的hdfs和yarn的脚本

stop-all.sh: 停止所有的hdfs和yarn的脚本

启动后的效果

集群Web访问UI

hdfs: http://node01:9870

yarn:http://node01:8088

MapReduce JobHistory

JobHistory用来记录已经finished的mapreduce运行日志，日志信息存放于HDFS目录中，默认情况下没有开启此功能，需要在mapred-site.xml中配置并手动启动。

修改mapred-site.xml

cd /bigdata/server/hadoop/etc/hadoop/

vim mapred-site.xml

	<property>
     <name>mapreduce.jobhistory.addressname>
     <value>node02:10020value>
 property>
	<property>
     <name>mapreduce.jobhistory.webapp.addressname>
     <value>node02:19888value>
 property>

scp mapred-site.xml node02:$PWDscpmapred-site.xmlnode03:$PWD

在node02节点启动JobHistory

cd /bigdata/server/hadoop/bin

./mapred --daemon start historyserver

访问web管理界面

http://node02:19888/jobhistory

运行演示程序

在hdfs创建一个目录:

hdfs dfs -mkdir /input

上传文件到hdfs的/input目录

hdfs dfs -put start-all.sh /input

运行示例程序

hadoop jar /bigdata/server/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.3.jar wordcount /input /output

http://node02:19888/jobhistory`

运行演示程序

在hdfs创建一个目录:

hdfs dfs -mkdir /input

上传文件到hdfs的/input目录

hdfs dfs -put start-all.sh /input

运行示例程序

hadoop jar /bigdata/server/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.3.jar wordcount /input /output