Hadoop运行模式
⭐简单说两句⭐
作者：后端小知识
CSDN个人主页：后端小知识
GZH：
后端小知识欢迎关注点赞收藏⭐️留言
文章目录
-
- Hadoop运行模式
-
- 本地运行模式（官方WordCount）
- 完全分布式运行模式（开发重点）
-
- 编写集群分发脚本xsync
- SSH无密登录配置
- 集群配置
- 群起集群
- 配置历史服务器
- 配置日志的聚集
- 集群启动/停止方式总结
- 编写Hadoop集群常用脚本
- 常用端口号说明
Hadoop运行模式
Hadoop官方网站：http://hadoop.apache.org/
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：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。
本地运行模式（官方WordCount）
创建在hadoop-3.1.3文件下面创建一个wcinput文件夹
[root@hadoop102 hadoop-3.1.3]# mkdir wcinput
在wcinput文件下创建一个word.txt文件并编辑
[root@hadoop102 wcinput]# vim word.txt
输入如下内容
hadoop yarn
hadoop mapreduce
保存并退出 :wq
回到Hadoop目录/opt/module/hadoop-3.1.3
执行程序
[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput
查看结果
[root@hadoop102 hadoop-3.1.3]# cat wcoutput/part-r-00000
完全分布式运行模式（开发重点）
分析：
1）准备2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
编写集群分发脚本xsync
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。
（1）基本语法
rsync -av p d i r / pdir/ pdir/fname u s e r @ user@ user@host: p d i r / pdir/ 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 | 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
[root@hadoop103 hadoop-3.1.3]# rm -rf wcinput/
（b) 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103
[root@hadoop102 module]# rsync -av hadoop-3.1.3/ root@hadoop103:/opt/module/hadoop-3.1.3/
xsync集群分发脚本
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）
echo $PATH
我这里创建文件xsync文件放在 /usr/bin 下面
xsync文件内容如下
#!/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
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 $file does not exists!
fi
done
done
修改脚本 xsync 具有执行权限
[root@hadoop102 bin]# chmod +x xsync
测试脚本，同步环境变量配置
[root@hadoop102 ~]# xsync /etc/profile.d/my_env.sh
注意：如果用了sudo，那么xsync一定要给它的路径补全。
让环境变量生效，每个机器都要弄
source /etc/profile
SSH无密登录配置
配置ssh
（1）基本语法
ssh 另一台电脑的IP地址
无密钥配置
（1）生成公钥和私钥
进入到.ssh目录中去
[root@hadoop102 .ssh]# ssh-keygen -t rsa
然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
（2）将公钥拷贝到要免密登录的目标机器上
[root@hadoop102 .ssh]# ssh-copy-id hadoop102
[root@hadoop102 .ssh]# ssh-copy-id hadoop103
【注意】
还需要在hadoop103上采用root账号配置一下无密登录到hadoop102、hadoop103服务器上。
.ssh文件夹下（~/.ssh）的文件功能解释
| known_hosts | 记录ssh访问过计算机的公钥（public key） |
|---|---|
| id_rsa | 生成的私钥 |
| id_rsa.pub | 生成的公钥 |
| authorized_keys | 存放授权过的无密登录服务器公钥 |
集群配置
集群部署规划
| hadoop102 | hadoop103 | |
|---|---|---|
| HDFS | （NameNode） （DataNode） （ SecondaryNameNodeDataNode ） | DataNode |
| YARNYARN | （NodeManager ） | （ResourceManager）（NodeManager） |
配置文件说明
Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
（1）默认配置文件：
| 要获取的默认文件 | 文件存放在Hadoop的jar包中的位置 |
|---|---|
| [core-default.xml] | hadoop-common-3.1.3.jar/core-default.xml |
| [hdfs-default.xml] | hadoop-hdfs-3.1.3.jar/hdfs-default.xml |
| [yarn-default.xml] | hadoop-yarn-common-3.1.3.jar/yarn-default.xml |
| [mapred-default.xml] | hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml |
（2）自定义配置文件：
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$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。
配置集群
（1）核心配置文件
配置core-site.xml
[root@hadoop102 ~]# cd $HADOOP_HOME/etc/hadoop
[root@hadoop102 hadoop]# vim core-site.xml
内容如下
<configuration>
<property>
<name>fs.defaultFSname>
<value>hdfs://hadoop102:8020value>
property>
<property>
<name>hadoop.tmp.dirname>
<value>/opt/module/hadoop-3.1.3/datavalue>
property>
<property>
<name>hadoop.http.staticuser.username>
<value>tiancxvalue>
property>
configuration>
（2）HDFS配置文件
配置hdfs-site.xml
[root@hadoop102 hadoop]# vim hdfs-site.xml
内容如下
<configuration>
<property>
<name>dfs.namenode.http-addressname>
<value>hadoop102:9870value>
property>
<property>
<name>dfs.namenode.secondary.http-addressname>
<value>hadoop102:9868value>
property>
configuration>
（3）YARN配置文件
配置yarn-site.xml
[root@hadoop102 hadoop]# vim yarn-site.xml
文件内容如下
<configuration>
<property>
<name>yarn.nodemanager.aux-servicesname>
<value>mapreduce_shufflevalue>
property>
<property>
<name>yarn.resourcemanager.hostnamename>
<value>hadoop103value>
property>
<property>
<name>yarn.nodemanager.env-whitelistname>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOMEvalue>
property>
configuration>
（4）MapReduce配置文件
配置mapred-site.xml
[root@hadoop102 hadoop]# vim mapred-site.xml
文件内容如下
<configuration>
<property>
<name>mapreduce.framework.namename>
<value>yarnvalue>
property>
configuration>
在集群上分发配置好的Hadoop配置文件
[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc/hadoop/
然后可以起hadoop103上面看看情况
群起集群
配置worker
[root@hadoop102 hadoop]# vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在文件中添加如下内容
hadoop102
hadoop103
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
[root@hadoop102 hadoop]# xsync /opt/module/hadoop-3.1.3/etc
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目录，然后再进行格式化。）
[root@hadoop102 hadoop-3.1.3]# hdfs namenode -format
（2）启动HDFS
[root@hadoop102 hadoop-3.1.3]# sbin/start-dfs.sh
（3）**在配置了ResourceManager的节点（hadoop103）**启动YARN
[root@hadoop103 hadoop-3.1.3]# sbin/start-yarn.sh
（4）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
（5）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
集群基本测试
（1）上传文件到集群
-
上传小文件
[root@hadoop102 ~]# hadoop fs -mkdir /input[root@hadoop102 ~]# hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input -
上传大文件
[root@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
[root@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
[root@hadoop102 subdir0]# cat blk_1073741825
（3）拼接
[root@hadoop102 subdir0]# cat blk_1073741836>>tmp.tar.gz
[root@hadoop102 subdir0]# cat blk_1073741837>>tmp.tar.gz
[root@hadoop102 subdir0]# tar -zxvf tmp.tar.gz
（4）下载
[root@hadoop104 software]# hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
（5）执行wordcount程序
[root@hadoop102 hadoop-3.1.3]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
配置历史服务器
配置mapred-site.xml
[root@hadoop102 hadoop]# vim mapred-site.xml
在该文件里面增加如下配置。
<property>
<name>mapreduce.jobhistory.addressname>
<value>hadoop102:10020value>
property>
<property>
<name>mapreduce.jobhistory.webapp.addressname>
<value>hadoop102:19888value>
property>
分发配置
[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
在hadoop102启动历史服务器
[root@hadoop102 hadoop]# mapred --daemon start historyserver
查看历史服务器是否启动
[root@hadoop102 hadoop]# jps
查看JobHistory
http://hadoop102:19888/jobhistory
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：
（1）配置yarn-site.xml
[root@hadoop102 hadoop]# vim yarn-site.xml
添加如下内容
<property>
<name>yarn.log-aggregation-enablename>
<value>truevalue>
property>
<property>
<name>yarn.log.server.urlname>
<value>http://hadoop102:19888/jobhistory/logsvalue>
property>
<property>
<name>yarn.log-aggregation.retain-secondsname>
<value>604800value>
property>
（2）分发配置
[root@hadoop102 hadoop]# xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
（3）关闭NodeManager 、ResourceManager和HistoryServer
[root@hadoop103 hadoop-3.1.3]# sbin/stop-yarn.sh
[root@hadoop103 hadoop-3.1.3]# mapred --daemon stop historyserver
（4）启动NodeManager 、ResourceManage和HistoryServer
[root@hadoop103 ~]# start-yarn.sh
[root@hadoop102 ~]# mapred --daemon start historyserver
（5）删除HDFS上已经存在的输出文件
[root@hadoop102 ~]# hadoop fs -rm -r /output
（6）执行WordCount程序
[root@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
历史服务器地址
http://hadoop102:19888/jobhistory
集群启动/停止方式总结
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
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
编写Hadoop集群常用脚本
Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh
[root@hadoop102 ~]# cd /usr/bin
[root@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
保存后退出，然后赋予脚本执行权限
[root@hadoop102 bin]# chmod +x myhadoop.sh
查看三台服务器Java进程脚本：jpsall
[root@hadoop102 ~]# cd /usr/bin
[root@hadoop102 bin]# vim jpsall
输入如下内容
#!/bin/bash
for host in hadoop102 hadoop103
do
echo =============== $host ===============
ssh $host jps
done
保存后退出，然后赋予脚本执行权限
[root@hadoop102 bin]# chmod +x jpsall
分发/usr/bin目录，保证自定义脚本在三台机器上都可以使用
[root@hadoop102 ~]# xsync /usr/bin/
常用端口号说明
| 端口名称 | Hadoop2.x | Hadoop3.x |
|---|---|---|
| NameNode内部通信端口 | 8020 / 9000 | 8020 / 9000/9820 |
| NameNode HTTP UI | 50070 | 9870 |
| MapReduce查看执行任务端口 | 8088 | 8088 |
| 历史服务器通信端口 | 19888 | 19888 |
【注】：集群时间同步就不写了，因为服务器在公网环境（能连接外网），不用同步时间
好啦，环境搭建章节就到这儿就结束了额，大家快快行动起来吧
【都看到这了，点点赞点点关注呗，爱你们】
结语
谢谢你的阅读，由于作者水平有限，难免有不足之处，若读者发现问题，还请批评，在留言区留言或者私信告知，我一定会尽快修改的。若各位大佬有什么好的解法，或者有意义的解法都可以在评论区展示额，万分谢谢。
写作不易，望各位老板点点赞，加个关注!
作者：后端小知识
CSDN个人主页：后端小知识
GZH：后端小知识
欢迎关注点赞收藏⭐️留言