大数据Hadoop入门之集群的搭建

hadoop的三种运行模式

1. 本地模式:测试本地的hadoop是否能够运行，用来运行官方的代码。
2. 伪分布模式:原先有人拿来测试，目前测试都不用这个模式了。
3. 完全分布模式：多台服务器组成分布式环境，生产环境使用

分布式主机文件同步命令

• scp -r 需要分发的本机文件路径 外部主机的路径
• xsync -av 需要分发的本机文件路径 外部主机的路径

编写集群分发脚本

编写一个脚本，实现调用xsync 文件名，可以快速将本地文件同步给所有外部主机，并且可以在所有主机的任意路径使用。

1. $PATH，查看里面的环境变量 /home/atguigu/bin
2. 这个路径天然在环境变量中，可以在该路径中编写自己的脚本代码
3. 脚本名称为xsync, 文件名参数可以有多个

#!/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

免密登录

1. 每个用户的家目录下都有一个.ssh文件，用来保存公钥私钥
2. 公钥私钥生成命令 ssh-keygen -t rsa, 三次回车即可
3. 将公钥发送给其他主机
4. 其他主机会将其他主机发送过来的公钥保存到authorized_keys文件中
5. 其他主机登录时，查验该主机是否在目前的公钥文件中，是的话即可免密登录。

集群规划

原则：老大尽可能分开，小弟尽可能多
hdfs: 老大nn，老大2nn， 小弟dn
yarn: 老大rm , 小弟nm

每台主机最多一个datanode节点和nodemanager节点，namenode、resourcemanager、secondnamenode这三个节点为了负载均衡，分别分布在不同主机。

五个重要文件

在/etc路径下，在jar包中有与之对应的默认配置文件default.xml

• core-default.xml ->core-site.xml
• hdfs-default.xml -> hdfs-site.xml
• yarn-default.xml -> yarn-site.xml
• mapred-default.xml -> mapred-site.xml
• workers：配置datanode节点的主机

1. core-site文件
   • fs.defaultFs:文件系统参数
     • 协议更改为hdfs
     • NameNode节点的位置hadoop102
     • 端口号为8020
   • hadoop.tem.dir:指定数据的存储目录
   • hadoop.http.staticuser.user: 配置网页登录使用的静态用户
2. hdfs-site文件
   • dfs.namenode.http-address:nn web端访问地址
   • dfs.namenode.secondary.http-address: 2nn web端访问地址
3. yarn-site文件
   • yarn.nodemanager.aux-service: 指定MR走shuffle
   • yarn.resourcemanager.hostname: 指定RM节点的位置
4. MapReduce-site文件
   • mapreduce.framework.name:指定MapReduce跑在yarn上
5. workers DataNode节点配置：配置数据库节点在哪些主机。

启动集群

1. 格式化
2. start-dfs.sh: 启动hdfs
3. 单点启动 hdfs --daemon start datanode
4. hadoop103:8088/cluster：查看hadoop集群任务运行情况
5. 配置历史服务器在102上，内部端口号为10020，外部端口号为19888
6. 访问历史服务器方式hadoop102:19888/jobhistory
7. 开启日志聚集功能，方便查看日志

集群的启动方式

• 群启：按模块启动
  • start/stop-dfs.sh 102
  • start/stop-yarn.sh 103
• 单启:按组件启动
  • hdfs --daemon start/stop namenode/datanode/secondarynamenode
  • yarn --daemon start/stop resourcemanager/ nodemanager
  • mapred --daemon start/stop
• 编写脚本实现一次性启动/关闭

#!/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-3.3.4/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.3.4/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.3.4/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " ============== 关闭 hadoop集群 ================"

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.3.4/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.3.4/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.3.4/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac