Hadoop

大数据

发布日期: 2020-07-31

作者: 文超

文章字数: 2.4k

阅读时长: 10 分

阅读次数:

Hadoop运行模式

完全分布式模式

前提需要

准备3台客户机（关闭防火墙、静态ip、主机名称）
安装JDK
配置环境变量
安装Hadoop
配置环境变量
配置集群
单点启动
配置ssh
群起并测试集群
虚拟机准备就绪

操作步骤

集群环境搭建

1. 编写集群分发脚本xsync

（1）scp（secure copy）安全拷贝

scp：scp可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）
当集群达到一定规模之后，我们不可能一台台机器去拷贝所需要的文件之类的，因此需要用到这个。

（2）基本语法：

scp -r $pdir/$fname $user@hadoop$host:$pdir/$fna
命令 递归  要拷贝的文件路径/名称  目的用户@主机:目的路径/名称

（3）案例实操

在hadoop101上，将hadoop101中/opt/module目录下的软件拷贝到hadoop102上。

scp -r /opt/module  root@hadoop102:/opt/module

在hadoop103上，将hadoop101服务器上的/opt/module目录下的软件拷贝到hadoop103上。

sudo scp -r user_test@hadoop101:/opt/module root@hadoop103:/opt/module

因为最开始103上的opt，user_test没有权限，所以要用root@xxx

在hadoop103上操作将hadoop101中/opt/module目录下的软件拷贝到hadoop104上。

scp -r user_test@hadoop101:/opt/module root@hadoop104:/opt/module

注意：拷贝过来的/opt/module目录，别忘了在hadoop102、hadoop103、hadoop104上修改所有文件的，所有者和所有者组（sudo chown user_test:user -R /opt/module）

将hadoop101中/etc/profile文件拷贝到hadoop102的/etc/profile上。

sudo scp /etc/profile root@hadoop102:/etc/profile

将hadoop101中/etc/profile文件拷贝到hadoop103的/etc/profile上。

sudo scp /etc/profile root@hadoop103:/etc/profile

将hadoop101中/etc/profile文件拷贝到hadoop104的/etc/profile上。

sudo scp /etc/profile root@hadoop104:/etc/profile

注意：拷贝过来的配置文件别忘了source一下/etc/profile。

2. 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 -rvl $pdir/$fname $user@hadoop$host:$pdir/$fname
命令  选项参数   要拷贝的文件路径/名称    目的用户@主机:目的路径/名称

参数说明：

选项	功能
-r	递归
-v	显示复制过程
-l	拷贝符号连接

（2）案例实操

a）把hadoop101机器上的/opt/software目录同步到hadoop102服务器的root用户下的/opt/目录

rsync -rvl /opt/software/ root@hadoop102:/opt/software

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 -rvl /opt/module root@hadoop103:/opt/

b）期望脚本：

xsync要同步的文件名称

c）说明：在 /home/user_test/bin 这个目录下存放的脚本，user_test用户可以在系统任何地方直接执行。

（3）脚本实现

a）在 /home/user_test（自己当前登陆用户名）目录下创建bin目录，并在 bin 目录下创建 xsync 文件，然后编写脚本

mkdir bin
cd bin/
touch xsync
vim xsync

编写shell脚本

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=103; host<105; host++)); do
echo ------------------- hadoop$host --------------
rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done

b）修改脚本 xsync 具有执行权限

chmod 777 xsync

c）调用脚本形式：xsync 文件名称

sync /home/atguigu/bin

注意：如果将xsync放到/home/atguigu/bin目录下仍然不能实现全局使用，可以将xsync移动到/usr/local/bin目录下。（可以使用 echo $PATH 来查看全局可用路径）

集群配置

1. 集群部署规划

	hadoop102	hadoop103	hadoop104
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

注：HDFS 中 NameNode (NN) 和 SecondaryNameNode (SNN) 内存占用差不多，所以最好不要放到一台机器上；YARN 中 ResourceManager 占用内存较多，因此不能跟 NN 和 SNN在一台机器上

2. 配置集群

（1）核心配置文件

配置core-site.xml

vim core-site.xml

在该文件中编写如下配置

<!-- 指定HDFS中NameNode的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://hadoop102:9000</value>
</property>

<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>

（2）HDFS配置文件

配置hadoop-env.sh

vim hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置hdfs-site.xml

vim hdfs-site.xml

在该文件中编写如下配置

<property>
    <name>dfs.replication</name>
    <value>3</value>
</property>

<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>hadoop104:50090</value>
</property>

（3）YARN配置文件

配置yarn-env.sh

vim yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置yarn-site.xml

vim yarn-site.xml

在该文件中增加如下配置

<!-- Reducer获取数据的方式 -->
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

<!-- 指定YARN的ResourceManager的地址 -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>hadoop103</value>
</property>

（4）MapReduce配置文件

配置mapred-env.sh

vim mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置mapred-site.xml

cp mapred-site.xml.template mapred-site.xml
vim mapred-site.xml

在该文件中增加如下配置

<!-- 指定MR运行在Yarn上 -->
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>

3. 在集群上分发配置好的Hadoop配置文件

xsync /opt/module/hadoop-2.7.2/ (后面为要同步的文件)

4. 查看文件分发情况

cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml

集群单点启动

1. 集群第一次启动，需要格式化 NameNode

hadoop namenode -format

2. 在 hadoop102 上启动 NameNode

hadoop-daemon.sh start namenode
jps （检查启动情况）

3. 在 hadoop102、hadoop103 以及 hadoop104 上分别启动 DataNode

hadoop-daemon.sh start datanode
jps

SSH无密登录配置

1. 配置ssh

（1）基本语法

ssh xxx（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

[user_test@hadoop102 opt] $ ssh hadoop103

若出现以下提示，直接输入yes即可

The authenticity of host ‘192.168.1.103 (192.168.1.103)’ can’t be established.
RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?
Host key verification failed.

2. 无密钥配置

（1）免密登录原理

私钥与公钥成对存在，私钥可解经过公钥加密的信息，公钥可解经过私钥加密的信息。

（2）生成公钥和私钥（.ssh在用户目录下，是一个隐藏文件）：

[user_test@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）

（3）将公钥拷贝到要免密登录的目标机器上

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

hadoop102上也需要给自己本身copy一份，不然 ssh hadoop102 仍然需要密码

*注意：
以上为在user_test账户下配置的ssh免密
还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104（因为user_test有免密权限，root并没有）；
还需要在hadoop103上采用user_test账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
之所以要在 102 和 103 上配 ssh 免密，因为 102 上有 datanode 需要跟别的来进行交互，103 上有rm也需要。
*

.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	存放授权过得无密登录服务器公钥

集群群起

1. 配置slaves（/opt/module/hadoop-2.7.2/etc/hadoop/slaves）

[user_test@hadoop102 hadoop]$ vim slaves

在该文件中增加如下内容（datanode节点）：

hadoop102
hadoop103
hadoop104

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

[user_test@hadoop102 hadoop]$ xsync slaves

2. 启动集群

（1）如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

[user_test@hadoop102 hadoop]$ bin/hdfs namenode -format

（2）启动HDFS

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

[user_test@hadoop102 hadoop]$ jps （分别进行检查，跟之前设计架构比较）

注：启动的时候注意登录的账户，切换成user_test

（3）启动YARN

[user_test@hadoop102 hadoop]$ sbin/start-yarn.sh

注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

（4）Web端查看SecondaryNameNode

a）浏览器中输入：http://hadoop104:50090/status.html

b）查看SecondaryNameNode信息

3. 集群基本测试

（1）上传文件到集群

[user_test@hadoop102 hadoop-2.7.2]$ hdfs dfs -mkdir -p /user/atguigu/input
[user_test@hadoop102 hadoop-2.7.2]$ hdfs dfs -put wcinput/wc.input /user/atguigu/input

（2）上传文件后查看文件存放在什么位置

a）查看HDFS文件存储路径（大文件会分成多块）

[user_test@hadoop102 subdir0]$ pwd
——>
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0

b）查看HDFS在磁盘存储文件内容

[user_test@hadoop102 subdir0]$ cat blk_1073741825

（3）尝试测试上传压缩文件

a）拼接

-rw-rw-r--. 1 user_test user 134217728 5月  23 16:01 blk_1073741836
-rw-rw-r--. 1 user_test user   1048583 5月  23 16:01 blk_1073741836_1012.meta
-rw-rw-r--. 1 user_test user  63439959 5月  23 16:01 blk_1073741837
-rw-rw-r--. 1 user_test user    495635 5月  23 16:01 blk_1073741837_1013.meta

[user_test@hadoop102 subdir0]$ cat blk_1073741836>>tmp.file
[user_test@hadoop102 subdir0]$ cat blk_1073741837>>tmp.file

b）解压验证

[user_test@hadoop102 subdir0]$ tar -zxvf tmp.file

（4）下载

[user_test@hadoop102 hadoop-2.7.2]$ bin/hadoop dfs -get /user/atguigu/input/hadoop-2.7.2.tar.gz ./

集群启动/停止方式总结

1. 各个服务组件逐一启动/停止

（1）分别启动/停止HDFS组件

hadoop-daemon.sh start/stop namenode/datanode/secondarynamenode

（2）启动/停止YARN

yarn-daemon.sh start/stop resourcemanager/nodemanager

2. 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

待续…

接下来会有一个集群时间同步的小插曲（centos7之后会自动同步时间，感觉这节意义不是很大，可能是我没懂，溜~），然后是Hadoop源码编译的有关东西。

屁屁被领导指导修改工作报告，希望能够得到领导肯定。我呢，希望会有一定收获，到时候能找一个比较满意的可以转正的实习。

转载规则

《Hadoop运行模式——完全分布式（系列三(2)）》由文超采用知识共享署名 4.0 国际许可协议进行许可。