一、集群环境说明
1、用VMware
安装3
台Centos7.9
虚拟机
2、虚拟机配置:2C,2G内存,50G存储
3、集群架构设计
从表格中,可以看出,Hadoop
集群,主要有2
个模块服务,一个是HDFS
服务,一个是YARN
服务
二、搭建集群
1、安装3台Centos7.9虚拟机
安装教程:VMware安装Centos7详细教程及初始化配置
1.1、修改三台主机名
三台虚拟机固定IP
:192.168.31.102、192.168.31.103、192.168.31.104
三台主机的hostname
分别修改为,hadoop102,hadoop103,hadoop104
bash
vim /etc/hostname
1.2、配置三台主机hosts文件
bash
vim /etc/hosts
192.168.31.100 hadoop100
192.168.31.101 hadoop101
192.168.31.102 hadoop102
192.168.31.103 hadoop103
192.168.31.104 hadoop104
192.168.31.105 hadoop105
192.168.31.106 hadoop106
192.168.31.107 hadoop107
192.168.31.108 hadoop108
1.3、三台机器创建账号
创建atguigu
账号,并设置密码为123456
bash
useradd atguigu
echo 123456|passwd --stdin atguigu;
配置atguigu
账号root
权限
bash
visudo
末尾添加
atguigu ALL=(ALL) NOPASSWD:ALL
1.4、三台机器间配置atguigu账号免密登陆
用102
配置到103
免密登陆为例
bash
cd 进入当前账号家目录
ssh-keygen 连续三次回车
ssh-copy-id 192.168.31.103 复制公钥到hadoop103服务器,这样,102的atguigu就可以免密登陆hadoop103服务器
参考:服务器间配置免密登陆
1.5、同步集群时间(针对内网环境的集群,公网集群可以跳过)
找一个机器,作为时间服务器,所有的机器与这台机器的时间进行定时的同步
1.5.1、root账号配置102机器的ntp服务
1、查看ntp
服务,并设置开机自启动
bash
systemctl status ntpd
systemctl start ntpd
systemctl enable ntpd
如果命令报 Unit ntpd.service could not be found
,则需要安装ntp
服务
bash
rpm -q ntp 查看服务是否安装
yum install ntp 安装服务
2、修改ntp.conf
文件
bash
vim /etc/ntp.conf
server 127.127.1.0
fudge 127.127.1.0 stratum 10
restrict
后面的IP
,写你们自己的IP
,我的是192.168.31.0
网段的
当该节点丢失网络连接,依然可以采 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
3、修改/etc/sysconfig/ntpd
文件
作用:让硬件时间和系统时间一起同步,这样更精确
bash
vim /etc/sysconfig/ntpd
SYNC_HWCLOCK=yes
4、重启ntp
服务
bash
systemctl status ntpd
systemctl stop ntpd
systemctl start ntpd
systemctl enable ntpd
检查配置
systemctl status ntpd
systemctl is-enabled ntpd
1.5.2、root账号配置103及104机器,同步102的时间
1、关闭ntp服务
bash
systemctl stop ntpd
systemctl disable ntpd
2、创建定时任务,定时同步102时间
bash
crontab -e
*/1 * * * * /usr/sbin/ntpdate hadoop102
3、测试同步功能
修改时间
bash
date -s "2021-9-11 11:11:11"
1分钟后,查看时间
bash
date
2、三台虚拟机都安装JDK,并配置环境变量
2.1、卸载系统自带的OpenJDK
2.1.1、查看openJDK
bash
[root@CFDB2 ~]$ rpm -qa|grep java
tzdata-java-2018e-3.el7.noarch
java-1.8.0-openjdk-1.8.0.171-8.b10.el7_5.x86_64
java-1.7.0-openjdk-headless-1.7.0.181-2.6.14.8.el7_5.x86_64
java-1.7.0-openjdk-1.7.0.181-2.6.14.8.el7_5.x86_64
javapackages-tools-3.4.1-11.el7.noarch
python-javapackages-3.4.1-11.el7.noarch
java-1.8.0-openjdk-headless-1.8.0.171-8.b10.el7_5.x86_64
2.1.2、卸载openJDK
bash
rpm -qa | grep -i java | xargs n1 rpm -e --nodeps
2.2、安装JDK8
bash
tar -zxvf jdk-7u79-linux-x64.tar.gz -C /usr/local/jdks/
cd /usr/local/jdks/
vim /etc/profile.d/java.sh
#!/bin/bash
#
export JAVA_HOME=/usr/local/jdks/jdk1.8.0_211
export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
--------------------------
source /etc/profile #执行该命令
java -version #查看java是否安装成功
3、三台虚拟机都安装Hadoop3,并配置环境变量
1、准备Hadoop3
安装包
2、三台机器上准备两个目录
3、将hadoop3
安装包上传到software
目录下
4、解压并配置环境变量
解压安装
bash
tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
配置环境变量
bash
进入目录
cd /etc/profile.d/
创建文件,并添加如下内容
vim hadoop.sh
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
重新加载环境变量,这样新配置的hadoop环境变量才会生效
source /etc/profile
检查hadoop
安装是否成
bash
hadoop version
4、hadoop的4个自定义配置文件及workers配置
1、准备一个同步文件的脚本
参考:服务器同步文件脚本
这样,在102
上配置好后,用该脚本同步到另外两台机器上即可。
2、core-site.xml
bash
vim /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
完整配置内容如下
xml
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
<description>指定 NameNode 的地址</description>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
<description>指定 Hadoop 数据的存储目录</description>
</property>
</configuration>
3、hdfs-site.xml
bash
vim /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml
完整配置内容如下
xml
<?xml version="1.0" encoding="UTF-8"?>
<configuration>
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
<description>nn web 端访问地址</description>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
<description>2 nn web 端访问地址</description>
</property>
</configuration>
4、mapred-site.xml
bash
vim /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml
完整配置内容如下
xml
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
<description></description>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
<description>历史服务器端地址</description>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
<description>历史服务器 web 端地址</description>
</property>
</configuration>
5、yarn-site.xml
bash
vim /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml
完整配置内容如下
xml
<?xml version="1.0"?>
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
<description>指定 MR 走 shuffle</description>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop103</value>
<description>指定 ResourceManager 的地址</description>
</property>
<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_MAPRED_HOME</value>
<description>系统环境变量的继承</description>
</property>
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
<description>开启日志聚集功能</description>
</property>
<property>
<description>设置日志聚集服务器地址</description>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<property>
<description>设置日志保留时间为 7 天, -1 表示不保存日志</description>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
</configuration>
6、配置workers
bash
vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
完整配置内容如下
bash
hadoop102
hadoop103
hadoop104
7、使用xsync同步脚本,将配置文件同步到103、104
bash
cd /opt/module/hadoop-3.1.3/etc/hadoop
xsync core-site.xml hdfs-site.xml mapred-site.xml yarn-site.xml workers
5、102上启动HDFS服务
1、第一次启动的准备工作
需要在hadoop102
上格式化 NameNode
(后面重启hadoop集群,无需这一步操作)
bash
cd /opt/module/hadoop-3.1.3
hdfs namenode -format
2、启动HDFS服务
bash
cd /opt/module/hadoop-3.1.3
sbin/start-dfs.sh
3、访问web页
bash
http://hadoop102:9870
6、103上启动YARN服务
1、启动YARN服务
bash
cd /opt/module/hadoop-3.1.3
sbin/start-yarn.sh
2、访问web页
bash
http://hadoop103:8088
7、检查各个集群节点服务
从图中可以看出,和我们设计的集群架构完全匹配
8、在102上开启YARN的历史任务查询服务
bash
cd /opt/module/hadoop-3.1.3
bin/mapred --daemon start historyserver
9、集群启动与停止方式总结
1、整体启动或停止HDFS或YARN服务
102
上,启动或停止HDFS
服务
bash
cd /opt/module/hadoop-3.1.3
sbin/start-dfs.sh
sbin/stop-dfs.sh
103
上,启动或停止YARN
服务
bash
cd /opt/module/hadoop-3.1.3
sbin/start-yarn.sh
sbin/stop-yarn.sh
2、各个服务组件独立启动或停止
分别启动或停止HDFS
组件
bash
hdfs --daemon start/stop namenode/datanode/secondarynamenode
分别启动或停止YARN
组件
bash
yarn --daemon start/stop resourcemanager/nodemanager
3、编写脚本,一键启动或停止器群并检查服务脚本
1、一键启动或停止脚本
bash
cd /home/atguigu/bin/
vim myhadoop
脚本内容
bash
#!/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
脚本用法
bash
myhadoop start/stop
2、一键检查服务脚本
bash
cd /home/atguigu/bin/
vim jpsall
脚本内容
bash
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done
脚本用法
bash
jpsall
10、简单测试集群功能
1、命令行上传文件及HDFS web端查看
上传小文件
创建文件
bash
mkdir /opt/module/hadoop-3.1.3/wcinput
cd /opt/module/hadoop-3.1.3/wcinput
vim word.txt
ss ss
cls cls
banzhang
bobo
yangge
上传文件
bash
hadoop fs -mkdir /input 创建hdfs目录
hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input 上传文件到input目录
HDFS WEB页查看
这里的input
就是-mkdir
创建出来的
这个word.txt
就是-put
上传的
第一个下载、第二个查看文件前32K内容、第三个查看文件末尾的32K内容
上传大文件
上传文件
上传jar
包到hdfs
根目录
bash
hadoop fs -put /opt/software/hadoop-3.1.3.tar.gz /
HDFS WEB页查看
2、HDFS系统中查看上传的文件位置及文件内容
服务器上查看
txt
文本文件查看方法
可以直接cat命令查看
bash
cd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-823420375-192.168.31.102-1714395693863/current/finalized/subdir0/subdir0
jar
包文件查看方法
bash
cd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-823420375-192.168.31.102-1714395693863/current/finalized/subdir0/subdir0
cat blk_1073741826 >> tmp.tar.gz
cat blk_1073741827 >> tmp.tar.gz
cat blk_1073741828 >> tmp.tar.gz
tar -zxvf tmp.tar.gz
ll
3、命令行执行MapReduce任务及YRAN web端查看任务
命令行执行MapReduce
任务
bash
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
YRAN web
页查看任务