Hadoop 安装及目录结构

优质博文IT-BLOG-CN

一、准备工作

【1】创建用户： useradd用户名

【2】配置创建的用户具有root权限，修改/etc/sudoers文件，找到下面一行，在root下面添加一行，如下所示：（注意：需要先给sudoer文件赋权限，修改完会后，将权限修改回来）修改完毕，现在可以用创建的帐号登录，然后用命令su - ，即可获得root权限进行操作。

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
创建的用户 ALL=(ALL)     ALL

【3】在/opt目录下创建module、software文件夹，同时修改文件的所有者 sudo chmod 777文件地址。

sudo mkdir module
sudo mkdir software

二、下载地址

下载地址

解压：tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

三、配置环境变量

【1】查看Hadoop解压目录

[zzx@localhost hadoop-2.7.2-src]$ pwd
/opt/module/hadoop-2.7.2-src

【2】打开/etc/profile

[zzx@localhost etc]$ sudo vi profile

【3】在文件中添加Hadoop的环境变量

##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

【4】重启配置文件，让修改的配置文件生效

[root@localhost etc]# source /etc/profile

【5】测试是否安装成功（如果Hadoop命令不生效就重启试试reboot)

[root@localhost soft]# hadoop version
Hadoop 2.7.2
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r b165c4fe8a74265c792ce23f546c64604acf0e41
Compiled by jenkins on 2016-01-26T00:08Z
Compiled with protoc 2.5.0
From source with checksum d0fda26633fa762bff87ec759ebe689c
This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar

四、可能会遇见的问题

【问题描述】Error: JAVA_HOME is not set and could not be found.

【解决办法】在安装目录下/etc/hadoop/下，找到hadoop-env.sh

#将下面的 $JAVA_HOME 修改为绝对路径，下面一行为默认的，错误展示
export JAVA_HOME=$JAVA_HOME   
              
#修改后的正确展示 
export JAVA_HOME=/usr/local/soft/jdk8    

五、Hadoop目录结构

【1】查看Hadoop目录结构

[root@localhost hadoop-2.7.2]# ll
总用量 28
drwxr-xr-x. 2 10011 10011   194 1月  26 2016 bin
drwxr-xr-x. 3 10011 10011    20 1月  26 2016 etc
drwxr-xr-x. 2 10011 10011   106 1月  26 2016 include
drwxr-xr-x. 3 10011 10011    20 1月  26 2016 lib
drwxr-xr-x. 2 10011 10011   239 1月  26 2016 libexec
-rw-r--r--. 1 10011 10011 15429 1月  26 2016 LICENSE.txt
-rw-r--r--. 1 10011 10011   101 1月  26 2016 NOTICE.txt
-rw-r--r--. 1 10011 10011  1366 1月  26 2016 README.txt
drwxr-xr-x. 2 10011 10011  4096 1月  26 2016 sbin
drwxr-xr-x. 4 10011 10011    31 1月  26 2016 share

【2】重要目录：

◕‿-｡ bin目录： 存放对Hadoop相关服务（HDFS，YARN）进行操作的脚本，里面常用的就是hadoop这个配置；

｡◕‿◕｡ etc目录： Hadoop的配置文件目录，存放Hadoop的配置文件。后期会修改大量配置文件；

◕‿-｡ lib目录： 存放Hadoop的本地库（对数据进行压缩解压缩功能）；

｡◕‿◕｡ sbin目录： 存放启动或停止Hadoop相关服务的脚本，很重要；

◕‿-｡ share目录： 存放Hadoop的依赖jar包、文档、和官方案例；

六、启动 HDFS并运行 MapReduce程序

【1】配置： hadoop-env.sh：在etc/hadoop/hadoop-en.sh修改JAVA_HOME路径为JDK的绝对路径。

export JAVA_HOME=/usr/local/soft/jdk8

【2】配置： core-site.xml：hadoop01需要配置hosts映射，存储系统会自动创建

<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
    <value>hdfs://hadoop1:9000</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>

【3】配置： hdfs-site.xml：默认副本数是3个

<!-- 指定HDFS副本的数量 -->
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>

【4】格式化NameNode （第一次启动时格式化，以后就不要总格式化）

[root@localhost hadoop-2.7.2]# bin/hdfs namenode -format

【5】启动NameNode

[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode

【问题描述】 可能会出现：Error: Cannot find configuration directory: /etc/hadoop

【问题解决】 在hadoop-env.sh修改hadoop配置文件所在目录，并进行重启 source xx。同时，需要删除namenode的data中的数据和logs中的namenode和namedate所有文件。

export HADOOP_CONF_DIR=/opt/module/hadoop-2.7.2/etc/hadoop/

【6】启动DataNode

[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start datanode

【7】 使用JPS命令查看是否启动成功，JPS 是JDK中的命令，不是Linux命令。不安装JDK不能使用 JPS

【8】web端查看HDFS文件系统（注意需要配置hosts）： http://hadoop1:50070/dfshealth.html#tab-overview

【9】查看产生的Log日志： 在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。当前目录：/opt/module/hadoop-2.7.2/logs

【10】操作集群： 在HDFS文件系统上创建一个input文件夹，-P创建多级目录

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input

【11】 将测试文件内容上传到文件系统上：

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input/

【12】 查看上传的文件是否正确

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -ls /user/zzx/input/
Found 1 items
-rw-r--r--   1 root supergroup         74 2020-06-20 16:44 /user/zzx/input/zzx

【13】查看上传的文件是否正确

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/input/zzx
zzx
jinlong
tangjin
zzx
zzx
jinlong
jian
fanjing
fanjing
fanjing
fanjing

【14】运行MapReduce程序，与开始时执行的本地是一致的。

[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input/ /user/zzx/output/

【15】查看输出结果，命令行查看

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/output/*
fanjing    4
jian    1
jinlong    2
tangjin    1
zzx    3

【16】查看输出结果，浏览器查看： Utilities-Brower...-user-zzx-output

七、启动 YARN并运行 MapReduce程序

【1】配置yarn-env.sh，配置一下JAVA_HOME

export JAVA_HOME=/usr/local/soft/jdk8

【2】配置yarn-site.xml

 <!-- 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>hadoop1</value>
</property>

【3】配置：mapred-env.sh，配置一下JAVA_HOME

export export JAVA_HOME=/usr/local/soft/jdk8

【4】 配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

mv mapred-site.xml.template mapred-site.xml

【5】配置：mapred-site.xml

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

八、启动集群

【1】启动前必须保证NameNode和DataNode已经启动；
【2】启动ResourceManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager

【3】启动NodeManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager

【4】YARN的浏览器页面查看：http://hadoop1:8088/cluster

【5】 删除文件系统上的output文件

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output
20/06/20 17:20:20 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes.
Deleted /user/zzx/output

【6】执行MapReduce程序

[root@localhost hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output

【7】查看运行结果，刷新页面即可

九、配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：
【1】配置mapred-site.xml，在该文件里面增加如下配置。

<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop1:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop1:19888</value>
</property>

【2】启动历史服务器

[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver

【3】查看历史服务器是否启动JPS

【4】查看JobHistory：http://hadoop1:19888/jobhistory

十、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HistoryManager。

开启日志聚集功能具体步骤如下：
【1】配置yarn-site.xml，在该文件里面增加如下配置

 <!-- 日志聚集功能使能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>

<!-- 日志保留时间设置7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

【2】关闭NodeManager 、ResourceManager和HistoryManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager
stopping resourcemanager
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager
stopping nodemanager
nodemanager did not stop gracefully after 5 seconds: killing with kill -9
[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver
stopping historyserver

【3】 启动NodeManager 、ResourceManager和HistoryManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
starting resourcemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-resourcemanager-localhost.localdomain.out
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager
starting nodemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-nodemanager-localhost.localdomain.out
[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
starting historyserver, logging to /opt/module/hadoop-2.7.2/logs/mapred-root-historyserver-localhost.localdomain.out
[root@localhost hadoop-2.7.2]# jps
21937 ResourceManager
15458 NameNode
22197 NodeManager
22374 JobHistoryServer
16123 DataNode
22415 Jps

【4】删除HDFS上已经存在的输出文件

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output

【5】执行WordCount程序

[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output

【6】查看日志，进入JobHistory点击JobID

【7】点击logs

【8】日志的具体信息

十一、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-2.7.2.jar/ core-default.xml
[hdfs-default.xml]	hadoop-hdfs-2.7.2.jar/ hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-2.7.2.jar/ yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.2.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。

十二、完全分布式运行模式

【1】将/etc/profile和/opt/module下的文件拷贝到其它两台服务器上，并进行 source xxx。可以自己去拉hadoop1，hadoop1也可自行给你推，hadoop1也可以将hadoop2中的文件推给hadoop3，当传文件夹的时记得加-r递归复制。

[root@localhost ~]# scp root@192.168.52.131:/etc/bash.bashrc /etc/bash.bashrc 
[root@localhost opt]# scp -r root@hadoop1:/opt /opt

【2】集群部署规划： 根据这个配置修改上面的伪分布式就可以了

	hadoop1	hadoop2	hadoop3
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

【3】hadoop1配置hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<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>hadoop3:50090</value>
</property>

【4】配置yarn-site.xml

<!-- 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>hadoop2</value>
</property>

提前配置SSH免密配置

十三、群起集群

【1】配置slaves

[root@hadoop1 hadoop-2.7.2]# vi etc/hadoop/slaves 

在该文件中增加如下内容： 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。

hadoop1
hadoop2
hadoop3

同步所有节点配置文件

[root@hadoop1 hadoop-2.7.2]# xsync etc/hadoop/slaves

【2】启动集群： 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）

[root@hadoop1 hadoop-2.7.2]# bin/hdfs namenode -format

【3】启动HDFS（前提：终止之前运行namenode 等）

[root@hadoop1 hadoop-2.7.2]# sbin/start-dfs.sh 

启动完成之后，Hadoop1会启动NameNode和DataNode，其他两台只会启动 DataNode
【4】在Hadoop2中启动YARN 。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。

[root@hadoop2 hadoop-2.7.2]# sbin/start-yarn.sh 

【5】查看SecondaryNameNode信息：http://hadoop3:50090/status.html

【6】NameNode测试，创建/user/zzx/input并上传文件

[root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input
[root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input

【7】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@hadoop1 subdir0]# ll
总用量 8
-rw-r--r--. 1 root root 74 6月  21 19:19 blk_1073741825
-rw-r--r--. 1 root root 11 6月  21 19:19 blk_1073741825_1001.meta
[root@hadoop1 subdir0]# pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-1538823143-192.168.52.131-1592727848753/current/finalized/subdir0/subdir0

十四、集群启动/停止方式总结

【1】 各个服务组件逐一启动/停止

#分别启动/停止HDFS组件
hadoop-daemon.sh  start/stop  namenode/datanode/secondarynamenode
#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）

#整体启动/停止HDFS
start-dfs.sh/stop-dfs.sh
#整体启动/停止YARN
start-yarn.sh/stop-yarn.sh

十五 扩展

如果装的是3.x.x的Hadoop改了挺多东西的。

管理页面端口变动，Hadoop NameNode管理页面默认端口为9870

集群配置变动，etc/hadoop/slaves改成了etc/hadoop/workers

启动命令变动，sbin/yarn-daemon.sh start resourcemanager这种也能用，但是启动时会标记已被弃用，变成yarn -daemon start resourcemanger类似这种命令