Hadoop的安装

1、安装前准备

内存4G、硬盘50G

1.1、创建用户(tailweb)

一般Hadoop用普通用户进行安装

useradd 用户名

passwd 用户名 (回车设置密码)

userdel -r 删除用户

注:

如果创建曾经删除的用户,提示邮件正在已经创建,就去删除/var/spool/mail/ 下面的用户名。然后进行创建 如果还不行就去home 文件夹下面删除

如图

修改密码,用root用户 passwd 用户名(回车)

给新创建的用户授权root ,但是必须个sudo一起使用才有root权限

复制代码
[root@hadoop104 ~]# vim /etc/sudoers

修改/etc/sudoers文件,在%wheel这行下面添加一行,如下所示:

复制代码
## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL

## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL
tailweb   ALL=(ALL)     NOPASSWD:ALL

注意:tailweb这一行不要直接放到root行下面,因为所有用户都属于wheel组,你先配置了tailweb具有免密功能,但是程序执行到%wheel行时,该功能又被覆盖回需要密码。所以tailweb要放到%wheel这行下面。

1.2、在/data目录下创建文件夹,并修改所属主和所属组

(1)在/data目录下创建software文件夹

复制代码
[root@hadoop104 ~]# mkdir /data/software

(2)修改software文件夹的所有者和所属组均为tailweb用户

复制代码
[root@hadoop104 ~]# chown tailweb:tailweb  /data/software
1.3、 卸载虚拟机自带的 JDK

注意:如果你的虚拟机是最小化安装不需要执行这一步。

复制代码
[root@hadoop104 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
  • rpm -qa:查询所安装的所有rpm软件包
  • grep -i:忽略大小写
  • xargs -n1:表示每次只传递一个参数
  • rpm -e --nodeps:强制卸载软件
1.4、重启虚拟机
复制代码
[root@hadoop104 ~]# reboot

2、克隆 虚拟机

2.1、利用模板机hadoop 10 4 ,克隆三台虚拟机:hadoop 10 5 hadoop10 6 hadoop10 7

注意:克隆时,要先关闭hadoop104

修改克隆机I P ,以下以hadoop 105 举例说明

(1)修改克隆虚拟机的静态IP

复制代码
[root@hadoop105 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

修改为

复制代码
BOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.46.132
PREFIX=24
GATEWAY=192.168.46.2
DNS1=192.168.46.2

一般修改的是BOOTPROTO为static IPADDR 为自己的ip GATEWAY 与DNS1 是将IP的最后一位变为2

(2)查看Linux虚拟机的虚拟网络编辑器,编辑->虚拟网络编辑器->VMnet8(不用在意IP)

网管就是GATEWAY的值

(3)查看Windows系统适配器VMware Network Adapter VMnet8的IP地址(DNS1的值)

(4)保证Linux系统ifcfg-ens33文件中IP地址、虚拟网络编辑器地址和Windows系(本地配置,服务器不用配置一般)

2.1、修改克隆机主机名,以下以hadoop105举例说明

(1)修改主机名称

复制代码
[root@hadoop105 ~]# vim /etc/hostname
hadoop102

(2)配置Linux克隆机主机名称映射hosts文件,打开/etc/hosts

复制代码
[root@hadoop105 ~]# vim /etc/hosts

添加如下内容

复制代码
192.168.46.132 hadoop105
192.168.46.133 hadoop106
192.168.46.134 hadoop107 

如图

2.2、重启克隆机hadoop 10 5
复制代码
[root@hadoop105 ~]# reboot

2.3、修改windows的主机映射文件 (hosts文件)

(1)如果操作系统是window7,可以直接修改

(a)进入C:\Windows\System32\drivers\etc路径

(b)打开hosts文件并添加如下内容,然后保存

复制代码
192.168.46.132 hadoop105
192.168.46.133 hadoop106
192.168.46.134 hadoop107 

3、jdk安装

3.1\ jdk上传解压省略
3.2、配置JDK环境变量

(1)新建/etc/profile.d/my_env.sh文件(用来环境的配置)

复制代码
[root@hadoop105 ~]$ vim /etc/profile.d/my_env.sh

添加如下内容

复制代码
#JAVA_HOME
export JAVA_HOME=/data/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

(2)source一下/etc/profile文件,让新的环境变量PATH生效

复制代码
[root@hadoop105 ~]$ source /etc/profile

(3)测试JDK是否安装成功

复制代码
[root@hadoop105 ~]$ java -version

(4)如果能看到以下结果,则代表Java安装成功。

java version "1.8.0_212"

注意:重启(如果java -version可以用就不用重启)

复制代码
[root@hadoop105 ~]$ sudo reboot

jdk每一台服务器都需要安装(以上都是root用户,或者管理员用户)

一下就用tailweb用户

4、安装Hadoop

4.1、Hadoop下载地址:https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/

上传解压,我解压后的文件叫hadoop-3.1.3

4.2、安装

(1)获取Hadoop安装路径

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ pwd

/data/software/hadoop-3.1.3

(2)打开/etc/profile.d/my_env.sh文件

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh

在my_env.sh文件末尾添加如下内容

复制代码
#HADOOP_HOME
export HADOOP_HOME=/data/software/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
  • 保存并退出: :wq

(3)让修改后的文件生效

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ source /etc/profile

(4)测试是否安装成功

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3

如图

(5)重启(如果Hadoop命令不能用再重启虚拟机)

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ sudo reboot
4.3、查看Hadoop目录结构
复制代码
tailweb@hadoop105 hadoop-3.1.3]$ ll
总用量 52
drwxr-xr-x. 2 tailweb tailweb 4096 5月  22 2017 bin
drwxr-xr-x. 3 tailweb tailweb 4096 5月  22 2017 etc
drwxr-xr-x. 2 tailweb tailweb  4096 5月  22 2017 include
drwxr-xr-x. 3 tailweb tailweb  4096 5月  22 2017 lib
drwxr-xr-x. 2 tailweb tailweb  4096 5月  22 2017 libexec
-rw-r--r--. 1 tailweb tailweb 15429 5月  22 2017 LICENSE.txt
-rw-r--r--. 1 tailweb tailweb   101 5月  22 2017 NOTICE.txt
-rw-r--r--. 1 tailweb tailweb  1366 5月  22 2017 README.txt
drwxr-xr-x. 2 tailweb tailweb  4096 5月  22 2017 sbin
drwxr-xr-x. 4 tailweb tailweb  4096 5月  22 2017 share

重要目录

(1)bin目录:存放对Hadoop相关服务(hdfs,yarn,mapred)进行操作的脚本

(2)etc目录:Hadoop的配置文件目录,存放Hadoop的配置文件

(3)lib目录:存放Hadoop的本地库(对数据进行压缩解压缩功能)

(4)sbin目录:存放启动或停止Hadoop相关服务的脚本

(5)share目录:存放Hadoop的依赖jar包、文档、和官方案例

5、 Hadoop运行模式

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。

5.1、 本地运行 模式(官方Word C ount)

(1)创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ mkdir wcinput

(2)在wcinput文件下创建一个word.txt文件

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ cd wcinput

(3)编辑word.txt文件

复制代码
[tailweb@hadoop105 wcinput]$ vim word.txt

输入如下内容

复制代码
hadoop yarn
hadoop mapreduce
atguigu
atguigu
  • 保存退出::wq

(4)回到Hadoop目录/data/software/hadoop-3.1.3

(5)执行程序

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput 

大概意思就是统计这个文件夹(wcinput)当中用户名出现的次,结果存储在wcoutput这个文件夹当中

(6)查看结果

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ cat wcoutput/part-r-00000

看到如下结果:

复制代码
atguigu 2
hadoop  2
mapreduce       1
yarn    1
5. 2 完全分布式 运行模式(企业开发重点

1)准备3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

5.2.1编写集群分发脚本xsync

1)scp(secure copy)安全拷贝

(1)scp定义

scp可以实现服务器与服务器之间的数据拷贝。(from server1 to server2)

(2)基本语法

scp -r pdir/fname user@host:pdir/fname

命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称

前提:在hadoop106、hadoop107都已经创建好的/data/software两个目录,并且已经把这两个目录修改为tailweb:tailweb

复制代码
[tailweb@hadoop105 ~]$ sudo chown tailweb:tailweb-R /date/software

(a)在hadoop105上,将/data/software/jdk1.8.0_212目录拷贝到hadoop106、Hadoop107上。

复制代码
[tailweb@hadoop105 ~]$ scp -r /data/software/jdk1.8.0_212  tailweb@hadoop106:/data/software
[tailweb@hadoop105 ~]$ scp -r /data/software/jdk1.8.0_212  tailweb@hadoop107:/data/software

2)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:

复制代码
rsync  -av     /data/software  tailweb@hadoop106:/data/

(3) 脚本实现

(a)在/home/atguigu/bin目录下创建xsync文件

复制代码
[tailweb@hadoop105 opt]$ cd /home/tailweb
[tailweb@hadoop105 ~]$ mkdir bin
[tailweb@hadoop105 ~]$ cd bin
[tailweb@hadoop105 bin]$ vim xsync

在该文件中编写如下代码

复制代码
#!/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(将hadoop105、hadoop106、hadoop107换成自己的ip映射)
for host in hadoop105 hadoop106 hadoop106
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

(b)修改脚本 xsync 具有执行权限

复制代码
[tailweb@hadoop105 bin]$ chmod +x xsync

(c)测试脚本

复制代码
[tailweb@hadoop105 ~]$ xsync /home/tailweb/bin

(d)将脚本复制到/bin中,以便全局调用(任何位置都可以使用了)

复制代码
[tailweb@hadoop105 bin]$ sudo cp xsync /bin/

(e)同步环境变量配置(root所有者,这里面是hadoop跟jdk的环境变量配置)

复制代码
[tailweb@hadoop105 ~]$ sudo ./bin/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hadoop106、hadoop107环境变量生效

复制代码
[tailweb@hadoop106 bin]$ source /etc/profile

[tailweb@hadoop107 opt]$ source /etc/profile
5.2.2 SSH无密登录 配置

1 配置ssh

(1)基本语法

ssh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

复制代码
[tailweb@hadoop105 ~]$ ssh hadoop106
  • 如果出现如下内容

Are you sure you want to continue connecting (yes/no)?

  • 输入yes,并回车

(3)退回到hadoop105

复制代码
[tailweb@hadoop106 ~]$ exit

2)无密钥配置

(1)免密登录原理

(2)生成公钥和私钥

复制代码
[tailweb@hadoop105 .ssh]$ pwd
/home/tailweb/.ssh

进入到/home/tailweb以后输入ls -al 会看到..ssh
最后要进入的地址是:/home/tailweb/.ssh 
[tailweb@hadoop105 .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)

具体操作

另一种情况

看到的秘钥跟公钥

(3)将公钥拷贝到要免密登录的目标机器上

复制代码
[tailweb@hadoop105 .ssh]$ ssh-copy-id hadoop105
[tailweb@hadoop105 .ssh]$ ssh-copy-id hadoop106
[tailweb@hadoop105 .ssh]$ ssh-copy-id hadoop107

注意:

还需要在hadoop106上采用tailweb账号配置一下无密登录到hadoop105、hadoop106、hadoop107服务器上。

还需要在hadoop107上采用tailweb账号配置一下无密登录到hadoop105、hadoop106、hadoop107服务器上。

还需要在hadoop105上采用root账号,配置一下无密登录到hadoop105、hadoop106、hadoop107;

3).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 |

5. 2 . 3 集群配置

1)集群部署规划

注意:

  • NameNode和SecondaryNameNode不要安装在同一台服务器
  • ResourceManager也很消耗内存,不要和NameNode、SecondaryNameNode配置在同一台机器上。

|------|-------------------|-----------------------------|----------------------------|
| | hadoop105 | hadoop106 | hadoop107 |
| HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
| YARN | NodeManager | ResourceManager NodeManager | NodeManager |

2)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。

3 配置 集群

(1)核心配置文件

配置core-site.xml

复制代码
[tailweb@hadoop105 ~]$ cd /data/software/etc/hadoop   #是自己hadoop安装的位置
[tailweb@hadoop105 hadoop]$ vim core-site.xml

文件内容如下:

复制代码
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop105:8020</value>   <!--修改修改成自己的ip映射---->
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/data/software/hadoop-3.1.3/data</value> <!--修改修改成自己hadoop安装地址---->
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为atguigu -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>tailweb</value>    <!--修改修改成自己页面访问账户---->
    </property>
</configuration>

(2)HDFS配置文件

配置hdfs-site.xml

复制代码
[tailweb@hadoop105 hadoop]$ vim hdfs-site.xml

文件内容如下:

复制代码
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- nn web端访问地址-->
	<property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop105:9870</value>  <!--修改成自己的ip-->
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop107:9868</value>  <!--修改成自己的ip-->
    </property> 
</configuration>

(3)YARN配置文件

配置yarn-site.xml

复制代码
[tailweb@hadoop105 hadoop]$ vim yar

文件内容如下:

复制代码
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop106</value>  <!--修改自己的IP-->
    </property>

    <!-- 环境变量的继承 -->
    <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>
    </property>
</configuration>

(4)MapReduce配置文件

配置mapred-site.xml

复制代码
[tailweb@hadoop105 hadoop]$ vim mapred-site.xml

文件内容如下:

复制代码
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

4)在集群上分发配置好的Hadoop配置文件(hadoop106、hadoop107)

复制代码
[tailweb@hadoop105 hadoop]$ xsync /data/software/hadoop-3.1.3/etc/hadoop/

5)去106和107上查看文件分发情况

复制代码
[tailweb@hadoop106 ~]$ cat /data/software/hadoop-3.1.3/etc/hadoop/core-site.xml
[tailweb@hadoop107 ~]$ cat /data/software/hadoop-3.1.3/etc/hadoop/core-site.xml
5. 2 . 4 群起 集群

1)配置workers(就是集群)

复制代码
[tailweb@hadoop105 hadoop]$ vim /data/software/hadoop-3.1.3/etc/hadoop/workers

在该文件中增加如下内容:

复制代码
hadoop105
hadoop106
hadoop107

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

复制代码
[tailweb@hadoop105 hadoop]$ xsync /data/software/hadoop-3.1.3/etc

2) 启动集群

(1)如果集群是第一次启动 ,需要在hadoop105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。)

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ hdfs namenode -format

(2)启动HDFS

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ sbin/start-dfs.sh

(3)在配置了ResourceManager的节点( hadoop106 ****)****启动YARN

复制代码
[tailweb@hadoop106 hadoop-3.1.3]$ sbin/start-yarn.sh

(4)Web端查看HDFS的NameNode

(a)浏览器中输入:http://hadoop105:9870

(b)查看HDFS上存储的数据信息

(5)Web端查看YARN的ResourceManager

(a)浏览器中输入:http://hadoop106:8088

(b)查看YARN上运行的Job信息

如果页面无法访问关一下防火墙

复制代码
systemctl stop firewalld   #关闭防火墙
systemctl disable firewalld.service   开启自动关闭

3)集群基本测试

(1)上传文件到集群

  • 上传小文件(word.txt是前面创建的,必须要存在)

    [tailweb@hadoop105 ~] hadoop fs -mkdir /input [tailweb@hadoop105 ~] hadoop fs -put /data/software/wcinput/word.txt /input

  • 上传大文件

    [tailweb@hadoop105 ~]$ hadoop fs -put /data/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

    [tailweb@hadoop102 subdir0]$ pwd
    /data/software/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

    [tailweb@hadoop105 subdir0]$ cat blk_1073741825
    hadoop yarn
    hadoop mapreduce
    atguigu
    atguigu

(3)下载

复制代码
[tailweb@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

(4)执行wordcount程序

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
5. 2 .5 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

复制代码
[tailweb@hadoop105 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置。

复制代码
<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop105:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop105:19888</value>
</property>

2)分发配置

复制代码
[tailweb@hadoop105 hadoop]$ xsync /data/software/etc/hadoop/mapred-site.xml

3)在hadoop102启动历史服务器

复制代码
[tailweb@hadoop105 hadoop]$ mapred --daemon start historyserver

4)查看历史服务器是否启动

复制代码
[tailweb@hadoop105 hadoop]$ jps

5)查看JobHistory

http://hadoop105:19888/jobhistory

5. 2 .6 配置日志的聚集(在任何一个服务器上面就可以看到所有日志)

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

复制代码
[tailweb@hadoop105 hadoop]$ vim yarn-site.xml

在该文件里面增加如下配置。

复制代码
<!-- 开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>  
    <name>yarn.log.server.url</name>  
    <value>http://hadoop105:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>  <!-- 时间是秒 -->
</property>

2)分发配置

复制代码
[tailweb@hadoop105 hadoop]$ xsync /data/software/etc/hadoop/yarn-site.xml

3)关闭NodeManager 、ResourceManager和HistoryServer (关闭顺序是先关闭 historyserver,在关闭yarn,最后关闭dfs)

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ sbin/stop-yarn.sh
[tailweb@hadoop105 hadoop-3.1.3]$ mapred --daemon stop historyserver

4)启动NodeManager 、ResourceManage和HistoryServer(启动顺序是先启动dfs,然后是yarn,最后是historyserver)

复制代码
[tailweb@hadoop105 ~]$ start-dfs.sh
[tailweb@hadoop106 ~]$ start-yarn.sh
[tailweb@hadoop105 ~]$ mapred --daemon start historyserver

5)删除HDFS上已经存在的输出文件

复制代码
[tailweb@hadoop105 ~]$ hadoop fs -rm -r /output

6)执行WordCount程序

复制代码
[tailweb@hadoop105 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7)查看日志

(1)历史服务器地址

http://hadoop105:19888/jobhistory

(2)历史任务列表

(3)查看任务运行日志

(4)运行日志详情

5. 2 .7 集群 启动 / 停止方式 总结

1)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

复制代码
start-dfs.sh/stop-dfs.sh

(2)整体启动/停止YARN

复制代码
start-yarn.sh/stop-yarn.sh

2)各个服务组件逐一启动/停止(某一个服务器挂掉的时候)命令输入的路径是:/data/software/hadoop-3.1.3/sbin

1)分别启动/停止HDFS组件

复制代码
hdfs --daemon start/stop namenode/datanode/secondarynamenode

(2)启动/停止YARN

复制代码
yarn --daemon start/stop  resourcemanager/nodemanager
3. 2 . 8 编写 Hadoop 集群常用脚本

1)Hadoop集群启停脚本(包含HDFS,Yarn,Historyserver):myhadoop.sh

复制代码
[tailweb@hadoop105 ~]$ cd /home/tailweb/bin
[tailweb@hadoop105 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 ==================="

    复制代码
          echo " --------------- 启动 hdfs ---------------"
          ssh hadoop105 "/data/softwaer/hadoop-3.1.3/sbin/start-dfs.sh"
          echo " --------------- 启动 yarn ---------------"
          ssh hadoop106 "/data/softwaer/hadoop-3.1.3/sbin/start-yarn.sh"
          echo " --------------- 启动 historyserver ---------------"
          ssh hadoop105 "/data/softwaer/hadoop-3.1.3/bin/mapred --daemon start historyserver"

    ;;
    "stop")
    echo " =================== 关闭 hadoop集群 ==================="

    复制代码
          echo " --------------- 关闭 historyserver ---------------"
          ssh hadoop105 "/data/softwaer/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
          echo " --------------- 关闭 yarn ---------------"
          ssh hadoop106 "/data/softwaer/hadoop-3.1.3/sbin/stop-yarn.sh"
          echo " --------------- 关闭 hdfs ---------------"
          ssh hadoop105 "/data/softwaer/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

    复制代码
    [tailweb@hadoop105 bin]$ chmod +x myhadoop.sh
    # 测试脚本
    [tailweb@hadoop105 ~]$ myhadoop.sh  /home/tailweb/bin
    #将脚本复制到/bin中,以便全局调用
    [tailweb@hadoop105 bin]$ sudo cp myhadoop.sh/bin/

    2)查看三台服务器Java进程脚本:jpsall

    [tailweb@hadoop105 ~] cd /home/tailweb/bin [tailweb@hadoop105 bin] vim jpsall

  • 输入如下内容

    #!/bin/bash

    for host in hadoop105 hadoop106 hadoop107
    do
    echo =============== host =============== ssh host jps
    done

保存后退出,然后赋予脚本执行权限

复制代码
[tailweb@hadoop105 bin]$ chmod +x jpsall
# 测试脚本
[tailweb@hadoop105 ~]$ jpsall  /home/tailweb/bin
#将脚本复制到/bin中,以便全局调用
[tailweb@hadoop105 bin]$ sudo cp jpsall/bin/

然后jpsall跟myhadoop.sh在任何位置都可以使用了

3)分发/home/atguigu/bin目录,保证自定义脚本在三台机器上都可以使用

复制代码
[tailweb@hadoop105 ~]$ xsync /home/tailweb/bin/
5.2.9 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 |

5. 2 .10 集群时间同步(外网不需要,会自动校验时间)

如果服务器在公网环境(能连接外网),可以不采用集群时间同步,因为服务器会定期和公网时间进行校准;

如果服务器在内网环境,必须要配置集群时间同步,否则时间久了,会产生时间偏差,导致集群执行任务时间不同步。

1)需求

找一个机器,作为时间服务器,所有的机器与这台集群时间进行定时的同步,生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果,采用1分钟同步一次。

2)时间服务器配置(必须root用户)

(1)查看所有节点ntpd服务状态和开机自启动状态

复制代码
[tailweb@hadoop105 ~]$ sudo systemctl status ntpd
[tailweb@hadoop105 ~]$ sudo systemctl start ntpd
[tailweb@hadoop105 ~]$ sudo systemctl is-enabled ntpd

(2)修改hadoop102的ntp.conf配置文件

复制代码
[tailweb@hadoop105 ~]$ sudo vim /etc/ntp.conf

修改内容如下

(a)修改1(授权192.168.46.0-192.168.46.255网段上的所有机器可以从这台机器上查询和同步时间)

复制代码
#restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
为restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap

b)修改2(集群在局域网中,不使用其他互联网上的时间)

复制代码
server 0.centos.pool.ntp.org iburst
server 1.centos.pool.ntp.org iburst
server 2.centos.pool.ntp.org iburst
server 3.centos.pool.ntp.org iburst
为
#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst

(c)添加3(当该节点丢失网络连接,依然可以采用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)

复制代码
server 127.127.1.0
fudge 127.127.1.0 stratum 10

(3)修改hadoop102的/etc/sysconfig/ntpd 文件

复制代码
[tailweb@hadoop105 ~]$ sudo vim /etc/sysconfig/ntpd

增加内容如下(让硬件时间与系统时间一起同步)

复制代码
SYNC_HWCLOCK=yes

(4)重新启动ntpd服务

复制代码
[tailweb@hadoop105 ~]$ sudo systemctl start ntpd

(5)设置ntpd服务开机启动

复制代码
[tailweb@hadoop105 ~]$ sudo systemctl enable ntpd

3)其他机器配置(必须root用户)

(1)关闭所有节点上ntp服务和自启动

复制代码
[tailweb@hadoop106 ~]$ sudo systemctl stop ntpd
[tailweb@hadoop106 ~]$ sudo systemctl disable ntpd
[tailweb@hadoop107 ~]$ sudo systemctl stop ntpd
[tailweb@hadoop107 ~]$ sudo systemctl disable ntpd

(2)在其他机器配置1分钟与时间服务器同步一次

复制代码
[tailweb@hadoop106 ~]$ sudo crontab -e

编写定时任务如下:

复制代码
*/1 * * * * /usr/sbin/ntpdate hadoop105

(3)修改任意机器时间

复制代码
[tailweb@hadoop106 ~]$ sudo date -s "2025-3-11 11:11:11"

(4)1分钟后查看机器是否与时间服务器同步

复制代码
[tailweb@hadoop106 ~]$ sudo date
相关推荐
Eternity......6 分钟前
spark和hadoop的区别
大数据·hadoop·spark
2401_8712905810 分钟前
spark和Hadoop之间的对比和联系
大数据·hadoop·spark
lqlj22333 小时前
spark和hadoop的对比和联系
大数据·hadoop·spark
睎zyl3 小时前
Spark与Hadoop之间的联系和对比
大数据·hadoop·spark
小白的白是白痴的白3 小时前
4.21 spark和hadoop的区别与联系
大数据·hadoop·spark
哈哈真棒4 小时前
spark和Hadoop的区别与联系
大数据·hadoop·spark
哈哈la5 小时前
spark和hadoop的区别
大数据·hadoop·spark
CONTONUE5 小时前
spark和Hadoop的区别和联系
hadoop·spark
IT成长日记5 小时前
【Hive入门】Hive架构与组件深度解析:从核心组件到生态协同
hive·hadoop·架构·架构与组件
End92814 小时前
Hadoop的三大结构及其作用?
大数据·hadoop·分布式