hadoop安装使用 hadoop安装视频教程

1.环境变量配置

2.ssh 免密配置

在ssh文件夹下

ssh-keygen -t rsa

ssh-copy-id  hadoop102

cat ~/.ssh/id_dsa.pub >>~/.ssh/authorized_keys

hdfs namenode -format

2.配置集群

配置workers  hdoop/worker

but there is no HDFS_NAMENODE_USER defined. Aborting operation.

but there is no HDFS_SECONDARYNAMENODE_USER defined. Aborting operation.

修改hadoop/etc/hadoop/hadoop-env.sh 环境变量

export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root

hadoop fs -put    .....   /

cat blk_1073741826>>tmp.tar.gz

start-dfs.sh/stop-dfs.sh

start-yarn.sh/stop-yarn.sh

hdfs --daemon start/stop namenode/datanode/secondarynamenode

yarn --daemon start/stop resourcemanager/nodemanager

hadoop fs -put 

单一节点启动 hdfs --daemon start datanode

二个执行脚本

常用端口号

HDFS 

namenode 内部通讯端口 ：8020  、9000  9820

                  用户查询端口   9870              http://hadoop101:9870

                  yarn查看任务运行情况      8088       http://hadoop102:8088

                  历史服务器        19888

mapred-site.xml

core-site.xml

hdfs-site.xml

yarn-site.xml

workers

HDFS

hdfs shell 操作

hadoop fs -mkdir /sanguo   根目录创建上传一个文件夹

hadoop fs -moveFromLocal ./shuguo.txt /sanguo  上传并删除shuguo.txt

hadoop fs -copyFromLocal ./shuguo.txt /sanguo   上传

hadoop fs -put./shuguo.txt /sanguo   上传  (生产中更多的使用put)

hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt   拼接file

下载操作

hadoop fs -copyToLocal /sanguo/shuguo.txt ./  

hadoop fs get /sanguo/shuguo.txt ./              与上相同  

HDFS直接操作

hadoop fs -ls /sanguo

hadoop fs -cat  /jinguo/shuguo.txt   查看

hadoop fs -cp /sanguo/shuguo.txt /jinguo   复制过去

hadoop fs -mv /sanguo/weiguo.txt /jinguo  移动过去

hadoop fs -du -s -h /jinguo  查看文件夹总文件

hadoop fs -du  -h /jinguo    查看所有文件及大小

hadoop fs -setrep 10  /jinguo/weiguo.txt   设置副本

hadoop fs get

hadoop fs [generic options]
        [-appendToFile <localsrc> ... <dst>]   -appendToFile /localpath/a.txt   /hdfs/b.txt    追加文件
        [-cat [-ignoreCrc] <src> ...]     -cat
        [-checksum <src> ...]   
        [-chgrp [-R] GROUP PATH...]
        [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]   -chmod -R 777 /path  -R  递归
        [-chown [-R] [OWNER][:[GROUP]] PATH...]
        [-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
        [-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
        [-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
        [-createSnapshot <snapshotDir> [<snapshotName>]]
        [-deleteSnapshot <snapshotDir> <snapshotName>]
        [-df [-h] [<path> ...]]
        [-du [-s] [-h] [-v] [-x] <path> ...]
        [-expunge]
        [-find <path> ... <expression> ...]
        [-get [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
        [-getfacl [-R] <path>]
        [-getfattr [-R] {-n name | -d} [-e en] <path>]
        [-getmerge [-nl] [-skip-empty-file] <src> <localdst>]
        [-head <file>]
        [-help [cmd ...]]
        [-ls [-C] [-d] [-h] [-q] [-R] [-t] [-S] [-r] [-u] [-e] [<path> ...]]
        [-mkdir [-p] <path> ...]
        [-moveFromLocal <localsrc> ... <dst>]
        [-moveToLocal <src> <localdst>]
        [-mv <src> ... <dst>]
        [-put [-f] [-p] [-l] [-d] <localsrc> ... <dst>]
        [-renameSnapshot <snapshotDir> <oldName> <newName>]
        [-rm [-f] [-r|-R] [-skipTrash] [-safely] <src> ...]  -rm -f /path
        [-rmdir [--ignore-fail-on-non-empty] <dir> ...]     
        [-setfacl [-R] [{-b|-k} {-m|-x <acl_spec>} <path>]|[--set <acl_spec> <path>]]
        [-setfattr {-n name [-v value] | -x name} <path>]
        [-setrep [-R] [-w] <rep> <path> ...]
        [-stat [format] <path> ...]
        [-tail [-f] [-s <sleep interval>] <file>]
        [-test -[defsz] <path>]
        [-text [-ignoreCrc] <src> ...]
        [-touch [-a] [-m] [-t TIMESTAMP ] [-c] <path> ...]
        [-touchz <path> ...]
        [-truncate [-w] <length> <path> ...]
        [-usage [cmd ...]]

HDFS API操作

https://gitee.com/hujf2017/hadoop.git

HDFS数据读写流程

读流程

写流程

机架感知

namenode 和secondNamenod

工作机制

namenode 存储的元数据在什么地方？

1.磁盘  效率低

2.内存 可靠性差

3.fsimage 磁盘追加 （因为hdfs修改效率不太行）

Edits 追加内容

关机时 fsimage+Edits 合并   

开机时  数据集进入 内存

针对合并数据太慢 出现了2NN 

查看镜像文件

1.进入目录

hdfs oiv -p XMI -i 文件名  -o  文件路径

hdfs oiv -p XMI -i fsimage_0000000000000000382 -o /opt/module/fsimage.xml
hdfs oiv -p XMI -i edits_inprogress_0000000000000000383 -o /opt/module/log.xml

mapreduce

mapreduce是一个编程框架  解决了底层通讯 多线程  

优点：

1.易与编程 ，用户只关心业逻辑  实现框架接口  

2.良好的扩展性 ，动态增加服务器 解决计算机不够等问题

3.高容错性   计算过程中可以实现单节点任务失效转移功能  

4.适合海量数据的计算（TB /PB）  几千台服务器共同计算

缺点

1.不擅长实时计算  毫秒级查询   用mysql较好

2.不擅长流式计算        用sparkstreaming flink 

3.不擅长DAG有向无环图计算   多job串联任务    用spark 迭代器 基于内存 所以更好

sz hadoop-mapreduce-examples-3.1.3.jar  下载文件

1. extends Mapper

每行都会进入map方法中  在这个方法中对行内容进行遍历     行偏移量 和内容

2.

hadoop jar  wc.jar com.hujf.mapreduce.wordcount.driver.WordCountDriver   /input /output4    必须带上全类名

CombineTextInputFormat

虚拟存储机制

job.setInputFormatClass(CombineTextInputFormat.class);
//设置切片最大值
CombineTextInputFormat.setMaxInputSplitSize(job,4194304);

shuffle

机制   mapper方法之后，Reduce方法之前  数据处理过程称之为Shuffle

map进入到环形缓冲区   左侧索引右侧数据   80%时反向溢写  不至于等待

数据排序  1.快排 2.对索引  3.字典序

1.map  之后

分区块 Partitioner

有比较   WritableComparable

reduce预处理   Combiner 处于每个maptest上  局部汇总    可以求和 但是求平均会有问题

yarn 命令 

yarn 参数

yarn生产调优

 mapred --daemon stop JobHistoryServer

搭建hbase集群

1.修改hbase-site.xml

2.修改regesrt