不属于hadoop子项目 不属于hadoop的运行模式

Hadoop 3.x（入门）----【Hadoop 运行模式】

• 1. Hadoop 运行模式
• 2. 本地运行模式（官方WordCount）
• 3. 完全分布式运行模式（开发重点）

• 1. 虚拟机准备
• 2. 编写集群分发脚本

• 1. scp（secure copy）安全拷贝
• 2. rsync远程同步工具
• 3. xsync集群分发脚本

• 3. SSH无密登录配置

• 1. 配置ssh
• 2. 无密钥配置
• 3. .ssh文件夹下（~/.ssh）的文件功能解释

• 4. 集群配置

• 1. 集群部署规划
• 2. 配置文件说明
• 3. 配置集群
• 4. 在集群上分发配置好的Hadoop配置文件
• 5. 在103和104上查看文件分发情况

• 5. 群起集群

• 1. 配置workers
• 2. 启动集群
• 3. 集群基本测试

• 6. 配置历史服务器

• 1. 配置mapred-site.xml
• 2. 分发配置
• 3. 在hadoop102启动历史服务器
• 4. 查看历史服务器是否启动
• 5. 查看JobHistory

• 7. 配置日志的聚集

• 1. 配置yarn-site.xml
• 2. 分发配置
• 3. 关闭NodeManager、ResourceManager和HistoryServer
• 4. 启动NodeManager、ResourceManage和HistoryServer
• 5. 删除HDFS上已经存在的输出文件
• 6. 执行WordCount程序
• 7. 查看日志

• 8. 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）
• 2. 各个服务组件逐一启动/停止

• 9. 编写Hadoop集群常用脚本

• 1. Hadoop集群启停脚本（包含HDFSmYarn，Historyserver）：myhadoop.sh
• 2. 查看三台服务器Java进程脚本：jpsall
• 3. 分发/home/fickler/bin目录，保证自定义脚本在三台机器上都可以使用

• 10. 常用端口号说明

1. Hadoop 运行模式

1. Hadoop 官网：https://hadoop.apache.org/
2. 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。

本地模式：单机运行，只能用来演示一下官方案例。
伪分布式模式：也是单机运行，但是具备 Hadoop 集群的所有功能，一台服务器模拟一个分布式的环境。
完全分布式模式：多台服务器分布式环境。

2. 本地运行模式（官方WordCount）

1. 创建在 hadoop-3.1.3 文件下面创建一个 wcinput 文件夹

[fickler@hadoop102 hadoop-3.1.3]$ mkdir wcinput

2. 在 wcinput 文件下创建一个 word.txt 文件

[fickler@hadoop102 hadoop-3.1.3]$ cd wcinput/

3. 编辑 word.txt 文件

[fickler@hadoop102 wcinput]$ vim word.txt

在文件中输入如下内容

hadoop yarn
hadoop mapreduce
fickler
fickler

保存退出：wq

4. 回到 Hadoop 目录 /opt/module/hadoop-3.1.3

[fickler@hadoop102 wcinput]$ cd ..

5. 执行程序
   统计文本中单词出现的次数

[fickler@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

6. 查看结果

[fickler@hadoop102 hadoop-3.1.3]$ cat wcoutput/part-r-00000

看到如下结果

fickler	2
hadoop	2
mapreduce	1
yarn	1

3. 完全分布式运行模式（开发重点）

分析：

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

1. 虚拟机准备

详见前面两节…

2. 编写集群分发脚本

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。
3. 基本语法



4. 
   



5. 应用案例
   （1）在 hadoop102 上，将 hadoop102 中/opt/module/jdk1.8.0_212 目录拷贝到hadoop103 上。

[fickler@hadoop102 module]$ scp -r jdk1.8.0_212/ fickler@192.168.10.103:/opt/module/

（2）在 hadoop103 上，将 hadoop102 中/opt/module/hadoop-3.1.3 目录拷贝到hadoop103 上。

[fickler@hadoop103 module]$ scp -r fickler@192.168.10.102:/opt/module/hadoop-3.1.3 ./

（3）在 hadoop103 上操作，将 hadoop102 中/opt/module 目录下所有目录拷贝到hadoop104 上。

[fickler@hadoop103 module]$ scp -r fickler@192.168.10.102:/opt/module/* fickler@192.168.10.104:/opt/module/

2. rsync远程同步工具

resync 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 是将所有文件都复制过去。

2. 基本语法：



3. 
   



4. 案例实操
   （1）删除 hadoop103 中的 /opt/module/hadoop-3.1.3/wcinput

[fickler@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/ wcoutput/

（2）同步 hadoop102 中的/opt/module/hadoop-3.1.3 到 hadoop103

[fickler@hadoop102 module]$ rsync -av hadoop-3.1.3/ fickler@192.168.10.103:/opt/module/hadoop-3.1.3/

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：

（b）期望脚本：

xsync 要同步的文件名称

（c）期望脚本在任何路径都能使用（脚本放在声明了全局变量的路径）

[fickler@hadoop102 /]$ echo $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/home/fickler/.local/bin:/home/fickler/bin

3. 脚本实现

（a）在 /home/fickler/鬓 目录下创建 xsync 文件

[fickler@hadoop102 /]$ cd /home/fickler/
[fickler@hadoop102 ~]$ mkdir bin
[fickler@hadoop102 ~]$ cd bin
[fickler@hadoop102 bin]$ vim xsync

在该文件下编写如下代码

#!/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
for host in 192.168.10.102 192.168.10.103 192.168.10.104
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

[fickler@hadoop102 bin]$ chmod +x xsync

（c）测试脚本

[fickler@hadoop102 ~]$ xsync /home/fickler/bin

（d）将脚本复制到 /bin 中，以便全局调用

[fickler@hadoop102 bin]$ sudo cp xsync /bin/

（e）同步环境变量配置（root所有者）

[fickler@hadoop102 bin]$ sudo cp xsync /bin/

让环境变量生效

[fickler@hadoop103 ~]$ source /etc/profile
[fickler@hadoop104 ~]$ source /etc/profile

3. 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 连接是出现 Host key verification failed 的解决方法

[fickler@192.168.10.102 ~]$ ssh 192.168.10.103

如果出现下述内容

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

输入 yes，并回车

3. 退回到 192.168.10.102

[fickler@192.168.10.103 ~]$ exit

2. 无密钥配置

1. 免密登录原理
2. 生成公钥和私钥

[fickler@hadoop102 .ssh]$ ssh-keygen -t rsa

输入上述内容后，三次回车，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

[fickler@hadoop102 ~]$ ssh-copy-id 192.168.10.102
[fickler@hadoop102 ~]$ ssh-copy-id 192.168.10.103
[fickler@hadoop102 ~]$ ssh-copy-id 192.168.10.104

注意：

1. 还需要在 hadoop103 上采用 fickler 账号配置一下免密登录到 hadoop102、hadoop103、hadoop104 服务器上。
2. 还需要在 hadoop104 上采用 fickler 账号配置一下免密登录到 hadoop102、hadoop103、hadoop104 服务器上。
3. 还需要在 hadoop102 上采用 fickler 账号配置一下免密登录到 hadoop102、hadoop103、hadoop104 服务器上。

3. .ssh文件夹下（~/.ssh）的文件功能解释

4. 集群配置

1. 集群部署规划

• 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。

2. 配置文件说明

Hadoop 配置文件分为两类：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。

2. 默认配置文件：



3. 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

[fickler@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[fickler@hadoop102 hadoop]$ vim core-site.xml

文件内容如下：

<!-- 指定 NameNode 的地址 -->
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://192.168.10.102:8020</value>
	</property>
	<!-- 指定 hadoop 数据的存储目录 -->
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/opt/module/hadoop-3.1.3/data</value>
	</property>

2. HDFS配置文件：
   配置 hdfs-site.xml

[fickler@hadoop102 hadoop]$ vim hdfs-site.xml

文件内容如下：

<!-- nn web 端访问地址-->
	<property>
		<name>dfs.namenode.http-address</name>
		<value>192.168.10.102:9870</value>
	</property>
	<!-- 2nn web 端访问地址-->
	<property>
		<name>dfs.namenode.secondary.http-address</name>
		<value>192.168.10.104:9868</value>
	</property>

3. YARN配置文件：
   配置 yarn-site,xml

[fickler@hadoop102 hadoop]$ vim yarn-site.xml

文件内容如下：

<!-- 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>192.168.10.103</value>
	</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>

4. MapReduce配置文件：
   配置 mapred-site.xml

[fickler@hadoop102 hadoop]$ vim mapred-site.xml

文件内容如下：

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

4. 在集群上分发配置好的Hadoop配置文件

[fickler@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5. 在103和104上查看文件分发情况

[fickler@hadoop103 hadoop]$ cat core-site.xml
[fickler@hadoop104 hadoop]$ cat core-site.xml

5. 群起集群

1. 配置workers

[fickler@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在文件中增加如下内容：

192.168.10.102
192.168.10.103
192.168.10.104

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

[fickler@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/

2. 启动集群

1. 如果集群是第一次启动，需要在 hadoop102 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，集群找不到以往数据。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。）

[fickler@hadoop102 hadoop]$ hdfs namenode -format

2. 启动HDFS

[fickler@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

启动完毕：

3. 在配置了ResourceManager的节点（hadoop103）启动YARN

[fickler@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

5. Web端查看HDFS的NameNode
   http://hadoop102:9870



6. 
   
8. Web端查看YARN的ResourceManager
   http://hadoop103:8088



9. 
   

3. 集群基本测试

1. 上传文件到集群

上传小文件

[fickler@hadoop102 hadoop-3.1.3]$ hadoop fs -mkdir /input
[fickler@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/word.txt /input

上传大文件

[fickler@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /

文件上传到 hdfs 中，只是创建了一个链接，实际文件存储在 datanode 文件中

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

[fickler@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1846937455-192.168.10.102-1662454118512/current/finalized/subdir0/subdir

查看 HDFS 的磁盘存储文件内容

[fickler@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
fickler
fickler

3. 拼接

[fickler@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz
[fickler@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz
[fickler@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz

4. 下载

[fickler@hadoop102 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

5. 执行wordcount程序

[fickler@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

6. 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。

1. 配置mapred-site.xml

[fickler@hadoop102 hadoop]$ vim 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>hadoop102:10020</value>
	</property>
	<!-- 历史服务器 web 端地址 -->
	<property>
		<name>mapreduce.jobhistory.webapp.address</name>
		<value>hadoop102:19888</value>
	</property>

2. 分发配置

[fickler@hadoop102 hadoop]$ xsync mapred-site.xml

3. 在hadoop102启动历史服务器

[fickler@hadoop102 hadoop]$ mapred --daemon start historyserver

4. 查看历史服务器是否启动

[fickler@hadoop102 hadoop]$ jps
4099 JobHistoryServer
4163 Jps
2052 NameNode
2519 NodeManager
2216 DataNode

5. 查看JobHistory

http://hadoop102:19888/jobhistory

7. 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。

日志聚集功能的好处：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。

1. 配置yarn-site.xml

[fickler@hadoop102 hadoop]$ vim yarn-site.xml

在该文件里面增加如下配置

<!-- 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://hadoop102:19888/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>
	</property>

2. 分发配置

[fickler@hadoop102 hadoop]$ xsync yarn-site.xml

3. 关闭NodeManager、ResourceManager和HistoryServer

[fickler@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[fickler@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver

4. 启动NodeManager、ResourceManage和HistoryServer

[fickler@hadoop103 hadoop-3.1.3]$ start-yarn.sh
[fickler@hadoop102 hadoop]$ mapred --daemon start historyserver

5. 删除HDFS上已经存在的输出文件

[fickler@hadoop102 hadoop]$ hadoop fs -rm -r /output

6. 执行WordCount程序

[fickler@hadoop102 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://hadoop102:19888/jobhistory
3. 历史任务列表



5. 查看任务运行日志



7. 运行日志详情

8. 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）

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

2. 各个服务组件逐一启动/停止

1. 分别启动/停止HDFS组件

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

2. 启动/停止YARN

yarn --daemon start/stop resourcemanager/nodemanager

9. 编写Hadoop集群常用脚本

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

[fickler@hadoop102 hadoop-3.1.3]$ cd /home/fickler/bin/
[fickler@hadoop102 bin]$ vim myhadoop.sh

输入以下内容

#!/bin/bash
if [ $# -lt 1 ]
then
	echo "No Args Input..."
	exit ;
fi

case $1 in
"start")
		echo " =================== 启动 hadoop 集群 ==================="
		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

保存退出后，然后赋予脚本执行权限

[fickler@hadoop102 bin]$ chmod 777 myhadoop.sh

2. 查看三台服务器Java进程脚本：jpsall

[fickler@hadoop102 bin]$ cd /home/fickler/bin/
[fickler@hadoop102 bin]$ vim jpsall

输入以下内容

#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
	echo =============== $host ===============
	ssh $host jps 
done

保存退出，然后赋予脚本执行权限

[fickler@hadoop102 bin]$ chmod 777 jpsall

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

[fickler@hadoop102 bin]$ xsync /home/fickler/bin/

10. 常用端口号说明