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
- Hadoop 官网:https://hadoop.apache.org/
- 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)
- 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
- 在 wcinput 文件下创建一个 word.txt 文件
[fickler@hadoop102 hadoop-3.1.3]$ cd wcinput/
- 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
- 回到 Hadoop 目录 /opt/module/hadoop-3.1.3
[fickler@hadoop102 wcinput]$ cd ..
- 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
- 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:
- 准备 3 台客户机(关闭防火墙、静态IP、主机名称)
- 安装 JDK
- 配置环境变量
- 安装 Hadoop
- 配置环境变量
- 配置集群
- 单点启动
- 配置 ssh
- 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
- scp 定义:scp 可以实现服务器与服务器之间的数据拷贝。
- 基本语法
- 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。
- 基本语法:
- 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
- 需求:循环复制文件到所有节点的相同目录下
- 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 $PATH
/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/opt/module/jdk1.8.0_212/bin:/opt/module/hadoop-3.1.3/bin:/opt/module/hadoop-3.1.3/sbin:/home/fickler/.local/bin:/home/fickler/bin
- 脚本实现
(a)在 /home/fickler/鬓 目录下创建 xsync 文件
[fickler@hadoop102 /]$ 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
- 基本语法
ssh 另一台电脑的IP地址
- 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
- 退回到 192.168.10.102
[fickler@192.168.10.103 ~]$ exit
2. 无密钥配置
- 免密登录原理
- 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:
- 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。
- 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。
- 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。
- 默认配置文件:
- 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$HADOOP_HOME/etc/hadoop
这个路径上,用户可以根据项目需求重新进行修改配置。
3. 配置集群
- 核心配置文件:
配置core-site.xml
[fickler@hadoop102 ~]$ 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>
- 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>
- 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>
- 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
- 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
- 启动HDFS
[fickler@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
启动完毕:
- 在配置了ResourceManager的节点(hadoop103)启动YARN
[fickler@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
- Web端查看HDFS的NameNode
http://hadoop102:9870
- Web端查看YARN的ResourceManager
http://hadoop103:8088
3. 集群基本测试
- 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
- 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
- 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
- 下载
[fickler@hadoop102 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
- 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
- 历史服务器地址:http://hadoop102:19888/jobhistory
- 历史任务列表
- 查看任务运行日志
- 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)
- 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
2. 各个服务组件逐一启动/停止
- 分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode
- 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