hadoop的三大核心四大模块分别是什么以及意义

转载

mob6454cc7901c3 2024-09-13 13:26:46

文章标签 大数据 hadoop xml Hadoop 文章分类 Hadoop 大数据

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33
改成
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME=“ens33”
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2

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

hadoop的三大核心四大模块分别是什么以及意义_xml

hadoop的三大核心四大模块分别是什么以及意义_Hadoop_02

3.查看Windows系统适配器VMware Network Adapter VMnet8的IP地址

hadoop的三大核心四大模块分别是什么以及意义_hadoop_03

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系统VM8网络IP地址相同

3）修改克隆机主机名，以下以hadoop102举例说明

1.修改主机名称

[root@hadoop100 ~]# vim /etc/hostname
hadoop102
• 2.配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts（根据上一篇文章配置了小伙伴可以不弄了！）
[root@hadoop100 ~]# vim /etc/hosts
添加如下内容
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108
4）重启克隆机hadoop102
[root@hadoop100 ~]# reboot
5）修改windows的主机映射hosts文件（根据上一篇文章配置了小伙伴可以不弄了！）
• 1.进入C:\Windows\System32\drivers\etc路径
• 2.拷贝hosts文件到桌面
• 3.打开桌面hosts文件并添加如下内容
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

4.将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件

1.3 在hadoop102安装JDK

1）卸载现有JDK

注意：安装JDK前，一定确保提前删除了虚拟机自带的JDK。（之前卸载了的就不用卸载了）

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

2）用XShell传输工具将JDK导入到opt目录下面的software文件夹下面

hadoop的三大核心四大模块分别是什么以及意义_xml_04

3）在Linux系统下的opt目录中查看软件包是否导入成功

[ovo@hadoop102 ~]$ ls /opt/software/

看到如下结果：

hadoop的三大核心四大模块分别是什么以及意义_xml_05

4）解压JDK到/opt/module目录下

[ovo@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

5）配置JDK环境变量

1.新建/etc/profile.d/my_env.sh文件

[ovo@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_212

export PATH= $hadoop的三大核心四大模块分别是什么以及意义_大数据_06$ JAVA_HOME/bin

2.保存后退出

:wq

3.source一下/etc/profile文件，让新的环境变量PATH生效

[ovo@hadoop102 ~]$ source /etc/profile

6）测试JDK是否安装成功

[ovo@hadoop102 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

hadoop的三大核心四大模块分别是什么以及意义_大数据_07

注意：重启（如果java -version可以用就不用重启）

[ovo@hadoop102 ~]$ sudo reboot

1.4 在hadoop102安装Hadoop

1）用XShell文件传输工具将hadoop-3.1.3.tar.gz导入到opt目录下面的software文件夹下面（和刚才拖拽JDK一样就不截图了）

2）进入到Hadoop安装包路径下

[ovo@hadoop102 ~]$ cd /opt/software/

3）解压安装文件到/opt/module下面

[ovo@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

4）查看是否解压成功

[ovo@hadoop102 software]$ ls /opt/module/

hadoop-3.1.3

5）将Hadoop添加到环境变量

1.获取Hadoop安装路径

[ovo@hadoop102 hadoop-3.1.3]$ pwd

/opt/module/hadoop-3.1.3

2.打开/etc/profile.d/my_env.sh文件

[ovo@hadoop102 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：（shift+g）

#HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-3.1.3

export PATH= $hadoop的三大核心四大模块分别是什么以及意义_大数据_06$ HADOOP_HOME/bin

export PATH= $hadoop的三大核心四大模块分别是什么以及意义_大数据_06$ HADOOP_HOME/sbin

保存并退出： :wq

3.让修改后的文件生效

[ovo@hadoop102 hadoop-3.1.3]$ source /etc/profile

6）测试是否安装成功

[ovo@hadoop102 hadoop-3.1.3]$ hadoop version

Hadoop 3.1.3

7）重启（如果Hadoop命令不能用再重启虚拟机）

[ovo@hadoop102 hadoop-3.1.3]$ sudo reboot

1.5 Hadoop目录结构

1）查看Hadoop目录结构

[ovo@hadoop102 hadoop-3.1.3]$ ll

hadoop的三大核心四大模块分别是什么以及意义_xml_10

2）重要目录

bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本
etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
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
share目录：存放Hadoop的依赖jar包、文档、和官方案例

二、Hadoop运行模式

==============================================================================

1）Hadoop官方网站：http://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，只是用来演示一下官方案例。生产环境不用。
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。个别缺钱的公司用来测试，生产环境不用。
完全分布式模式：多台服务器组成分布式环境。生产环境使用。

2.1 完全分布式运行模式（开发重点）

分析：

1.准备3台虚拟机（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

2.2.1 虚拟机准备

详见1.1、1.2两节。

2.2.2 编写集群分发脚本xsync

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。（from server1 to server2）

1.基本语法（重要！！！）

| 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 |

2.案例实操

前提：在hadoop102、hadoop103、hadoop104都已经创建好的/opt/module、 /opt/software两个目录，并且已经把这两个目录修改为ovo:ovo

[ovo@hadoop102 ~]$ sudo chown ovo:ovo -R /opt/module

效果如图：

hadoop的三大核心四大模块分别是什么以及意义_hadoop_11

（a）在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上。

[ovo@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 ovo@hadoop103:/opt/module

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

[ovo@hadoop103 ~]$ scp -r ovo@hadoop102:/opt/module/hadoop-3.1.3 /opt/module/

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

[ovo@hadoop103 opt]$ scp -r ovo@hadoop102:/opt/module/* ovo@hadoop104:/opt/module

2）rsync远程同步工具

rsync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是把所有文件都复制过去。

1.基本语法

| — | — | — | — |

| 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 |

选项参数说明：

| 选项 | 功能 |

| — | — |

| -a | 归档拷贝 |

| -v | 显示复制过程 |

2.案例实操

（a）删除hadoop103中/opt/module/hadoop-3.1.3/wcinput

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

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

[ovo@hadoop102 module]$ rsync -av hadoop-3.1.3/ ovo@hadoop103:/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：

rsync -av /opt/module ovo@hadoop103:/opt/

（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环境变量的路径）

[ovo@hadoop102 ~]$ echo $PATH

/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/ovo/.local/bin:/home/ovo/bin:/opt/module/jdk1.8.0_212/bin

3.脚本实现

（a）在/home/ovo/bin目录下创建xsync文件

[ovo@hadoop102 opt]$ cd /home/ovo

[ovo@hadoop102 ~]$ mkdir bin

[ovo@hadoop102 ~]$ cd bin

[ovo@hadoop102 bin]$ vim xsync

在该文件中编写如下代码

#!/bin/bash

#1. 判断参数个数

if [ $# -lt 1 ]

then

echo Not Enough Arguement!

exit;

#2. 遍历集群所有机器

for host in hadoop102 hadoop103 hadoop104

echo ==================== $host ====================

#3. 遍历所有目录，挨个发送

for file in $@

#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 $hadoop的三大核心四大模块分别是什么以及意义_xml_12$ fname $hadoop的三大核心四大模块分别是什么以及意义_xml_13$ pdir

else

echo $file does not exists!

done

（b）修改脚本 xsync 具有执行权限

[ovo@hadoop102 bin]$ chmod +x xsync

（c）测试脚本

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

（d）将脚本复制到/bin中，以便全局调用

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

（e）同步环境变量配置（root所有者）

[ovo@hadoop102 ~]$ 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。

让环境变量生效

[ovo@hadoop103 bin]$ source /etc/profile

[ovo@hadoop104 opt]$ source /etc/profile

2.2.3 SSH无密登录配置

1）配置ssh

1.基本语法：ssh 另一台电脑的主机名
2.ssh连接时出现Host key verification failed的解决方法

[ovo@hadoop102 ~]$ ssh hadoop103

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hadoop102

[ovo@hadoop103 ~]$ exit

2）无密钥配置

1.免密登录原理

hadoop的三大核心四大模块分别是什么以及意义_hadoop_14

2.生成公钥和私钥

[ovo@hadoop102 .ssh]$ pwd

/home/ovo/.ssh

[ovo@hadoop102 .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）

3.将公钥拷贝到要免密登录的目标机器上

[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop102

[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop103

[ovo@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：

还需要在hadoop103上采用ovo账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop104上采用ovo账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

2.2.4 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。

hadoop的三大核心四大模块分别是什么以及意义_大数据_15

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。

默认配置文件：

hadoop的三大核心四大模块分别是什么以及意义_大数据_16

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：core-site.xml

[ovo@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[ovo@hadoop102 hadoop]$ vim core-site.xml
文件内容如下：
 <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
 
fs.defaultFS
hdfs://hadoop102:8020
hadoop.tmp.dir
/opt/module/hadoop-3.1.3/data
hadoop.http.staticuser.user
ovo
• 2.HDFS配置文件：hdfs-site.xml

[ovo@hadoop102 hadoop]$ vim hdfs-site.xml
文件内容如下：
 <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
 
dfs.namenode.http-address
hadoop102:9870
dfs.namenode.secondary.http-address
hadoop104:9868
• 3.YARN配置文件：yarn-site.xml

[ovo@hadoop102 hadoop]$ vim yarn-site.xml
文件内容如下：
 <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
 
yarn.nodemanager.aux-services
mapreduce_shuffle
yarn.resourcemanager.hostname
hadoop103
yarn.nodemanager.env-whitelist
JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
• 4.MapReduce配置文件：mapred-site.xml

[ovo@hadoop102 hadoop]$ vim mapred-site.xml
文件内容如下：
 <?xml version="1.0" encoding="UTF-8"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> 
 
mapreduce.framework.name
yarn
4）在集群上分发配置好的Hadoop配置文件
[ovo@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
5）去103和104上查看文件分发情况
[ovo@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[ovo@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
2.2.5 群起集群
1）配置workers
[ovo@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中增加如下内容：
hadoop102
hadoop103
hadoop104
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
[ovo@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，集群找不到已往数据。
重点：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。
[ovo@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
• 2.启动HDFS
[ovo@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
• 3.在配置了ResourceManager的节点（注意：hadoop103上）启动YARN
[ovo@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
• 4.Web端查看HDFS的NameNode
（a）浏览器中输入：http://hadoop102:9870
（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://hadoop103:8088
（b）查看YARN上运行的Job信息
2.2.6 配置历史服务器
为了查看程序的历史运行情况（集群重新格式化后访问之前的数据），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
[ovo@hadoop102 hadoop]$ vim mapred-site.xml
在该文件里面增加如下配置。
mapreduce.jobhistory.address
hadoop102:10020
mapreduce.jobhistory.webapp.address
hadoop102:19888
2）分发配置
[ovo@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
3）在hadoop102启动历史服务器
[ovo@hadoop102 hadoop]$ mapred --daemon start historyserver
4）查看历史服务器是否启动
[ovo@hadoop102 hadoop]$ jps

hadoop的三大核心四大模块分别是什么以及意义_Hadoop_17

5）查看JobHistory：http://hadoop102:19888/jobhistory

2.2.7 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。

hadoop的三大核心四大模块分别是什么以及意义_Hadoop_18

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
[ovo@hadoop102 hadoop]$ vim yarn-site.xml
在该文件里面增加如下配置。
yarn.log-aggregation-enable
true
yarn.log.server.url
http://hadoop102:19888/jobhistory/logs
yarn.log-aggregation.retain-seconds
604800
2）分发配置
[ovo@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
3）关闭NodeManager 、ResourceManager和HistoryServer
[ovo@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[ovo@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
4）启动NodeManager 、ResourceManage和HistoryServer
[ovo@hadoop103 ~]$ start-yarn.sh
[ovo@hadoop102 ~]$ mapred --daemon start historyserver
5）删除HDFS上已经存在的输出文件
[ovo@hadoop102 ~]$ hadoop fs -rm -r /output
6）执行WordCount程序（路径写自己任意一个文件路径）
[ovo@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
2.历史任务列表
3.查看任务运行日志
4.运行日志详情

2.2.8 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）常用

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

2.2.9 编写Hadoop集群常用脚本

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

[ovo@hadoop102 ~]$ cd /home/ovo/bin
[ovo@hadoop102 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 ==================="
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”
;;

------ 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”
;;

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。