hadoop 重新初始话 初始化hadoop集群(执行命令后 )

文章目录

• 前言
• 一、准备工作
• 二、克隆三台虚拟机并进行网络配置

• 克隆
• 虚拟机克隆引导
• 修改网络配置
• 验证

• 验证方式一
• 验证方式二

• 三、安装jdk和hadoop
• 四、ssh免密登录配置

• 概述
• 生成公钥和私钥
• 把公钥拷贝到三台虚拟机上面去
• 验证
• 把hadoop103 和 hadoop104的免密登录配置安装上面的操作再做一遍
• 建议把hadoop102 root 到hadoop102 103 104 的免密登录也配置一下，试了一下集群分发脚本，文件或目录好多因为没有权限而无法创建。

• 五、集群分发脚本

• 验证全局是否能使用
• 修改文件的路径
• 再次验证

• 六、集群配置

• 修改配置文件
• 使用xsync来把修改的文件分发出去

• 七、启动集群

• 概述
• 格式化namenode节点
• 启动hdfs
• 在resourcemanager的节点(hadoop103)启动yarn
• 验证

• 八、配置历史服务器和日志聚集功能

• 配置历史服务器
• 配置日志聚集功能

---

前言

hadoop的启动模式有三种，一个是本地模式，一个是伪分布式模式，还有一个是集群模式。为了学习hadoop，这里需要搭建一个完全分布式的集群。希望你先把准备工作给看一下，因为我们的配置都是前后一致的。本文因为想让大家学习一下集群分发脚本，所以在模板虚拟机里面少放了很多东西，以后会写一个快速搭建集群的教程。

---

一、准备工作

首先我们需要多台虚拟机，需要做的工作请看下面这篇博文。配置hadoop模板虚拟机

二、克隆三台虚拟机并进行网络配置

克隆

找到我们上面配置好的模板虚拟机，打开它，然后右键——》管理——》克隆

虚拟机克隆引导

在引导的时候，我只说两件事

第一，要选择创建完整克隆

第二，在命名的时候，建议命名成hadoop102，hadoop103，hadoop104

原因有两点：一般hadoop101是用来做伪分布式安装的

第二点，我们的hosts已经修改成了hadoop101~hadoop108

所以，我建议三台虚拟机命名成hadoop102，hadoop103，hadoop104

修改网络配置

让我们开机hadoop102，hadoop103，hadoop104

以管理员的身份登录

首先要强调一点，我们的配置都是前后一致的,一一对应的。 hadoop102 对应的ip地址末尾是102 hostname也是hadoop102 hadoop103 对应的ip地址末尾是103 hostname也是hadoop103 hadoop104 对应的ip地址末尾是104 hostname也是hadoop104

看明白了吗？这些在准备工作里面都配置过，下面的修改也不过是进行了一致性修改。

首先，修改ip地址

输入下面的命令

vim /etc/sysconfig/network-scripts/ifcfg-ens33

把 ip地址与名字对应(hadoop102的ip末尾修改成102就行，hadoop103同理)保存退出就行了，毕竟之前我们已经配置了模板虚拟机。

修改hostname

vim /etc/hostname

hadoop102的hostname修改成hadoop102

hadoop103同理

保存退出。输入“ :wq”

验证

验证方式一

让我们

ping www.baidu.com

验证方式二

打开我们的xshell， 连接这三台虚拟机。(这里不再演示了)

三、安装jdk和hadoop

注：这里在hadoop102安装就行了 (这里主要是为了学习一下分发脚本，不然直接在模板机直接把这些配置好岂不是妙哉？)

CentOS7安装jdk

centos7 安装hadoop

四、ssh免密登录配置

概述

在下一大点，我们用了一个分发脚本。

在使用分发脚本传输文件时，必不可少的一项流程是登录到目标机器,也就是要输入密码(可以先试一试第五点的集群分发脚本来体会为什么要设置ssh免密登录)，

并且每次传文件都要输密码，所以配置了ssh免密登录，集群之间的机器再传输文件就不需要密码了。

本节使用的是手动配置ssh免密登录(学习一下，知道ssh免密登录怎么配置)， 后续可以使用shell脚本来快速配置集群的免密登录 (假设你有n台机器，你要配置n*n次的免密登录，非常的麻烦)

---

生成公钥和私钥

首先，来到hadoop102，使用tom登录（ssh免密登录是分用户的，假设你使用了root管理员来进行免密登录配置，那你只能使用root来免密登录其他的已经配置过免密登录的机器，而本机器上的其他用户是无法进行免密登录的，登录到其他机器还是要输入密码的）

在tom的家目录(/home/tom)输入ls -lah,你会看到.ssh

如果你没有这个.ssh,也没有关系，可以输入

ssh localhost

然后输入密码就行了，再输入上面的命令，你就会看到这个.ssh的目录了。

进入.ssh目录

输入

ssh-keygen -t rsa

然后回车三次，生成了公钥和私钥

id_rsa 是私钥，id_rsa.pub是公钥

把公钥拷贝到三台虚拟机上面去

依次输入(每次输入的命令需要对应机器的密码)

ssh-copy-id hadoop102 ssh-copy-id hadoop103 ssh-copy-id hadoop104

验证

上面的做完了，开始验证是否配置成功 现在我们在hadoop102这台机器上面，我们输入

ssh hadoop102

看看需不需要输密码，如果不需要输密码，就说明我们已经配置成功了

把hadoop103 和 hadoop104的免密登录配置安装上面的操作再做一遍

建议把hadoop102 root 到hadoop102 103 104 的免密登录也配置一下，试了一下集群分发脚本，文件或目录好多因为没有权限而无法创建。

五、集群分发脚本

我们还是使用tom登录hadoop102

我们已经在模板虚拟机的时候就已经安装了rsync(因为每个模板虚拟机都需要这个) 如果你的虚拟机没有rsync

sudo yum install rsync

请在用户的家目录下创建一个bin目录，然后输入

vim xsync

下面就是集群分发脚本 (记得先输入 i 进入编辑的模式再复制粘贴脚本代码)

#!/bin/bash

# 1.判断参数个数
if [ $# -lt 1 ]
then
        echo Not Enough Arguement!
        exit;
fi

# 2.遍历机器所有机器
for host in hadoop102 hadoop103 hadoop104
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

修改脚本权限

chmod 777 xsync

xsync的执行方式就是

xsync 跟上文件或目录的路径就行了

验证全局是否能使用

首先

cd ..

让我随便的创建一个文件

touch a.txt

然后

xsync a.txt

说明，这个时候大概率可能是不能用的，我试了好几次。

修改文件的路径

我们需要把这个脚本文件移动到一个全部变量的目录里面

sudo cp /home/tom/bin/xsynv /bin

再次验证

我们在/home/tom 的目录下创建了一个 a.txt 文件，现在试一试能不能使用这个东西

cd /home/tom xsync a.txt

然后登录root账户

su root mkdir aaa xsync aaa

如果能执行，就说明我们的分发脚本配置成功了。

六、集群配置

我们要按照这张图来配置集群

注意 NameNode 和 SecondaryNameNode 不要安装在同一台服务器上

ReourceManager 也很消耗内存，不要和NameNode，secondaryNameNode 配置在同一台机器上。

那么应该怎么配置呢？ 需要修改相应的配置文件

修改配置文件

所有需要修改的文件都在$HADOOP_HOME/etc/hadoop里面

**注意！！！**如果用tom不能修改，大概率是因为你使用的是root来创建了目录，使用了root来解压文件等原因，执行下面的代码修改

sudo chown -R tom:tom /opt

首先修改hadoop102的core-site.xml

下面是需要修改的内容(不要复制粘贴错位置了,xml不再多说了，学过html就很容易懂这种格式)

<configuration>
<!--指定NameNode 的地址-->
   <property>
       <name>fs.defaultFS</name>
       <value>hdfs://hadoop102:8020</value>
   </property>
<!--指定hadoop数据的存储目录-->
   <property>
       <name>hadoop.tmp.dir</name>
       <value>/opt/module/hadoop-3.3.4/data</value>
   </property>

</configuration>

这个是修改的位置

其次修改hadoop102的hdfs-site.xml

<configuration>
<!-- nn web端访问地址-->
   <property>
       <name>dfs.namenode.http-address</name>
       <value>hadoop102:9870</value>
   </property>
<!--2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>

然后修改hadoop102的yarn-site.xml

<configuration>
<!--指定mapreduce走shuffle-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!--指定ResourceManager的地址-->
<property>
<name>yarn.nodemanager.env-whitelsit</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>

再次修改hadoop102的mapred-site.xml

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

最后修改workers（2.x版本叫slaves）

修改hadoop-env.sh

这里主要是添加一下java_home

使用xsync来把修改的文件分发出去

在$HADOOP_HOME/etc/ 目录下执行下面的代码

xsync hadoop/

七、启动集群

概述

经过了重重的配置，我们终于要来启动集群了，在启动集群之前，我们还要进行一定的配置

格式化namenode节点

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，集群找不到以往的数据。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）

这个要在hadoop102上运行

hdfs namenode -format

启动hdfs

cd /opt/module/hadoop-3.3.4/sbin start-dfs.sh

没有error就算是启动成功了

在resourcemanager的节点(hadoop103)启动yarn

一定注意：是在103上面

cd /opt/module/hadoop-3.3.4/sbin start-yarn.sh

验证

验证方式一

输入

jps

各个虚拟机的节点如果和上面对应出说明启动成功了

验证方式二

让我们来到浏览器

在框框的地方输入

http://hadoop102:9870

八、配置历史服务器和日志聚集功能

配置历史服务器

修改hadoop102的mapred-site.xml

<!--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>

分发配置

xsync mapred-site.xml

在hadoop102启动历史服务器 启动之前，先把hadoop103上面的yarn给重启了

[tom@hadoop102 hadoop]$ mapred --daemon start historyserver验证 jps 查看一下是否有

配置日志聚集功能

修改hadoop102下面的yarn-site.xml

<!--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7天-->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>

分发配置

xsync yarn-site.xml

注意：开启日志聚集功能，需要重新启动NodeManager、RescourceManager和HistoryServer 在hadoop102上面

mapred --daemon stop historyserver

在hadoop103上(停止命令是在$HADOOP_HOME/sbin)

sbin/stop-yarn.sh sbin/start-yarn.sh

然后重启历史服务器 回到hadoop102

mapred --daemon start historyserver

我们的日志聚集功能就算开启了