大数据篇---hadoop学习

原创
2020/11/10 21:40
阅读数 174

*** 解决方式:禁用NetworkManager(虚拟机上不去网了)

    1. systemctl stop NetworkManager
    1. systemctl disable NetworkManager

一、搭建hadoop环境(centos7)

第 1 节 虚拟机环境准备

    1. 三台虚拟机(静态IP,关闭防⽕墙,修改主机名,配置免密登录,集群时间同步)

    (1)静态IP配置 编辑 vi /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE=Ethernet
PROXY_METHOD=none
BROWSER_ONLY=no
BOOTPROTO=static
DEFROUTE=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_FAILURE_FATAL=no
IPV6_ADDR_GEN_MODE=stable-privacy
NAME=ens33
UUID=84435f7d-0321-4f1a-817f-0f9f1cf39d43
DEVICE=ens33
ONBOOT=yes
IPADDR=192.168.80.101
NETMASK=255.255.255.0
GATEWAY=192.168.80.2
DNS1=8.8.8.8
DNS2=8.8.4.4
ZONE=public

** systemctl restart network

(2)关闭防火墙

systemctl status firewalld.service 查看firewall状态
systemctl stop firewalld.service 停⽌firewall
systemctl disable firewalld.service 禁⽌firewall开机启动
关闭本机电脑防⽕墙后,可以在本地ping 虚拟机ip

(2.1)三态机器关闭selinux

安全增强型 Linux(Security-Enhanced Linux)简称 SELinux,它是一个 Linux 内核模块,也是 Linux 的一个安全子系
统。
关闭安全策略否则SELinux服务开启后导致SSH连接异常。
修改文件
vi /etc/selinux/config

(3)修改主机名

vi /etc/sysconfig/network

(4) 配置hostname与IP映射

(5)配置免密登录

前提:配置hostname与IP映射 
第一步:在三台机器器执行行以下命令,生成公钥与私钥

第二步:将centos7-2和centos7-3的公钥拷贝到centos7-1

第三步:再将centos7-1的公钥分发给centos7-2和centos7-3 

第一步: ssh-keygen -t rsa 在centos7-1和centos7-2和centos7-3上面都要执行,产生公钥和私钥 

第二步:在centos7-1 ,centos7-2和centos7-3上执行: ssh-copy-id centos7-1 将公钥拷贝到centos7-1上面去 

第三步: scp authorized_keys centos7-2:$PWD scp authorized_keys centos7-3:$PWD

使用ssh完成免密登录即可 (ssh centos7-2)

(6)集群时间同步

6.1. 查看本机当前时间--date
6.2. 设置本机当前时间
date -s "2018-08-17 20:08:09"
6.3. 通过命名和时钟服务器同步时间:
网络计时协议(NTP) : net time protocal
ntpdate us.pool.ntp.org 
6.4. 编辑定时任务
crontab -e
6.5) 定时任务内容如下
*/1 * * * * /usr/sbin/ntpdate us.pool.ntp.org;
每隔1分钟执行指令一次

    1. 在/opt⽬录下创建⽂件夹
mkdir -p /opt/lagou/software --软件安装包存放⽬录
mkdir -p /opt/lagou/servers --软件安装⽬录
  • 3 Hadoop下载地址:
https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/

第 2 节 集群规划

第 3 节 安装Hadoop(前提是配置好jdk的环境)

  • 登录linux121节点;进⼊/opt/lagou/software,解压安装⽂件到/opt/lagou/servers
tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers
  • 查看是否解压成功
ll /opt/lagou/servers/hadoop-2.9.2
  • 添加Hadoop到环境变量 vim /etc/profile
##HADOOP_HOME
export HADOOP_HOME=/opt/lagou/servers/hadoop-2.9.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
  • 使环境变量⽣效
source /etc/profile
  • 验证hadoop
hadoop version

  • hadoop 目录
drwxr-xr-x 2 root root    194 Nov 13  2018 bin
drwxr-xr-x 3 root root     17 Oct 31 01:09 data
drwxr-xr-x 3 root root     20 Nov 13  2018 etc
drwxr-xr-x 2 root root    106 Nov 13  2018 include
drwxr-xr-x 3 root root     20 Nov 13  2018 lib
drwxr-xr-x 2 root root    239 Nov 13  2018 libexec
-rw-r--r-- 1 root root 106210 Nov 13  2018 LICENSE.txt
drwxr-xr-x 3 root root   4096 Nov  2 07:20 logs
-rw-r--r-- 1 root root  15917 Nov 13  2018 NOTICE.txt
-rw-r--r-- 1 root root   1366 Nov 13  2018 README.txt
drwxr-xr-x 3 root root   4096 Nov 13  2018 sbin
drwxr-xr-x 4 root root     31 Nov 13  2018 share

1. bin⽬录:对Hadoop进⾏操作的相关命令,如hadoop,hdfs等
2. etc⽬录:Hadoop的配置⽂件⽬录,⼊hdfs-site.xml,core-site.xml等
3. lib⽬录:Hadoop本地库(解压缩的依赖)
4. sbin⽬录:存放的是Hadoop集群启动停⽌相关脚本,命令
5. share⽬录:Hadoop的⼀些jar,官⽅案例jar,⽂档等

3.1 集群配置

(Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置)

  • HDFS集群配置
1. 将JDK路径明确配置给HDFS(修改hadoop-env.sh)
2. 指定NameNode节点以及数据存储⽬录(修改core-site.xml)
3. 指定SecondaryNameNode节点(修改hdfs-site.xml)
4. 指定DataNode从节点(修改etc/hadoop/slaves⽂件,每个节点配置信息占⼀⾏)
  • MapReduce集群配置
1. 将JDK路径明确配置给MapReduce(修改mapred-env.sh)
2. 指定MapReduce计算框架运⾏Yarn资源调度框架(修改mapred-site.xml)
  • Yarn集群配置
1. 将JDK路径明确配置给Yarn(修改yarn-env.sh)
2. 指定ResourceManager⽼⼤节点所在计算机节点(修改yarn-site.xml)
3. 指定NodeManager节点(会通过slaves⽂件内容确定)

** 集群配置具体步骤:

HDFS集群配置
1.配置:hadoop-env.sh
将JDK路径明确配置给HDFS

vi /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/hadoop-env.sh

export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231

2.指定NameNode节点以及数据存储⽬录(修改core-site.xml)
vi /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
 <value>hdfs://linux121:9000</value>
</property>
<!-- 指定Hadoop运⾏时产⽣⽂件的存储⽬录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/lagou/servers/hadoop-2.9.2/data/tmp</value>
</property>

2.1.core-site.xml的默认配置:
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/core default.xml

3.指定secondarynamenode节点(修改hdfs-site.xml)
vi /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/hdfs-site.xml

<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
 <name>dfs.namenode.secondary.http-address</name>
 <value>linux123:50090</value>
</property>
<!--副本数量 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>

3.1官⽅默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop hdfs/hdfs-default.xml

4.指定datanode从节点(修改slaves⽂件,每个节点配置信息占⼀⾏)
vi /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/slaves

linux121
linux122
linux123

** 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。
MapReduce集群配置
1.指定MapReduce使⽤的jdk路径(修改mapred-env.sh)
vim /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/mapred-env.sh

export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231

2. 指定MapReduce计算框架运⾏Yarn资源调度框架(修改mapred-site.xml)
2.1 mv mapred-site.xml.template mapred-site.xml
vim /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/mapred-site.xml

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

2.2 mapred-site.xml默认配置

https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop mapreduce-client-core/mapred-default.xml
Yarn集群配置
1.指定JDK路径
vim /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/yarn-env.sh

export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231

2.指定ResourceMnager的master节点信息(修改yarn-site.xml)

<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>linux123</value>
</property>
<!-- Reducer获取数据的⽅式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

2.1 yarn-site.xml的默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarn default.xml

3. 指定NodeManager节点(slaves⽂件已修改)

** 注意

Hadoop安装⽬录所属⽤户和所属⽤户组信息,默认是501 dialout,⽽我们操作Hadoop集群的⽤户使
⽤的是虚拟机的root⽤户,
所以为了避免出现信息混乱,修改Hadoop安装⽬录所属⽤户和⽤户组!!

chown -R root:root /opt/lagou/servers/hadoop-2.9.2

3.2 分发配置

编写集群分发脚本rsync-script
  • 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。

3.2.1. 基本语法

rsync -rvl $pdir/$fname $user@$host:$pdir/$fname

3.2.2. 三台虚拟机安装rsync (执⾏安装需要保证机器联⽹)

yum install -y rsync

3.2.3. 把linux121机器上的/opt/lagou/software⽬录同步到linux122服务器的root⽤户下的/opt/⽬录

rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software

3.2.4 分发脚本

#!/bin/bash

#1 获取命令输⼊参数的个数,如果个数为0,直接退出命令
paramnum= $#
if ((paramnum == 0 )) ;  then
echo  no params;
exit ;
fi
#2 根据传⼊参数获取⽂件名称
p1= $1
file_name= `basename  $p1 `
echo  fname= $file_name
#3 获取输⼊参数的绝对路径
pdir= `cd -P $(dirname  $p1 ) ;  pwd`
echo  pdir= $pdir
#4 获取⽤户名称
user= `whoami`
#5 循环执⾏rsync
for ((host = 101 ; host < 104 ; host ++ )) ;  do
echo  ------------------- linux $host  --------------
rsync -rvl  $pdir / $file_name   $user @hadoop $host : $pdir
done

3.2.5 修改脚本 rsync-script 具有执⾏权限

[root@linux121 bin]$ chmod 777 rsync-script

3.2.6 调⽤脚本形式:rsync-script ⽂件名称

[root@linux121 bin]$ rsync-script /home/root/bin

3.2.7 调⽤脚本分发Hadoop安装⽬录到其它节点

[root@linux121 bin]$ rsync-script /opt/lagou/servers/hadoop-2.9.2

第 4 节 启动集群

** 注意:如果集群是第⼀次启动,需要在Namenode所在节点格式化NameNode,⾮第⼀次不⽤执⾏格 式化Namenode操作!!

4.1 单节点启动

[root@linux121 hadoop-2.9.2]$ hadoop namenode -format

格式化命令执行效果

1.在linux121上启动NameNode

[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode
[root@linux121 hadoop-2.9.2]$ jps

2. 在linux121、linux122以及linux123上分别启动DataNode

[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux121 hadoop-2.9.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux122 hadoop-2.9.2]$ jps
3190 DataNode
3279 Jps
[root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux123 hadoop-2.9.2]$ jps
3237 Jps
3163 DataNode

3. web端查看Hdfs界⾯

http://linux121:50070/dfshealth.html#tab-overview

4. Yarn集群单节点启动

[root@linux123 servers]# yarn-daemon.sh start resourcemanager
[root@linux123 servers]# jps
7881 ResourceManager
8094 Jps
[root@linux122 servers]# yarn-daemon.sh start nodemanager
[root@linux122 servers]# jps
8166 NodeManager
8223 Jps
[root@linux121 servers]# yarn-daemon.sh start nodemanager
[root@linux121 servers]# jps
8166 NodeManager
8223 Jps

4.2 集群群起

    1. 如果已经单节点⽅式启动了Hadoop,可以先停⽌之前的启动的Namenode与Datanode进程,如果 之前Namenode没有执⾏格式化,这⾥需要执⾏格式化!!!!
hadoop namenode -format

2. 启动HDFS

[root@linux121 hadoop-2.9.2]$ sbin/start-dfs.sh
[root@linux121 hadoop-2.9.2]$ jps
4166 NameNode
4482 Jps
4263 DataNode

[root@linux122 hadoop-2.9.2]$ jps
3218 DataNode
3288 Jps
[root@linux123 hadoop-2.9.2]$ jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps

3. 启动YARN

[root@linux122 hadoop-2.9.2]$ sbin/start-yarn.sh
  • 注意:NameNode和ResourceManger不是在同⼀台机器,不能在NameNode上启动 YARN,应该 在ResouceManager所在的机器上启动YARN。

4.3 Hadoop集群启动停⽌命令汇总

1. 各个服务组件逐⼀启动/停⽌

(1)分别启动/停⽌HDFS组件
hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
(2) 启动/停⽌YARN
yarn-daemon.sh start / stop resourcemanager / nodemanager

2. 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

二、hadoop知识点

展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部