经验首页 前端设计 程序设计 Java相关 移动开发 数据库/运维 软件/图像 大数据/云计算 其他经验
当前位置：技术经验 » 大数据/云/AI » Hadoop » 查看文章
1.4 Apache Hadoop完全分布式集群搭建-hadoop-最全最完整的保姆级的java大数据学习资料
来源：cnblogs　　作者：假装文艺范儿　　时间：2022/12/5 9:26:55　　对本文有异议

目录

1.4 Apache Hadoop 完全分布式集群搭建

  • 软件和操作系统版本
    Hadoop框架是采用Java语言编写，需要java环境（jvm）
    JDK版本：JDK8版本
    集群：
    知识点学习：统一使用vmware虚拟机虚拟三台linux节点，linux操作系统：Centos7
    生产阶段：建议最少5台服务器节点
  • Hadoop搭建方式
    单机模式：单节点模式，非集群，生产不会使用这种方式
    单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
    完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）

1.4.1 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）
  2. 在/opt目录下创建文件夹
#软件安装包存放目录
mkdir -p /opt/lagou/software
#软件安装目录
mkdir -p /opt/lagou/servers
  1. Hadoop下载地址：

? https://archive.apache.org/dist/hadoop/common/hadoop-2.9.2/

? Hadoop官网地址：

? http://hadoop.apache.org/

  1. 上传hadoop安装文件到/opt/lagou/software

1.4.2 集群规划

框架 linux121 linux122 linux123
HDFS NameNode、DataNode DataNode SecondaryNameNode、DataNode
YARN NodeManager NodeManager NodeManager、ResourceManager

1.4.3 安装Hadoop

  • 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

? 校验结果：
在这里插入图片描述

  • hadoop目录
    在这里插入图片描述
  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，如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

1.4.3.1 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：

1.4.3.1.1 HDFS集群配置
cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop

  • 配置：hadoop-env.sh

    将JDK路径明确配置给HDFS

    vim hadoop-env.sh

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

  • 指定NameNode节点以及数据存储目录（修改core-site.xml）

    vim 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>

core-site.xml的默认配置：

https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/core-default.xml

  • 指定secondarynamenode节点(修改hdfs-site.xml)

    vim 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>

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

  • 指定datanode从节点(修改slaves文件，每个节点配置信息占一行)

? vim 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。

1.4.3.1.2 MapReduce集群配置

  • 指定MapReduce使用的jdk路径（修改mapred-env.sh）

    vim mapred-env.sh

export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
  • 指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml)
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml

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

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

1.4.3.1.3 Yarn集群配置
  • 指定JDK路径

? vim yarn-env.sh

export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
  • 指定ResourceManager的master节点信息(修改yarn-site.xml)

? vim 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>

yarn-site.xml的默认配置

https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

  • 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

1.4.3.2 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。

  1. 基本语法
rsync   -rvl 		$pdir/$fname 	 $user@$host:$pdir/$fname

? 命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称

  1. 选项参数说明

表2-2

选项 功能
-r 递归
-v 显示复制过程
-l 拷贝符号连接

  • rsync案例

    1. 三台虚拟机安装rsync (执行安装需要保证机器联网)
    [root@linux121 ~]# yum install -y rsync
    1. 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
    [root@linux121 opt]$ rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software

  • 集群分发脚本编写

    1. 需求：循环复制文件到集群所有节点的相同目录下

      rsync命令原始拷贝：

      rsync  -rvl  	/opt/module 	root@linux123:/opt/

    2. 期望脚本
      脚本+要同步的文件名称

    3. 说明：在/usr/local/bin这个目录下存放的脚本，root用户可以在系统任何地方直接执行。

    4. 脚本实现
      （1）在/usr/local/bin目录下创建文件rsync-script，文件内容如下：

      [root@linux121 bin]$ touch rsync-script
[root@linux121 bin]$ vim rsync-script

      在文件中编写shell代码

      #!/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=121; host<124; host++)); do 
echo ------------------- linux$host -------------- 
rsync -rvl $pdir/$file_name $user@linux$host:$pdir 
done

      （2）修改脚本 rsync-script 具有执行权限

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

      （3）调用脚本形式：rsync-script 文件名称

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

      （4）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

1.4.4 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！！!

1.4.4.1 单节点启动

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

格式化命令执行效果：
在这里插入图片描述
格式化后创建的文件：/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current
在这里插入图片描述

  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

在这里插入图片描述

查看HDFS集群正常节点：

在这里插入图片描述

  1. 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

  2. 思考：Hadoop集群每次需要一个一个节点的启动，如果节点数增加到成千上万个怎么办？

1.4.4.2 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@linux123 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。

1.4.4.3 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

1.4.5 集群测试

  1. HDFS 分布式存储初体验

    从linux本地文件系统上传下载文件验证HDFS集群工作正常

    hdfs dfs -mkdir -p /test/input
#本地hoome目录创建一个文件
cd /root

vim test.txt

hello hdfs

#上传linxu文件到Hdfs
hdfs dfs -put /root/test.txt  /test/input

#从Hdfs下载文件到linux本地
hdfs dfs -get /test/input/test.txt

  2. MapReduce 分布式计算初体验

    • 在HDFS文件系统根目录下面创建一个wcinput文件夹

      [root@linux121 hadoop-2.9.2]$ hdfs dfs -mkdir /wcinput

    • 在/root/目录下创建一个wc.txt文件(本地文件系统)

      [root@linux121 hadoop-2.9.2]$ cd /root/
[root@linux121 wcinput]$ touch wc.txt

    • 编辑wc.txt文件

      [root@linux121 wcinput]$ vi wc.txt

    • 在文件中输入如下内容

      hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn lagou
lagou
lagou

    • 保存退出

      : wq!

    • 上传wc.txt到Hdfs目录/wcinput下

      hdfs dfs -put wc.txt /wcinput

    • 回到Hadoop目录/opt/lagou/servers/hadoop-2.9.2

    • 执行程序

      [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

    • 查看结果

      [root@linux121 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000

hadoop 	 	2
hdfs		1
lagou 		3
mapreduce	3
yarn		2

1.4.6 配置历史服务器

在Yarn中运行的任务产生的日志数据不能查看，为了查看程序的历史运行情况，需要配置一下历史日志服务器。具体配置步骤如下：

  1. 配置mapred-site.xml

    [root@linux121 hadoop]$ vi 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>linux121:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
	<name>mapreduce.jobhistory.webapp.address</name>
    <value>linux121:19888</value>
</property>

  2. 分发mapred-site.xml到其它节点

    rsync-script mapred-site.xml

  3. 启动历史服务器

    [root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

  4. 查看历史服务器是否启动

    [root@linux121 hadoop-2.9.2]$ jps

  5. 查看JobHistory
    http://linux121:19888/jobhistory

1.4.6.1 配置日志的聚集

日志聚集：应用(Job)运行完成以后，将应用运行日志信息从各个task汇总上传到HDFS系统上。

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 HistoryManager。

开启日志聚集功能具体步骤如下：

  1. 配置yarn-site.xml

    [root@linux121 hadoop]$ vi yarn-site.xml

    在该文件里面增加如下配置。

    <!-- 日志聚集功能开启 -->
<property>
	<name>yarn.log-aggregation-enable</name>
	<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
	<name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>
<property>
    <name>yarn.log.server.url</name>
    <value>http://linux121:19888/jobhistory/logs</value>
</property>

  2. 分发yarn-site.xml到集群其它节点

    rsync-script yarn-site.xml

  3. 关闭NodeManager 、ResourceManager和HistoryManager

    [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop resourcemanager

[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop nodemanager

[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver

  4. 启动NodeManager 、ResourceManager和HistoryManager

    [root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start resourcemanager

[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start nodemanager

[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver

  5. 删除HDFS上已经存在的输出文件

    [root@linux121 hadoop-2.9.2]$ bin/hdfs dfs -rm -R /wcoutput

  6. 执行WordCount程序

    [root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop- mapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput

  7. 查看日志，如图所示

    http://linux121:19888/jobhistory

在这里插入图片描述在这里插入图片描述
在这里插入图片描述

原文链接：https://www.cnblogs.com/gitBook/p/16951456.html

 友情链接：直通硅谷 　点职佳

Hadoop热门文章

  • Hive中的去重 ：distinct,group by与ROW_Number()窗口函数
  • HBASE的安装过程及运行HBASE程序的需要配置的内容
  • Hive sampling 语法之TABLESAMPLE用法理解
  • hadoop--Unable to load native-hadoop library for your platform解决方法
  • idea项目运行时报错提示Could not locate executable null\bin\winutils.exe in the Hadoop binaries
  • hadoop 无法访问50070端口问题解决
  • Hadoop运行时遇到java.io.FileNotFoundException错误的解决方法
  • Hive安装
  • KUDU数据导入尝试一：TextFile数据导入Hive,Hive数据导入KUDU
  • Hadoop 学习笔记 生态

    • Hadoop推荐文章

  • 基于Hive的大数据分析系统
  • HBase 在统一内容平台业务的优化实践
  • hive窗口分析函数使用详解系列一
  • 两台实体机器4个虚拟机节点的Hadoop集群搭建（Ubuntu版）
  • 在阿里云和腾讯云的轻量应用服务器上搭建Hadoop集群
  • Haproxy搭建 Web 群集实现负载均衡
  • HBase Compaction 原理与线上调优实践
  • Hive执行计划之hive依赖及权限查询和常见使用场景
  • 工良出品：包教会，Hadoop、Hive 搭建部署简易教程
  • Centos7系统编译Hadoop3.3.4