Apache Hadoop的完全分布式集群搭建

集群规划

安装Jdk

登录linux121节点，在/opt目录下创建文件夹。

1 2	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

上传jdk安装文件到/opt/lagou/software。
进入/opt/lagou/software,解压安装文件到/opt/lagou/servers
1
tar -zxvf jdk1.8.0_231.tar.gz -C /opt/lagou/servers
查看是否解压成功
1
2
cd /opt/lagou/servers
ll

添加Jdk到环境变量

1	vim /etc/profile

文件末尾添加

1
2
3

#JAVA_HOME
export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
export PATH=$PATH:$JAVA_HOME/bin

使环境变量生效
1
source /etc/profile
验证Jdk
1
java -version

安装Hadoop

上传hadoop安装文件到/opt/lagou/software。
进入/opt/lagou/software,解压安装文件到/opt/lagou/servers
1
tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers
查看是否解压成功
1
2
cd /opt/lagou/servers
ll

添加Hadoop到环境变量

1	vim /etc/profile

文件末尾添加

##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
1
source /etc/profile
验证hadoop
1
hadoop version

hadoop目录

1 2	cd /opt/lagou/servers/hadoop-2.9.2 ll

drwxr-xr-x. 2 root root 194 Nov 13 2018 bin
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
-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

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

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

将JDK路径明确配置给HDFS（修改hadoop-env.sh）。

cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop
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，可以去官方文档查看。

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>

hdfs-site.xml的默认配置，可以去官方文档查看。

指定DataNode从节点（修改etc/hadoop/slaves文件，每个节点配置信息占一行）。

vim slaves

linux121
linux122
linux123

MapReduce集群配置

将JDK路径明确配置给MapReduce（修改mapred-env.sh）。

1
2
3

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的默认配置，可以去官方文档查看。

Yarn集群配置

将JDK路径明确配置给Yarn（修改yarn-env.sh）。

1
2
3

vim yarn-env.sh

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

指定ResourceManager老大节点所在计算机节点（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，可以去官方文档查看。

指定NodeManager节点（会通过slaves文件内容确定）。

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！！

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

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
1
2
3
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
rsync案例
1. 三台虚拟机安装rsync (执行安装需要保证机器联网)
1
[root@linux121 ~]# yum install -y rsync
2.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
1
[root@linux121 opt]$ rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software

集群分发脚本编写

在/usr/local/bin目录下创建文件rsync-script，并编写文件

1 2	[root@linux121 bin]$ touch rsync-script [root@linux121 bin]$ vim rsync-script

在文件中编写shell代码，内容如下：

#!/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

修改脚本 rsync-script 具有执行权限

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

调用脚本形式：rsync-script 文件名称

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

调用脚本分发Hadoop安装目录到其它节点

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

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！！

单节点启动

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

在linux121上启动NameNode

[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode
[root@linux121 hadoop-2.9.2]$ jps
3461 NameNode
3608 Jps

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

web端查看Hdfs界面

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

查看HDFS集群正常节点：

Yarn集群单节点启动

[root@linux123 servers]# yarn-daemon.sh start resourcemanager
[root@linux123 servers]# jps
3190 DataNode
3279 Jps
881 ResourceManager

[root@linux122 servers]# yarn-daemon.sh start nodemanager
[root@linux122 servers]# jps
3190 DataNode
3279 Jps
8166 NodeManager

[root@linux121 servers]# yarn-daemon.sh start nodemanager
[root@linux121 servers]# jps
3461 NameNode
3608 Jps
3561 DataNode
8166 NodeManager

单节点关闭

在linux121上关闭NameNode

[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh stop namenode
[root@linux121 hadoop-2.9.2]$ jps
3608 Jps
3561 DataNode
8166 NodeManager

在linux121、linux122以及linux123上分别关闭DataNode

[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh stop datanode
[root@linux121 hadoop-2.9.2]$ jps
3608 Jps
8166 NodeManager

[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh stop datanode
[root@linux122 hadoop-2.9.2]$ jps
3279 Jps
8166 NodeManager

[root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh stop datanode
[root@linux123 hadoop-2.9.2]$ jps
3237 Jps
881 ResourceManager

Yarn集群单节点关闭

[root@linux123 servers]# yarn-daemon.sh stop resourcemanager
[root@linux123 servers]# jps
3279 Jps

[root@linux122 servers]# yarn-daemon.sh stop nodemanager
[root@linux122 servers]# jps
3279 Jps

[root@linux121 servers]# yarn-daemon.sh stop nodemanager
[root@linux121 servers]# jps
3608 Jps

集群群起

注意: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!!!

1	hadoop namenode -format

启动HDFS

[root@linux121 hadoop-2.9.2]$ 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

启动YARN

1	[root@linux123 hadoop-2.9.2]$ 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。

集群群关闭

关闭HDFS

[root@linux121 hadoop-2.9.2]$ stop-dfs.sh
[root@linux121 hadoop-2.9.2]$ jps
4482 Jps

[root@linux122 hadoop-2.9.2]$ jps
3288 Jps
[root@linux123 hadoop-2.9.2]$ jps
3364 Jps

启动YARN

1	[root@linux123 hadoop-2.9.2]$ stop-yarn.sh

集群测试

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。

#在HDFS文件系统根目录创建/test/input的文件夹
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

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

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：

配置mapred-site.xml

1	[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>

分发mapred-site.xml到其它节点
1
rsync-script mapred-site.xml

启动历史服务器

1 2	[root@linux121 hadoop-2.9.2]$ mr-jobhistory-daemon.sh start historyserver [root@linux121 hadoop-2.9.2]$ jps

查看JobHistory

http://linux121:19888/jobhistory

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。

配置yarn-site.xml

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

在该文件里面增加如下配置。

<!-- 日志聚集功能使能 -->
<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>

分发yarn-site.xml到集群其它节点
1
rsync-script yarn-site.xml

关闭NodeManager 、ResourceManager和HistoryManager

1
2
3

[root@linux121 hadoop-2.9.2]$ yarn-daemon.sh stop resourcemanager
[root@linux121 hadoop-2.9.2]$ yarn-daemon.sh stop nodemanager
[root@linux121 hadoop-2.9.2]$ mr-jobhistory-daemon.sh stop historyserver

启动NodeManager 、ResourceManager和HistoryManager

1
2
3

[root@linux121 hadoop-2.9.2]$ yarn-daemon.sh start resourcemanager
[root@linux121 hadoop-2.9.2]$ yarn-daemon.sh start nodemanager
[root@linux121 hadoop-2.9.2]$ mr-jobhistory-daemon.sh start historyserver

删除HDFS上已经存在的输出文件