java大数据最全课程学习笔记(2)--Hadoop完全分布式运行模式

目前CSDN,博客园,简书同步发表中,更多精彩欢迎访问我的gitee pages

目录

• Hadoop完全分布式运行模式
  • 步骤分析:
  • 编写集群分发脚本xsync
  • 集群配置
    • 集群部署规划
    • 配置集群
  • 集群单点启动
  • SSH无密登陆配置
  • 登录状态的环境变量
  • 群起集群
  • 集群启动/停止方式总结
  • 集群时间同步
  • 其他注意事项

Hadoop完全分布式运行模式

步骤分析:

1. 准备3台客户机（关闭防火墙、静态ip、主机名称）

   vim /etc/sysconfig/network

   三台机器各自的配置分别为HOSTNAME=hadoop101;HOSTNAME=hadoop102;HOSTNAME=hadoop103

   vim /etc/hosts

   三台机器都加入下面的映射关系

   192.168.1.101 hadoop101
   192.168.1.102 hadoop102
   192.168.1.103 hadoop103
   

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

由于在上一章节已经配置好环境并测试了hadoop伪分布式开发模式,所以在此不再赘述.

编写集群分发脚本xsync

1. scp(secure copy) 安全拷贝(全量复制)

   1. 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）

   2. 基本语法

      scp -r 源文件用户名A@主机名1：path1 目标文件用户名B@主机名2：path2

   3. 其他

      1. 如果从本机执行读取或写入，用户名B@主机名2：可以省略！
      2. 在主机1上，使用A用户读取path1的文件，再使用用户B登录到主机2，在主机2的path2路径执行写入！
      3. 要求：
         1. 用户名A@主机名1 对path1有读权限
         2. 用户名B@主机名2 对path2有写权限

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。

   rsync -rvlt path1 目标文件用户名B@主机名2：path2

   选项	功能
   -r	递归
   -v	显示复制过程
   -l	拷贝符号连接
   -t	基于文件的修改时间进行对比，只同步修改时间不同的文件

   只能将本机的文件同步到其他机器！

   注意:path1是个目录，目录以/结尾，只会同步目录中的内容，不会同步目录本身！目录不以/结尾，同步目录中的内容，也会同步目录本身！

3. 编写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,即将当前机器的文件，同步到集群所有机器的相同路径下！例如:hadoop102:/A/a , 执行脚本后，将此文件同步到集群中所有机器的 /A/a

   2. 需求分析:

      1. 用户在使用xsync时，只需要传入要同步的文件即可
         
         xysnc a
         
         不管a是一个相对路径还是绝对路径，都需要将a转换为绝对路径！
      2. 文件的绝对路径：
         
         父路径： dirpath=$(cd dirname /home/atguigu/hi; pwd -P)
         
         文件名： filename=basename hi
         
         pwd -P为了避免软链接无法获取到真实的父路径
      3. 核心命令：
         
         for(())
         
         do
         
         rsync -rvlt path1
         
         done
      4. 说明：在/home/atguigu/bin这个目录下存放的脚本，atguigu用户可以在系统任何地方直接执行。

   3. 脚本实现:

      [atguigu@hadoop102 ~]$ mkdir bin
      [atguigu@hadoop102 ~]$ cd bin/
      [atguigu@hadoop102 bin]$ touch xsync
      [atguigu@hadoop102 bin]$ vi xsync
      

      • 在该文件中编写如下代码

        #!/bin/bash
        #校验参数是否合法
        if(($#==0))
        then
        		echo 请输入要分发的文件!
        		exit;
        fi
        #拼接要分发文件的绝对路径
        dirpath=$(cd `dirname $1`; pwd -P)
        filename=`basename $1`
        
        echo 要分发的文件的路径是:$dirpath/$filename
        
        #循环执行rsync分发文件到集群的每台机器
        for((i=101;i<=103;i++))
        do
        		echo --------------hadoop$i-------------------
        		rsync -rvlt $dirpath/$filename atguigu@hadoop$i:$dirpath
        done
        

      • 修改脚本 xsync 具有执行权限

        [atguigu@hadoop102 bin]$ chmod 777 xsync
        

        或者

        [atguigu@hadoop102 bin]$ chmod u+x xsync
        

      • 调用脚本形式：xsync 文件名称

   4. 编写批量执行同一命令的脚本

      #!/bin/bash
      #在集群的所有机器上批量执行同一条命令
      if(($#==0))
      then
      		echo 请输入您要操作的命令!
      		exit;
      fi
      
      echo 要执行的命令是$*
      
      #循环执行此命令
      for((i=101;i<=103;i++))
      do
      		echo --------------hadoop$i-------------------
      		ssh hadoop$i $*
      done
      

集群配置

集群部署规划

	hadoop101	hadoop102	hadoop103
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

配置集群

1. 核心配置文件

   • 配置core-site.xml

   [atguigu@hadoop102 hadoop]$ vi core-site.xml

   • 在该文件中编写如下配置

   <!-- 指定HDFS中NameNode的地址 -->
   <property>
   	<name>fs.defaultFS</name>
        <value>hdfs://hadoop101:9000</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/module/hadoop-2.7.2/data/tmp</value>
   </property>
   

2. HDFS配置文件

   • 配置hadoop-env.sh

     [atguigu@hadoop102 hadoop]$ vi hadoop-env.sh

     export JAVA_HOME=/opt/module/jdk1.8.0_144

   • 配置hdfs-site.xml

     [atguigu@hadoop102 hadoop]$ vi hdfs-site.xml

   • 在该文件中编写如下配置

     <property>
     	  <name>dfs.replication</name>
     	  <value>3</value>
     </property>
     <!-- 指定Hadoop辅助名称节点主机配置 -->
     <property>
          <name>dfs.namenode.secondary.http-address</name>
          <value>hadoop103:50090</value>
     </property>
     

3. YARN配置文件

   • 配置yarn-env.sh

     [atguigu@hadoop102 hadoop]$ vi yarn-env.sh

     export JAVA_HOME=/opt/module/jdk1.8.0_144

   • 配置yarn-site.xml

     [atguigu@hadoop102 hadoop]$ vi yarn-site.xml

   • 在该文件中增加如下配置

     <!-- reducer获取数据的方式 -->
     <property>
     	  <name>yarn.nodemanager.aux-services</name>
     	  <value>mapreduce_shuffle</value>
     </property>
     <!-- 指定YARN的ResourceManager的地址 -->
     <property>
     	  <name>yarn.resourcemanager.hostname</name>
     	  <value>hadoop101</value>
     </property>
     

4. MapReduce配置文件

   • 配置mapred-env.sh

     [atguigu@hadoop102 hadoop]$ vi mapred-env.sh

     export JAVA_HOME=/opt/module/jdk1.8.0_144

   • 配置mapred-site.xml

     [atguigu@hadoop102 hadoop]$ vi mapred-site.xml

   • 在该文件中增加如下配置

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

5. 在集群上分发配置好的Hadoop配置文件

   [atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/

6. 查看文件分发情况

   xcall cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml

集群单点启动

1. 如果集群是第一次启动，需要格式化NameNode

   [atguigu@hadoop102 hadoop-2.7.2]$ hadoop namenode -format

2. 在hadoop102上启动NameNode

   [atguigu@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
   [atguigu@hadoop102 hadoop-2.7.2]$ jps
   8118 NameNode
   

3. 启动hadoop101,hadoop102,hadoop103上的DataNode

   [atguigu@hadoop102 hadoop-2.7.2]$ xcall hadoop-daemon.sh start datanode
   [atguigu@hadoop101 hadoop]$ xcall jps
   要执行的命令是jps
   --------------hadoop101-------------------
   8118 NameNode
   13768 Jps
   8238 DataNode
   --------------hadoop102-------------------
   8072 DataNode
   12959 Jps
   --------------hadoop103-------------------
   7347 DataNode
   13950 Jps
   

SSH无密登陆配置

1. 免密登录原理

   

2. 生成公钥和私钥

   [atguigu@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的/home/atguigu/.ssh目录下的authorized_keys中

   以下命令可以直接完成上述操作

   [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop101
   [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop102
   [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop103
   

4. .ssh文件夹下（~/.ssh）的文件功能解释

   known_hosts	记录ssh访问过计算机的公钥(public key)
   id_rsa	生成的私钥
   id_rsa.pub	生成的公钥
   authorized_keys	存放授权过得无密登录服务器公钥

登录状态的环境变量

• Login Shell

  是指登录时，需要提供用户名密码的shell，如：su – user1 , 图形登录， ctrl+alt+F2-6进入的登录界面。

  • 这种Login shell 执行脚本的顺序：
    1. /etc/profile 【全局profile文件;它定义了LoginUser的 PATH, USER, LOGNAME(登录使用者帐号)】
    2. /etc/profile.d/目录下的脚本
    3. ～/.bash_profile 【搜索命令的路径 ——————- 登录级别 环境变量配置文件 】
    4. ～/.bashrc 【存储用户设定的别名和函数 ———- shell级别 环境变量配置文件】
    5. /etc/bashrc 【全局bashrc文件; 它主要定义一些 Function 和 Alias；更改/etc/bashrc会影响到所有用户,由root用户管理。】

• Non-Login shell

  • 登录终端后，使用ssh 登录 其他机器！
  • 非登录shell指的是，不需要输入用户名密码的shell，如图形下 右键terminal，或ctrl+shift+T打开的shell
  • 这种Non-Login shell 执行登录脚本的顺序：
    1. ~/.bashrc
    2. /etc/bashrc
    3. /etc/profile.d/目录下的脚本

• ssh 目标机器
  
  登录之后，执行某个命令！
  
  属于Login-shell，会自动读取 /etc/profile文件中定义的所有的变量！

• ssh 目标机器 命令
  
  属于Non-Login-shell
  
  不会读取/etc/profile
  
  如果在使用命令时，我们需要使用/etc/profile定义的一些变量，需要在目标机器的对应的用户的家目录/.bashrc中添加以下代码

  source /etc/profile

  如果不添加以上代码，在执行start-all.sh | stop-all.sh一定会报错！

群起集群

群起脚本的原理是获取集群中所有的节点的主机名

默认读取当前机器 HADOOP_HOME/etc/hadoop/slaves，获取集群中所有的节点的主机名

循环执行 ssh 主机名 hadoop-daemon.sh start xxx

保证当前机器到其他节点，已经配置了ssh免密登录

保证集群中所有当前用户的家目录/.bashrc中，已经配置source /etc/profile

1. 配置slaves

   /opt/module/hadoop-2.7.2/etc/hadoop/slaves
   [atguigu@hadoop102 hadoop]$ vi slaves
   

   在文件中增加如下内容:

   hadoop101
   hadoop102
   hadoop103
   

   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。

2. 启动集群

   1. 如果集群是第一次启动，需要格式化NameNode

      [atguigu@hadoop102 hadoop-2.7.2]$ hdfs namenode -format

   2. 启动HDFS

      [atguigu@hadoop101 hadoop]$ start-dfs.sh
      [atguigu@hadoop101 hadoop]$ xcall jps
      要执行的命令是jps
      --------------hadoop101-------------------
      8118 NameNode
      13768 Jps
      8238 DataNode
      --------------hadoop102-------------------
      8072 DataNode
      12959 Jps
      --------------hadoop103-------------------
      7473 SecondaryNameNode
      7347 DataNode
      13950 Jps
      

   3. 启动YARN

      [atguigu@hadoop103 hadoop-2.7.2]$ start-yarn.sh

   4. web端查看SecondaryNameNode

      1. 浏览器中输入：http://hadoop103:50090/status.html
      2. 查看SecondaryNameNode信息

      ​

3. 集群基本测试

   1. hadoop fs -mkdir /wcinput

   2. hadoop fs -put hi /wcinput/

   3. hadoop jar /opt/module/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /wcinput/ /wcoutput

      

集群启动/停止方式总结

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）

   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

3. 启动历史服务器

   mr-jobhistory-daemon.sh start historyserver

集群时间同步

每台虚拟机作如下设置即可保证时间同步

也可设置定时同步时间的任务

crontab -e

* */1 * * * ntpdate -u ntp7.aliyun.com

其他注意事项

1. start-all.sh其实是分别调用了start-dfs.sh和start-yarn.sh,现已过时不建议使用.
2. stop-all.sh同理.
3. start-dfs.sh可以在集群的任意一台机器使用！可以启动HDFS中的所有进程！
4. start-yarn.sh在集群的非RM所在的机器使用，不会启动resourcemanager!

建议:

只需要配置RM所在机器到其他机器的SSH免密登录！

都在RM所在的机器执行群起和群停脚本！

xsync和xcall只放在RM所在的机器即可！