Hadoop完全分布式开发配置流程

完全分布式开发

整体流程

1、准备3台纯净虚拟机

2、修改每台ip，主机名，主机映射，关闭防火墙

3、安装jdk和hadoop，配置环境变量

4、集群分发脚本编写

5、集群配置

6、ssh免密登录

7、集群启动（群起）

8、配置历史服务器

9、配置日志的聚集

10、集群时间同步

 

一、准备3台纯净的客户机，每台客户机执行如下操作

1、修改虚拟机ip

进入虚拟网卡配置文件，最后的文件名可能不太一样，不确定可以cd进去看看

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

要修改的地方有：BOOTPROTO=static,ONBOOT=yes

额外再增加IPADDR,PREFIX,GATEWAY,DNS1,DNS2

其中，IPADDR与VMWare的NAT模式的子网ip设置在同一网段即可

PREFIX与下图一致

GATEWAY与VMWare的NAT模式的网关保持一致，DNS1也是。

DNS2=8.8.8.8

2、修改虚拟机主机名

sudo hostnamectl --static set-hostname hadoop101

主机名和ip尽量按照如下设置

192.168.1.100 hadoop100

192.168.1.101 hadoop101

192.168.1.102 hadoop102

192.168.1.103 hadoop103

192.168.1.104 hadoop104

192.168.1.105 hadoop105

192.168.1.106 hadoop106

192.168.1.107 hadoop107

192.168.1.108 hadoop108

3、修改主机映射（Linux和Windows都要改）

在linux下执行如下命令

sudo vim /etc/hosts

将上面的ip和主机名复制进去

打开windows的 C:\Windows\System32\drivers\etc\hosts

将上面的ip和主机名复制到最后

注意：当前虚拟机ip，主机名，一定要和hosts中的相对应

4、关闭防火墙

sudo systemctl stop firewalld

sudo systemctl disable firewalld

二、集群部署

1、在其中一台上安装jdk和hadoop，并配置环境变量，测试安装是否成功

先在/opt/下创建两个目录,module,software

（1）卸载系统自带的JDK

rpm -qa | grep -i java | xargs -n1 sudo rpm -e –nodeps

（2）将jdk包放入software下，解压到module

（3）将hadoop包放入software下，解压到module

（4）配置jdk环境变量：将如下内容添加到/etc/profile.d/my_env.sh

#JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_212

export PATH=$PATH:$JAVA_HOME/bin

（5）配置hadoop环境变量：将如下内容添加到/etc/profile

#HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-3.1.3

export PATH=$PATH:$HADOOP_HOME/bin

export PATH=$PATH:$HADOOP_HOME/sbin

修改后使profile文件生效：source /etc/profile

（6）测试是否安装成功

java -version

hadoop version

2、编写集群分发脚本xsync

（1）scp（实现服务器与服务器之间的数据拷贝）：

scp -r /opt/module  root@hadoop102:/opt/module

（2）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 -av /opt/software/ hadoop102:/opt/software

（3）xsync集群分发脚本（需求：循环复制文件到所有节点的相同目录下）

在用户主目录下创建xsync文件，输入如下内容

#!/bin/bash

#1. 判断参数个数

if [ $# -lt 1 ]

then

echo Not Enough Arguement!

exit;

fi

#2. 遍历集群所有机器

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

保存退出后，修改xsync文件权限，使其有执行权限。

将脚本移动到/bin下，方便全局调用

3、集群部署规划，hadoop配置文件修改

NameNode和ResourceManager，SecondaryNameNode不要装在一台服务器上

首先在hadoop102这台机器上对配置文件进行修改，改完之后把配置文件分发到其他主机上。

对/opt/module/hadoop-3.1.3/etc/hadoop/下的配置文件进行修改。

（1）对core-site.xml进行修改，在configuration标签中输入如下内容

<property>

<name>fs.defaultFS</name>

<value>hdfs://hadoop102:8020</value>

</property>

<property>

<name>hadoop.data.dir</name>

<value>/opt/module/hadoop-3.1.3/data</value>

</property>

<property>

<name>hadoop.proxyuser.atguigu.hosts</name>

<value>*</value>

</property>

<property>

<name>hadoop.proxyuser.atguigu.groups</name>

<value>*</value>

</property>

（2）对hdfs-site.xml进行修改

<property>

<name>dfs.namenode.name.dir</name>

<value>file://${hadoop.data.dir}/name</value>

</property>

<property>

<name>dfs.datanode.data.dir</name>

<value>file://${hadoop.data.dir}/data</value>

</property>

<property>

<name>dfs.namenode.checkpoint.dir</name>

<value>file://${hadoop.data.dir}/namesecondary</value>

</property>

<property>

<name>dfs.client.datanode-restart.timeout</name>

<value>30</value>

</property>

<property>

<name>dfs.namenode.secondary.http-address</name>

<value>hadoop104:9868</value>

</property>

（3）对yarn-site.xml进行修改

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

<property>

<name>yarn.resourcemanager.hostname</name>

<value>hadoop103</value>

</property>

<property>

<name>yarn.nodemanager.env-whitelist</name>

<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>

</property>

（4）对mapred-site.xml进行修改

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

分发配置文件：

xsync /opt/module/hadoop-3.1.3/etc/hadoop/

4、ssh免密登录

根据之前集群部署规划，hadoop102放NameNode,103放ResourceNodeManager

所以102和103都需要向其他主机发布指令。

（1）在102和103分别执行如下命令，连续按三次回车键

ssh-keygen -t rsa

（2）将公钥拷贝到包括自己的所有主机上。

ssh-copy-id hadoop102

ssh-copy-id hadoop103

ssh-copy-id hadoop104

 

5、集群启动（群起）

（1）配置workers

vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在该文件中添加如下内容

hadoop102

hadoop103

hadoop104

注意：

1、该文件中不能有空行

2、该文件添加的内容结尾不允许有空格

（2）将修改后的配置文件目录同步到各个主机上

xsync /opt/module/hadoop-3.1.3/etc

（3）启动集群

如果是第一次启动集群，或者是修改了配置文件，需要将102的NameNode格式化，格式化之前要先停止上次启动的所有NameNode和DataNode，并且删除data和logs数据。

格式化命令：

hdfs namenode -format

群起/停HDFS命令（102上）：

start-dfs.sh/stop-dfs.sh

群起/停YARN命令（103上）：

start-yarn.sh/stop-yarn.sh

6、配置历史服务器

（1）配置mapred-site.xml

vi /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml

在该文件中添加如下内容

<!-- 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>

 

（2）分发配置

xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

（3）在hadoop2上启动历史服务器

mapred –daemon start historyserver

（4）查看历史服务器是否启动

jps

（5）查看JobHistory

http://hadoop102:19888/jobhistory

7、配置日志的聚集
（1）配置yarn-site.sh

vim /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml

在其中添加如下内容

<property>

<name>yarn.log-aggregation-enable</name>

<value>true</value>

</property>

<property>

<name>yarn.log.server.url</name>

<value>http://hadoop102:19888/jobhistory/logs</value>

</property>

<property>

<name>yarn.log-aggregation.retain-seconds</name>

<value>604800</value>

</property>

（2）分发配置

xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

 

8、集群时间同步

待完善---2020/11/11