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

1.4 Apache Hadoop 完全分布式集群搭建

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

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）
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

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/

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：

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

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。

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

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

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/
```
期望脚本

脚本+要同步的文件名称
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。

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：

格式化后创建的文件：/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current

在linux121上启动NameNode

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

[root@linux121 hadoop-2.9.2]$ 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

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

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

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
```

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

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

各个服务组件逐一启动/停止

分别启动/停止HDFS组件

hadoop-daemon.sh  start / stop  namenode / datanode / secondarynamenode

启动/停止YARN

yarn-daemon.sh  start / stop  resourcemanager / nodemanager

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

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

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：

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>

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

启动历史服务器

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

查看历史服务器是否启动
```
[root@linux121 hadoop-2.9.2]$ jps
```
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：

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>

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

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

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

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

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

查看日志，如图所示

http://linux121:19888/jobhistory