Hadoop集群搭建

Hadoop官方网站：http://hadoop.apache.org/Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。完全分布式模式：多台服务器组成分布式环境。生产环境使用。

ha_lydms

20917人浏览 · 2023-02-09 22:00:00

ha_lydms · 2023-02-09 22:00:00 发布

文章目录

一、运行环境配置(所有节点)

所有集群服务，都需要配置

1、基础配置

关闭防火墙，关闭防火墙开机自启

systemctl stop firewalld
systemctl disable firewalld

创建lydms用户，并修改lydms用户的密码lydms123

useradd lydms
passwd lydms

配置lydms用户具有root权限，方便后期加sudo执行root权限的命令

[root@hadoop100 ~]# vim /etc/sudoers
## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
lydms   ALL=(ALL)     NOPASSWD:ALL

'readonly' option is set (add ! to override) 查看5.1解决。

在/opt目录下创建文件夹

mkdir /opt/module
mkdir /opt/software

并修改所属主和所属组

chown lydms:lydms /opt/module 
chown lydms:lydms /opt/software

在这里插入图片描述

2、配置Host

更新本机名称(参照下表)

vim /etc/hostname

172.27.181.176 hadoop101
172.27.181.177 hadoop102
172.27.181.178 hadoop103

配置Linux克隆机主机名称映射hosts文件

vim /etc/hosts

172.27.181.176 hadoop101
172.27.181.177 hadoop102
172.27.181.178 hadoop103

在这里插入图片描述

重启虚拟机

reboot

二、依赖软件安装(101节点)

只有主节点进行配置

1、安装JDK

下载JDK

https://www.oracle.com/java/technologies/downloads/archive/
wget https://gitcode.net/weixin_44624117/software/-/raw/master/software/jdk-8u181-linux-x64.tar.gz?inline=false

解压文件

tar -zxvf jdk-8u341-linux-x64.tar.gz -C /opt/module/

添加环境变量

vim /etc/profile.d/my_env.sh

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_341
export PATH=$PATH:$JAVA_HOME/bin

加载环境变量

source /etc/profile

查看是否安装完成

java -version

在这里插入图片描述

2、安装Hadoop(root)

下载地址

https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
wget https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/hadoop-3.1.3.tar.gz

解压到/opt/module/目录

tar -zxvf /root/hadoop-3.1.3.tar.gz -C /opt/module/

添加环境变量

vim /etc/profile.d/my_env.sh

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

在这里插入图片描述

加载环境变量

source /etc/profile

查看是否安装完成

hadoop version

在这里插入图片描述

3、Hadoop目录结构

在这里插入图片描述

bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本。
etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件。
lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）。
sbin目录：存放启动或停止Hadoop相关服务的脚本。
share目录：存放Hadoop的依赖jar包、文档、和官方案例。

三、本地运行模式（官方WordCount）

1、简介

Hadoop官方网站：http://hadoop.apache.org/

Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。

本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。
伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。
完全分布式模式：多台服务器组成分布式环境。生产环境使用。

2、本地运行模式（官方WordCount）

在hadoop-3.1.3文件下面创建一个wcinput文件夹

mkdir /opt/module/hadoop-3.1.3/wcinput

在wcinput文件下创建一个word.txt文件

vim /opt/module/hadoop-3.1.3/wcinput/word.txt

hadoop yarn
hadoop mapreduce
lydms
lydms

运行单机Hadoop

hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

查看运行结果

cat wcoutput/part-r-00000

在这里插入图片描述

四、完全分布式运行模式

三台资源列表

172.27.181.176 hadoop101
172.27.181.177 hadoop102
172.27.181.178 hadoop103

1、文件分发脚本(root)

新建文件xsync

vim /bin/xsync

#!/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 hadoop101 hadoop102 hadoop103
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

添加执行权限

chmod +x /bin/xsync

2、SSH免密登录设置

原理：

在这里插入图片描述

生成公私钥：

ssh-keygen -t rsa

查看生成文件

cd /home/lydms/.ssh/
ll

在这里插入图片描述

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	存放授权过的无密登录服务器公钥

将公钥拷贝到要免密登录的目标机器上(输入相应密码)

几台服务器之间都要互相配置

ssh-copy-id hadoop101
ssh-copy-id hadoop102
ssh-copy-id hadoop103

测试：

ssh hadoop001

在这里插入图片描述

还需要配置(集群各个节点之间免密沟通)：

hadoop101上采用root账号，配置一下免密登录到hadoop101、hadoop102、hadoop103。
hadoop102上采用root账号，配置一下免密登录到hadoop101、hadoop102、hadoop103。
hadoop103上采用root账号，配置一下免密登录到hadoop101、hadoop102、hadoop103；

最终效果：

在这里插入图片描述

3、同步文件

同步环境变量/etc/profile.d/my_env.sh
同步JDK、Hadoop：/opt/model

同步环境变量

xsync /etc/profile.d/my_env.sh
# 在各个节点服务器中加载环境变量(hadoop001、hadoop002、hadoop003)
source /etc/profile

同步JDK、Hadoop

xsync /opt/module/

4、集群节点资源配置

NameNode和SecondaryNameNode不要安装在同一台服务器。
ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

	Hadoop001	Hadoop002	Hadoop003
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

默认配置文件。

默认文件	文件存放在Hadoop的jar包中的位置
[core-default.xml]	hadoop-common-3.1.3.jar/core-default.xml
[hdfs-default.xml]	hadoop-hdfs-3.1.3.jar/hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-3.1.3.jar/yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml

自定义配置文件：

core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

4.1 核心配置文件(core-site.xml)

cd $HADOOP_HOME/etc/hadoop
vim core-site.xml

文件内容：

<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop101:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/data</value>
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为lydms -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>lydms</value>
    </property>
</configuration>

4.2 HDFS配置文件(hdfs-site.xml)

vim hdfs-site.xml

文件内容：

<configuration>
        <!-- nn web端访问地址-->
        <property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop101:9870</value>
    </property>

        <!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop103:9868</value>
    </property>
</configuration>

4.3 YARN配置文件(yarn-site.xml)

vim yarn-site.xml

<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop102</value>
    </property>

    <!-- 环境变量的继承 -->
    <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>
</configuration>

4.4 MapReduce配置文件（mapred-site.xml）

vim mapred-site.xml

<configuration>
        <!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

4.5 分发配置文件

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

5、群起集群

5.1 配置workers

新增节点配置文件

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

hadoop101
hadoop102
hadoop103

同步配置

xsync /opt/module/hadoop-3.1.3/etc

5.2 启动集群

如果集群是第一次启动，需要在hadoop001节点格式化NameNode。

（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。）

hdfs namenode -format

启动HDFS

# 启动
/opt/module/hadoop-3.1.3/sbin/start-dfs.sh

在这里插入图片描述

启动YARN（配置了ResourceManager的节点hadoop002）

# 启动
/opt/module/hadoop-3.1.3/sbin/start-yarn.sh

在这里插入图片描述

5.3 其它启动停止方式

启动/停止HDFS

#	整体启动/停止HDFS
start-dfs.sh/stop-dfs.sh

#	分别启动/停止HDFS组件
hdfs --daemon start/stop namenode/datanode/secondarynamenode

启动/停止YARN

# 整体启动/停止YARN
start-yarn.sh/stop-yarn.sh
# 分别启动/停止YARN组件
yarn --daemon start/stop resourcemanager/nodemanager

5.4 启动脚本

新建启动/停止集群脚本

cd /home/lydms/bin
vim myhadoop.sh

#!/bin/bash

if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi

case $1 in
"start")
        echo " ======启动 hadoop集群 ======="
        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop101 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
;;
"stop")
        echo " ==========关闭 hadoop集群 ========="
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop101 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

赋予脚本执行权限

chmod +x myhadoop.sh

新建Java进程脚本：jpsall

cd /home/lydms/bin
vim jpsall

#!/bin/bash

for host in hadoop101 hadoop102 hadoop103
do
    echo =============== $host ===============
    ssh $host jps
done

赋予脚本执行权限

chmod +x jpsall

分发/home/atguigu/bin目录，保证自定义脚本在三台机器上都可以使用

xsync /home/lydms/bin/

6、查看相关页面

Web端查看HDFS的NameNode
http://hadoop101:9870/

http://hadoop101:9870/

在这里插入图片描述

Web端查看YARN的ResourceManager
http://hadoop102:8088

http://hadoop102:8088

在这里插入图片描述

7、配置历史服务器

vim mapred-site.xml

<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop101:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop101:19888</value>
</property>
</configuration>

分发配置

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

hadoop101启动历史服务器

mapred --daemon start historyserver

查看是否启动

jps

在这里插入图片描述

查看页面

http://hadoop101:19888/jobhistory

在这里插入图片描述

8、配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便地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HistoryServer。

在这里插入图片描述

vim yarn-site.xml

新增配置

<!-- 开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
    <name>yarn.log.server.url</name>
    <value>http://hadoop101:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

分发配置

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

删除HDFS上已经存在的输出文件(可以通过页面删除)

hadoop fs -rm -r /output

需要重启Hadoop集群

/home/lydms/bin/myhadoop.sh stop
/home/lydms/bin/myhadoop.sh start

9、其它

9.1 常用端口号

端口名称	Hadoop2.x	Hadoop3.x
NameNode内部通信端口	8020 / 9000	8020 / 9000/9820
NameNode HTTP UI	50070	9870
MapReduce查看执行任务端口	8088	8088
历史服务器通信端口	19888	19888

9.2 常用页面

Web端查看HDFS的NameNode

http://hadoop101:9870/

YARN的ResourceManager

http://hadoop102:8088

历史服务器

http://hadoop101:19888/jobhistory

五、遇到问题

1、编辑文件无权限(‘readonly’ option is set (add ! to override))

在这里插入图片描述

原因：

当前文件，为不可以编辑权限

解决：

chmod 660 /etc/sudoers

在这里插入图片描述

2、Hadoop启动出错Cannot assign requested address

参考地址

https://blog.csdn.net/zhaobudaofangxia/article/details/69333758

配置hosts地址问题。导致采用内网IP可用，公网IP不可用。
报错信息：

java.net.BindException: Port in use: hadoop102:8088

Caused by: java.net.BindException: Cannot assign requested address
Caused by: java.net.BindException: Port in use: hadoop102:8088

阿里云服务器无法绑定公网IP的地址，并且本地host地址需要配置内网地址，或者127.0.0.1。

内网IP地址  你的hostname
公网IP地址  别的hostname

大数据技术专区

大数据从业者之家,一起探索大数据的无限可能！

更多推荐

SQL：数据去重的三种方法

SQL中去除重复数据

大数据技术专区

一文通览腾讯云大数据ES、数据湖计算、云数据仓库产品新版本技术创新

大数据技术专区

【大数据实训】基于Hive的北京市天气系统分析报告(二)

大数据技术专区

所有评论(0)

查看更多评论

ha_lydms

@weixin_44624117

已为社区贡献2条内容