Hadoop基礎（五十四）：基於centos搭建Hadoop3.x完全分散式執行模式
0 簡介
分析：
1）準備3臺客戶機（關閉防火牆、靜態ip、主機名稱）
2）安裝JDK
3）配置環境變數
4）安裝Hadoop
5）配置環境變數
6）配置叢集
7）單點啟動
8）配置ssh
9）群起並測試叢集
1 虛擬機器準備
2編寫叢集分發指令碼xsync
1）scp（secure copy）安全拷貝
（1）scp定義：
scp可以實現伺服器與伺服器之間的資料拷貝。（fromserver1toserver2）
（2）基本語法
scp-r $pdir/$fname $user@hadoop$host:$pdir/$fname
命令 遞迴 要拷貝的檔案路徑/名稱 目的使用者@主機:目的路徑
（3）案例實操
（a）在hadoop101上，將hadoop101中/opt/module目錄下的軟體拷貝到hadoop102上。
[atguigu@hadoop101/]$ scp -r /opt/module root@hadoop102:/opt/module
（b）在hadoop103上，將hadoop101伺服器上的/opt/module目錄下的軟體拷貝到hadoop103上。
[atguigu@hadoop103opt]$sudo scp -r atguigu@hadoop101:/opt/module root@hadoop103:/opt/module
（c）在hadoop103上操作將hadoop101中/opt/module
[atguigu@hadoop103opt]$ scp -r atguigu@hadoop101:/opt/module root@hadoop104:/opt/module
注意：拷貝過來的/opt/module目錄，別忘了在hadoop102、hadoop103、hadoop104上修改所有檔案的，所有者和所有者組。sudo chownatguigu:atguigu -R /opt/module
（d）將hadoop101中/etc/profile檔案拷貝到hadoop102的/etc/profile上。
[atguigu@hadoop101 ~]$ sudo scp /etc/profile root@hadoop102:/etc/profile
（e）將hadoop101中/etc/profile檔案拷貝到hadoop103的/etc/profile上。
[atguigu@hadoop101 ~]$ sudo scp /etc/profile root@hadoop103:/etc/profile
（f）將hadoop101中/etc/profile檔案拷貝到hadoop104的/etc/profile上。
[atguigu@hadoop101 ~]$ sudo scp /etc/profile root@hadoop104:/etc/profile
注意：拷貝過來的配置檔案別忘了source一下/etc/profile，。
2）rsync遠端同步工具
rsync主要用於備份和映象。具有速度快、避免複製相同內容和支援符號連結的優點。
rsync和scp區別：用rsync做檔案的複製要比scp的速度快，rsync只對差異檔案做更新。scp是把所有檔案都複製過去。
（1）基本語法
rsync -av $pdir/$fname $user@hadoop$host:$pdir/$fname
命令 選項引數 要拷貝的檔案路徑/名稱 目的使用者@主機:目的路徑/名稱
選項引數說明
|
選項 |
功能 |
|
-a |
歸檔拷貝 |
|
-v |
顯示覆制過程 |
（2）案例實操
把hadoop101機器上的/opt/software目錄同步到hadoop102伺服器的root使用者下的/opt/目錄
[atguigu@hadoop101 opt]$ rsync -av /opt/software/hadoop102:/opt/software
3）xsync叢集分發指令碼
（1）需求：迴圈複製檔案到所有節點的相同目錄下
（2）需求分析：
（a）rsync命令原始拷貝：
rsync -av /opt/module root@hadoop103:/opt/
（b）期望指令碼：
xsync要同步的檔名稱
（c）說明：在/home/atguigu/bin這個目錄下存放的指令碼，atguigu使用者可以在系統任何地方直接執行。
（3）指令碼實現
（a）在/home/atguigu目錄下建立xsync檔案
cd /home/atguigu
vim xsync
在該檔案中編寫如下程式碼
#!/bin/bash #1. 判斷引數個數 if [ $# -lt 1 ] then echo Not Enough Arguement! exit; fi #2. 遍歷叢集所有機器 for host in hadoop102 hadoop103 hadoop104 do echo ==================== $host ==================== #3. 遍歷所有目錄，挨個傳送 for file in $@ do #4 判斷檔案是否存在 if [ -e $file ] then #5. 獲取父目錄 pdir=$(cd -P $(dirname $file); pwd) #6. 獲取當前檔案的名稱 fname=$(basename $file) ssh $host "mkdir -p $pdir" rsync -av $pdir/$fname $host:$pdir else echo $file does not exists! fi done done
（b）修改指令碼 xsync 具有執行許可權
chmod +xxsync
（c）將指令碼移動到/bin中，以便全域性呼叫
sudo mv xsync /bin/
（d）測試指令碼
sudo xsync /bin/xsync
3SSH無密登入配置
1）配置ssh
（1）基本語法
ssh另一臺電腦的ip地址
（2）ssh連線時出現Host key verification failed的解決方法
ssh hadoop103
出現：
The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.
RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
Are you sure you want to continue connecting (yes/no)?
（3）解決方案如下：直接輸入yes
2）無金鑰配置
（1）免密登入原理
（2）生成公鑰和私鑰：
ssh-keygen -t rsa
然後敲（三個回車），就會生成兩個檔案id_rsa（私鑰）、id_rsa.pub（公鑰）
（3）將公鑰拷貝到要免密登入的目標機器上
ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104
注意：
還需要在hadoop102上採用root賬號，配置一下無密登入到hadoop102、hadoop103、hadoop104；
還需要在hadoop103上採用atguigu賬號配置一下無密登入到hadoop102、hadoop103、hadoop104伺服器上。
3）.ssh資料夾下（~/.ssh）的檔案功能解釋
|
known_hosts |
記錄ssh訪問過計算機的公鑰(public key) |
|
id_rsa |
生成的私鑰 |
|
id_rsa.pub |
生成的公鑰 |
|
authorized_keys |
存放授權過的無密登入伺服器公鑰 |
4叢集配置
1）叢集部署規劃
注意：NameNode和SecondaryNameNode不要安裝在同一臺伺服器
注意：ResourceManager也很消耗記憶體，不要和NameNode、SecondaryNameNode配置在同一臺機器上。
|
hadoop102 |
hadoop103 |
hadoop104 |
|
|
HDFS |
NameNode DataNode |
DataNode |
SecondaryNameNode DataNode |
|
YARN |
NodeManager |
ResourceManager NodeManager |
NodeManager |
2）配置叢集
（1）核心配置檔案
配置core-site.xml
cd $HADOOP_HOME/etc/hadoop
vimcore-site.xml
檔案內容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
</property>
<property>
<name>hadoop.tmp.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>
<property>
<name>hadoop.http.staticuser.user</name>
<value>atguigu</value>
</property>
</configuration>
（2）HDFS配置檔案
配置hdfs-site.xml
vimhdfs-site.xml
檔案內容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>
（3）YARN配置檔案
配置yarn-site.xml
vimyarn-site.xml
檔案內容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<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>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>4096</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
</property>
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>
（4）MapReduce配置檔案
配置mapred-site.xml
vimmapred-site.xml
檔案內容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
3）在叢集上分發配置好的Hadoop配置檔案
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
4）檢視檔案分發情況
cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
5群起叢集
1）配置workers
vim/opt/module/hadoop-3.1.3/etc/hadoop/workers
在該檔案中增加如下內容：
hadoop102
hadoop103
hadoop104
注意：該檔案中新增的內容結尾不允許有空格，檔案中不允許有空行。
同步所有節點配置檔案
xsync /opt/module/hadoop-3.1.3/etc
2）啟動叢集
（1）如果叢集是第一次啟動，需要在hadoop102節點格式化NameNode（注意格式化之前，一定要先停止上次啟動的所有namenode和datanode程序，然後再刪除data和log資料）
hdfs namenode -format
（2）啟動HDFS
sbin/start-dfs.sh
（3）在配置了ResourceManager的節點（hadoop103）啟動YARN
sbin/start-yarn.sh
（4）Web端檢視SecondaryNameNode
（a）瀏覽器中輸入：http://hadoop104:9868/status.html
（b）檢視SecondaryNameNode資訊
3）叢集基本測試
（1）上傳檔案到叢集
上傳小檔案
hadoop fs -mkdir -p /user/atguigu/input
hadoop fs -put $HADOOP_HOME/wcinput/wc.input /user/atguigu/input
上傳大檔案
hadoop fs -put /opt/software/hadoop-3.1.3.tar.gz /
（2）上傳檔案後檢視檔案存放在什麼位置
（a）檢視HDFS檔案儲存路徑
[atguigu@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
（b）檢視HDFS在磁碟儲存檔案內容
（3）拼接
-rw-rw-r--. 1 atguigu atguigu 134217728 5月23 16:01 blk_1073741836
-rw-rw-r--. 1 atguigu atguigu 1048583 5月23 16:01 blk_1073741836_1012.meta
-rw-rw-r--. 1 atguigu atguigu 63439959 5月23 16:01 blk_1073741837
-rw-rw-r--. 1 atguigu atguigu 495635 5月23 16:01 blk_1073741837_1013.meta
[atguigu@hadoop102 subdir0]$ cat blk_1073741836>>tmp.jar [atguigu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.jar [atguigu@hadoop102 subdir0]$ tar -zxvf tmp.jar
（4）下載
[atguigu@hadoop102 hadoop-3.1.3]$ bin/hadoop fs -get
/hadoop-3.1.3.tar.gz ./
（5）執行wordcount程式
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /user/atguigu/input /user/atguigu/output
7配置歷史伺服器
為了檢視程式的歷史執行情況，需要配置一下歷史伺服器。具體配置步驟如下：
1）配置mapred-site.xml
vi mapred-site.xml
在該檔案裡面增加如下配置。
<!-- 歷史伺服器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
</property>
<!-- 歷史伺服器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>
2）分發配置
xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml
3）在hadoop102啟動歷史伺服器
mapred --daemon starthistoryserver
4）檢視歷史伺服器是否啟動
jps
5）檢視JobHistory
http://hadoop102:19888/jobhistory
4.2.8配置日誌的聚集
日誌聚集概念：應用執行完成以後，將程式執行日誌資訊上傳到HDFS系統上。
日誌聚集功能好處：可以方便的檢視到程式執行詳情，方便開發除錯。
注意：開啟日誌聚集功能，需要重新啟動NodeManager 、ResourceManager和HistoryManager。
開啟日誌聚集功能具體步驟如下：
1）配置yarn-site.xml
vimyarn-site.xml
在該檔案裡面增加如下配置。
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<property>
<name>yarn.log.server.url</name>
<value>http://${yarn.timeline-service.webapp.address}/applicationhistory/logs</value>
</property>
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
<property>
<name>yarn.timeline-service.enabled</name>
<value>true</value>
</property>
<property>
<name>yarn.timeline-service.hostname</name>
<value>${yarn.resourcemanager.hostname}</value>
</property>
<property>
<name>yarn.timeline-service.http-cross-origin.enabled</name>
<value>true</value>
</property>
<property>
<name>yarn.resourcemanager.system-metrics-publisher.enabled</name>
<value>true</value>
</property>
2）分發配置
xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml
3）關閉NodeManager 、ResourceManager和HistoryServer
在103上執行：stop-yarn.sh
在102上執行： mapred --daemonstop historyserver
4）啟動NodeManager 、ResourceManage、Timelineserver和HistoryServer
在103上執行：start-yarn.sh
在103上執行：yarn --daemon start timelineserver
在102上執行：mapred --daemonstart historyserver
5）刪除HDFS上已經存在的輸出檔案
hdfs dfs -rm -R /user/atguigu/output
6）執行WordCount程式
hadoop jar$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /user/atguigu/input /user/atguigu/output
7）檢視日誌，
http://hadoop102:19888/jobhistory
圖 Job History
圖 job執行情況
圖檢視日誌