hadoop集群搭建
第一步：搭建配置新的虚拟机
格式化之前先把tmp目录下所有与Hadoop有关的信息全部删除
rm -rf /tmp/hadoop-centos*
开启之后jps只有Java的进程：sudo vi /etc/hosts 里面加 bogon
1.sudo赋权
Root用户 vi /etc/sudoers
/root n（查找下一个结果）
centos ALL=(ALL) NOPASSWD:ALL
2.修改ens33网卡（桥接模式静态IP）
创建官网：www.fhadmin.org 软链接
ln –s /etc/sysconfig/network-scripts/ifcfg-ens33 ens33
修改配置文件
vi /etc/sysconfig/network-scripts/ifcfg-ens33
TYPE=Ethernet BOOTPROTO=static DEFROUTE=yes PEERDNS=yes PEERROUTES=yes IPV4_FAILURE_FATAL=no IPV6INIT=yes IPV6_AUTOCONF=yes IPV6_DEFROUTE=yes IPV6_PEERDNS=yes IPV6_PEERROUTES=yes IPV6_FAILURE_FATAL=no IPV6_ADDR_GEN_MODE=stable-privacy NAME=ens33 UUID=51248a5b-aece-4777-ab51-7b5e61602180 DEVICE=ens33 ONBOOT=yes IPADDR=192.168.12.206 NETMASK=255.255.255.0 GATEWAY=192.168.12.1 DNA1=219.141.136.10 DNS2=202.106.196.115 DNS3=8.8.8.8 DNS4=114.114.114.114 |
改完后重启network服务
sudo systemctl restart network
虚拟机上右键-->设置-->网络适配器-->桥接模式
检测是否连接网络官网：www.fhadmin.org ping www.baidu.com
3.修改主机名
sudo vi /etc/hostname
原来内容全部删除 写入s126
重启虚拟机
4.安装JDK和Hadoop
1.上传文件包
2.解压 tar –zxvf ****
3.创建软链接 ln –s *** hadoop
tar -zxvf jdk-8u121-linux-x64.tar.gz
ln -s jdk1.8.0_121 java
rm -rf jdk-8u121-linux-x64.tar.gz
tar -zxvf hadoop-2.8.0.tar.gz
ln -s hadoop-2.8.0 hadoop
rm -rf hadoop-2.8.0.tar.gz
4.配置环境变量
sudo vi /etc/profile
#java
JAVA_HOME=/home/centos/java
export PATH=$PATH:$JAVA_HOME/bin
#hadoop
HADOOP_HOME=/home/centos/hadoop
Export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
vi ~/hadoop/etc/hadoop/hadoop-env.sh
#java
export JAVA_HOME=/home/centos/java
5.刷新配置文件
source /etc/profile
5.关闭防火墙
sudo systemctl stop firewalld关闭防火墙
sudo systemctl start firewalld开启防火墙
sudo systemctl disable firewalld禁用防火墙（开机不启动）
sudo systemctl enable firewalld使用防火墙（开机启动）
sudo systemctl status firewalld查看防火墙状态
第二步：Hadoop集群搭建
1.独立模式
1、 将hadoop的jar包上传服务器
2、 解压tar包
tar –zxvf ****
3、 创建软连接
ln –s *** hadoop
4、 配置环境变量
[vi /etc/profile]
最下面加上
#hadoop
HADOOP_HOME=/home/centos/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
最后保存文件加载环境变量配置文件
source /etc/profile
5、 修改hadoop环境变量配置文件配置jdk路径
[$HADOOP_HOME/etc/hadoop/hadoop-env.sh]
6、 测试
hadoop version
默认hadoop就是独立模式。
特点：运行任务是一个java进程，就相当于运行一个java程序
2.伪分布式模式配置
修改hdfs配置文件
vi ~/hadoop/etc/hadoop/core-site.xml
cd ~/hadoop/etc/hadoop
[core-site.xml]
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.12.126:9000</value>
</property>
</configuration>
vi ~/hadoop/etc/hadoop/hdfs-site.xml
[hdfs-site.xml]
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
设置ssh免密登录
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 600 ~/.ssh/authorized_keys
检测方式：ssh localhost/主机真实ip
格式化文件系统
hadoop namenode -format
启动文件系统
jps 检测Java开启的进程
start-dfs.sh 启动文件系统（启动了三个java进程）
jps 再次检测Java开启的进程（应该是4个）
配置yarn资源管理器
cd ~/hadoop/etc/hadoop
cp mapred-site.xml.template mapred-site.xml
vi mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
vi yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
start-dfs.sh && start-yarn.sh && jps
3.完全分布式
配置/etc/hosts文件（本地静态DNS）
首行加上 : bogon
增加:
192.168.12.201 s201
192.168.12.202 s202
192.168.12.203 s203
1.设置ssh免密登录：
(现在别的主机ssh 主机IP 然后把宿主机复制过去的权限600)
效果：官网：www.fhadmin.org 从主机上能通过ssh免密登录
目的：在主机上通过ssh执行命令
设置的方式：
首先给主机设置ssh免密登录，将主机的公钥(id_rsa.pub)通过scp命令发送到其他 主机，在其他主机上将获取到的公钥追加到~/.ssh/authorized_keys。
主机：
ssh-keygen –t rsa –P '' –f ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 600 ~/.ssh/authorized_keys
scp ~/.ssh/id_rsa.pub [email protected]:~/.ssh/id_rsa.pub.s201
scp ~/.ssh/id_rsa.pub [email protected]:~/.ssh/id_rsa.pub.s201
s202：
s203：
cat ~/.ssh/id_rsa.pub.s201 >> ~/.ssh/authorized_keys
2.shell脚本的操作：
主机写分发脚本cpTo，查看脚本xcall。赋予执行权限。移动到/usr/local/bin目录下，以便我们能在任何地方使用脚本
[cpTo]
#脚本的目的是：修改完了主机的文件以后，可以通过它分发到其他主机，实现同步
#脚本的用法：cpTo 文件（绝对路径/相对路径）
#!/bin/bash
#获取参数的绝对路径
dirname=`cd $(dirname $1); pwd`
basename=`basename $1`
echo ${dirname}/${basename}
for i in s202 s203
do
echo "=================$i ${dirname}/${basename}=================="
#如果其他机器没有父目录创建父目录
ssh $i mkdir -p ${dirname}
#远程拷贝文件
scp $1 ${i}:${dirname}/${basename}
done
[xcall.sh]
#作用是通过ssh远程运行命令，比如查看jps，在比如删除/tmp
#用法：xcall 命令
#!/bin/bash
for host in s201 s202 s203
do
echo "====================echo $host $@==========================="
#ssh远程执行命令
#$@获取所有参数
#source /etc/profile 因为ssh远程执行命令不去加载/etc/profile，所以很多命令没法用
ssh $host "source /etc/profile && $@"
Done
3.软件安装的操作
安装 官网：www.fhadmin.org jdk、hadoop、配置环境变量JAVA_HOME、HADOOP_HOME，可以通过xcall脚本来 同步安装
在主机上修改hosts文件，给主机配置所有机器的dns服务，使用cpTo脚本分发到其他 机器，让其他机器也有dns服务
注意：/etc/hosts是root用户的文件，所以需要切换到root执行
dns服务： 可以将域名解析为ip地址。比如ping s201，解析成ping 192.168.12.201
4.配置文件操作
在主机上修改hadoop的配置文件：
[Hadoop-en.sh] [core-site.xml] [hdfs-site.xml] [mapred-site.xml] [yarn-site.xml] [slaves]
通过cpTo脚本进行分发（可以分发上一级目录来全部分发）
1、[hadoop-env.sh]配置javahome
2、[core-site.xml]配置连接url
[core-site.xml]
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://s201:9000</value>
</property>
</configuration>
3、[hdfs-site.xml]配置的是副本数
<configuration>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
</configuration>
4、[mapred-site.xml]配置运行map任务采用的集群资源管理框架
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
5、[yarn-site.xml]配置RM的节点和数据传输方式
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>s126</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
6、[slaves]配置datanode节点和NM节点
s201
s202
s203
5.主机格式化文件系统
只需要在主机格式化文件系统（xcall删除数据目录/tmp/hadoop*，日志文件/logs/*）
启动hdfs文件系统和yarn框架
xcall查看启动是否成功/看web
第三步：配置项目
1、 将要统计的文件（wordcount.txt）上传到hdfs
hdfs dfs –put 本地文件 hdfs目录
hdfs dfs -put wordCount2.txt /user
2、 运行任务
hadoop jar jar包 com.zdjy.bigdata.wordCount.hadoop.WordCountApp hdfs输 入文件
hdfs输出目录
hadoop jar wordCount.jar com.zdjy.WordCountApp /user/wordCount2.txt /saa
3、 查看结果
hdfs dfs –cat hdfs输出目录下的文本文件 (hdfs dfs -cat /saa/*)
4.关闭文件系统
hdfs dfs -mkdir /user
hdfs dfs -ls -R /
hdfs -dfs -put wordCount2.txt /user
hdfs dfs -put wordCount2.txt /user
hdfs dfs -ls -R /
hadoop jar wordCount-0.0.1-SNAPSHOT.jar
com.zdjy.bigdata.wordCount.hadoop.WordCountApp
/user/wordCount2.txt /out
hdfs dfs -cat /out/*
5.在浏览器上看web（sudo systemctl stop firewalld关闭防火墙）
文件系统：50070
yarn：8088
ssh免密登录与手动单独启动每一个进程
设置ssh免密登录的原因：我们start-dfs.sh/start-yarn.sh他们都是通过ssh来远程控制每一台主机的进程的启动
[start-dfs.sh]
if [ -n "$HADOOP_SECURE_DN_USER" ]; then
echo \
"Attempting to start secure cluster, skipping datanodes. " \
"Run start-secure-dns.sh as root to complete startup."
else
"$HADOOP_PREFIX/sbin/hadoop-daemons.sh" \
--config "$HADOOP_CONF_DIR" \
--script "$bin/hdfs" start datanode $dataStartOpt
fi
[Hadoop-daemons.sh]
exec "$bin/slaves.sh" --config $HADOOP_CONF_DIR cd "$HADOOP_PREFIX" \; "$bin/hadoop-daemon.sh" --config $HADOOP_CONF_DIR "$@"
[slaves.sh]
for slave in $SLAVE_NAMES ; do
ssh $HADOOP_SSH_OPTS $slave $"${@// /\\ }" \
2>&1 | sed "s/^/$slave: /" &
if [ "$HADOOP_SLAVE_SLEEP" != "" ]; then
sleep $HADOOP_SLAVE_SLEEP
fi
done
我们手动启动每一个进程
主机启动namenode
hadoop-daemon.sh start namenode
所有机器手动启动datnode
hadoop-daemon.sh start datanode
在主机上手动启动datanode
ssh s202 “source /etc/profile && hadoop-daemon.sh start datanode”
在主机上脚本启动所有datanode
hadoop-daemons.sh start datanode
在主机启动secondarynamenode
主机启动resourcemanager
yarn-daemon.sh start resourcemanager
所有机器启动nodemanager
yarn-daemon.sh start nodemanager
在主机启动所有的nodemanager
yarn-daemons.sh start nodemanager
start-dfs.sh=NN,DNs,2NN
start-yarn.sh=RM,NMs
start-all.sh= start-dfs.sh && start-yarn.sh