本系列文章次要记录了在拉勾大数据课程中的学习心得
1.虚拟机环境筹备
应用vmware虚拟机虚构三台linux节点，应用Centos7
1.1 虚拟机硬盘调配
- 内存：2G
- 硬盘：20G
- /boot 调配200M
- swap 调配2G
- / 调配所有残余空间
1.2 配置动态IP
最好在关机状态下，批改网络。
点击编辑，抉择倒数第⼆个选项“虚构网络编辑器”,呈现上面的“虚构网络编辑器”窗⼝口。抉择NAT模式，留神子网IP前三位与NAT设置的网关IP、DHCP网段统一。
虚拟机设置实现后，进入零碎应用命令：
vi /etc/sysconfig/network-scripts/ifcfg-ens33关上ifcfg-ens33文件，批改配置：
- ONBOOT改为yes开启主动启用网络连接
- BOOTPROTO改为动态static
- IPADDR改为你⾃自⼰己设置的ip (ip能够通过命令 ip addr来取得)
GATEWAY设置网关
设置DNS1作为主DNS，也能够加个DNS2作为备用。
常见的DNS1=8.8.8.8 DNS2=8.8.4.4
按esc退出编辑模式后 :wq! 强制退出并保留；
此时，运⽤用命令ping baidu.com
即可看出曾经连通。
1.3 敞开防火墙与selinux
1.3.1 敞开防火墙
systemctl status firewalld.service 查看firewall状态
systemctl stop firewalld.service 停⽌止firewall
systemctl disable firewalld.service 禁⽌止firewall开机启动
1.3.2 敞开selinux
vi /etc/selinux/config
1.4 设置hostname并配置与IP的映射
设置hostname
[root@linux121 ~]其中的linux121就是hostname
能够通过 vi /etc/sysconfig/network 关上network编辑
保留退出后输出hostname,即可显示出linux121。
留神：改变配置文件后要进行网络重启
或重启init 6 从而使配置文件失效
命令为service network restart
设置hostname与IP映射
| IP地址 | 主机名 | |
|---|---|---|
| 第一台机器 | 192.168.80.121 | linux121 |
| 第一台机器 | 192.168.80.122 | linux122 |
| 第一台机器 | 192.168.80.123 | linux123 |
vi /etc/hosts
此时曾经配置了了三台机器的IP与hostname映射，从而能够达到，在本机ping hostname可通，如果没有配此映射，需用ping IP地址可通。如果是三台机器相互用hostname来ping，那么三台机器必须同时配好三个IP和hostname的映射。
1.5 配置免密登录
- 参见1.4配置hostname与IP映射
-
在所有主机上创立目录并赋予权限
mkdir /root/.ssh chmod 700 /root/.ssh -
在三台机器执行以下命令，生成公钥与私钥
cd ~ #进入用户⽬目录 ssh-keygen -t rsa -P "" 是生成ssh明码的命令，-t 参数示意⽣生成算法，有rsa和dsa两种；-P示意应用的明码，这里应用""空字 符串示意无明码。 cd ~/.ssh 进⼊入.ssh cat id_rsa.pub >> authorized_keys #这个命令将id_rsa.pub的内容追加到了了authorized_keys的内容后⾯面
4.复制第一台机器的认证到其余机器scp authorized_keys linux121:/root/.ssh/ scp authorized_keys linux123:/root/.ssh/明码传输过程中只应用一次，当前再应用ssh linux121或ssh linux123即不再须要明码，实现免密钥登录。
1.6 集群工夫同步
工夫同步的形式：在集群中找一台机器器，作为工夫服务器。
通过网络连接外网进行时钟同步,必须保障虚拟机连上外网
ntpdate us.pool.ntp.org
阿里云时钟同步服务器
ntpdate ntp4.aliyun.com集群中其余机器与这台机器定时的同步工夫，⽐如，每隔十分钟，同步一次工夫。
工夫服务器配置（必须root用户）
-
确定是否装置了了ntpd的服务
如果没有装置,能够进行在线装置 yum -y install ntp 启动ntpd的服务 service ntpd start 设置ntpd的服务开机启动 chkconfig ntpd on第一步:确定是否装置了了ntpd的服务 rpm -qa | grep ntpd -
编辑/etc/ntp.conf
编辑第一台机器的/etc/ntp.conf vim /etc/ntp.conf 在⽂件中增加如下内容 restrict 192.168.80.0 mask 255.255.255.0 nomodify notrap 正文⼀下四行内容 #server 0.centos.pool.ntp.org #server 1.centos.pool.ntp.org #server 2.centos.pool.ntp.org #server 3.centos.pool.ntp.org 去掉以下内容的正文，如果没有这两行正文，那就⾃己增加上 server 127.127.1.0 # local clock fudge 127.127.1.0 stratum 10
配置以下内容，保障BIOS与零碎工夫同步vim /etc/sysconfig/ntpd增加一行内容
SYNC_HWLOCK=yes -
重新启动ntpd
service ntpd statusntpd 已停
service ntpd start使NTP服务能够在零碎疏导的时候主动启动 ：
chkconfig ntpd on
其余机器配置（必须root用户）
-
在其余机器配置10分钟与工夫服务器同步⼀次
crontab -e编写脚本
另外两台机器器与192.168.80.121进⾏行行时钟同步*/10 * * * * /usr/sbin/ntpdate 192.168.80.121 -
批改任意机器工夫，进行测试
date -s "2021-05-24 23:00:00" -
十分钟后查看机器是否与工夫服务器同步
date
2.装置Hadoop
集群布局
| 框架 | linux121 | linux122 | linux123 |
|---|---|---|---|
| HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode |
| YARN | NodeManager | NodeManager | NodeManager、ResourceManager |
2.1 装置java和Hadoop并配置环境变量
在/opt目录下创立文件夹
mkdir -p /opt/lagou/software --软件安装包寄存目录
mkdir -p /opt/lagou/servers --软件装置目录下载jdk和Hadoop安装文件，上传到/opt/lagou/software，文章应用的jdk版本为java8，Hadoop版本为2.9.2
java官网：https://www.oracle.com/java/
Hadoop官网：http://hadoop.apache.org/
-
解压
tar -zxvf jdk-8u231-linux-x64.tar.gz -C /opt/lagou/servers/ tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers -
增加环境变量
vi /etc/profile ## JAVA_HOME export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231 export PATH=:$JAVA_HOME/bin:$PATH ## HADOOP_HOME export HADOOP_HOME=/opt/lagou/servers/hadoop-2.9.2 export PATH=$PATH:$HADOOP_HOME/bin export PATH=$PATH:$HADOOP_HOME/sbin -
使环境变量失效
source /etc/profile
验证hadoophadoop version -
hadoop目录
drwxr-xr-x. 2 root root 194 Nov 13 2018 bin drwxr-xr-x. 3 root root 20 Nov 13 2018 etc drwxr-xr-x. 2 root root 106 Nov 13 2018 include drwxr-xr-x. 3 root root 20 Nov 13 2018 lib drwxr-xr-x. 2 root root 239 Nov 13 2018 libexec -rw-r--r--. 1 root root 106210 Nov 13 2018 LICENSE.txt -rw-r--r--. 1 root root 15917 Nov 13 2018 NOTICE.txt -rw-r--r--. 1 root root 1366 Nov 13 2018 README.txt drwxr-xr-x. 3 root root 4096 Nov 13 2018 sbin drwxr-xr-x. 4 root root 31 Nov 13 2018 share 1.bin目录:对Hadoop进行操作的相干命令，如hadoop,hdfs等 2.etc目录：Hadoop的配置文件目录，入hdfs-site.xml,core-site.xml等 3.lib目录：Hadoop本地库（解压缩的依赖） 4.sbin目录：寄存的是Hadoop集群启动进行相干脚本，命令 5.share目录：Hadoop的一些jar,官网案例jar，文档等
2.2 集群配置
Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置
留神：Hadoop装置目录所属用户和所属用户组信息，默认是501 dialout，而咱们操作Hadoop集群的用户应用的是虚拟机的root用户，所以为了避免出现信息凌乱，批改Hadoop装置目录所属用户和用户组!
chown -R root:root /opt/lagou/servers/hadoop-2.9.2进入 /opt/lagou/servers/hadoop-2.9.2/etc/hadoop 目录进行集群配置：
2.2.1 HDFS集群配置
-
指定HDFS应用的JDK门路（批改hadoop-env.sh）
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（批改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>官网默认配置：https://hadoop.apache.org/doc…
-
指定secondarynamenode节点(批改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> <!--正本数量 --> <property> <name>dfs.replication</name> <value>3</value> </property>官网默认配置:https://hadoop.apache.org/doc…
-
指定datanode从节点(批改slaves文件，每个节点配置信息占一行)
vim slaves linux121 linux122 linux123留神：该文件中增加的内容结尾不容许有空格，文件中不容许有空行。
2.2.2 MapReduce集群配置
-
指定MapReduce应用的jdk门路（批改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(批改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>官网默认配置：https://hadoop.apache.org/doc…
2.2.3 Yarn集群配置
-
指定Yarn应用的JDK门路（批改yarn-env.sh）
vim yarn-env.sh export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231 -
指定ResourceMnager的master节点信息(批改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获取数据的形式 --> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property>官网默认配置：https://hadoop.apache.org/doc…
- 指定NodeManager节点（slaves文件已批改）
2.3 应用rsync散发配置
rsync次要用于备份和镜像。具备速度快、防止复制雷同内容和反对符号链接的长处。
rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差别文件做更新。scp是把所有文件都复制过来。
根本语法
命令 选项参数 要拷贝的文件门路/名称 目标用户@主机:目标门路/名称
rsync -rvl $pdir/$fname $user@$host:$pdir/$fname参数阐明
| 参数 | 性能 |
|---|---|
| -r | 递归 |
| -v | 显示复制过程 |
| -l | 拷贝合乎链接 |
散发脚本
需要：循环复制文件到集权所有节点的雷同目录下
-
装置rsync
[root@linux121 ~]# yum install -y rsync -
脚本实现
/usr/local/bin目录下创立文件rsync-script，脚本内容如下：#!/bin/bash #1 获取命令输出参数的个数，如果个数为0，间接退出命令 paramnum=$# if((paramnum==0)); then echo no params; exit; fi #2 依据传入参数获取文件名称 p1=$1 file_name=`basename $p1` echo fname=$file_name #3 获取输出参数的绝对路径 pdir=`cd -P $(dirname $p1); pwd` echo pdir=$pdir #4 获取用户名称 user=`whoami` #5 循环执行rsync host_name=`hostname` echo hostname=$host_name for((host=121; host<124; host++)); do if [ "linux$host" != "$host_name" ];then echo ------------------- linux$host -------------- rsync -rvl $pdir/$file_name $user@linux$host:$pdir fi done批改脚本 rsync-script 具备执行权限
[root@linux121 bin]$ chmod 777 rsync-script调用脚本模式：rsync-script 文件名称
[root@linux121 bin]$ rsync-script /home/root/bin调用脚本散发Hadoop装置目录到其它节点
[root@linux121 bin]$ rsync-script /opt/lagou/servers/hadoop-2.9.2
3.集群启动与测试
3.1 集群启动
留神：如果集群是第一次启动，须要在Namenode所在节点格式化NameNode，非第一次不必执行格式化Namenode操作！！
[root@linux121 hadoop-2.9.2]$ hadoop namenode -format格式化命令执行成果：
格式化后创立的文件：/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current
3.1.1 单节点启动
-
在linux121上启动HDFS的NameNode和DataNode,在linux122启动DataNode，在linux123上启动NameNode和SecondaryNameNode
[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode [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]$ hadoop-daemon.sh start secondaryNameNode [root@linux123 hadoop-2.9.2]$ jps 3237 Jps 3163 DataNode 3283 SecondaryNameNodeweb端查看HDFS界面：http://linux121:50070/dfsheal…
留神：如果想间接应用linux121，须要在win主机配置对应的hostname
查看HDFS集群失常节点：
-
在linux123上启动Yarn的ResourceManager,在linux121和linux122上别离启动NodeManager
[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
3.1.2 集群群启
-
启动/敞开HDFS
[root@linux121 hadoop-2.9.2]$ sbin/start-dfs.sh [root@linux121 hadoop-2.9.2]$ sbin/stop-dfs.sh -
启动/敞开Yarn
[root@linux123 hadoop-2.9.2]$ sbin/start-yarn.sh [root@linux123 hadoop-2.9.2]$ sbin/stop-yarn.sh
3.2 集群测试
3.2.1 存储测试
hdfs dfs -mkdir -p /test/input
#本地hoome目录创立一个文件
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.txt3.2.2 计算测试
调用MapReduce自带的wordcount统计文本单词数量
-
在HDFS文件系统根目录上面创立一个wcinput文件夹
[root@linux121 hadoop-2.9.2]$ hdfs dfs -mkdir /wcinput -
在/root/目录下创立一个wc.txt文件(本地文件系统)
[root@linux121 hadoop-2.9.2]$ cd /root/ [root@linux121 wcinput]$ touch wc.txt [root@linux121 wcinput]$ vim wc.txt hadoop mapreduce yarn hdfs hadoop mapreduce mapreduce yarn lagou lagou lagou -
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 -
查看后果
[root@linux121 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000 hadoop 2 hdfs 1 lagou 3 mapreduce 3 yarn 2
4 配置历史服务器
4.1 配置历史服务器
在Yarn中运行的工作产生的日志数据不能查看，为了查看程序的历史运行状况，须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在该文件外面减少如下配置：
<!-- 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> -
散发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JobHistory：http://linux121:19888/jobhistory
4.2 配置日志的汇集
日志汇集：利用(Job)运行实现当前，将利用运行日志信息从各个task汇总上传到HDFS零碎上。
日志汇集性能益处：能够不便的查看到程序运行详情，不便开发调试。
留神：开启日志汇集性能，须要重新启动NodeManager 、ResourceManager和HistoryManager。
开启日志汇集性能具体步骤如下：
-
配置yarn-site.xml
[root@linux121 hadoop]$ vi yarn-site.xml在该文件外面减少如下配置:
<!-- 日志汇集性能使能 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <!-- 日志保留工夫设置7天 --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> -
散发yarn-site.xml到集群其它节点
rsync-script yarn-site.xml -
敞开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上曾经存在的输入文件
[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/hadoopmapreduce- examples-2.9.2.jar wordcount /wcinput /wcoutput - 查看日志：http://linux121:19888/jobhistory
发表回复