hadoop集群配合

Hadoop是什么

Hadoop三大发行版本

Hadoop三大发行版本：Apache、Cloudera、Hortonworks。
Apache版本最原始（最基础）的版本，对于入门学习最好。
Cloudera在大型互联网企业中用的较多。
Hortonworks文档较好。

Hadoop的优势（4高）

1)可靠性: Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素
或存储出现故障，也不得致数据的秩。
2)扩展性:在集群间分配任务数据,可防便的扩展数以千计的节点。
3)高效性:在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理
速度。
4)高容错性:能够自动将失败的任务重新分配。

Hadoop组成（面试重点）

虚拟机准备 完全分布式运行模式（开发重点）

1）准备3台客户机（关闭防火墙、静态ip、主机名称）
2）安装JDK
3）配置环境变量
4）安装Hadoop
5）配置环境变量
6）配置集群
7）单点启动
8）配置ssh
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。
（1）基本语法
rsync -av $pdir/$fname $user@hadoop$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
-a 归档拷贝
-v 显示复制过程

（2）案例实操
（a）把hadoop101机器上的/opt/software目录同步到hadoop102服务器的root用户下的/opt/目录
[jinghang@hadoop101 opt]$ rsync -av /opt/software/ hadoop102:/opt/software

集群配置

2. 配置集群
（1）核心配置文件
配置core-site.xml
[jinghang@hadoop102 hadoop]$ vi core-site.xml
在该文件中编写如下配置

<!-- 指定HDFS中NameNode的地址 -->
<property>
		<name>fs.defaultFS</name>
      <value>hdfs://hadoop102:9000</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/module/hadoop-2.7.2/data/tmp</value>
</property>
	（2）HDFS配置文件
配置hadoop-env.sh
[jinghang@hadoop102 hadoop]$ vi hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置hdfs-site.xml
[jinghang@hadoop102 hadoop]$ vi hdfs-site.xml
在该文件中编写如下配置
<property>
		<name>dfs.replication</name>
		<value>3</value>
</property>

<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>hadoop104:50090</value>
</property>
（3）YARN配置文件
配置yarn-env.sh
[jinghang@hadoop102 hadoop]$ vi yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置yarn-site.xml
[jinghang@hadoop102 hadoop]$ vi yarn-site.xml
在该文件中增加如下配置
<!-- Reducer获取数据的方式 -->
<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
</property>

<!-- 指定YARN的ResourceManager的地址 -->
<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>hadoop103</value>
</property>

（4）MapReduce配置文件
配置mapred-env.sh
[jinghang@hadoop102 hadoop]$ vi mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置mapred-site.xml
[jinghang@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml

[jinghang@hadoop102 hadoop]$ vi mapred-site.xml
在该文件中增加如下配置

<!-- 指定MR运行在Yarn上 -->
<property>
		<name>mapreduce.framework.name</name>
		<value>yarn</value>
</property>

3．在集群上分发配置好的Hadoop配置文件
[jinghang@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/
4．查看文件分发情况
[jinghang@hadoop103 hadoop]$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
4.3.4 集群单点启动
（1）如果集群是第一次启动，需要格式化NameNode
[jinghang@hadoop102 hadoop-2.7.2]$ hdfs namenode -format
（2）在hadoop102上启动NameNode
[jinghang@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
[jinghang@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
（3）在hadoop102、hadoop103以及hadoop104上分别启动DataNode
[jinghang@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[jinghang@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[jinghang@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[jinghang@hadoop103 hadoop-2.7.2]$ jps
3190 DataNode
3279 Jps
[jinghang@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[jinghang@hadoop104 hadoop-2.7.2]$ jps
3237 Jps
3163 DataNode
（4）思考：每次都一个一个节点启动，如果节点数增加到1000个怎么办？
早上来了开始一个一个节点启动，到晚上下班刚好完成，下班？
4.3.5 SSH无密登录配置

1. 配置ssh
   （1）基本语法
   ssh另一台电脑的ip地址
   （2）ssh连接时出现Host key verification failed的解决方法

[jinghang@hadoop102 opt] $ ssh 192.168.1.103
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)? 
Host key verification failed.

（3）解决方案如下：直接输入yes
2. 无密钥配置
（1）免密登录原理，如图2-40所示
图2-40 免密登陆原理
（2）生成公钥和私钥：
[jinghang@hadoop102 .ssh]$ ssh-keygen -t rsa
然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
（3）将公钥拷贝到要免密登录的目标机器上
[jinghang@hadoop102 .ssh]$ ssh-copy-id hadoop102
[jinghang@hadoop102 .ssh]$ ssh-copy-id hadoop103
[jinghang@hadoop102 .ssh]$ ssh-copy-id hadoop104
注意：
还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；
还需要在hadoop103上采用jinghang账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
3. .ssh文件夹下（~/.ssh）的文件功能解释
表2-4
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 存放授权过得无密登录服务器公钥
4.3.6 群起集群

1. 配置slaves
   /opt/module/hadoop-2.7.2/etc/hadoop/slaves
   [jinghang@hadoop102 hadoop]$ vi slaves
   在该文件中增加如下内容：
   hadoop102
   hadoop103
   hadoop104
   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。
   同步所有节点配置文件
   [jinghang@hadoop102 hadoop]$ xsync slaves
2. 启动集群
   （1）如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）
   [jinghang@hadoop102 hadoop-2.7.2]$ bin/hdfs namenode -format
   （2）启动HDFS
   [jinghang@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
   [jinghang@hadoop102 hadoop-2.7.2]$ jps
   4166 NameNode
   4482 Jps
   4263 DataNode
   [jinghang@hadoop103 hadoop-2.7.2]$ jps
   3218 DataNode
   3288 Jps

[jinghang@hadoop104 hadoop-2.7.2]$ jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps
（3）启动YARN
[jinghang@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。
（4）Web端查看SecondaryNameNode
（a）浏览器中输入：http://hadoop104:50090/status.html
（b）查看SecondaryNameNode信息，如图2-41所示。

图2-41 SecondaryNameNode的Web端
3. 集群基本测试
（1）上传文件到集群
上传小文件
[jinghang@hadoop102 hadoop-2.7.2]$ hdfs dfs -mkdir -p /user/jinghang/input
[jinghang@hadoop102 hadoop-2.7.2]$ hdfs dfs -put wcinput/wc.input /user/jinghang/input
上传大文件
[jinghang@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -put
/opt/software/hadoop-2.7.2.tar.gz /user/jinghang/input
（2）上传文件后查看文件存放在什么位置
（a）查看HDFS文件存储路径
[jinghang@hadoop102 subdir0]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
（b）查看HDFS在磁盘存储文件内容
[jinghang@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
jinghang
jinghang
（3）拼接
-rw-rw-r–. 1 jinghang jinghang 134217728 5月 23 16:01 blk_1073741836
-rw-rw-r–. 1 jinghang jinghang 1048583 5月 23 16:01 blk_1073741836_1012.meta
-rw-rw-r–. 1 jinghang jinghang 63439959 5月 23 16:01 blk_1073741837
-rw-rw-r–. 1 jinghang jinghang 495635 5月 23 16:01 blk_1073741837_1013.meta
[jinghang@hadoop102 subdir0]$ cat blk_1073741836>>tmp.file
[jinghang@hadoop102 subdir0]$ cat blk_1073741837>>tmp.file
[jinghang@hadoop102 subdir0]$ tar -zxvf tmp.file
（4）下载
[jinghang@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -get
/user/jinghang/input/hadoop-2.7.2.tar.gz ./
4.3.7 集群启动/停止方式总结

1. 各个服务组件逐一启动/停止
   （1）分别启动/停止HDFS组件
   hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
   （2）启动/停止YARN
   yarn-daemon.sh start / stop resourcemanager / nodemanager
2. 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
   4.3.8 集群时间同步
   时间同步的方式：找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，比如，每隔十分钟，同步一次时间。

配置时间同步具体实操：

1. 时间服务器配置（必须root用户）
   （1）检查ntp
   （a）检查ntp是否安装
   [root@hadoop102 桌面]# rpm -qa|grep ntp
   ntp-4.2.6p5-10.el6.centos.x86_64
   fontpackages-filesystem-1.41-1.1.el6.noarch
   ntpdate-4.2.6p5-10.el6.centos.x86_64

（b）查看ntp的状态：切记正在运行的状态是不可以的，需要先停止，不然端口会被占用
[root@hadoop102 桌面]# service ntpd status
（c）关闭ntpd服务
[root@hadoop102 桌面]# service ntpd stop
[root@hadoop102 桌面]# chkconfig ntpd off

（2）修改ntp配置文件
[root@hadoop102 桌面]# vi /etc/ntp.conf
修改内容如下
a）修改1（授权192.168.1.0-192.168.1.255网段上的所有机器可以从这台机器上查询和同步时间）
#restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap为
restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
b）修改2（集群在局域网中，不使用其他互联网上的时间）
server 0.centos.pool.ntp.org iburst
server 1.centos.pool.ntp.org iburst
server 2.centos.pool.ntp.org iburst
server 3.centos.pool.ntp.org iburst为
#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst
c）添加3（当该节点丢失网络连接，依然可以采用本地时间作为时间服务器为集群中的其他节点提供时间同步）
server 127.127.1.0
fudge 127.127.1.0 stratum 10
（3）修改/etc/sysconfig/ntpd 文件
[root@hadoop102 桌面]# vim /etc/sysconfig/ntpd
增加内容如下（让硬件时间与系统时间一起同步）
SYNC_HWCLOCK=yes
（4）重新启动ntpd服务
[root@hadoop102 桌面]# service ntpd status
ntpd 已停
[root@hadoop102 桌面]# service ntpd start
正在启动 ntpd： [确定]
（5）设置ntpd服务开机启动
[root@hadoop102 桌面]# chkconfig ntpd on
2. 其他机器配置（必须root用户）
（1）在其他机器配置10分钟与时间服务器同步一次
[root@hadoop103桌面]# crontab -e
编写定时任务如下：
*/10 * * * * /usr/sbin/ntpdate hadoop102
（2）修改任意机器时间
[root@hadoop103桌面]# date -s “2017-9-11 11:11:11”
（3）十分钟后查看机器是否与时间服务器同步
[root@hadoop103桌面]# date

来源：CSDN

作者：Pioneer_1

链接：https://blog.csdn.net/Pioneer_1/article/details/103655703