hadoop day2-搭建

Hadoop 2022-11-24

hadoop搭建

准备工作

三台虚拟机：master、node1、node2

检查时间是否同步：date

检查java的jdk是否被安装好：java-version

修改主机名

三台分别执行 vim /etc/hostname 并将内容指定为对应的主机名

 

关闭防火墙：systemctl stop firewalld

      a.查看防火墙状态：systemctl status firewalld

      b.取消防火墙自启：systemctl disable firewalld

静态IP配置

      a.直接使用图形化界面配置（不推荐）

      b.手动编辑配置文件进行配置

1、编辑网络配置文件
vim /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE=Ethernet
BOOTPROTO=static
HWADDR=00:0C:29:E2:B8:F2
NAME=ens33
DEVICE=ens33
ONBOOT=yes
IPADDR=192.168.190.100
GATEWAY=192.168.190.2
NETMASK=255.255.255.0
DNS1=192.168.190.2
DNS2=223.6.6.6

需要修改：HWADDR（mac地址,centos7不需要手动指定mac地址）
        IPADDR（根据自己的网段，自定义IP地址）
        GATEWAY（根据自己的网段填写对应的网关地址）

2、关闭NetworkManager，并取消开机自启
systemctl stop NetworkManager
systemctl disable NetworkManager

3、重启网络服务
systemctl restart network

 

免密登录

# 1、生成密钥
ssh-keygen -t rsa
# 2、配置免密登录
ssh-copy-id master
ssh-copy-id node1
ssh-copy-id node2
# 3、测试免密登录
ssh node1

 

配置好映射文件：/etc/hosts

192.168.80.100 master
192.168.80.20 node1
192.168.80.30 node2

搭建Hadoop集群

NameNode：接受客户端的读/写服务,收集 DataNode 汇报的 Block 列表信息

DataNode：真实数据存储的地方（block）

SecondaryNameNode：做持久化的时候用到 

进程master（主）node1（从）node2（从）
NameNode √    
SecondaryNameNode √    
ResourceManager √    
DataNode   √ √
NodeManager   √ √

 完全分布式搭建

上传安装包并解压
# 使用xftp上传压缩包至master的/usr/local/soft/
cd /urs/local/soft/
# 解压
tar -zxvf hadoop-2.7.6.tar.gz

 

配置环境变量
vim /etc/profile（标颜色的需要加）
HADOOP_HOME=/usr/local/soft/hadoop-2.7.6
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

# 重新加载环境变量
source /etc/profile

　

 

bin存放启动之后操作hadoop的命令

sbi存放启动时存放hadoop的命令

etc存放一些配置文件

lib存放超链接或者软连接

 

修改hadoop配置文件

目录：cd /usr/local/soft/hadoop-2.7.6/etc/hadoop/

1.hadoop-env.sh

export JAVA_HOME=/usr/local/soft/jdk1.8.0_171

2.core-site.xml文件（hadoop核心配置）
  • fs.defaultFS： 默认文件系统的名称。其方案和权限决定文件系统实现的URI。uri的方案确定命名文件系统实现类的配置属性（fs.scheme.impl）。uri的权限用于确定文件系统的主机、端口等。
  • hadoop.tmp.dir：是 hadoop文件系统依赖的基本配置，很多配置路径都依赖它，它的默认位置是在 /tmp/{$user}下面，注意这是个临时目录！！！因此，它的持久化配置很重要的！ 如果选择默认，一旦因为断电等外在因素影响，/tmp/{$user}下的所有东西都会丢失。
  • fs.trash.interval：启用垃圾箱配置，dfs命令删除的文件不会立即从HDFS中删除。相反，HDFS将其移动到垃圾目录（每个用户在/user/<username>/.Trash下都有自己的垃圾目录）。只要文件保留在垃圾箱中，文件可以快速恢复。（1440分钟）（如果垃圾站空间不够，则文件会被立即清除）
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000</value>
    </property>

    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/soft/hadoop-2.7.6/tmp</value>
    </property>

    <property>
        <name>fs.trash.interval</name>
        <value>1440</value>
    </property>

 

3.hdfs-site.xml
  • dfs.replication：每个datanode上只能存放一个副本。我这里就2个datanode
  • dfs.permissions：如果为“true”，则在HDFS中启用权限检查。如果为“false”，则关闭权限检查，但所有其他行为保持不变。从一个参数值切换到另一个参数值不会更改文件或目录的模式、所有者或组。
<property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>

    <property>
        <name>dfs.permissions</name>
        <value>false</value>
    </property>

 

4.mapred-site.xml.template

  1. mapreduce.framework.name：用于执行MapReduce作业的运行时框架。
  2. mapreduce.jobhistory.address：Hadoop自带了一个历史服务器，可以通过历史服务器查看已经运行完的Mapreduce作业记录，比如用了多少个Map、用了多少个Reduce、作业提交时间、作业启动时间、作业完成时间等信息。默认情况下，Hadoop历史服务器是没有启动的，我们可以通过*mr-jobhistory-daemon.sh start historyserver命令来启动Hadoop历史服务器。我们可以通过Hadoop jar的命令来实现我们的程序jar包的运行，关于运行的日志，我们一般都需要通过启动一个服务来进行查看，就是我们的JobHistoryServer，我们可以启动一个进程，专门用于查看我们的任务提交的日志。mapreduce.jobhistory.address和mapreduce.jobhistory.webapp.address默认的值分别是0.0.0.0:10020和0.0.0.0:19888
# 1、重命名文件
cp mapred-site.xml.template mapred-site.xml
# 2、修改
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>

    <property>  
        <name>mapreduce.jobhistory.address</name>  
        <value>master:10020</value>  
    </property>  

    <property>  
        <name>mapreduce.jobhistory.webapp.address</name>  
        <value>master:19888</value>  
    </property>

 

5.yarn-site.xml

  • yarn.resourcemanager.hostname：指定yarn主节点
  • yarn.nodemanager.aux-services：NodeManager上运行的附属服务。需配置mapreduce_shuffle，才可运行MapReduce程序。默认值：“”
  • yarn.log-aggregation-enable：yarn日志聚合功能开关
  • yarn.log-aggregation.retain-seconds：日志保留时限，默认7天（秒级别）
      <property>
          <name>yarn.resourcemanager.hostname</name>
          <value>master</value>
      </property>
  
      <property>
          <name>yarn.nodemanager.aux-services</name>
          <value>mapreduce_shuffle</value>
      </property>
  
      <property>
          <name>yarn.log-aggregation-enable</name>
          <value>true</value>
      </property>
  
      <property>
          <name>yarn.log-aggregation.retain-seconds</name>
          <value>604800</value>
      </property>

 

6.slaves

从节点的信息（前提是已经配置了映射）

node1
node2

在文件中有一个localhost，意思是既是主节点又是从节点，属于伪分布是搭建

最后把/usr/local/soft目录下的hadoop-2.7.6文件复制给node1，node2

cd /usr/local/soft/
scp -r hadoop-2.7.6/ node1:`pwd`
scp -r hadoop-2.7.6/ node2:`pwd`

 

格式化namenode（第一次启动的时候需要执行。以及每次修改核心配置文件后都需要）

 cd /usr/local/soft/hadoop-2.7.6/bin/（在这个目录下做）
hdfs namenode -format

 

格式化在master节点下去做

 

格式化之后在hadoop-2.7.6下产生一个tmp文件

在sbin目录下有单独启动hdfs和yarn的命令

 

后缀是cmd是windows下的命令，sh是linux的命令

start-all.sh先启动与hdfs相关的，后启动与yarn相关的

检查master、node1、node2上的进程（jps只能看java进程）

master

 

node1

 

node2

 

访问可视化工具（主节点+端口号：50070是2.7.6的固定端口号）访问HDFS的WEB界面

 

utilities里browse system file可以查看文件

访问YARN的WEB界面（主节点+端口号：端口号是8088）

 

Hadoop中的常见的shell命令（前缀是hadoop fs或者是hdfs dfs）

1、如何将linux本地的数据上传到HDFS中呢？
hadoop fs -put 本地的文件 HDFS中的目录
hdfs dfs -put 本地的文件 HDFS中的目录


2、如何创建HDFS中的文件夹呢？
需求：想创建/shujia/bigdata17
hadoop fs -mkdir /shujia/bigdata17
hdfs dfs -mkdir /shujia/bigdata17
在hdfs的web网页中输入/查看文件
创建递归文件
例如：hdfs dfs -mkdir -p /wyy/bigdata19/test

3、查看当前HDFS目录下的文件和文件夹
hadoop fs -ls /shujia/bigdata17
hdfs dfs -ls /shujia/bigdata17

查看文件内容：hdfs dfs -cat /wqy/d.txt

4、将HDFS的文件下载到Linux本地中
hadoop fs -get HDFS中的文件目录 本地要存放文件的目录
hdfs dfs -get HDFS中的文件目录 本地要存放文件的目录
例如：hdfs dfs -get /wqy/d.txt /usr/local/soft/

5、删除命令（如果垃圾回收站大小小于被删除文件的大小，直接被删除，
不经过回收站。。。删除文件后可在垃圾站回收） 
hadoop fs -rm .... # 仅删除文件 hadoop fs -rmr .... # 删除文件夹 

6、移动文件 hadoop fs -mv 目标文件 目的地路径 7、HDFS内部复制文件 hadoop fs -cp [-p] ... ... # 如果想复制文件夹，加上-p参数
例如：hdfs dfs -cp /wqy/d.txt /wyy/bigdata19/test/

 

 

block位置：/usr/local/soft/hadoop-2.7.6/tmp/dfs/data/current/BP-349031295-192.168.80.100-1661069242799/current/finalized/subdir0/subdir0

 

 

meta是一个校验文件

 

在windows下配置节点映射

C:\Windows\System32\drivers\etc下hosts里配置ip地址和名字

 

 

强制格式化集群（遇到问题的简单暴力的方法）

1、停止正在运行的集群

stop-all.sh

2、删除所有节点hadoop根目录中的tmp文件夹

3、在主节点（master）中hadoop的根目录中的bin目录下，重新格式化HDFS

./hdfs namenode -format

4、启动集群

start-all.sh

 

 

 

相关文章

hadoop day2-搭建
hadoop搭建准备工作三台虚拟机：master、node1、node2检查时...
Hadoop 二十三
文件的更名和移动:    获取文件详细信息       遇...
大数据Hadoop之——HDFS小文件问题与处理实战操作
目录一、背景1）小文件是如何产生的？2）文件块大小设置3）H...
大数据Hadoop之——Hadoop HDFS多目录磁盘扩展与数据平衡实战操作
目录一、概述二、HadoopDataNode多目录磁盘配置1）配置hdfs-...
平台搭建伪分布式
平台搭建（伪分布式）伪分布式搭建在VM中搭建std-master修改...
Harley浅谈HadoopHDFS
 一、HDFS概述 1.1、HDFS产出背景及定义 1.1.1、HDFS产生...