大数据技术之Hadoop(入门)概述、运行环境搭建、运行模式
文章目录
- 1 Hadoop 概述
- 1.1 Hadoop 是什么
- 1.2 Hadoop 优势
- 1.3 Hadoop 组成(面试重点)
- 1.3.1 HDFS 架构概述
- 1.3.2 YARN 架构概述
- 1.3.3 MapReduce 架构概述
- 1.3.4 HDFS、YARN、MapReduce 三者关系
- 1.3.5 大数据技术生态体系
- 1.3.6 推荐系统框架图
- 2 Hadoop 运行环境搭建(开发重点)
- 2.1 模板虚拟机环境准备
- 2.2 克隆虚拟机
- 2.3 在 hadoop102 安装 JDK
- 2.4 在 hadoop102 安装 Hadoop
- 2.5 Hadoop 目录结构
- 3 Hadoop 运行模式
- 3.1 编写集群分发脚本 xsync
- 3.2 SSH 无密登录配置
- 3.3 集群配置
- 3.4 群起集群
- 3.5 配置历史服务器
- 3.6 配置日志的聚集
- 3.7 集群启动/停止方式总结
- 3.8 编写 Hadoop集群常用脚本
- 3.9 常用端口号说明
1 Hadoop 概述
1.1 Hadoop 是什么
(1)Hadoop是一个由Apache基金会所开发的分布式系统基础架构
(2)主要解决海量数据的存储和海量数据的分析计算问题
(3)广义上来说,Hadoop通常是指一个更广泛的概念——Hadoop生态圈
1.2 Hadoop 优势
(1)高可靠性: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,也不会导致数据的丢失。
(2)高扩展性:在集群间分配任务数据,可方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。
1.3 Hadoop 组成(面试重点)
在Hadoop1.x 时代,Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度,耦合性较大。
在Hadoop2.x时代,增加了Yarn。Yarn只负责资源的调度,MapReduce 只负责运算。
Hadoop3.x在组成上没有变化。
1.3.1 HDFS 架构概述
Hadoop Distributed File System,简称HDFS,是一个分布式文件系统。
(1)NameNode
(nn):存储文件的元数据,如文件名,文件目录结构,文件属性(生成时间、副本数、文件权限),以及每个文件的块列表和块所在的DataNode等。
(2)DataNode
(dn):在本地文件系统存储文件块数据,以及块数据的校验和。
(3)Secondary NameNode
(2nn):每隔一段时间对NameNode元数据备份。
1.3.2 YARN 架构概述
Yet Another Resource Negotiator 简称YARN ,另一种资源协调者,是Hadoop 的资源管理器。
ResourceManager
(RM):整个集群资源(内存、CPU等)的管理者
NodeManager
(NM):单个节点服务器资源的管理者。
ApplicationMaster
(AM):单个任务运行的管理者。
Container
:容器,相当于一台独立的服务器,里面封装了任务运行所需要的资源,如内存、CPU、磁盘、网络等。
说明:
(1)客户端可以有多个
(2)集群上可以运行多个ApplicationMaster
(3)每个NodeManager上可以有多个Container
1.3.3 MapReduce 架构概述
MapReduce 将计算过程分为两个阶段:Map 和Reduce
1)Map 阶段并行处理输入数据
2)Reduce 阶段对Map 结果进行汇总
1.3.4 HDFS、YARN、MapReduce 三者关系
如图所示:
1.3.5 大数据技术生态体系
如图所示:
图中涉及的技术名词解释如下:
(1)Sqoop
:Sqoop 是一款开源的工具,主要用于在Hadoop、Hive 与传统的数据库(MySQL)间进行数据的传递,可以将一个关系型数据库(例如 :MySQL,Oracle 等)中的数据导进到Hadoop 的HDFS 中,也可以将HDFS 的数据导进到关系型数据库中。
(2)Flume
:Flume 是一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume 支持在日志系统中定制各类数据发送方,用于收集数据。
(3)Kafka
:Kafka 是一种高吞吐量的分布式发布订阅消息系统。
(4)Spark
:Spark 是当前最流行的开源大数据内存计算框架。可以基于Hadoop 上存储的大数据进行计算。
(5)Flink
:Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
(6)Oozie
:Oozie 是一个管理Hadoop 作业(job)的工作流程调度管理系统。
(7)Hbase
:HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。
(8)Hive
:Hive 是基于Hadoop 的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的SQL 查询功能,可以将SQL 语句转换为MapReduce 任务进行运行。其优点是学习成本低,可以通过类SQL 语句快速实现简单的MapReduce 统计,不必开发专门的MapReduce 应用,十分适合数据仓库的统计分析。
(9)ZooKeeper
:它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、分布式同步、组服务等。
1.3.6 推荐系统框架图
推荐系统项目框架
2 Hadoop 运行环境搭建(开发重点)
2.1 模板虚拟机环境准备
2.1.1 hadoop100 虚拟机配置要求如下
(1)使用 yum
安装需要虚拟机可以正常上网,yum 安装前可以先测试下虚拟机联网情况
[root@hadoop100 ~]# ping www.baidu.com
(2)安装epel-release
[root@hadoop100 ~]# yum install -y epel-release
(3)注意:如果Linux 安装的是最小系统版,还需要安装如下工具;如果安装的是Linux桌面标准版,不需要执行如下操作
net-tool
:工具包集合,包含ifconfig
等命令
vim
:编辑器
[root@hadoop100 ~]# yum install -y net-tools
[root@hadoop100 ~]# yum install -y vim
2.1.2 关闭防火墙,关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service
2.1.3 创建普通用户,并修改普通用户的密码
[root@hadoop100 ~]# useradd Tom
[root@hadoop100 ~]# passwd Tom
2.1.4 配置普通用户具有 root 权限,方便后期加sudo 执行 root 权限的命令
[root@hadoop100 ~]# vim /etc/sudoers
修改/etc/sudoers
文件,在%wheel
这行下面添加一行,如下所示:
注意:Tom这一行不要直接放到 root行下面,因为所有用户都属于 wheel
组,你先配置了Tom具有免密功能,但是程序执行到 %wheel
行时, 该功能又被覆盖回需要密码 。所以Tom要放到 %wheel
这行下面。
2.1.5 在 /opt目录下创建文件夹 ,并修改所属用户和所属组
2.1.6 卸载虚拟机自带的 JDK
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
rpm -qa
:查询所安装的所有rpm软件包
grep -i
:忽略大小写
xargs -n1
:表示每次只传递一个参数
rpm -e --nodeps
:强制卸载软件
注意:注意:如果你的虚拟机是最小化安装不需要执行这一步。
2.1.7 重启虚拟机
[root@hadoop100 ~]# reboot
2.2 克隆虚拟机
2.2.1 利用模板机 hadoop100,克隆 三台虚拟机 hadoop102 hadoop103 hadoop104
注意:克隆时,要先关闭 hadoop100
2.2.2 修改克隆机 IP,以 hadoop102 举例说明
(1)修改克隆虚拟机的静态 IP:
[Tom@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33
(2)查看 Linux虚拟机的虚拟网络编辑器,编辑 ->虚拟网络编辑器 ->VMnet8
(3)查看 Windows系统适配器 VMware Network Adapter VMnet8的 IP地址
(4)保证 Linux系统 ifcfg-ens33文件中 IP地址、虚拟网络编辑器地址和 Windows系统 VMnet8网络 IP地址相同。
2.2.3 修改克隆机主机名 ,以 hadoop102举例说明
(1)修改主机名称
[root@hadoop100 ~]# vim /etc/hostname
(2)配置 Linux克隆机主机名称映射 hosts文件 打开 /etc/hosts
[root@hadoop100 ~]# vim /etc/hosts
2.2.4 重启克隆机 hadoop102
[root@hadoop100 ~]# reboot
2.2.5 修改 windows的主机映射文件(hosts文件)
进入C:\Windows\System32\drivers\etc
路径,打开 hosts文件并添加如下内容 ,然后保存。
2.3 在 hadoop102 安装 JDK
(1)卸载现有 JDK
注意:安装 JDK前,一定确保提前删除了虚拟机自带的 JDK。
(2)用 XShell传输工具将 JDK导入到 opt目录下面的 software文件夹下面
(3)在 Linux系统下的 opt目录中查看软件包是否导入成功
[Tom@hadoop102 ~]$ ls /opt/software/
jdk-8u212-linux-x64.tar.gz
(4)解压 JDK到 /opt/module目录下
[Tom@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
(5)配置 JDK环境变量
[Tom@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
source一下 /etc/profile文件 ,让新的环境变量 PATH生效
[Tom@hadoop102 software]$ source /etc/profile
测试JDK是否安装成功
[Tom@hadoop102 software]$ java -version
java version "1.8.0_212"
Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)
[Tom@hadoop102 software]$
2.4 在 hadoop102 安装 Hadoop
(1)用 XShell文件传输 工具将 hadoop-3.1.3.tar.gz导入到 opt目录下面的 software文件夹下面
(2)解压安装文件到 /opt/module下面
[Tom@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
(3)查看是否解压成功
[Tom@hadoop102 software]$ ls /opt/module/
hadoop-3.1.3 jdk1.8.0_212
(4)将 Hadoop添加到环境变量
[Tom@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh
让修改后的文件生效
[Tom@hadoop102 software]$ source /etc/profile
(5)测试是否安装成功
[Tom@hadoop102 software]$ hadoop version
Hadoop 3.1.3
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
Compiled by ztang on 2019-09-12T02:47Z
Compiled with protoc 2.5.0
From source with checksum ec785077c385118ac91aadde5ec9799
This command was run using /opt/module/hadoop-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar
[Tom@hadoop102 software]$
(6)重启 如果 Hadoop命令不能用再重启虚拟机
[Tom@hadoop102 hadoop-3.1.3]$ sudo reboot
2.5 Hadoop 目录结构
查看 Hadoop目录结构
[Tom@hadoop102 hadoop-3.1.3]$ ll
总用量 184
-rw-rw-r--. 1 Tom Tom 25 5月 28 16:49 a.txt
drwxr-xr-x. 2 Tom Tom 183 9月 12 2019 bin
drwxrwxr-x. 4 Tom Tom 37 5月 29 10:54 data
drwxr-xr-x. 3 Tom Tom 20 9月 12 2019 etc
drwxrwxr-x. 3 Tom Tom 18 5月 29 10:53 hdfsdata
drwxr-xr-x. 2 Tom Tom 106 9月 12 2019 include
drwxr-xr-x. 3 Tom Tom 20 9月 12 2019 lib
drwxr-xr-x. 4 Tom Tom 288 9月 12 2019 libexec
-rw-rw-r--. 1 Tom Tom 147145 9月 4 2019 LICENSE.txt
drwxrwxr-x. 3 Tom Tom 4096 5月 29 15:36 logs
-rw-rw-r--. 1 Tom Tom 21867 9月 4 2019 NOTICE.txt
-rw-rw-r--. 1 Tom Tom 1366 9月 4 2019 README.txt
drwxr-xr-x. 3 Tom Tom 4096 9月 12 2019 sbin
drwxr-xr-x. 4 Tom Tom 31 9月 12 2019 share
drwxrwxr-x. 2 Tom Tom 22 5月 6 22:23 wcinput
[Tom@hadoop102 hadoop-3.1.3]$
重要目录
(1) bin
目录:存放对 Hadoop相关服务( hdfs yarn mapred)进行操作的脚本
(2)etc
目录: Hadoop的配置文件目录,存放 Hadoop的配置文件
(3) lib
目录:存放 Hadoop的本地库(对数据进行压缩解压缩功能)
(4) sbin
目录:存放启动或停止 Hadoop相关服务的脚本
(5) share
目录:存放 Hadoop的依赖 jar包 、文档和官方案例
3 Hadoop 运行模式
Hadoop官方网站: http://hadoop.apache.org/
Hadoop运行模 式包括:本地模式 、伪分布式模式以及完全分布式模式
本地模式:单机运行,只是用来演示一下官方案例。 生产环境不用。
伪分布式模式: 也是单机运行,但是具备 Hadoop集群的所有功能。一台服务器模拟一个分布式的环境 。个别缺钱的公司用来测试,生产环境不用。
完全分布式模式: 多台服务器组成分布式环境。 生产环境使用。
完全分布式模式搭建步骤:
(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
(9)群起并测试集群
3.1 编写集群分发脚本 xsync
(1)scp
(secure copy):安全拷贝
scp可以实现服务器与服务器之间的数据拷贝 。(from server1 to server2)
基本语法:
(2)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。
基本语法:
(3)xsync
集群分发脚本
需求:循环复制文件到所有节点的相同目录下
需求分析:
rsync
命令原始拷贝:
rsync -av /opt/module/ Tom@hadoop103:/opt/
期望脚本:xsync
要同步的文件名称
期望脚本在任何路径都能使用 (脚本放在声明了全局环境变量的路径)
[Tom@hadoop102 bin]$ echo $PATH
脚本实现:在 /home/Tom/bin目录下创建 xsync文件
#!/bin/bash#1. 判断参数个数
if [ $# -lt 1 ]
thenecho Not Enough Arguement!exit;
fi#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
doecho ==================== $host ====================#3. 遍历所有目录,挨个发送for file in $@do#4. 判断文件是否存在if [ -e $file ]then#5. 获取父目录pdir=$(cd -P $(dirname $file); pwd)#6. 获取当前文件的名称fname=$(basename $file)ssh $host "mkdir -p $pdir"rsync -av $pdir/$fname $host:$pdirelseecho $file does not exists!fidone
done
修改脚本 xsync 具有执行权限:
[Tom@hadoop102 bin]$ chmod +x xsync
测试脚本:
[Tom@hadoop102 bin]$ xsync /home/Tom/bin/
将脚本复制到 /bin中,以便全局调用:
[Tom@hadoop102 bin]$ sudo cp xsync /bin/
同步环境变量配置( root所有者)
注意:如果用了 sudo,那么 xsync一定要给它的路径补全。
[Tom@hadoop102 ~]$ sudo ./bin/xsync
让环境变量生效:
[Tom@hadoop103 ~]$ source /etc/profile
[Tom@hadoop104 ~]$ source /etc/profile
3.2 SSH 无密登录配置
配置 ssh
基本语法:ssh
另一台电脑的 IP地址
无密钥配置
免密登录原理:
生成公钥和私钥
[Tom@hadoop102 .ssh]$ pwd
/home/Tom/.ssh[Tom@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)
将公钥拷贝到要免密登录的目标机器上
[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop102
[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop103
[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop104
注意:还需要在hadoop103 上采用 Tom账号配置一下无密登录到hadoop102、hadoop103、hadoop104 服务器上。
在hadoop104 上采用 Tom账号配置一下无密登录到hadoop102、hadoop103、hadoop104 服务器上。
在hadoop102 上采用root 账号,配置一下无密登录到hadoop102、hadoop103、hadoop104。
.ssh 文件夹下(~/.ssh)的文件功能解释
3.3 集群配置
集群部署规划
(1)NameNode
和 SecondaryNameNode
不要安装在同一台服务器。
(2)ResourceManager
也很消耗内存,不要和 NameNode
、SecondaryNameNode
配置在同一台机器上。
配置文件说明
Hadoop配置文件分两类:默认配置文件和自定义配置文件,只有用户想修改某一默认配置值时,才需要修改自定义配置文件,更改相应属性值。
(1)默认配置文件
(2)自定义配置文件
core-site.xml、 hdfs-site.xml、 yarn-site.xml、 mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop
这个路径上,用户可以根据项目需求重新进行修改配置。
配置集群
(1)核心配置文件 配置core-site.xml
[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
<configuration>
<!--指定NameNode的地址-->
<property><name>fs.defaultFS</name><value>hdfs://hadoop102:8020</value>
</property><!--指定hadoop数据的存储目录-->
<property><name>hadoop.tmp.dir</name><value>/opt/module/hadoop-3.1.3/data</value>
</property><!--配置HDFS网页登录使用的静态用户为Tom -->
<property><name>hadoop.http.staticuser.user</name>
<value>Tom</value>
</property>
</configuration>
(2)HDFS配置文件 配置 hdfs-site.xml
[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml
<configuration><!--nn web端访问地址--><property><name>dfs.namenode.http-address</name><value>hadoop102:9870</value></property><!--2nn web端访问地址--><property><name>dfs.namenode.secondary.http-address</name><value>hadoop104:9868</value></property>
</configuration>
(3)YARN配置文件 配置 yarn-site.xml
[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml
<configuration><!--指定MR走shuffle --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><!--指定ResourceManager的地址--><property><name>yarn.resourcemanager.hostname</name><value>hadoop103</value></property><!--环境变量的继承--><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>
</configuration>
(4)MapReduce配置文件 配置 mapred-site.xml
[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml
<configuration><!--指定MapReduce程序运行在Yarn上--><property><name>mapreduce.framework.name</name><value>yarn</value></property>
</configuration>
在集群上分发配置好的 Hadoop配置文件
[Tom@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
去 103和 104上查看文件分发情况
[Tom@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[Tom@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
3.4 群起集群
配置 workers
[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中增加如下内容:
hadoop102
hadoop103
hadoop104
同步所有节点配置文件
[Tom@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/
启动集群
(1)如果集群是第一次启动 ,需要在 hadoop102节点格式化 NameNode(注意格式化 NameNode会产生新的集群 id导致 NameNode和 DataNode的集群 id不一致,集群找不到已往数据。 如果集群在运行过程中报错,需要重新格式化 NameNode的话, 一定要先停止 namenode和 datanode进程, 并且要删除所有机器的 data和 logs目录,然后再进行格式化。)
[Tom@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
(2)启动 HDFS
[Tom@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
(3)在配置了 ResourceManager的节点 hadoop103 启动 YARN
[Tom@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
(4)Web端查看 HDFS的 NameNode
(a)浏览器中输入 http://hadoop102:9870
(b)查看 HDFS上存储的数据信息
(5)Web端查看 YARN的 ResourceManager
(a)浏览器 中输入 http://hadoop103:8088
(b)查看 YARN上运行的 Job信息
集群基本测试
(1)上传文件到集群
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/ /input
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
(2)上传文件后查看文件存放在什么位置
查看文件存储路径
[Tom@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-572133316-192.168.10.102-1623663396433/current/finalized/subdir0/subdir0
[Tom@hadoop102 subdir0]$
查看 HDFS在磁盘存储文件内容
[Tom@hadoop102 subdir0]$ cat blk_1073741825
yes
ok
thanks
ok
you
yes
yes
[Tom@hadoop102 subdir0]$
(3)拼接
[Tom@hadoop102 subdir0]$ cat blk_1073741826>>tmp.tar.gz
[Tom@hadoop102 subdir0]$ cat blk_1073741827>>tmp.tar.gz
[Tom@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz
(4)下载
[Tom@hadoop102 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
3.5 配置历史服务器
为了查看程序的历史运行情况,需要配置一下历史服务器。具体配置步骤如下:
配置 mapred-site.xml
[Tom@hadoop102 hadoop-3.1.3]$ vim etc/hadoop/mapred-site.xml
<!--历史服务器端地址--><property><name>mapreduce.jobhistory.address</name><value>hadoop102:10020</value></property><!--历史服务器web端地址--><property><name>mapreduce.jobhistory.webapp.address</name><value>hadoop102:19888</value></property>
分发配置
[Tom@hadoop102 hadoop-3.1.3]$ xsync etc/hadoop/mapred-site.xml
在 hadoop102启动历史服务器
[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon start historyserver
查看历史服务器是否启动
[Tom@hadoop102 hadoop-3.1.3]$ jps
查看 JobHistory
http://hadoop102:19888/jobhistory
3.6 配置日志的聚集
日志聚集概念:应用运行完成以后,将程序运行日志信息上传到 HDFS系统上。
日志聚集功能好处 :可以方便的查看到程序运行详情,方便开发调试 。
开启日志聚集功能需要重新启动 NodeManager 、ResourceManager和HistoryServer。
开启日志聚集功能具体步骤如下:
(1)配置 yarn-site.xml
[Tom@hadoop102 hadoop-3.1.3]$ vim etc/hadoop/yarn-site.xml
<!--开启日志聚集功能--><property><name>yarn.log-aggregation-enable</name><value>true</value></property><!--设置日志聚集服务器地址--><property><name>yarn.log.server.url</name><value>http://hadoop102:19888/jobhistory/logs</value></property><!--设置日志保留时间为7天--><property><name>yarn.log-aggregation.retain-seconds</name><value>604800</value></property>
(2)分发配置
[Tom@hadoop103 hadoop-3.1.3]$ xsync etc/hadoop/yarn-site.xml
(3)关闭 NodeManager 、 ResourceManager和 HistoryServer
[Tom@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
(4)启动 NodeManager 、 ResourceManage和 HistoryServer
[Tom@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon start historyserver
(5)删除 HDFS上已经存在的输出文件
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /output
(6)执行 WordCount程序
[Tom@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
(7)查看日志
历史服务器地址:http://hadoop102:19888/jobhistory
历史任务列表:
查看任务运行日志:
运行日志详情:
3.7 集群启动/停止方式总结
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
各个服务组件逐一启动 /停止
(1)分别启动 /停止 HDFS组件
hdfs daemon start/stop namenode/datanode/secondarynamenode
(2)启动 /停止 YARN
yarn daemon start/stop resourcemanager/nodemanager
3.8 编写 Hadoop集群常用脚本
Hadoop集群启停脚本(包含 HDFS, Yarn, Historyserver) : myhadoop.sh
[Tom@hadoop102 hadoop-3.1.3]$ cd /home/Tom/bin/
[Tom@hadoop102 bin]$ vim myhadoop.sh
#!/bin/bashif [ $# -lt 1 ]
thenecho "No Args Input..."exit ;
ficase $1 in
"start")echo " =================== 启动hadoop集群==================="echo " ---------------启动hdfs ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"echo " ---------------启动yarn ---------------"ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"echo " ---------------启动historyserver ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")echo " =================== 关闭hadoop集群==================="echo " ---------------关闭historyserver ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"echo " ---------------关闭yarn ---------------"ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"echo " ---------------关闭hdfs ---------------"ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)echo "Input Args Error..."
;;
esac
保存后退出,然后赋予脚本执行权限
[Tom@hadoop102 bin]$ chmod +x myhadoop.sh
查看三台服务器 Java进程脚本: jpsall.sh
[Tom@hadoop102 hadoop-3.1.3]$ cd /home/Tom/bin/
[Tom@hadoop102 bin]$ vim jpsall.sh
#!/bin/bashfor host in hadoop102 hadoop103 hadoop104
doecho =============== $host ===============ssh $host jps
done
保存后退出,然后赋予脚本执行权限
[Tom@hadoop102 bin]$ chmod +x jpsall.sh
分发 /home/Tom/bin目录,保证自定义脚本在三台机器上都可以使用
[Tom@hadoop102 bin]$ xsync /home/Tom/bin/
3.9 常用端口号说明
参考:
https://www.bilibili.com/video/BV1Qp4y1n7ENspm_id_from=333.788.b_636f6d6d656e74.7
大数据技术之Hadoop(入门)概述、运行环境搭建、运行模式相关推荐
- [ hadoop ] hadoop入门 : 组成架构.环境搭建.运行模式
1 大数据概论 概念: 指无法在一定时间范围内用常规软件工具进行捕捉.管理和处理的数据集合,是需要新处理模式才能具有更强的决策力.洞察发现力和流程优化能力的海量.高增长率和多样化的信息资产. 需求: ...
- 大数据系列(hadoop) 集群环境搭建二
转载于:https://www.cnblogs.com/YellowstonePark/p/7699127.html
- 大数据技术之Hadoop分布式文件系统HDFS系统知识整理(从入门到熟练操作)
系列博客 1.大数据技术之Hadoop完全分布式集群搭建+Centos7配置连通外网和主机 2.大数据技术之Hadoop编译源码 3.大数据技术之Hadoop分布式文件系统HDFS系统知识整理(从入门 ...
- 大数据技术之Hadoop(MapReduce)
大数据技术之Hadoop(MapReduce) (作者:大数据研发部) 版本:V1.4 第1章MapReduce入门 map 计算 reduce 规约 1.1 MapReduce定义 Mapreduc ...
- 03大数据技术之Hadoop(HDFS)
03大数据技术之Hadoop(HDFS)(老师:尚硅谷) 文章目录 03大数据技术之Hadoop(HDFS)(老师:尚硅谷) 第1章 HDFS概述 1.1 HDFS产出背景及定义 1.2 HDFS优缺 ...
- Spark大数据技术与应用 第一章Spark简介与运行原理
Spark大数据技术与应用 第一章Spark简介与运行原理 1.Spark是2009年由马泰·扎哈里亚在美国加州大学伯克利分校的AMPLab实验室开发的子项目,经过开源后捐赠给Aspache软件基金会 ...
- 大数据技术之Canal入门篇
大数据技术之Canal入门篇 文章目录 大数据技术之Canal入门篇 写在前面 第 1 章 Canal 入门 1.1 什么是 Canal 1.2 MySQL 的Binlog 1.2.1 什么是 Bin ...
- 大数据技术之Hadoop概述集群环境搭建常见错误解决等
Hadoop概述 文章目录 Hadoop概述 1. Hadoop是什么 2. Hadoop发展历史 4. Hadoop的优势 5. Hadoop组成 6. 大数据技术生态体系 7. 推荐系统框架图略图 ...
- 大数据技术之Hadoop(快速入门)
目录 第一章 Hadoop概述 1.1 什么是Hadoop 1.2 Hadoop 产生背景 Hadoop之父:Doug cutting 1.3 Hadoop 三大发行版本 Hadoop 三大发行版 ...
最新文章
- 后台运行神器screen
- mysql存储过程大于小于_mysql5.0存储过程操作符知识_函数方法[Mysql学习]
- chrome浏览器无法加载百度网页启动组件怎么办
- C++ :类占用空间计算方式
- java中常用的坑_Java技术开发中的坑
- java 字符串每隔两位插入一个字符
- 前端后端分离,怎么解决SEO优化的问题呢?
- linux ftp客户端 pasv 227,FileZilla客户端连接腾讯云FTP服务器时出现“227 Entering Passive Mode”...
- 如何实现网站访问量统计(html页面)
- 启发式与元启发式算法
- unity 四元数和欧拉角的相互转换
- Java是剑客;.NET是刀客(转载)
- unity大量较高尺寸的序列帧图片出包画面马赛克问题
- 记一次关于App页面响应时间的测试
- Linux上使用docker运行酷Q机器人
- 今日头条自媒体怎么快速涨粉呢?利用这个方法,涨粉超快
- excel单元格内容拆分
- 图解linux内核设计艺术,Linux内核设计的艺术:图解Linux操作系统架构设计与实现原理...
- numastat命令详解
- scratch实现猫捉老鼠(上)
热门文章
- 上官婉儿飞天连招(玩法解析)
- 注册表 关闭打印机服务器,Windows 2016 server部署打印机服务器后 重启服务器,出现“重定向的打印机”,如何来删除?...
- Ubuntu 18.04 修改中国时区
- 根据HSV颜色空间识别魔方是否还原
- 什么叫BSoD蓝屏死机
- 如何在 Windows 中快速查找文档
- 这是关于物理学的最强科普
- 苹果最新发布的16 英寸 MacBook Pro有哪些亮点和不足之处?
- payjs 源码_WordPress插件:Payjs For Ponits基于Payjs开发的积分充值微信支付插件
- 5V2A移动电源管理芯片脚位兼容IP5306