Hadoop完全分布式运行模式

Hadoop完全分布式运行模式 1）安装JDK

 卸载现有JDK

（1）查询是否安装Java软件：

[zz@hadoop101 opt]$ rpm -qa | grep java

（2）如果安装的版本低于1.7，卸载该JDK：

[zz@hadoop101 opt]$ sudo rpm -e 软件包

（3）查看JDK安装路径：

[zz@hadoop101 ~]$ which java

 用SecureCRT工具将JDK导入到opt目录下面的software文件夹下面

1. 在Linux系统下的opt目录中查看软件包是否导入成功

[zz@hadoop101 opt]$ cd software/

[zz@hadoop101 software]$ ls

hadoop-2.7.2.tar.gz  jdk-8u144-linux-x64.tar.gz

1. 解压JDK到/opt/module目录下

[zz@hadoop101 software]$ tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/

2）配置环境变量

先获取JDK路径

[zz@hadoop101 jdk1.8.0_144]$ pwd

/opt/module/jdk1.8.0_144

打开/etc/profile文件

[zz@hadoop101 software]$ sudo vi /etc/profile

在profile文件末尾添加JDK路径

#JAVA_HOME

export JAVA_HOME=/opt/module/jdk1.8.0_144

export PATH=$PATH:$JAVA_HOME/bin

保存后退出

          :wq

让修改后的文件生效

[zz@hadoop101 jdk1.8.0_144]$ source /etc/profile

 测试JDK是否安装成功

[zz@hadoop101 jdk1.8.0_144]# java -version

java version "1.8.0_144"

  注意：重启（如果java -version可以用就不用重启）

[zz@hadoop101 jdk1.8.0_144]$ sync

[zz@hadoop101 jdk1.8.0_144]$ sudo reboot

3）安装Hadoop

Hadoop下载地址：Index of /dist/hadoop/common/hadoop-2.7.2Index of /dist/hadoop/common/hadoop-2.7.2https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/

用SecureCRT工具将hadoop-2.7.2.tar.gz导入到opt目录下面的software文件夹下面

切换到sftp连接页面，选择Linux下编译的hadoop jar包拖入， 

进入到Hadoop安装包路径下

[zz@hadoop101 ~]$ cd /opt/software/

解压安装文件到/opt/module下面

[zz@hadoop101 software]$ tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

查看是否解压成功

[zz@hadoop101 software]$ ls /opt/module/

hadoop-2.7.2

将Hadoop添加到环境变量

获取Hadoop安装路径

[zz@hadoop101 hadoop-2.7.2]$ pwd

/opt/module/hadoop-2.7.2

打开/etc/profile文件

[zz@hadoop101 hadoop-2.7.2]$ sudo vi /etc/profile

在profile文件末尾添加JDK路径：（shitf+g）

##HADOOP_HOME

export HADOOP_HOME=/opt/module/hadoop-2.7.2

export PATH=$PATH:$HADOOP_HOME/bin

export PATH=$PATH:$HADOOP_HOME/sbin

保存后退出

:wq

让修改后的文件生效

[zz@ hadoop101 hadoop-2.7.2]$ source /etc/profile

测试是否安装成功

[zz@hadoop101 hadoop-2.7.2]$ hadoop version

Hadoop 2.7.2

重启(如果Hadoop命令不能用再重启)

[zz@ hadoop101 hadoop-2.7.2]$ sync

[zz@ hadoop101 hadoop-2.7.2]$ sudo reboot

查看Hadoop目录结构

[zz@hadoop101 hadoop-2.7.2]$ ll

总用量 52

drwxr-xr-x. 2 zz zz 4096 5月  22 2017 bin

drwxr-xr-x. 3 zz zz 4096 5月  22 2017 etc

drwxr-xr-x. 2 zz zz  4096 5月  22 2017 include

drwxr-xr-x. 3 zz zz  4096 5月  22 2017 lib

drwxr-xr-x. 2 zz zz  4096 5月  22 2017 libexec

-rw-r--r--. 1 zz zz 15429 5月  22 2017 LICENSE.txt

-rw-r--r--. 1 zz zz   101 5月  22 2017 NOTICE.txt

-rw-r--r--. 1 zz zz  1366 5月  22 2017 README.txt

drwxr-xr-x. 2 zz zz  4096 5月  22 2017 sbin

drwxr-xr-x. 4 zz zz  4096 5月  22 2017 share

重要目录

（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行 *** 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

4）配置集群

编写集群分发脚本xsync

scp（secure copy）安全拷贝 

（1）scp定义：

scp可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）

（2）基本语法

scp    -r          $pdir/$fname              $user@hadoop$host:$pdir/$fname

命令   递归       要拷贝的文件路径/名称    目的用户@主机:目的路径/名称

（3）案例实 ***

（a）在hadoop101上，将hadoop101中/opt/module目录下的软件拷贝到hadoop102上。

[zz@hadoop101 /]$ scp -r /opt/module  root@hadoop102:/opt/module

（b）在hadoop103上，将hadoop101服务器上的/opt/module目录下的软件拷贝到hadoop103上。

[zz@hadoop103 opt]$sudo scp -r kegc@hadoop101:/opt/module root@hadoop103:/opt/module

（c）在hadoop103上 *** 作将hadoop101中/opt/module目录下的软件拷贝到hadoop104上。

[zz@hadoop103 opt]$ scp -r kegc@hadoop101:/opt/module root@hadoop104:/opt/module

注意：拷贝过来的/opt/module目录，别忘了在hadoop102、hadoop103、hadoop104上修改所有文件的，所有者和所有者组。sudo chown zz:zz -R /opt/module

（d）将hadoop101中/etc/profile文件拷贝到hadoop102的/etc/profile上。

[zz@hadoop101 ~]$ sudo scp /etc/profile root@hadoop102:/etc/profile

（e）将hadoop101中/etc/profile文件拷贝到hadoop103的/etc/profile上。

[zz@hadoop101 ~]$ sudo scp /etc/profile root@hadoop103:/etc/profile

（f）将hadoop101中/etc/profile文件拷贝到hadoop104的/etc/profile上。

[zz@hadoop101 ~]$ sudo scp /etc/profile root@hadoop104:/etc/profile

注意：拷贝过来的配置文件别忘了source一下/etc/profile。

 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    -rvl       $pdir/$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

-r

递归

-v

显示复制过程

-l

拷贝符号连接

（2）案例实 ***

（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

[zz@hadoop101 opt]$ rsync -rvl /opt/software/ root@hadoop102:/opt/software

3. xsync集群分发脚本

（1）需求：循环复制文件到所有节点的相同目录下

（2）需求分析：

（a）rsync命令原始拷贝：

rsync  -rvl     /opt/module    root@hadoop103:/opt/

（b）期望脚本：

xsync要同步的文件名称

（c）说明：在/home/kegc/bin这个目录下存放的脚本，kegc用户可以在系统任何地方直接执行。

（3）脚本实现

（a）在/home/zz目录下创建bin目录，并在bin目录下xsync创建文件，文件内容如下：

[zz@hadoop102 ~]$ mkdir bin

[zz@hadoop102 ~]$ cd bin/

[zz@hadoop102 bin]$ touch xsync

[zz@hadoop102 bin]$ vi xsync

在该文件中编写如下代码

#!/bin/bash

#1 获取输入参数个数，如果没有参数，直接退出

pcount=$#

if((pcount==0)); then

echo no args;

exit;

fi

#2 获取文件名称

p1=$1

fname=`basename $p1`

echo fname=$fname

#3 获取上级目录到绝对路径

pdir=`cd -P $(dirname $p1); pwd`

echo pdir=$pdir

#4 获取当前用户名称

user=`whoami`

#5 循环

for((host=103; host<105; host++)); do

        echo ------------------- hadoop$host --------------

        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir

done

（b）修改脚本 xsync 具有执行权限

[zz@hadoop102 bin]$ chmod 777 xsync

（c）调用脚本形式：xsync 文件名称

[zz@hadoop102 bin]$ xsync /home/kegc/bin

注意：如果将xsync放到/home/zz/bin目录下仍然不能实现全局使用，可以将xsync移动到/usr/local/bin目录下。

（1）核心配置文件

配置core-site.xml

[zz@hadoop102 hadoop]$ vi core-site.xml

在该文件中编写如下配置

fs.defaultFS

      hdfs://hadoop102:9000

hadoop.tmp.dir

/opt/module/hadoop-2.7.2/data/tmp

（2）HDFS配置文件

配置hadoop-env.sh

[zz@hadoop102 hadoop]$ vi hadoop-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置hdfs-site.xml

[zz@hadoop102 hadoop]$ vi hdfs-site.xml

在该文件中编写如下配置

dfs.replication

3

      dfs.namenode.secondary.http-address

      hadoop104:50090

（3）YARN配置文件

配置yarn-env.sh

[zz@hadoop102 hadoop]$ vi yarn-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置yarn-site.xml

[zz@hadoop102 hadoop]$ vi yarn-site.xml

在该文件中增加如下配置

yarn.nodemanager.aux-services

mapreduce_shuffle

yarn.resourcemanager.hostname

hadoop103

（4）MapReduce配置文件

配置mapred-env.sh

[zz@hadoop102 hadoop]$ vi mapred-env.sh

export JAVA_HOME=/opt/module/jdk1.8.0_144

配置mapred-site.xml

[zz@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml

[zz@hadoop102 hadoop]$ vi mapred-site.xml

在该文件中增加如下配置

mapreduce.framework.name

yarn

3．在集群上分发配置好的Hadoop配置文件

[zz@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/

4．查看文件分发情况

[zz@hadoop103 hadoop]$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml

（1）如果集群是第一次启动，需要格式化NameNode

[zz@hadoop102 hadoop-2.7.2]$ hadoop namenode -format

（2）在hadoop102上启动NameNode

[zz@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode

[zz@hadoop102 hadoop-2.7.2]$ jps

3461 NameNode

（3）在hadoop102、hadoop103以及hadoop104上分别启动DataNode

[zz@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode

[zz@hadoop102 hadoop-2.7.2]$ jps

3461 NameNode

3608 Jps

3561 DataNode

[zz@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode

[zz@hadoop103 hadoop-2.7.2]$ jps

3190 DataNode

3279 Jps

[zz@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode

[zz@hadoop104 hadoop-2.7.2]$ jps

3237 Jps

3163 DataNode

配置slaves

/opt/module/hadoop-2.7.2/etc/hadoop/slaves

[zz@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

[zz@hadoop102 hadoop]$ xsync slaves

6）配置ssh

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

[zz@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

免密登录原理

生成公钥和私钥：

[zz@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

[zz@hadoop102 .ssh]$ ssh-copy-id hadoop102

[zz@hadoop102 .ssh]$ ssh-copy-id hadoop103

[zz@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kegc账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

.ssh文件夹下（~/.ssh）的文件功能解释

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

7）群起并测试集群

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）

[zz@hadoop102 hadoop-2.7.2]$ bin/hdfs namenode -format

（2）启动HDFS

[zz@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh

[zz@hadoop102 hadoop-2.7.2]$ jps

4166 NameNode

4482 Jps

4263 DataNode

[zz@hadoop103 hadoop-2.7.2]$ jps

3218 DataNode

3288 Jps

[zz@hadoop104 hadoop-2.7.2]$ jps

3221 DataNode

3283 SecondaryNameNode

3364 Jps

（3）启动YARN

[zz@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://hadoop104:50070/status.html

（b）查看SecondaryNameNode信息。

集群基本测试

（1）上传文件到集群

  上传小文件

[zz@hadoop102 hadoop-2.7.2]$ hdfs dfs -mkdir -p /user/zz/input

[zz@hadoop102 hadoop-2.7.2]$ hdfs dfs -put wcinput/wc.input /user/zz/input

  上传大文件

[zz@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -put

 /opt/software/hadoop-2.7.2.tar.gz  /user/zz/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

[zz@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

[zz@hadoop102 subdir0]$ cat blk_1073741825

hadoop yarn

hadoop mapreduce

zz

zz

（3）拼接

-rw-rw-r--. 1 zz zz 134217728 5月  23 16:01 blk_1073741836

-rw-rw-r--. 1 zz zz   1048583 5月  23 16:01 blk_1073741836_1012.meta

-rw-rw-r--. 1 zz zz  63439959 5月  23 16:01 blk_1073741837

-rw-rw-r--. 1 zz zz    495635 5月  23 16:01 blk_1073741837_1013.meta

[zz@hadoop102 subdir0]$ cat blk_1073741836>>tmp.file

[zz@hadoop102 subdir0]$ cat blk_1073741837>>tmp.file

[zz@hadoop102 subdir0]$ tar -zxvf tmp.file

（4）下载

[zz@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -get

 /user/zz/input/hadoop-2.7.2.tar.gz ./

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