目录
1.4 Apache Hadoop 完全分布式集群搭建
- 软件和操作系统版本
Hadoop框架是采用Java语言编写，需要java环境（jvm）
JDK版本：JDK8版本
集群：
知识点学习：统一使用vmware虚拟机虚拟三台linux节点，linux操作系统：Centos7
生产阶段：建议最少5台服务器节点
- Hadoop搭建方式
单机模式：单节点模式，非集群，生产不会使用这种方式
单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）
1.4.1 虚拟机环境准备
- 三台虚拟机（静态IP，关闭防火墙，修改主机名，配置免密登录，集群时间同步）
- 在/opt目录下创建文件夹
- #软件安装包存放目录
- mkdir -p /opt/lagou/software
- #软件安装目录
- mkdir -p /opt/lagou/servers
Hadoop官网地址：
http://hadoop.apache.org/
- 上传hadoop安装文件到/opt/lagou/software
1.4.2 集群规划
框架linux121
linux122
linux123HDFSNameNode、DataNodeDataNodeSecondaryNameNode、DataNodeYARNNodeManagerNodeManagerNodeManager、ResourceManager1.4.3 安装Hadoop
- 登录linux121节点；进入/opt/lagou/software,解压安装文件到/opt/lagou/servers
- tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers
- ll /opt/lagou/servers/hadoop-2.9.2
- 添加Hadoop到环境变量 vim /etc/profile
- #HADOOP_HOME
- export HADOOP_HOME=/opt/lagou/servers/hadoop-2.9.2 export PATH=$PATH:$HADOOP_HOME/bin
- export PATH=$PATH:$HADOOP_HOME/sbin
- hadoop目录
- bin目录：对Hadoop进行操作的相关命令，如hadoop,hdfs等
- etc目录：Hadoop的配置文件目录，如hdfs-site.xml,core-site.xml等
- lib目录：Hadoop本地库（解压缩的依赖）
- sbin目录：存放的是Hadoop集群启动停止相关脚本，命令
- share目录：Hadoop的一些jar,官方案例jar，文档等
1.4.3.1 集群配置
Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置
- HDFS集群配置
- 将JDK路径明确配置给HDFS（修改hadoop-env.sh）
- 指定NameNode节点以及数据存储目录（修改core-site.xml）
- 指定SecondaryNameNode节点（修改hdfs-site.xml）
- 指定DataNode从节点（修改etc/hadoop/slaves文件，每个节点配置信息占一行）
- MapReduce集群配置
- 将JDK路径明确配置给MapReduce（修改mapred-env.sh）
- 指定MapReduce计算框架运行Yarn资源调度框架（修改mapred-site.xml）
- Yarn集群配置
- 将JDK路径明确配置给Yarn（修改yarn-env.sh）
- 指定ResourceManager老大节点所在计算机节点（修改yarn-site.xml）
- 指定NodeManager节点（会通过slaves文件内容确定）
集群配置具体步骤：
1.4.3.1.1 HDFS集群配置
- cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop
- 配置：hadoop-env.sh
将JDK路径明确配置给HDFS
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（修改core-site.xml）
vim core-site.xml
- <property>
- <name>fs.defaultFS</name>
- <value>hdfs://linux121:9000</value>
- </property>
-
- <property>
- <name>hadoop.tmp.dir</name>
- <value>/opt/lagou/servers/hadoop-2.9.2/data/tmp</value>
- </property>
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/core-default.xml
- 指定secondarynamenode节点(修改hdfs-site.xml)
vim hdfs-site.xml
-
- <property>
- <name>dfs.namenode.secondary.http-address</name>
- <value>linux123:50090</value>
- </property>
-
- <property>
- <name>dfs.replication</name>
- <value>3</value>
- </property>
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
- 指定datanode从节点(修改slaves文件，每个节点配置信息占一行)
vim slaves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。
1.4.3.1.2 MapReduce集群配置
- 指定MapReduce使用的jdk路径（修改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(修改mapred-site.xml)
- mv mapred-site.xml.template mapred-site.xml
- vim mapred-site.xml
-
- <property>
- <name>mapreduce.framework.name</name>
- <value>yarn</value>
- </property>
https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml
1.4.3.1.3 Yarn集群配置
vim yarn-env.sh- export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
- 指定ResourceManager的master节点信息(修改yarn-site.xml)
vim yarn-site.xml-
- <property>
- <name>yarn.resourcemanager.hostname</name>
- <value>linux123</value>
- </property>
-
- <property>
- <name>yarn.nodemanager.aux-services</name>
- <value>mapreduce_shuffle</value>
- </property>
https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
- 指定NodeManager节点（slaves文件已修改）
注意：
Hadoop安装目录所属用户和所属用户组信息，默认是501 dialout，而我们操作Hadoop集群的用户使用的是虚拟机的root用户，所以为了避免出现信息混乱，修改Hadoop安装目录所属用户和用户组！！!
- chown -R root:root /opt/lagou/servers/hadoop-2.9.2
编写集群分发脚本rsync-script
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。
- rsync -rvl $pdir/$fname $user@$host:$pdir/$fname
表2-2
选项功能-r递归-v显示复制过程-l拷贝符号连接<ul>rsync案例
- 三台虚拟机安装rsync (执行安装需要保证机器联网)
- [root@linux121 ~]# yum install -y rsync
- 把linux121机器上的/opt/lagou/software目录同步到linux122服务器的root用户下的/opt/目录
- [root@linux121 opt]$ rsync -rvl /opt/lagou/software/ root@linux122:/opt/lagou/software
<ol>需求：循环复制文件到集群所有节点的相同目录下
rsync命令原始拷贝：- rsync -rvl /opt/module root@linux123:/opt/
脚本+要同步的文件名称
说明：在/usr/local/bin这个目录下存放的脚本，root用户可以在系统任何地方直接执行。
脚本实现
（1）在/usr/local/bin目录下创建文件rsync-script，文件内容如下：- [root@linux121 bin]$ touch rsync-script
- [root@linux121 bin]$ vim rsync-script
[code]#!/bin/bash#1 获取命令输入参数的个数，如果个数为0，直接退出命令 paramnum=$# if((paramnum==0)); then echo no params; exit; fi #2 根据传入参数获取文件名称 p1=$1file_name=`basename $p1`echo fname=$file_name #3 获取输入参数的绝对路径pdir=`cd -P $(dirname $p1); pwd`echo pdir=$pdir #4 获取用户名称user=`whoami` #5 循环执行rsync for((host=121; host
|
