前期准备
(1)JAVA_HOME:因为Hadoop的配置文件中依赖 $JAVA_HOME。修改/etc/profile文件。
(2)hostname:修改主机名,方便管理。/etc/sysconfig/network。
(3)ip hostname:方便管理,hadoop默认是使用hostname作为ip的域名。/etc/hosts。
(4)iptables stop:关闭防火墙,由于集群需要用到的端口比较多,所以最好是先关掉。7版本:systemctl stop firewalld
(5)visudo:赋予sudo权限,CentOS中其他用户都没有sudo权限。/etc/sudoers。
(6)chown:更改hadoop文件夹的所有者。sudo chown -R user:group hadoop。
(7)验证:在hadoop根目录输入 bin/hadoop,验证是否配置正常。
(8)hadoop-env.sh添加 JAVA_HOME变量。
1,单机部署
··· 以wordcount为例:
(1)输入数据:在根目录下创建 wcinput文件夹,并添加word.txt文件。
(2)执行命令:bin/hadoop jar share/hadoop/mapreduce/......jar wordcount wcinput wcoutput # 注意:根目录不能存在wcoutput目录,必须由hadoop创建。
(3)查看输出:cat wcoutput/part-00000。
2,伪分布式部署
··· 以wordcount为例:
(1)修改core-site.xml 文件
<configuration>
<!-- 用来指定默认文件系统的名称以及NameNode服务的主机和端口号
注意:下面的mini主机名要改成你本机的实际的hostname -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hostname:8020</value>
</property>
<!-- 配置hadoop临时保存目录
注意:目录名和你安装的目录名要对应 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/app/hadoop/data/tmp</value>
</property>
</configuration>
(2)修改hdfs-site.xml文件
<configuration>
<!-- 用来指定Hadoop中每一个数据的副本数,默认都是3,但是在伪分布式中只有一个节点,所以这个
值必须设置为1 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
(3)对HDFS进行格式化
bin/hadoop namendoe -format
注意:只可以格式化一次,如果再次格式化,需要删除配置的临时文件目录 data文件夹
(4)启动NameNode和DataNode进程
sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
注意:
启动NameNode时一定要联网。
可以通过jps查看进程是否启动。
可以通过web访问HDFS(http://主机IP(或域名):50070/explorer.html#
(5)上传文件到HDFS
创建文件夹:bin/hdfs dfs -mkdir /input
添加文件到HDFS的input目录:bin/hdfs dfs -put input.txt /input
查看是否上传成功:bin/hdfs dfs -ls /input
(6)运行与查看
运行:bin/hadoop jar share/..../....jar wordcount /input /output
查看结果:bin/hdfs dfs -cat /output/par*
··· 在YARN上运行MapReduce
(1)复制一份 mapred-site.xml文件
cp mapred-site.xml.template mapred-site.xml
(2)配置 MapReduce的计算框架为yarn
<!-- 配置MapReduce的计算框架,可以是local,classic,yarn,如果不配置,默认是local -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
(3)配置yarn-site.xml文件
<!-- 设置该属性通知NodeManager需要实现名为mapreduce.shuffle的辅助服务-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
(4)启动
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
或者:start-yarn.sh
通过:http://hostname:8088 查看yarn上执行的程序。
··· 配置历史服务器和日志聚集:
(1)配置mapred-site.xml文件
<!-- 配置历史服务器的地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>mini:10020</value>
</property>
<!-- 配置历史服务器的web展示地址,以及端口号 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>mini:19888</value>
</property>
(2)启动
sbin/mr-jobhistory-daemon.sh start historyserver # 启动历史服务器
查看:http://hadoop11:19888
(3)日志聚集
作用:在MR任务运行结束后,将相关的运行日志上传到HDFS文件系统中。
配置yarn-site.xml文件:
<!-- 配置日志聚集属性-->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 配置日志聚集的时间 (7天) -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
配置完后需要 重启 历史服务器和 yarn
··· 注意事项:
· start-dfs.sh 可以一次启动NameNode、DataNode和 SecondaryNameNode,但是需要输入三次密码,可以通 过设置本地免密登录,来面输密码;ssh-copy-id -i ~/.ssh/id_rsa.pub shendeng@hadoop11(本地主机名)。
· start-yarn.sh 可以一次启动 resourcemanager和nodemanager。
3,完全分布式
··· 集群规划
hadoop11
|
hadoop22
|
hadoop33
|
NameNode
|
ResourceManager | SecondaryNameNode |
DataNode
|
DataNode
|
DataNode
|
NodeManager |
NodeManager
|
NodeManager
|
|
|
HistoryServer
|
··· 5个配置文件
· core-site.xml:配置hadoop的文件系统为hdfs以及地址、临时文件夹位置。
· hdfs-site.xml:配置SecondaryNameNode的主机地址、NameNode的web地址、关闭文件系统的权限控制。
· yarn-site.xml:配置ResourceManager主机的位置、shuffle服务、开启日志聚集功能、日志保存的时间。
· mapred-site.xml:配置MapReduce的计算框架为yarn、MapReduce历史记录地址、历史记录web地址。
· slaves:在该文件中添加从节点的主机名(注意不能有空格)。
具体配置文件 提取码:0gkn
··· 启动
· 复制配置文件:
将配置文件复制到其他节点上。scp -r /opt/app/hadoop27/etc/hadoop/ hadoop22:/opt/app/hadoop27/etc/
· 初始化NameNode节点:
注意:必须删除 /tmp和 hadoop根目录中的 data/tmp文件,否则无法初始化
在部署NameNode的节点上初始化NameNode。hadoop namenode -format
· 启动守护进程
在部署NameNode的节点上启动 HDFS。start-hdfs.sh
在部署resourcemanager的节点上启动YARN。start-yarn.sh