大数据(2)

apache hadoop 官方文档

** Hadoop介绍
　　** HDFS:分布式存储文件
　　　　角色：NameNode和DataNode
　　** YARN：分布式资源调度框架（Hadoop2.x以上才引用）
　　　　角色：ResourceManager和NodeManager
　　** MapReduce：分布式数据处理框架

一、下载hadoop拉到linux中，并解压到指定目录

官方下载地址

tips：用smb把hadoop压缩包从window拉到linux时，请注意smb的登陆用户，会导致后面一堆坑，慎用root登陆smb。

（1）将压缩包拉到/home/admin/softwares/installtions/目录

   (2) 解压到/home/admin/modules目录

tar -zxf hadoop-2.7.2.tar.gz -C /home/admin/modules/

二、配置环境变量　

　

vim /etc/profile

在最下面添加

export HADOOP_HOME=/home/admin/modules/hadoop-2.7.2/bin
export PATH=$PATH:$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib:$HADOOP_COMMON_LIB_NATIVE_DIR"


保存退出后

source /etc/profile

　　

配置成功后可用 hadoop version 查看版本，注意没有横杠！

三、配置

** 最终配置效果：
linux01：namenode、datanode、nodemanager 

linux02：resourcemanager  、datanode 、nodemanager 

linux03：datanode、nodemanager

（1）删除windows脚本

** 进入到hadoop的etc/hadoop目录下
		
$ rm -rf *.cmd

　　

（2）重命名文件

$ mv mapred-site.xml.template mapred-site.xml

　

（3）配置evn文件

查看java路径：

echo $JAVA_HOME，我的机器：/home/admin/modules/jdk1.8.0_131

配置hadoop-env.sh

配置yarn-env.sh

配置mapred-env.sh

（4）配置site文件

配置 core-site.xml

 <configuration>
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://linux01:8020</value>
	</property>

	<property>
		<name>hadoop.tmp.dir</name>
		<value>/home/admin/modules/hadoop-2.7.2/hadoop-data</value>
	</property>
</configuration>       

　　

配置hdfs-site.xml

<configuration>
	<!-- 指定数据冗余份数 -->
	<property>
		<name>dfs.replication</name>
		<value>1</value>
	</property>
						
	<!-- 关闭权限检查-->
	<property>
		<name>dfs.permissions.enable</name>
		<value>false</value>
	</property>

	<property>
		<name>dfs.namenode.secondary.http-address</name>
		<value>linux03:50090</value>
	</property>

	<property>
		<name>dfs.namenode.http-address</name>
		<value>linux01:50070</value>
	</property>

	<property>
		<name>dfs.webhdfs.enabled</name>
		<value>true</value>
	</property>
</configuration>

　配置yarn-site.xml

<configuration>
        <!-- Site specific YARN configuration properties -->
	<property>
		<name>yarn.nodemanager.aux-services</name>
		<value>mapreduce_shuffle</value>
	</property>

	<property>
		<name>yarn.resourcemanager.hostname</name>
		<value>linux02</value>
	</property>

	<property>
		<name>yarn.log-aggregation-enable</name>
		<value>true</value>
	</property>

	<property>
		<name>yarn.log-aggregation.retain-seconds</name>
		<value>86400</value>
	</property>

	<property> 
		<name>yarn.log.server.url</name> 
		<value>http://linux01:19888/jobhistory/logs/</value> 
	</property> 

</configuration>        

　　配置mapred-site.xml

<configuration>
	<property> 
		<name>mapreduce.framework.name</name> 
		<value>yarn</value> 
	</property>
	<!-- 配置 MapReduce JobHistory Server 地址 ，默认端口10020 -->
	<property>
		<name>mapreduce.jobhistory.address</name>
		<value>linux01:10020</value>
	</property>

	<!-- 配置 MapReduce JobHistory Server web ui 地址， 默认端口19888 -->
	<property>
		<name>mapreduce.jobhistory.webapp.address</name>
		<value>linux01:19888</value>
	</property>
</configuration>

　　

（5）配置slaves文件

四、分发安装配置完成的hadoop到linux02以及linux03

$ scp -r hadoop-2.7.2/ linux02:/home/admin/modules/
$ scp -r hadoop-2.7.2/ linux03:/home/admin/modules/

　　

五、 格式化namenode（在hadoop-2.7.2的根目录下执行）

$ bin/hdfs namenode -format

　　如果正常格式化会生成haddop-data文件夹

六、启动服务

HDFS：(linux01)
	$ sbin/start-dfs.sh
YARN：(一定要在ResourceManager所在机器启动，linux02)
	$ sbin/start-yarn.sh 
JobHistoryServer：(linux01)
	$ ssh admin@linux01 '/home/admin/modules/hadoop-2.7.2/sbin/mr-jobhistory-daemon.sh start historyserver'　

常见启动失败情况：

（1）hadoop处于安全模式，namenode启动失败，参考链接

　　解决：磁盘空间不足，需要手动释放资源后再用命令 hdfs dfsadmin -safemode leave  离开安全模式

 全部完成后查看：

在浏览器输入192.168.1.213:50070,如果不在安全模式证明namenode启动正常

 

输入192.168.1.214:8088

七、关闭全部服务

$ sbin/stop-all.sh

　　

八、将系统变量追加到用户变量中（3台机器都要操作）

$ cd ~

$ cat /etc/profile >> .bashrc 

　生效 $ source ~/.bashrc

九、编写脚本批量操作三台机器

$ cd ~
$ mkdir tools
$ vim /tools/jpsutil.sh

添加批量查看jps服务的脚本

#!/bin/bash
for i in admin@linux01 admin@linux02 admin@linux03
do
    echo "==================$i==================="
    ssh $i 'jps'
done

保存后查看

sh jpsutil.sh

　　

十、遇到问题

　　关闭虚拟机后重启，重启集群时，namenode启动失败，需要使用命令：bin/hdfs namenode -format

格式化，才能启动。

　　格式化后datanode又有异常，需要把/hadoop-2.7.2/hadoop-data/dfs/name/current/VERSION里面的clusterID复制下来，依次替换/hadoop-2.7.2/hadoop-data/dfs/data/current/VERSION里的clusterID，再执行：sbin/hadoop-daemon.sh start datanode（全部机器都要操作）。

　　格式化会导致集群原本存储的数据全部丢失，如何正常关机后，正常开启集群，这个有待研究。