02-Hadoop完全分布式
一、完全分布式集群搭建
1、规划
HDFS: 1个NN+N个DN
YARN: 1个RM+N个NM
避免单点故障，NN和RM建议分散到多台机器。注意负载均衡。
| hadoop101 | hadoop102 | hadoop103 |
| DN | DN | DN |
| NM | NM | NM |
| NN | RM | 2NN |
2、准备集群，安装软件
（1）克隆三台虚拟机
- 在每台机器的/etc/hosts中配置集群所有机器的ip和主机名的映射
- 提供安装用户，配置安装用户具有root权限
- 保证三台机器可以互相联通
（2）安装软件，在一台机器安装，再将这台机器的软件复制到其他机器
二、常用命令
1、scp（安全拷贝）
全量复制
命令： scp -r 源文件用户名A@主机名1：path1 目标文件用户名B@主机名2：path2
-r：递归，复制目录
如果从本机执行读取或写入，用户名B@主机名2：可以省略！
解释：在主机1上，使用A用户读取path1的文件，再使用用户B登录到主机2，在主机2的path2路径执行写入。
要求： 用户名A@主机名1 对path1有读权限
用户名B@主机名2 对path2有写权限
2、rsync （远程同步）
可以只同步变化的文件(对比文件的修改时间)！增量同步
命令： rsync -rvlt path1 目标文件用户名B@主机名2：path2
-r：递归，复制目录
-v：显示复制的过程
-l： 同步软连接
-t：基于文件的修改时间进行对比，只同步修改时间不同的文件
只能将本机的文件同步到其他机器。
注意：
path1是个目录，目录以/结尾，只会同步目录中的内容，不会同步目录本身！
path1是个目录，目录不以/结尾，同步目录中的内容，也会同步目录本身！
3. 免输入密码登录，借助SSH实现
举例： A机器的a用户，希望在A机器上，使用b用户的身份登录到B机器！
实现步骤：
① A机器的a用户，在A机器上生成一对密钥
ssh-keygen -t rsa
② 密钥分为公钥和私钥，a用户需要将公钥拷贝到B机器上b用户的家目录下的
authorithxxxx_keys
a)使用b用户登录到B机器
b)编辑authorithxxxx_keys，将公钥的内容进行添加
在A机器，使用a用户执行以下命令： ssh-copy-id b@B
③ A机器的a用户，可以使用 ssh b@B进行登录！
3. 免输入密码登录，借助SSH实现
举例： A机器的a用户，希望在A机器上，使用b用户的身份登录到B机器！
实现步骤： ①A机器的a用户，在A机器上生成一对密钥
ssh-keygen -t rsa
②密钥分为公钥和私钥，a用户需要将公钥拷贝到B机器上b用户的家目录下的
authorithxxxx_keys
a)使用b用户登录到B机器
b)编辑authorithxxxx_keys，将公钥的内容进行添加
在A机器，使用a用户执行以下命令： ssh-copy-id b@B
③A机器的a用户，可以使用 ssh b@B进行登录！
注意：如果使用ssh 直接登录 主机名
默认使用当前用户对目标主机进行登录！
4. 编写同步脚本
#!/bin/bash #校验参数是否合法 #脚本名称：xsync if(($#==0)) then echo 请输入要分发的文件! exit; fi #获取分发文件的绝对路径 dirpath=$(cd `dirname $1`; pwd -P) filename=`basename $1` echo 要分发的文件的路径是:$dirpath/$filename #循环执行rsync分发文件到集群的每条机器 for((i=101;i<=103;i++)) do echo ---------------------hadoop$i--------------------- rsync -rvlt $dirpath/$filename atguigu@hadoop$i:$dirpath done
5. 编写多机器执行命令脚本
#!/bin/bash #在集群的所有机器上批量执行同一条命令 #脚本名称：xcall if(($#==0)) then echo 请输入您要操作的命令！ exit fi echo 要执行的命令是$* #循环执行此命令 for((i=101;i<=103;i++)) do echo ---------------------hadoop$i----------------- ssh hadoop$i $* done
三、使用ssh执行命令注意
① ssh 目标机器
登录之后，执行某个命令！
属于Login-shell，会自动读取 /etc/profile文件中定义的所有的变量！
② ssh 目标机器 命令
属于non-login-shell
不会读取/etc/profile
如果在使用命令时，我们需要使用/etc/profile定义的一些变量，需要在
目标机器的对应的用户的家目录（~/.bashrc）/.bashrc中添加以下代码：
source /etc/profile
如果不添加以上代码，在执行start-all.sh | stop-all.sh一定会报错！
注意：当前主机也要配置自己到自己的SSH免密登录！
配置SSH的作用 ：
①执行scp,rsync命令时，不需要输入密码，方便
②在执行start-all.sh群起脚本时，需要输入密码
四、运行群起脚本
① 群起脚本的原理是获取集群中所有的节点的主机名
默认读取当前机器 HADOOP_HOME/etc/hadoop/slaves，获取集群中所有的节点的主机名
② 循环执行 ssh 主机名 hadoop-daemon.sh start xxx
保证当前机器到其他节点，已经配置了ssh免密登录
保证集群中所有当前用户的家目录/.bashrc中，已经配置source /etc/profile
注意： start-all.sh时，其实分别调用了start-dfs.sh和start-yarn.sh
start-dfs.sh可以在集群的任意一台机器使用！可以启动HDFS中的所有进程！
start-yarn.sh在集群的非RM所在的机器使用，不会启动ResourceManager，只能再RM所在机器
建议： 只需要配置RM所在机器到其他机器的SSH免密登录！
都在RM所在的机器执行群起和群停脚本！
xsync和xcall只放在RM所在的机器即可！
五、集群的时间同步
一个集群中，每台机器的时间必须保证是同步的！
主要借助linux的ntp服务执行和远程时间服务器的时间同步！
保证当前机器的ntp服务是开机自启动！
chkconfig --list ntpd
使用 ntpdate -u 时间服务器的地址
