Hadoop入门

目录

• 1️⃣、Hadoop概述
  • • 1.1、Hadoop是什么
    • 1.2、三大发行版本
    • 1.3、优势
    • 1.4、组成
      • HDFS
      • YARN
      • MapReduce
      • HDFS、YARN、MapReduce三者关系
    • 1.6、大数据技术生态体系
• 2️⃣、Hadoop运行环境搭建
  • • 2.1、虚拟机环境准备
    • 2.2、克隆虚拟机
    • 2.3、在hadoop2上安装JDK
    • 2.4、在hadoop上安装Hadoop
    • 2.5、hadoop目录结构
• 3️⃣、Hadoop运行模式
  • • 3.1 、本地运行模式（官方WordCount）
    • 3.2、完全分布式运行模式
      • 1、集群分发
      • 2、SSH无密登陆配置
      • 3、集群配置
      • 4、群起集群
      • 5、配置历史服务器
      • 5、配置日志的聚集
      • 6、集群启动/停止方式总结
      • 7、编写Hadoop集群常用脚本
      • 7、常用端口号说明
      • 8、集群同步时间
• 4️⃣、问题解决
  • • 1、日志权限
    • 2、权限
    • 面试题

1️⃣、Hadoop概述

1.1、Hadoop是什么

• Hadoop是一个由Apache基金会所开发的分布式系统基础架构
• 主要解决 海量数据的存储和海量数据的分析计算问题
• 广义上来说，Hadoop通常是指一个更广泛的概念------Hadoop生态圈

---

发展史：

1.2、三大发行版本

Hadoop三大发行版本：Apache、Cloudera、Hortonworks。

Apache版本最原始（最基础）的版本，对于入门学习最好。2006

Cloudera内部集成了很多大数据框架，对应产品CDH。2008

Hortonworks文档较好，对应产品HDP。2011

Hortonworks现在已经被Cloudera公司收购，推出新的品牌CDP。

1.3、优势

1.4、组成

hadoop2.0以后的四个模块：
    - Hadoop Common:Hadoop模块的通用组件
    - Hadoop Distributed File System：分布式文件系统
    - Hadoop YARN：作业调度和资源管理框架
    - Hadoop MapReduce：基于YARN的大型数据集并行计算处理框架

HDFS

Hadoop Distributed File System ，简称HDFS，是一个分布式文件系统。

1. NameNode （nn）:存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。

2. DataNode （dn）：在本地文件系统存储文件块数据，以及块数据的检验和。

3. SecondaryNameNode （2nn）：每隔一段时间对NameNode元数据备份

YARN

Yet Another Resource Negotiator简称YARN ，另一种资源协调者，是Hadoop的资源管理器。

MapReduce

MapReduce将计算过程分为两个阶段：Map和Reduce

• Map阶段并行处理输入数据
• Reduce阶段对Map结果进行汇总

HDFS、YARN、MapReduce三者关系

1.6、大数据技术生态体系

名词解释：

1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据； 

3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统； 

4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。

5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。

6）Oozie：Oozie是一个管理Hadoop作业（job）的工作流程调度管理系统。

7）Hbase：HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。

8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL查询功能，可以将SQL语句转换为MapReduce任务进行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

2️⃣、Hadoop运行环境搭建

安装Centos7最小系统版即可，当然安装桌面版也不是不行

2.1、虚拟机环境准备

配制要求：

1. 测试能否正常上网

2. 安装epel-release

Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）

[root@hadoop ~]# yum install -y epel-release

3. 注意：如果Linux安装的是最小系统版，还需要安装如下工具；如果安装的是Linux桌面标准版，不需要执行如下操作

[root@hadoop ~]# yum install -y net-tools 
[root@hadoop ~]# yum install -y vim

4. 关闭防火墙，关闭防火墙开机自启动

[root@hadoop ~]# systemctl stop fiewwalld
[root@hadoop ~]# systemctl disable firewalld.service

5. 创建用户，修改密码

[root@hadoop ~]# useradd zsong
[root@hadoop ~]# passwd zsong

6. 配制用户并且具有root权限，方便后期加sudo执行root权限命令

[root@hadoop ~]# vim /etc/sudoers

#修改/etc/sudoers文件，在%wheel这行下面添加一行，

## Allow root to run any commands anywhere 
root    ALL=(ALL)       ALL

## Allows members of the 'sys' group to run networking, software, 
## service management apps and more.

## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL

zsong   ALL=(ALL)       NOPASSWD:ALL             《-----------添加这一行
## Same thing without a password
# %wheel        ALL=(ALL)       NOPASSWD: ALL

注意：zsong这一行不要直接放到root行下面，因为所有用户都属于wheel组，你先配置了zsong具有免密功能，但是程序执行到%wheel行时，该功能又被覆盖回需要密码。所以zsong要放到%wheel这行下面。

7. 在/opt目录下创建文件夹，并修改所属主和所属组

[root@hadoop ~]# mkdir /opt/module
[root@hadoop ~]# mkdir /opt/software

8. 修改module、software文件夹的所有者和所属组均为zsong用户

[root@hadoop ~]# chown zsong:zsong /opt/module 
[root@hadoop ~]# chown zsong:zsong /opt/software

9. 查看module、software文件夹的所有者和所属组

[root@hadoop opt]# ll
总用量 0
drwxrwxr-x. 4 zsong zsong 31 3月  10 21:27 module
drwxrwxr-x. 2 zsong zsong 67 3月  10 21:14 softwares

10. 卸载虚拟机自带的JDK

如果你的虚拟机是最小化安装不需要执行这一步。

[root@hadoop ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps 

• rpm -qa：查询所安装的所有rpm软件包

• grep -i：忽略大小写

• xargs -n1：表示每次只传递一个参数

• rpm -e –nodeps：强制卸载软件

11. 重启虚拟机

[root@hadoop ~]# reboot

2.2、克隆虚拟机

1. 利用模板机hadoop，克隆三台虚拟机：hadoop2、 hadoop3 、hadoop4

克隆时要先关闭hadoop虚拟机

等待克隆完毕即可！！！

2. 修改克隆机IP，以下以hadoop2举例说明

[root@hadoop ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static"            <--------改为 静态
DEFROUTE="yes"
........
........
ONBOOT="yes"
IPADDR="192.168.253.132"      <-------ip地址
PREFIX="24"                   
GATEWAY="192.168.253.2"       <-------网关
DNS1="114.114.114.114"        <------DNS
IPV6_PRIVACY="no"

3. 修改克隆机主机名，以下以hadoop2举例说明

• 修改主机名称

[root@hadoop ~]# vim /etc/hostname
hadoop2

• 配置Linux克隆机主机名称映射hosts文件，打开/etc/hosts

[root@hadoop100 ~]# vim /etc/hosts

添加如下内容：

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4

4. 重启克隆机hadoop2

[root@hadoop ~]# reboot

5. 修改克隆机hadoop3、 hadoop4 步骤同上

6. 修改windows的主机映射文件（hosts文件）

C:\Windows\System32\drivers\etc
拷贝hosts文件到桌面
打开桌面hosts文件并添加如下内容

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4

将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件

2.3、在hadoop2上安装JDK

1. 用FianlShell传输工具将JDK导入到opt目录下面的software文件夹下面

2. 在Linux系统下的opt目录中查看软件包是否导入成功

[zsong@hadoop2 softwares]$ ll
总用量 520600
-rw-r--r--. 1 root root 338075860 3月  10 21:15 hadoop-3.1.3.tar.gz
-rw-r--r--. 1 root root 195013152 3月  10 21:14 jdk-8u212-linux-x64.tar.gz

3. 解压JDK到/opt/module目录下，并重命名

[zsong@hadoop2 softwares]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
[zsong@hadoop2 softwares]$ cd /opt/module/
[zsong@hadoop2 module]$ mv jdk1.8.0_212 jdk 

4. 配置JDK环境变量

可以直接vim /etc/profile在里面添加环境变量

也可以新建/etc/profile.d/my_env.sh文件

[zsong@hadoop2 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk
export PATH=$PATH:$JAVA_HOME/bin

:wq保存退出

source一下/etc/profile文件，让新的环境变量PATH生效

[zsong@hadoop2 ~]$ source /etc/profile

5. 测试JDK是否安装成功

[zsong@hadoop2 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

java version "1.8.0_212"

2.4、在hadoop上安装Hadoop

1. 进入到Hadoop安装包路径下

[zsong@hadoop2 ~]$ cd /opt/software/

2. 解压安装文件到/opt/module下面，并重命名

[zsong@hadoop2 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
[zsong@hadoop2 software]$ cd /opt/module
[zsong@hadoop2 module]$ mv hadoop-3.1.3 hadoop
[zsong@hadoop2 module]$ ll
总用量 0
drwxr-xr-x. 13 zsong zsong 203 3月  10 23:10 hadoop
drwxr-xr-x.  7 zsong zsong 245 4月   2 2019 jdk
[zsong@hadoop2 module]$ 

3. 添加到环境变量

打开/etc/profile.d/my_env.sh文件

[zsong@hadoop2 module]$ vim /etc/profile.d/my_env.sh 

在my_env.sh文件末尾添加如下内容：（shift+g）

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

:wq 保存并退出

让修改后的文件生效

[zsong@hadoop2 module]$ source /etc/profile

4. 测试是否安装成功

[zsong@hadoop2 module]$ hadoop version
Hadoop 3.1.3
Source code repository https://gitbox.apache.org/repos/asf/hadoop.git -r ba631c436b806728f8ec2f54ab1e289526c90579
Compiled by ztang on 2019-09-12T02:47Z
Compiled with protoc 2.5.0
From source with checksum ec785077c385118ac91aadde5ec9799
This command was run using /opt/module/hadoop/share/hadoop/common/hadoop-common-3.1.3.jar
[zsong@hadoop2 module]$ 

2.5、hadoop目录结构

[zsong@hadoop2 hadoop]$ ll

drwxr-xr-x. 2 zsong zsong    183 9月  12 2019 bin
drwxr-xr-x. 3 zsong zsong     20 9月  12 2019 etc
drwxr-xr-x. 2 zsong zsong    106 9月  12 2019 include
drwxr-xr-x. 3 zsong zsong     20 9月  12 2019 lib
drwxr-xr-x. 4 zsong zsong   4096 9月  12 2019 libexec
-rw-rw-r--. 1 zsong zsong 147145 9月   4 2019 LICENSE.txt
-rw-rw-r--. 1 zsong zsong  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 zsong zsong   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 zsong zsong   4096 9月  12 2019 sbin
drwxr-xr-x. 4 zsong zsong     31 9月  12 2019 share

（1）bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本

（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

3️⃣、Hadoop运行模式

Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。

• 本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。

• 伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。

• 完全分布式模式：多台服务器组成分布式环境。生产环境使用。

3.1 、本地运行模式（官方WordCount）

1. 创建在hadoop安装目录下面创建一个wcinput文件夹

[zsong@hadoop2 hadoop]$ mkdir wcinput

2. 在wcinput文件下创建一个word.txt文件

[zsong@hadoop2 hadoop]$ cd wcinput
[zsong@hadoop2 hadoop]$ vim word.txt

# 输入内容
ss  ss
zs zs
kang kang kang
hxy hxy

:wq 保存

3. 回到Hadoop目录/opt/module/hadoop
4. 执行程序

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

5. 查看结果

[zsong@hadoop2 hadoop]$ cat wcoutput/part-r-00000

3.2、完全分布式运行模式

1）准备3台客户机（关闭防火墙、静态IP、主机名称）
2）安装JDK
3）配置环境变量
4）安装Hadoop
5）配置环境变量
6）配置集群
7）单点启动
8）配置ssh
9）群起并测试集群

1、集群分发

1）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             $user@$host:$pdir/$fname
命令   递归     要拷贝的文件路径/名称   目的地用户@主机:目的地路径/名称
（3）案例实操
   前提：在hadoop2、hadoop3、hadoop4都已经创建好的/opt/module、/opt/software两个目录，并且已经把这两个目录修改为zsong:zsong
    [zsong@hadoop2 ~]$ sudo chown zsong:zsong -R /opt/module
   

（a）在hadoop2上，将hadoop2中/opt/module/jdk目录拷贝到hadoop3上。

[zsong@hadoop2 ~]$ scp -r /opt/module/jdk  zsong@hadoop3:/opt/module

（b）在hadoop3上，将hadoop2中/opt/module/hadoop目录拷贝到hadoop3上。

[zsong@hadoop3 ~]$ scp -r zsong@hadoop2:/opt/module/hadoop  /opt/module/

（c）在hadoop3上操作，将hadoop2中/opt/module目录下所有目录拷贝到hadoop4上。

[zsong@hadoop3 opt]$ scp -r zsong@hadoop2:/opt/module/* zsong@hadoop4:/opt/module

2）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    -av       $pdir/$fname             $user@$host:$pdir/$fname
命令   选项参数   要拷贝的文件路径/名称   目的地用户@主机:目的地路径/名称

选项参数说明

选项	功能
-a	归档拷贝
-v	显示复制过程

2、SSH无密登陆配置

1）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
[zsong@hadoop2 ~]$ ssh hadoop3
*	如果出现如下内容
Are you sure you want to continue connecting (yes/no)? 
*	输入yes，并回车
（3）退回到hadoop102
[zsong@hadoop3 ~]$ exit

2）无密钥配置

生成公钥和私钥

[zsong@hadoop2 .ssh]$ pwd
/home/zsong/.ssh
[zsong@hadoop2 .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

[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop2
[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop3
[zsong@hadoop2 .ssh]$ ssh-copy-id hadoop4

还需要在hadoop3上采用zsong账号配置一下无密登录到hadoop2、hadoop3、hadoop4服务器上。
还需要在hadoop4上采用zsong账号配置一下无密登录到hadoop2、hadoop3、hadoop4服务器上。
还需要在hadoop2上采用root账号，配置一下无密登录到hadoop2、hadoop3、hadoop4；

[zsong@hadoop2 .ssh]$ ll
总用量 16
-rw-------. 1 zsong zsong 1185 3月  10 23:02 authorized_keys
-rw-------. 1 zsong zsong 1679 3月  10 22:15 id_rsa
-rw-r--r--. 1 zsong zsong  395 3月  10 22:15 id_rsa.pub
-rw-r--r--. 1 zsong zsong  555 3月  10 22:00 known_hosts

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	存放授权过的无密登录服务器公钥

3、集群配置

1）集群部署规划

• NameNode和SecondaryNameNode不要安装在同一台服务器

• ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

	hadoop2	hadoop3	hadoop4
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

2）配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

（1）默认配置文件：

要获取的默认文件	文件存放在Hadoop的jar包中的位置
[core-default.xml]	hadoop-common-3.1.3.jar/core-default.xml
[hdfs-default.xml]	hadoop-hdfs-3.1.3.jar/hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-3.1.3.jar/yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml

（2）自定义配置文件：

​ core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

3）配置集群

（1）核心配置文件

配置core-site.xml

[zsong@hadoop2 ~]$ cd $HADOOP_HOME/etc/hadoop
[zsong@hadoop2 hadoop]$ vim core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop2:8020</value>
    </property>

    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop/data</value>
    </property>

    <!-- 配置HDFS网页登录使用的静态用户为zsong -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>zsong</value>
    </property>
</configuration>

（2）HDFS配置文件

配置hdfs-site.xml

[zsong@hadoop2 hadoop]$ vim hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- nn web端访问地址-->
	<property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop2:9870</value>
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop4:9868</value>
    </property>
</configuration>

（3）YARN配置文件

配置yarn-site.xml

[zsong@hadoop2 hadoop]$ vim yarn-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>

    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop3</value>
    </property>

    <!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

（4）MapReduce配置文件

配置mapred-site.xml

[zsong@hadoop2 hadoop]$ vim mapred-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
	<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

4）在集群上分发配置好的Hadoop配置文件

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ rsync -av ./* hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av ./* hadoop4:$PWD

5）去hadoop3和hadoop4上查看文件分发情况

[zsong@hadoop3 ~]$ cat /opt/module/hadoop/etc/hadoop/core-site.xml
[zsong@hadoop4 ~]$ cat /opt/module/hadoop/etc/hadoop/core-site.xml

4、群起集群

1）配置workers

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ vim workers

添加如下内容

hadoop2
hadoop3
hadoop4

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

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop/etc/hadoop
[zsong@hadoop2 hadoop]$ rxync -av workers hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rxync -av workers hadoop4:$PWD

2）启动集群

如果集群是第一次启动，需要在hadoop2节点格式化NameNode
（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。）

[zsong@hadoop2 hadoop]$ pwd
/opt/module/hadoop
[zsong@hadoop2 hadoop]$ hdfs namenode -format

（1）启动HDFS

[zsong@hadoop2 hadoop]$ sbin/start-dfs.sh

（3）在配置了ResourceManager的节点（hadoop3）启动YARN

[zsong@hadoop3 hadoop]$ sbin/start-yarn.sh

（4）Web端查看HDFS的NameNode

（a）浏览器中输入：http://192.168.253.132:9870

（b）查看HDFS上存储的数据信息

（5）Web端查看YARN的ResourceManager

（a）浏览器中输入：http://192.168.253.133:8088

（b）查看YARN上运行的Job信息

如果8088端口连接不上则修改vim /etc/hosts 注释掉前两行

#127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1         localhost localhost.localdomain localhost6 localhost6.localdomain6

192.168.253.130 hadoop
192.168.253.131 hadoop1
192.168.253.132 hadoop2
192.168.253.133 hadoop3
192.168.253.134 hadoop4

3）集群基本测试

（1）上传文件到集群

[zsong@hadoop2 ~]$ hadoop fs -mkdir /input
[zsong@hadoop2 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input

（2）上传文件后查看文件存放在什么位置

# 查看HDFS文件存储路径
[zsong@hadoop2 subdir0]$ pwd
/opt/module/hadoop/data/dfs/data/current/BP-392378016-192.168.253.132-1678461025024/current/finalized/subdir0/subdir0

#查看HDFS在磁盘存储文件内容
[zsong@hadoop2 subdir0]$ cat blk_1073741825
ss  ss
zs zs
kang kang kang
hxy hxy

（4）下载

[zsong@hadoop4 software]$ hdfs dfs -get /input ./

（5）执行wordcount程序

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

5、配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：

1）配置mapred-site.xml

[zsong@hadoop2 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置。

<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop2:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop2:19888</value>
</property>

2）分发配置

[zsong@hadoop2 hadoop]$ rsync -av mapred-site.xml  hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av mapred-site.xml  hadoop4:$PWD

3）在hadoop2启动历史服务器

[zsong@hadoop2 hadoop]$ mapred --daemon start historyserver

4）查看历史服务器是否启动

[zsong@hadoop2 hadoop]$ jps

5）查看JobHistory

http://192.168.253.132:19888/jobhistory

5、配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

开启日志聚集功能具体步骤如下：

1）配置yarn-site.xml

[zsong@hadoop2 hadoop]$ vim yarn-site.xml

在该文件里面增加如下配置。

<!-- 开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>  
    <name>yarn.log.server.url</name>  
    <value>http://hadoop2:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

2）分发配置

[zsong@hadoop2 hadoop]$ rsync -av yarn-site.xml  hadoop3:$PWD
[zsong@hadoop2 hadoop]$ rsync -av yarn-site.xml  hadoop4:$PWD

3）关闭NodeManager、ResourceManager和HistoryServer

[zsong@hadoop3 hadoop]$ sbin/stop-yarn.sh
[zsong@hadoop2 hadoop]$ mapred --daemon stop historyserver

4）启动NodeManager 、ResourceManage和HistoryServer

[zsong@hadoop3 ~]$ start-yarn.sh
[zsong@hadoop2 ~]$ mapred --daemon start historyserver

5）删除HDFS上已经存在的输出文件

[zsong@hadoop2 ~]$ hadoop fs -rm -r /output

6）执行WordCount程序

[zsong@hadoop2 hadoop]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7）查看日志

（1）历史服务器地址

http://192.168.253.132:19888/jobhistory

（2）历史任务列表

（3）查看任务运行日志

（4）运行日志详情

6、集群启动/停止方式总结

1）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

2）各个服务组件逐一启动/停止

2）各个服务组件逐一启动/停止

​ （1）分别启动/停止HDFS组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

​ （2）启动/停止YARN

yarn --daemon start/stop resourcemanager/nodemanager

7、编写Hadoop集群常用脚本

1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh

[zsong@hadoop2 ~]$ cd /home/zsong/bin
[zsong@hadoop2 bin]$ vim myhadoop.sh

输入如下内容

#!/bin/bash

if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi

case $1 in
"start")
        echo " =================== 启动 hadoop集群 ==================="

        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop2 "/opt/module/hadoop/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
		  ssh hadoop3 "/opt/module/hadoop/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop2 "/opt/module/hadoop/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop2 "/opt/module/hadoop/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop3 "/opt/module/hadoop/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop2 "/opt/module/hadoop/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

• 保存后退出，然后赋予脚本执行权限

[zsong@hadoop2 bin]$ chmod 777 myhadoop.sh

2）查看三台服务器Java进程脚本：jpsall

[zsong@hadoop2 ~]$ cd /home/zsong/bin
[zsong@hadoop2 bin]$ vim jpsall

输入如下内容

#!/bin/bash

for host in hadoop2 hadoop3 hadoop4
do
        echo =============== $host ===============
        ssh $host jps 
done

保存后退出，然后赋予脚本执行权限

[zsong@hadoop2 bin]$ chmod 777 jpsall

3）分发/home/atguigu/bin目录，保证自定义脚本在三台机器上都可以使用

[zsong@hadoop2 ~]$ scp ./* hadoop3:$PWD
[zsong@hadoop2 ~]$ scp ./* hadoop4:$PWD

7、常用端口号说明

端口名称	Hadoop2.x	Hadoop3.x
NameNode内部通信端口	8020 / 9000	8020 / 9000/9820
NameNode HTTP UI	50070	9870
MapReduce查看执行任务端口	8088	8088
历史服务器通信端口	19888	19888

8、集群同步时间

如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准；

如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。

找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果，采用1分钟同步一次。

yum install -y ntp

（1）查看所有节点ntpd服务状态和开机自启动状态

[zsong@hadoop2 ~]$ sudo systemctl status ntpd
[zsong@hadoop2 ~]$ sudo systemctl start ntpd
[zsong@hadoop2 ~]$ sudo systemctl is-enabled ntpd

（2）修改hadoop102的ntp.conf配置文件

[zsong@hadoop2 ~]$ sudo vim /etc/ntp.conf

（3）修改hadoop102的/etc/sysconfig/ntpd 文件

[zsong@hadoop2 ~]$ sudo vim /etc/sysconfig/ntpd

增加内容如下（让硬件时间与系统时间一起同步）

SYNC_HWCLOCK=yes

（4）重新启动ntpd服务

[zsong@hadoop2 ~]$ sudo systemctl start ntpd

（5）设置ntpd服务开机启动

[zsong@hadoop2 ~]$ sudo systemctl enable ntpd

3）其他机器配置（必须root用户）

（1）关闭所有节点上ntp服务和自启动

[zsong@hadoop3 ~]$ sudo systemctl stop ntpd

[zsong@hadoop3 ~]$ sudo systemctl disable ntpd

[zsong@hadoop4 ~]$ sudo systemctl stop ntpd

[zsong@hadoop4 ~]$ sudo systemctl disable ntpd

（2）在其他机器配置1分钟与时间服务器同步一次

[zsong@hadoop3 ~]$ sudo crontab -e

编写定时任务如下：

*/1 * * * * /usr/sbin/ntpdate hadoop102

（3）修改任意机器时间

[zsong@hadoop3 ~]$ sudo date -s "2021-9-11 11:11:11"

（4）1分钟后查看机器是否与时间服务器同步

[zsong@hadoop3 ~]$ sudo date

4️⃣、问题解决

1、日志权限

hadoop2: ERROR: Unable to write in /opt/module/hadoop/logs. Aborting.
Starting datanodes
hadoop2: ERROR: Unable to write in /opt/module/hadoop/logs. Aborting.
hadoop2: datanode is running as process 10105.  Stop it first.
hadoop3: datanode is running as process 19312.  Stop it first.
Starting secondary namenodes [hadoop113]
hadoop3: secondarynamenode is running as process 19380.  Stop it first.

sudo chown zsong:zsong ./logs  ./dada

2、权限

[zsong@hadoop2 opt]$ start-dfs.sh 
Starting namenodes on [hadoop2]
hadoop2: /opt/module/hadoop/libexec/hadoop-functions.sh:行1842: /tmp/hadoop-zsong-namenode.pid: 权限不够
hadoop2: ERROR:  Cannot write namenode pid /tmp/hadoop-zsong-namenode.pid.
Starting datanodes
Starting secondary namenodes [hadoop4]

#直接修改权限
sudo chown zsong:zsong /tmp/hadoop-zsong-namenode.pid

面试题

一、
常用瑞口号
hadoop3.x
HDFS NameNode内部通常端▣：8020/9000/9820
HDFS NameNode对用户的查询端口：9870
Yarn查看任务运行情况的：8088
历史服务器：19888

hadoop2.x
HDFS NameNode内部通常端▣：8020/9000
HDFS NameNode对用户的查询端口：50070
Yarn查看任务运行情况的：8088
历史服务器：19888

二、
常用的配置文件
3.x 
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml workers

2.x 
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml slaves