Hadoop（四）生产集群搭建（一）

生产集群搭建

• 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（官方WorldCount）

• 单机运行，生产环境不用
• 数据存储在Linux本地
• 例子：使用 Hadoop 运行一个 MapReduce 程序来执行词频统计

1、在hadoop-3.1.3文件下面创建一个wcinput文件夹

[user@hadoop102 hadoop-3.1.3]$ mkdir wcinput

2、在wcinput文件下创建一个word.txt文件

[user@hadoop102 hadoop-3.1.3]$ cd wcinput
[user@hadoop102 wcinput]$ vim word.txt

3、编辑word.txt文件

SEVENTEEN RIGHT HERE!
SAY THE NAME!

• 保存退出：wq

4、回到Hadoop目录/opt/module/hadoop-3.1.3
5、执行程序

[user@hadoop102 hadoop-3.1.3]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput/ ./wcoutput

• bin/hadoop：这是调用 Hadoop 命令行工具的路径
• jar：这个命令用于运行 JAR 文件中的 Hadoop 作业
• share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar：这是包含 MapReduce 示例程序的 JAR 文件的路径
• wordcount：这是 MapReduce 作业的驱动类，它指定了作业要运行的 MapReduce 任务
• wcinput/：这是输入目录，它包含了要进行词频统计的文本文件
• ./wcoutput：这是输出目录，词频统计的结果将会被写入这个目录

注意：

• 输出目录不应该预先存在，如果输出目录已经存在，Hadoop会拒绝运行作业，因为它默认不允许覆盖已存在的数据，这是为了防止数据丢失
• 路径问题，在Hadoop中，路径通常是HDFS的路径，而不是本地文件系统的路径

6、查看结果

[user@hadoop102 wcoutput]$ ll
total 4
-rw-r--r--. 1 user user 48 Sep 11 00:51 part-r-00000
-rw-r--r--. 1 user user  0 Sep 11 00:51 _SUCCESS
[user@hadoop102 wcoutput]$ cat part-r-00000
HERE!	1
NAME!	1
RIGHT	1
SAY	1
SEVENTEEN	1
THE	1

• 在wcoutput文件夹下，有两个文件，其中_SUCCESS是一个特殊的文件，当作业运行成功后，Hadoop会自动创建这个文件，它的存在表示作业已经成功完成；part-r-00000是输出文件，r表示这个reduce阶段的输出，这个文件包含了词频统计的结果

伪分布式模式

• 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，可以用来测试，生产环境不用
• 数据存储在HDFS

完全分布式集群（重点）

• 多台服务器组成分布式环境，生产环境使用
• 数据存储在HDFS，多台服务器工作

一、分析

• 准备3台客户机（关闭防火墙、静态IP、主机名称）—> 安装JDK —> 配置环境变量 —> 安装Hadoop —> 配置环境变量 —> 配置集群 —> 单点启动 —> 配置SSH —> 群起并测试集群
• 目前已准备好三台客户机，只有Hadoop102完成了安装配置JDK和Hadoop

二、编写集群分发脚本xsync

1、scp（secure copy）安全拷贝
（1）可以实现服务器与服务器之间的数据拷贝

scp -r $pdir/$fname $user@$host:$pdir/$fname

• scp：命令
• -r：递归
• $pdir/$fname：要拷贝的文件路径/名称
• $user@$host:$pdir/$fname：目的地用户@主机:目的地路径/名称

（2）实操

• 前提：在hadoop102、hadoop103、hadoop104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user:user
• 在hadoop102上，将hadoop102中/opt/module/jdk1.8.0_212目录拷贝到hadoop103上

[user@hadoop102 module]$ scp -r jdk1.8.0_212/ user@hadoop103:/opt/module/

• 在hadoop103查看拷贝结果

[user@hadoop103 module]$ ll
total 0
drwxr-xr-x. 7 user user 245 Sep 11 01:53 jdk1.8.0_212

• 在hadoop103上，将hadoop102中/opt/module/hadoop-3.1.3目录拷贝到hadoop103上

[user@hadoop103 module]$ scp -r user@hadoop102:/opt/module/hadoop-3.1.3 ./

• 在hadoop103上操作，将hadoop102中/opt/module目录下所有目录拷贝到hadoop104上

[user@hadoop103 module]$ scp -r user@hadoop102:/opt/module/* user@hadoop104:/opt/module/

• 在hadoop104查看拷贝结果

[user@hadoop104 opt]$ cd /opt/module/
[user@hadoop104 module]$ ll
total 0
drwxr-xr-x. 11 user user 180 Sep 11 02:18 hadoop-3.1.3
drwxr-xr-x.  7 user user 245 Sep 11 02:18 jdk1.8.0_212

2、rsync远程同步工具
（1）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
（2）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
（3）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

• -a：归档拷贝
• -v：显示复制过程

（4）实操

• 删除hadoop103中/opt/module/hadoop-3.1.3/wcinput和wcoutput

[user@hadoop103 hadoop-3.1.3]$ rm -rf wcinput/ wcoutput/
[user@hadoop103 hadoop-3.1.3]$ ll
total 176
drwxr-xr-x. 2 user user    183 Sep 11 02:07 bin
drwxr-xr-x. 3 user user     20 Sep 11 02:07 etc
drwxr-xr-x. 2 user user    106 Sep 11 02:09 include
drwxr-xr-x. 3 user user     20 Sep 11 02:07 lib
drwxr-xr-x. 4 user user    288 Sep 11 02:07 libexec
-rw-rw-r--. 1 user user 147145 Sep 11 02:07 LICENSE.txt
-rw-rw-r--. 1 user user  21867 Sep 11 02:07 NOTICE.txt
-rw-rw-r--. 1 user user   1366 Sep 11 02:07 README.txt
drwxr-xr-x. 3 user user   4096 Sep 11 02:07 sbin
drwxr-xr-x. 4 user user     31 Sep 11 02:07 share

• 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103

[user@hadoop102 module]$ rsync -av hadoop-3.1.3/ user@hadoop103:/opt/module/hadoop-3.1.3/

3、xsync集群分发脚本
（1）在rsync的基础上进行封装，实现循环复制文件到所有节点的相同目录下
（2）期望脚本：xsync 要同步的文件名称，期望脚本在任何路径都能使用，脚本放在声明了全局环境变量的路径
（3）脚本实现

• 在home/user/bin目录下创建xsync文件

[user@hadoop102 bin]$ vim xsync

• 在文件中编写如下代码

#!/bin/bash
#1. 判断参数个数
if [ $# -lt 1 ]
then
 echo Not Enough Arguement!
 exit;
fi
#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
 echo ==================== $host ====================
 #3. 遍历所有目录，挨个发送
 for file in $@
 do
 #4. 判断文件是否存在
 if [ -e $file ]
 then
 #5. 获取父目录
 pdir=$(cd -P $(dirname $file); pwd)
 #6. 获取当前文件的名称
 fname=$(basename $file)
 ssh $host "mkdir -p $pdir"
 rsync -av $pdir/$fname $host:$pdir
 else
 echo $file does not exists!
 fi
 done
done

• 修改脚本xsync具有执行权限

[user@hadoop102 bin]$ chmod 777 xsync

• 测试脚本

xsync bin/

此时在hadoop103、hadoop104中都有xsync脚本
（4）使用这个脚本同步配置环境变量

• 将脚本复制到/bin中，以便全局调用

[user@hadoop102 bin]$ sudo cp xsync /bin/

• 同步环境变量配置（root所有者）

[user@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

注意：如果用了sudo，那么xsync一定要给它的路径补全

• 让环境变量生效

[user@hadoop103 bin]$ source /etc/profile
[user@hadoop104 opt]$ source /etc/profile