Hadoop 安装及目录结构
一、准备工作
【1】创建用户：useradd 用户名
【2】配置创建的用户具有 root权限，修改 /etc/sudoers 文件，找到下面一行，在root下面添加一行，如下所示：（注意：需要先给sudoer 文件赋权限，修改完会后，将权限修改回来）修改完毕，现在可以用创建的帐号登录，然后用命令 su - ，即可获得 root权限进行操作。
1 ## Allow root to run any commands anywhere 2 root ALL=(ALL) ALL 3 创建的用户 ALL=(ALL) ALL
【3】在/opt目录下创建module、software文件夹，同时修改文件的所有者 sudo chmod 777 文件地址。
1 sudo mkdir module 2 sudo mkdir software
二、下载地址
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
解压：tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
三、配置环境变量
【1】查看 Hadoop解压目录
1 [zzx@localhost hadoop-2.7.2-src]$ pwd 2 /opt/module/hadoop-2.7.2-src
【2】打开 /etc/profile
[zzx@localhost etc]$ sudo vi profile
【3】在文件中添加 Hadoop的环境变量
1 ##HADOOP_HOME 2 export HADOOP_HOME=/opt/module/hadoop-2.7.2 3 export PATH=$PATH:$HADOOP_HOME/bin 4 export PATH=$PATH:$HADOOP_HOME/sbin
【4】重启配置文件，让修改的配置文件生效
[root@localhost etc]# source /etc/profile
【5】测试是否安装成功（如果Hadoop命令不生效就重启试试 reboot)
1 [root@localhost soft]# hadoop version 2 Hadoop 2.7.2 3 Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r b165c4fe8a74265c792ce23f546c64604acf0e41 4 Compiled by jenkins on 2016-01-26T00:08Z 5 Compiled with protoc 2.5.0 6 From source with checksum d0fda26633fa762bff87ec759ebe689c 7 This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar
四、可能会遇见的问题
【问题描述】Error: JAVA_HOME is not set and could not be found.
【解决办法】在安装目录下/etc/hadoop/ 下，找到 hadoop-env.sh
1 #将下面的 $JAVA_HOME 修改为绝对路径，下面一行为默认的，错误展示 2 export JAVA_HOME=$JAVA_HOME 3 4 #修改后的正确展示 5 export JAVA_HOME=/usr/local/soft/jdk8
五、Hadoop目录结构
【1】查看Hadoop目录结构
1 [root@localhost hadoop-2.7.2]# ll 2 总用量 28 3 drwxr-xr-x. 2 10011 10011 194 1月 26 2016 bin 4 drwxr-xr-x. 3 10011 10011 20 1月 26 2016 etc 5 drwxr-xr-x. 2 10011 10011 106 1月 26 2016 include 6 drwxr-xr-x. 3 10011 10011 20 1月 26 2016 lib 7 drwxr-xr-x. 2 10011 10011 239 1月 26 2016 libexec 8 -rw-r--r--. 1 10011 10011 15429 1月 26 2016 LICENSE.txt 9 -rw-r--r--. 1 10011 10011 101 1月 26 2016 NOTICE.txt 10 -rw-r--r--. 1 10011 10011 1366 1月 26 2016 README.txt 11 drwxr-xr-x. 2 10011 10011 4096 1月 26 2016 sbin 12 drwxr-xr-x. 4 10011 10011 31 1月 26 2016 share
【2】重要目录：
◕‿-｡ bin目录：存放对 Hadoop相关服务（HDFS，YARN）进行操作的脚本，里面常用的就是hadoop这个配置；
｡◕‿◕｡ etc目录：Hadoop的配置文件目录，存放 Hadoop的配置文件。后期会修改大量配置文件；
◕‿-｡ lib目录：存放 Hadoop的本地库（对数据进行压缩解压缩功能）；
｡◕‿◕｡ sbin目录：存放启动或停止Hadoop相关服务的脚本，很重要；
◕‿-｡ share目录：存放Hadoop的依赖jar包、文档、和官方案例；
六、启动 HDFS并运行 MapReduce程序
【1】配置：hadoop-env.sh：在 etc/hadoop/hadoop-en.sh 修改JAVA_HOME 路径为 JDK的绝对路径。
export JAVA_HOME=/usr/local/soft/jdk8
【2】配置：core-site.xml：hadoop01 需要配置hosts映射，存储系统会自动创建
1 <!-- 指定HDFS中NameNode的地址 --> 2 <property> 3 <name>fs.defaultFS</name> 4 <value>hdfs://hadoop1:9000</value> 5 </property> 6 7 <!-- 指定Hadoop运行时产生文件的存储目录 --> 8 <property> 9 <name>hadoop.tmp.dir</name> 10 <value>/opt/module/hadoop-2.7.2/data/tmp</value> 11 </property>
【3】配置：hdfs-site.xml：默认副本数是3个
1 <!-- 指定HDFS副本的数量 --> 2 <property> 3 <name>dfs.replication</name> 4 <value>1</value> 5 </property>
【4】格式化NameNode（第一次启动时格式化，以后就不要总格式化）
[root@localhost hadoop-2.7.2]# bin/hdfs namenode -format
【5】启动 NameNode
[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode
【问题描述】 可能会出现：Error: Cannot find configuration directory: /etc/hadoop
【问题解决】 在hadoop-env.sh 修改 hadoop配置文件所在目录，并进行重启 source xx。同时，需要删除 namenode 的data中的数据和 logs中的namenode 和 namedate 所有文件。
export HADOOP_CONF_DIR=/opt/module/hadoop-2.7.2/etc/hadoop/
【6】启动 DataNode
[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start datanode
【7】 使用JPS命令查看是否启动成功，JPS 是JDK中的命令，不是Linux命令。不安装JDK不能使用 JPS
【8】web端查看 HDFS文件系统（注意需要配置hosts）：http://hadoop1:50070/dfshealth.html#tab-overview
【9】查看产生的 Log日志，在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。当前目录：/opt/module/hadoop-2.7.2/logs
【10】操作集群：在 HDFS文件系统上创建一个 input文件夹，-P创建多级目录
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input
【11】 将测试文件内容上传到文件系统上：
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input/
【12】 查看上传的文件是否正确
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -ls /user/zzx/input/ 2 Found 1 items 3 -rw-r--r-- 1 root supergroup 74 2020-06-20 16:44 /user/zzx/input/zzx
【13】查看上传的文件是否正确
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/input/zzx 2 zzx 3 jinlong 4 tangjin 5 zzx 6 zzx 7 jinlong 8 jian 9 fanjing 10 fanjing 11 fanjing 12 fanjing
【14】 运行 MapReduce程序，与开始时执行的本地是一致的。
[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input/ /user/zzx/output/
【15】查看输出结果，命令行查看
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/output/* 2 fanjing 4 3 jian 1 4 jinlong 2 5 tangjin 1 6 zzx 3
【16】查看输出结果，浏览器查看：Utilities-Brower...-user-zzx-output
七、启动 YARN并运行 MapReduce程序
【1】配置 yarn-env.sh，配置一下JAVA_HOME
export JAVA_HOME=/usr/local/soft/jdk8
【2】配置yarn-site.xml
1 <!-- Reducer获取数据的方式 --> 2 <property> 3 <name>yarn.nodemanager.aux-services</name> 4 <value>mapreduce_shuffle</value> 5 </property> 6 7 <!-- 指定YARN的ResourceManager的地址 --> 8 <property> 9 <name>yarn.resourcemanager.hostname</name> 10 <value>hadoop1</value> 11 </property>
【3】配置：mapred-env.sh，配置一下JAVA_HOME
export export JAVA_HOME=/usr/local/soft/jdk8
【4】 配置： (对mapred-site.xml.template重新命名为) mapred-site.xml
mv mapred-site.xml.template mapred-site.xml
【5】配置：mapred-site.xml
1 <!-- 指定MR运行在YARN上 --> 2 <property> 3 <name>mapreduce.framework.name</name> 4 <value>yarn</value> 5 </property>
八、启动集群
【1】启动前必须保证 NameNode和 DataNode已经启动；
【2】启动 ResourceManager
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
【3】 启动NodeManager
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager
【4】YARN的浏览器页面查看：http://hadoop1:8088/cluster
【5】 删除文件系统上的 output文件
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output 2 20/06/20 17:20:20 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes. 3 Deleted /user/zzx/output
【6】执行MapReduce程序
[root@localhost hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output
【7】查看运行结果，刷新页面即可
九、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，在该文件里面增加如下配置。
1 <!-- 历史服务器端地址 --> 2 <property> 3 <name>mapreduce.jobhistory.address</name> 4 <value>hadoop1:10020</value> 5 </property> 6 <!-- 历史服务器web端地址 --> 7 <property> 8 <name>mapreduce.jobhistory.webapp.address</name> 9 <value>hadoop1:19888</value> 10 </property>
【2】启动历史服务器
[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
【3】查看历史服务器是否启动 JPS
【4】查看JobHistory：http://hadoop1:19888/jobhistory
十、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 HistoryManager。
开启日志聚集功能具体步骤如下：
【1】配置yarn-site.xml，在该文件里面增加如下配置
1 <!-- 日志聚集功能使能 --> 2 <property> 3 <name>yarn.log-aggregation-enable</name> 4 <value>true</value> 5 </property> 6 7 <!-- 日志保留时间设置7天 --> 8 <property> 9 <name>yarn.log-aggregation.retain-seconds</name> 10 <value>604800</value> 11 </property>
【2】关闭NodeManager 、ResourceManager和 HistoryManager
1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager 2 stopping resourcemanager 3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager 4 stopping nodemanager 5 nodemanager did not stop gracefully after 5 seconds: killing with kill -9 6 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver 7 stopping historyserver
【3】 启动NodeManager 、ResourceManager和 HistoryManager
1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager 2 starting resourcemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-resourcemanager-localhost.localdomain.out 3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager 4 starting nodemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-nodemanager-localhost.localdomain.out 5 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver 6 starting historyserver, logging to /opt/module/hadoop-2.7.2/logs/mapred-root-historyserver-localhost.localdomain.out 7 [root@localhost hadoop-2.7.2]# jps 8 21937 ResourceManager 9 15458 NameNode 10 22197 NodeManager 11 22374 JobHistoryServer 12 16123 DataNode 13 22415 Jps
【4】删除 HDFS上已经存在的输出文件
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output
【5】执行 WordCount程序
[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output
【6】 查看日志，进入JobHistory 点击 JobID
【7】点击 logs 
【8】日志的具体信息
十一、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-2.7.2.jar/ core-default.xml |
|
[hdfs-default.xml] |
hadoop-hdfs-2.7.2.jar/ hdfs-default.xml |
|
[yarn-default.xml] |
hadoop-yarn-common-2.7.2.jar/ yarn-default.xml |
|
[mapred-default.xml] |
hadoop-mapreduce-client-core-2.7.2.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。
十二、完全分布式运行模式
【1】将 /etc/profile 和 /opt/module 下的文件拷贝到其它两台服务器上，并进行 source xxx。可以自己去拉hadoop1，hadoop1也可自行给你推，hadoop1 也可以将hadoop2 中的文件推给 hadoop3，当传文件夹的时记得加 -r 递归复制。
1 [root@localhost ~]# scp root@192.168.52.131:/etc/bash.bashrc /etc/bash.bashrc 2 [root@localhost opt]# scp -r root@hadoop1:/opt /opt
【2】集群部署规划：根据这个配置修改上面的伪分布式就可以了
|
hadoop1 |
hadoop2 |
hadoop3 |
|
|
HDFS |
NameNode DataNode |
DataNode |
SecondaryNameNode DataNode |
|
YARN |
NodeManager |
ResourceManager NodeManager |
NodeManager |
【3】hadoop1配置 hdfs-site.xml
1 <!-- 指定HDFS副本的数量 --> 2 <property> 3 <name>dfs.replication</name> 4 <value>3</value> 5 </property> 6 <!-- 指定Hadoop辅助名称节点主机配置 --> 7 <property> 8 <name>dfs.namenode.secondary.http-address</name> 9 <value>hadoop3:50090</value> 10 </property>
【4】配置yarn-site.xml
1 <!-- Reducer获取数据的方式 --> 2 <property> 3 <name>yarn.nodemanager.aux-services</name> 4 <value>mapreduce_shuffle</value> 5 </property> 6 7 <!-- 指定YARN的ResourceManager的地址 --> 8 <property> 9 <name>yarn.resourcemanager.hostname</name> 10 <value>hadoop2</value> 11 </property>
十三、配置 SSH 免密配置
【链接】
十四、群起集群
【1】配置 slaves
[root@hadoop1 hadoop-2.7.2]# vi etc/hadoop/slaves
在该文件中增加如下内容： 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。
hadoop1
hadoop2
hadoop3
同步所有节点配置文件
[root@hadoop1 hadoop-2.7.2]# xsync etc/hadoop/slaves
【2】启动集群：如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）
[root@hadoop1 hadoop-2.7.2]# bin/hdfs namenode -format
【3】启动 HDFS（前提：终止之前运行namenode 等）
[root@hadoop1 hadoop-2.7.2]# sbin/start-dfs.sh
启动完成之后，Hadoop1 会启动 NameNode 和 DataNode，其他两台只会启动 DataNode
【4】在 Hadoop2 中启动YARN。注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在 ResouceManager所在的机器上启动 YARN。
[root@hadoop2 hadoop-2.7.2]# sbin/start-yarn.sh
【5】查看 SecondaryNameNode信息：http://hadoop3:50090/status.html
【6】 NameNode测试，创建 /user/zzx/input 并上传文件
1 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input 2 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input
【7】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
1 [root@hadoop1 subdir0]# ll 2 总用量 8 3 -rw-r--r--. 1 root root 74 6月 21 19:19 blk_1073741825 4 -rw-r--r--. 1 root root 11 6月 21 19:19 blk_1073741825_1001.meta 5 [root@hadoop1 subdir0]# pwd 6 /opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-1538823143-192.168.52.131-1592727848753/current/finalized/subdir0/subdir0
十五、集群启动/停止方式总结
【1】 各个服务组件逐一启动/停止
1 #分别启动/停止HDFS组件 2 hadoop-daemon.sh start/stop namenode/datanode/secondarynamenode 3 #启动/停止YARN 4 yarn-daemon.sh start/stop resourcemanager/nodemanager
【2】 各个模块分开启动/停止（配置ssh是前提）
1 #整体启动/停止HDFS 2 start-dfs.sh/stop-dfs.sh 3 #整体启动/停止YARN 4 start-yarn.sh/stop-yarn.sh
