一:安装JDK

hadoop2.x最低jdk版本要求是:jdk1.7(不过推荐用最新的:jdk1.8,因为jdk是兼容旧版本的,而且我们使用的其他软件可能要求的jdk版本较高

下载地址:https://www.oracle.com/technetwork/java/javase/downloads/java-archive-downloads-javase7-521261.html#jdk-7u80-oth-JPR

注意:版本选取需要同操作系统一致

(一)创建App文件夹

用于存放Hadoop用户安装的各种应用

(二)将jdk解压自App文件夹中

先进入jdk所在文件夹目录下

 tar -zxvf jdk-7u80-linux-x64.tar.gz -C ~/App/

(三)进行测试使用

cd ~/App/jdk1.7.0_80/bin
./java -version

二:将应用bin和sbin目录加入环境变量中

编辑/etc/profile文件

sudo vi /etc/profile

添加下面代码:将java和Hadoop中bin目录加入环境变量

export JAVA_HOME=/home/hadoop/App/jdk1.7.0_80
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export HADOOP_HOME=/home/hadoop/App/hadoop-2.7.1
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${JAVA_HOME}/bin:${JRE_HOME}/bin:$PATH

使用source /etc/profile保存配置文件

source /etc/profile

三:安装Hadoop

(一)解压Hadoop

tar -zvxf hadoop-2.7.1_64bit.tar.gz -C ~/App/

(二)目录讲解

1.bin目录—存放对Hadoop相关服务(HDFS,YARN)进行操作的脚本

bin: 存放的是我们用来实现管理脚本和使用的脚本的目录,我们对hadoop文件系统操作的时候用的就是这个目录下的脚本

常用的命令脚本(我们忽略.cmd的文件这是windows下的使用的文件):hdfs hadoop yarn 来执行对文件操作
其中hadoop文件用于执行hadoop脚本命令,被hadoop-daemon.sh调用执行,也可以单独执行,一切命令的核心

2.etc目录—Hadoop的配置文件目录,存放Hadoop的配置文件

etc:存放一些hadoop的配置文件
cd ./hadoop/

  (1)core-site.xml:    Hadoop全局配置文件

Hadoop核心全局配置文件,可以其他配置文件中引用该文件中定义的属性,如在hdfs-site.xml及mapred-site.xml中会引用该文件的属性;
该文件的模板文件存在于$HADOOP_HOME/src/core/core-default.xml,可将模板文件复制到conf目录,再进行修改。

  (2)hadoop-env.sh    Hadoop环境变量配置文件

Hadoop环境变量

  (3)hdfs-site.xml    HDFS的核心配置文件

HDFS配置文件,该模板的属性继承于core-site.xml;该文件的模板文件存于$HADOOP_HOME/src/hdfs/hdfs-default.xml,可将模板文件复制到conf目录,再进行修改

  (4)yarn-site.xml    yarn的核心配置文件

yarn的配置文件,该模板的属性继承于core-site.xml;该文件的模板文件存于$HADOOP_HOME/src/mapred/mapredd-default.xml,
可将模板文件复制到conf目录,再进行修改

  (5)slaves    用于设置所有的slave的名称或IP,每行存放一个

用于设置所有的slave的名称或IP,每行存放一个。如果是名称,那么设置的slave名称必须在/etc/hosts有IP映射配置

  (6)mapred-site.xml   MapReduce的核心配置文件,模板文件mapred-site.xml.template

3.include目录

include:对外提供的编程库头文件(具体动态库和静态库在lib目录中),这些头文件均是用C++定义的,通常用于C++程序访问HDFS或者编写MapReduce程序。

4.lib目录—存放Hadoop的本地库(对数据进行压缩解压缩功能)

lib:该目录下存放的是Hadoop运行时依赖的jar包,Hadoop在执行时会把lib目录下面的jar全部加到classpath中。

5.libexec目录

libexec:各个服务对用的shell配置文件所在的目录,可用于配置日志输出、启动参数(比如JVM参数)等基本信息。

6.sbin目录—存放启动或停止Hadoop相关服务的脚本

sbin: 存放的是我们管理脚本的所在目录,重要是对hdfs和yarn的各种开启和关闭和单线程开启和守护

  start-dfs.sh

启动NameNode、DataNode以及SecondaryNameNode

  start-yarn.sh 

启动ResourceManager以及NodeManager

  stop-dfs.sh 

停止NameNode、DataNode以及SecondaryNameNode

  stop-yarn.sh

停止ResourceManager以及NodeManager

  start-all.sh 

相当于执行 start-dfs.sh 及 start-yarn.sh

  stop-all.sh 

相当于执行 stop-dfs.sh 及 stop-yarn.sh

  hadoop-daemon.sh 

通过执行hadoop命令来启动/停止一个守护进程(daemon);
该命令会被bin目录下面所有以start或stop开头的所有命令调用来执行命令;
hadoop-daemons.sh也是通过调用hadoop-daemon.sh来执行命令;
hadoop-daemon.sh本身就是通过调用hadoop命令来执行任务。

7.share目录—存放Hadoop的依赖jar包、文档(可删除)、和官方案例

Hadoop各个模块编译后的jar包所在的目录。开发程序需要从此引入jar包

 

(三)配置安装Hadoop

1.修改etc/hadoop/下配置文件(linux下不需要修改cmd文件)

(1)hadoop-env.sh文件修改:修改java_home(写死)

vi hadoop-env.sh 

echo $JAVA_HOME获取完整环境变量:/home/hadoop/App/jdk1.7.0_80

Hadoop启动时,需要读取,*-site.xml文件,都需要修改

(2)修改core-site.xml文件

vi core-site.xml
fs.defaultFS:默认采用的文件系统---指定namenode(主节点)的地址
我们需要修改他,因为Hadoop各组件组件是松耦合联系,而文件系统可以是本地文件系统,如linux ext等,也可以是HDFS,....。
所以我们需要指定一个专门的文件系统,为HDFS
value值必须为URI类型:例如HDFS URI: hdfs://主节点名称:端口号/  其中端口默认9000
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoopH1:9000</value>
</property>
hadoop.tmp.dir:Hadoop公共目录,用来指定使用hadoop时产生文件的存放目录(如果可以,应该是磁盘挂载点,方便扩容)
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/App/hadoop-2.7.1/data/tmp/</value>    这里我们指定存放在hadoop根目录下的data文件夹下
</property>

(3)修改hdfs-site.xml文件 

    <property>
            <name>dfs.replication</name>
            <value>1</value>            伪分布指定一个即可
    </property>    

也可以指定切块大小,默认128M(太小了,效率会降低)

注:因为每个分块,都会占用NameNode的一条记录,如果分块太小,则会产生大量记录,占据NameNode空间,使得实际DataNode集群可存放数据大小降低!!!

dfs.namenode.name.dir:指定hdfs中namenode的存储位置
dfs.datanode.data.dir:指定hdfs中datanode的存储位置
Hadoop hdfs有NameNode和DataNode两种节点(两种不同进程),DataNode进程负责管理我们传送的文件块,存放在linux文件目录下, 同样NameNode也需要文件目录存放数据,我们可以分别指定,
    <!--指定hdfs中namenode的存储位置-->
    <property>
             <name>dfs.namenode.name.dir</name>
             <value>/home/hadoop/App/hadoop-2.7.1/data/name</value>
    </property>
    <!--指定hdfs中datanode的存储位置-->
    <property>
             <name>dfs.datanode.data.dir</name>
             <value>/home/hadoop/App/hadoop-2.7.1/data/data</value>
    </property>

4.修改mapred-site.xml文件

先将mapred-site.xml.template(Hadoop不可读)变为mapred-site.xml文件(Hadoop可读)

mv mapred-site.xml.template mapred-site.xml
mapreduce.framework.name:指定mapreduce程序应该放入哪一个资源调度集群上使用,否则在本地运行,而不是在集群中使用
        <!--告诉hadoop以后MR(Map/Reduce)运行在YARN上-->
        <property>
              <name>mapreduce.framework.name</name>
              <value>yarn</value>
       </property>

5.修改yarn-site.xml文件

yarn.resourcemanager.hostname:指定Yarn主节点ResourceManager地址
yarn.nodemanager.aux-services:指定nodeManager节点获取数据的方式
yarn.log-aggregation-enable:是否开启工作日志
    <!--nomenodeManager获取数据的方式是shuffle-->
    <property>
            <name>yarn.nodemanager.aux-services</name>
            <value>mapreduce_shuffle</value>
    </property>
    <!--指定Yarn的老大(ResourceManager)的地址-->   
    <property>
            <name>yarn.resourcemanager.hostname</name>
            <value>hadoopH1</value>
    </property>
    <!--Yarn打印工作日志-->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>

 

(四)开启Hadoop

1.关闭防火墙(Hadoop一般在内网使用,所以关掉影响不大)

sudo firewall-cmd --state    查看防火墙状态
systemctl stop firewalld.service            #停止firewall
systemctl disable firewalld.service        #禁止firewall开机启动

2.初始化hdfs文件系统

hadoop namenode -format

可以看到,格式化namenode之后,会在我们指定的配置项所指目录中,生成一些文件

其中fsimage是元数据,.md5是校验文件
而整个文件系统命名空间(包括块到文件和文件系统属性的映射)存储在名为 FsImage 的文件中。 
FsImage 也作为文件存储在 NameNode 的本地文件系统中。

3.启动Hadoop

 进入sbin目录(存放系统启动脚本)

cd ~/App/hadoop-2.7.1/sbin/

(1)先启动hdfs

start-dfs.sh

需要选择是否连接主机,并且每启动一次进程,需要输入一次密码!!!

注意:我们在core-site.xml中只配置了NameNode,并没有配置DataNode。但是为什么依旧启动了DataNode??

0.0.0.0广播地址,用于查看集群中有几台机器。

查看进程:jps,用于检查hdfs是否启动成功

hdfs正常运行,需要上面3种进程

NameNode只有一个,DataNode则有多个,DataNode设置需要在配置文件

查看slave文件内容:

内容为localhost,故在本机中启动DataNode。我们可以设置多个集群节点,设置主机名即可

(2)启动yarn

start-yarn.sh

我们本机为主节点,直接开启resourcenamager,不需要输入密码。而nodemanager需要在其他主机中启动,故需要输入密码才可以启动nodemanager进程

故:启动集群,并不需要到每台机器中启动。只需要配置slave文件后。便可在一台机器中启动所有节点。

四:测试Hadoop

(一).测试Hadoop web服务

修改windows主机hosts文件 

添加映射:

使用网页访问Hadoop:

http://hadooph1:50070  注意:https可能无法访问

(二)测试hdfs

1.上传文件到hdfs文件系统中

hadoop fs -put jdk-7u80-linux-x64.tar.gz hdfs://hadoopH1:9000/    上传到hdfs文件系统根目录下

2.查看hdfs文件系统中文件

 (1)在web中查看,可进行下载

 (2)使用命令行下载文件到当前目录

hadoop fs -get hdfs://hadoopH1:9000/jdk-7u80-linux-x64.tar.gz

3.查看hdfs文件分块信息

其中.meta文件,是校验和文件。 

(三)测试mapreduce 

1.使用案例程序进行测试。 

mapreduce案例程序在/home/hadoop/App/hadoop-2.7.1/share/hadoop/mapreduce,在share文件夹下

可用于计算圆周率

(四)测试mapreduce程序—统计单词出现次数 

1.测试数据

vi test.txt
hello world
hello ketty
hello boys
hello mark
hello mark
hello doctor
hello kitty

2.上传文件到hdfs系统中

先在hdfs系统中创建一个目录

hadoop fs -mkdir hdfs://hadoopH1:9000/wordcount
或者
hadoop fs -mkdir /wordcount
hadoop fs -mkdir /wordcount/input    创建二级目录

上传文件到input文件目录中 

hadoop fs -put test.txt /wordcount/input

 3.调用案例程序统计数据

hadoop jar hadoop-mapreduce-examples-2.7.1.jar wordcount /wordcount/input /wordcount/output

调用jar案例包,使用wordcount类进行单词字数统计,输入数据在/worddcount/input目录下,输出数据应该放入/wordcout/output目录下

注:指定数据输入目录下的所有文件都会读取!!!

4.查看输出文件目录 

hadoop fs -ls /wordcount/output

其中_SUCCESS大小为0,为空文件。part-r-00000存放结果。

5.查看输出结果文件

hadoop fs -cat /wordcount/output/part-r-00000

五:Hadoop shell命令

https://blog.csdn.net/hll19950830/article/details/79810540

六:Hadoop集群搭建的无密登陆配置

(一)ssh协议

推文:https://www.jianshu.com/p/33461b619d53

(二)集群密码输入时机

当启动hdfs文件系统时,start-dfs.sh。
其中start-dfs.sh会去调用core-site.xml获取NameNode信息,本地登陆NamdNode节点,调用slaves文件获取DataNode信息,远程登陆DataNode节点(需要输入密码)。

(三)SSH实践

1.生成密钥

ssh-keygen -t rsa -P \'\' -f ~/.ssh/id_rsa

-t:指定生成密钥类型(rsa、dsa、ecdsa等)
-P:指定passphrase,用于确保私钥的安全
-f:指定存放密钥的文件(公钥文件默认和私钥同目录下,不同的是,存放公钥的文件名需要加上后缀.pub)
ssh-keygen -t rsa

文件存放在用户主目录下.ssh目录下: 

其实id_rsa 为密钥,id_rsa.pub为公钥

2.客户端将公钥发送到服务器端,可使得客户端可以登陆该服务器(无需密码)

scp id_rsa.pub hadoopH1:/home/hadoop/

其中scp为远程拷贝操作,拷贝到远程主机(主机名hadoopH1,拷贝目录/home/hadoop/下),需要输入远程主机的密码

查看远程服务器主目录(存在该公钥):

查看远程服务器.ssh是否存在authorized_keys文件,若不存在则创建,并赋权限600 

3. 将获取的公钥追加如authorized_keys文件中

cat ../id_rsa.pub >> ./authorized_keys

注:>是写入,>>是追加

是hadoop@hadoopH1的公钥

4.客户端再次登陆服务器。发现并不用输入密码

(四)实践Hadoop无密登陆

1.开启hdfs文件系统,不需要密码登陆

2.启动yarn,不需要密码登录

版权声明:本文为ssyfj原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/ssyfj/p/12300462.html