安装Hadoop集群&入门&源码编译

安装Hadoop集群

完全分布式

先决条件

准备三台机器

Name	Static IP	DESC
bigdata102	192.168.1.102	DataNode、NodeManager、NameNode
bigdata103	192.168.1.103	DataNode、NodeManager、ResourceManager
bigdata104	192.168.1.104	DataNode、NodeManager、SecondaryNameNode

# 安装工具
sudo yum install -y epel-release
sudo yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git

编写集群分发脚本 xsync

需求：循环复制文件到所有节点的相同目录下

cd /home/atguigu
vim xsync

---
#!/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
---

chmod +x xsync
sudo mv xsync /bin/

SSH免密登录配置

三台机器都执行

ssh-keygen -t rsa

ssh-copy-id hadoop102
ssh-copy-id hadoop103
ssh-copy-id hadoop104

新建目录 /opt/software /opt/module

安装JDK

下载地址：Java Downloads | Oracle

将下载好的tar包传到 /opt/software 并解压到 /opt/module

tar -zxvf /opt/software/jdk-8u212-linux-x64.tar.gz -C /opt/module/

配置环境变量

vim /etc/profile.d/my_env.sh

---
JAVA_HOME=/opt/module/jdk1.8.0_212
PATH=$PATH:$JAVA_HOME/bin

export PATH JAVA_HOME
---

source /etc/profile.d/my_env.sh

[atguigu@bigdata102 ~]$ java -version
java version "1.8.0_212"
Java(TM) SE Runtime Environment (build 1.8.0_212-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.212-b10, mixed mode)

安装Hadoop

下载地址：Apache Archive Distribution Directory

将下载好的tar包传到 /opt/software 并解压到 /opt/module

tar -zxvf /opt/software/hadoop-3.1.3.tar.gz -C /opt/module/

配置环境变量

JAVA_HOME=/opt/module/jdk1.8.0_212
HADOOP_HOME=/opt/module/hadoop-3.1.3
PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

export PATH JAVA_HOME HADOOP_HOME

[atguigu@bigdata102 ~]$ 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-3.1.3/share/hadoop/common/hadoop-common-3.1.3.jar

集群配置

集群部署规划

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

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

	hadoop102	hadoop103	hadoop104
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

配置文件说明

Hadoop配置文件分为两类：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-3.1.3.jar/yarn-default.xml
   [mapred-default.xml]	hadoop-mapreduce-client-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。

配置 core-site.xml

<configuration>
    
    <property>
        <name>fs.defaultFSname>
        <value>hdfs://hadoop102:8020value>
    property>
    
    <property>
        <name>hadoop.data.dirname>
        <value>/opt/module/hadoop-3.1.3/datavalue>
    property>
    
    
    <property>
        <name>hadoop.proxyuser.atguigu.hostsname>
        <value>*value>
    property>
    
    <property>
        <name>hadoop.proxyuser.atguigu.groupsname>
        <value>*value>
    property>
    
    <property>
        <name>hadoop.http.staticuser.username>
        <value>atguiguvalue>
    property>
configuration>

配置 hdfs-site.xml

<configuration>
    
    <property>
        <name>dfs.replicationname>
        <value>3value>
    property>
    
    <property>
        <name>dfs.namenode.name.dirname>
        <value>file://${hadoop.data.dir}/namevalue>
    property>
    
    <property>
        <name>dfs.datanode.data.dirname>
        <value>file://${hadoop.data.dir}/datavalue>
    property>
    
    <property>
        <name>dfs.namenode.checkpoint.dirname>
        <value>file://${hadoop.data.dir}/namesecondaryvalue>
    property>
    
    <property>
        <name>dfs.client.datanode-restart.timeoutname>
        <value>30svalue>
    property>

    
    <property>
        <name>dfs.namenode.http-addressname>
        <value>hadoop102:9870value>
    property>

    
    <property>
        <name>dfs.namenode.secondary.http-addressname>
        <value>hadoop104:9868value>
    property>
configuration>

配置 yarn-site.xml

<configuration>
    <property>
        <name>yarn.nodemanager.aux-servicesname>
        <value>mapreduce_shufflevalue>
    property>
    
    <property>
        <name>yarn.resourcemanager.hostnamename>
        <value>hadoop103value>
    property>
    
    <property>
        <name>yarn.nodemanager.env-whitelistname>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOMEvalue>
    property>
    
    
configuration>

配置分发

cd /opt/module/hadoop-3.1.3/etc
xsync hadoop

集群单点启动

1. 如果集群是第一次启动，需要格式化NameNode

   [atguigu@bigdata102 etc]$ hdfs namenode -format
   

   执行后会发现 /opt/module/hadoop-3.1.3 会多一个data目录，这个data是在 /opt/module/hadoop-3.1.3/etc/core-site.xml 配置的

2. 在hadoop102上启动NameNode

   [atguigu@bigdata102 etc]$ hdfs --daemon start namenode
   

   完成后执行 jps 命令，看到如下结果（进程号可能不同）

   [atguigu@bigdata102 etc]$ jps
   2513 NameNode
   2582 Jps
   

3. 在hadoop102、hadoop103、hadoop104上执行如下命令（三台都要执行）启动 datanode

   hdfs --daemon start datanode
   

4. 在hadoop104上启动SecondaryNameNode

   hdfs --daemon start secondarynamenode
   

5. 在hadoop103上启动ResourceManager

   yarn --daemon start resourcemanager
   

6. 在hadoop102、hadoop103、hadoop104 上执行如下命令（三台都要执行）启动 nodemanager

   yarn --daemon start nodemanager
   

7. 访问nn http://hadoop102:9870

   

8. 访问2nn http://hadoop104:9868

   

9. 访问yarn http://hadoop103:8088