大數據必知必會：Hadoop（3）集群環境安裝
2023-02-10 03:04:31 來源：騰訊云
安裝前準備
集群環境下，至少需要3臺服務器。
IP地址 | 主機名稱
|
|---|---|
10.0.0.5 | node1 |
10.0.0.6 | node2 |
10.0.0.7 | node3 |
(資料圖片僅供參考)需要保證每臺服務器的配置都一致，以下步驟在3臺服務器上都需要做一次。
操作系統準備
本次安裝采用的操作系統是Ubuntu 20.04。
更新一下軟件包列表。
sudo apt-get update安裝Java 8+
使用命令安裝Java 8。
sudo apt-get install -y openjdk-8-jdk配置環境變量。
vi ~/.bashrcexport JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64讓環境變量生效。
source ~/.bashrc下載Hadoop安裝包
從Hadoop官網Apache Hadoop下載安裝包軟件。
或者直接通過命令下載。
wget https://dlcdn.apache.org/hadoop/common/hadoop-3.3.4/hadoop-3.3.4.tar.gz分布式集群安裝
分布式集群是在多個節點上運行進程來實現Hadoop集群。
配置域名解析
在后續使用過程中，都使用主機名稱，所以需要配置域名解析。
配置 /etc/hosts。
由于該配置文件的修改需要root權限，所以在每個節點上都手動配置。
10.0.0.5 node110.0.0.6 node210.0.0.7 node3以下配置過程在node1上完成，并且配置完成后將配置文件復制到其他節點。
配置免密登錄
Hadoop分布式集群的運行，需要配置密鑰對實現免密登錄。
創建公私鑰對hadoop@node1:~$ ssh-keygen -t rsaGenerating public/private rsa key pair.Enter file in which to save the key (/home/hadoop/.ssh/id_rsa): Enter passphrase (empty for no passphrase): Enter same passphrase again: Your identification has been saved in /home/hadoop/.ssh/id_rsaYour public key has been saved in /home/hadoop/.ssh/id_rsa.pubThe key fingerprint is:SHA256:pp2AC1bQAQ5J6CJJCij1QA7bgKOsVxpoPVNi+cxhcyg hadoop@node1The key"s randomart image is:+---[RSA 3072]----+|O=*oo.. ||OX E.* . ||X+* @ + ||B+.=.= ||= o++ . S ||..o. . = . || . . . o || || |+----[SHA256]-----+hadoop@node1:~$ cp ~/.ssh/id_rsa.pub ~/.ssh/authorized_keyshadoop@node1:~$ scp -r .ssh node1:~/id_rsa.pub 100% 566 1.7MB/s 00:00 authorized_keys 100% 566 2.0MB/s 00:00 known_hosts 100% 1332 4.5MB/s 00:00 id_rsa 100% 2602 10.1MB/s 00:00 hadoop@node1:~$ scp -r .ssh node2:~/hadoop@node2"s password: id_rsa.pub 100% 566 934.6KB/s 00:00 authorized_keys 100% 566 107.3KB/s 00:00 known_hosts 100% 1332 2.5MB/s 00:00 id_rsa 100% 2602 4.8MB/s 00:00 hadoop@node1:~$ scp -r .ssh node3:~/hadoop@node3"s password: id_rsa.pub 100% 566 1.0MB/s 00:00 authorized_keys 100% 566 1.3MB/s 00:00 known_hosts 100% 1332 2.8MB/s 00:00 id_rsa 100% 2602 5.2MB/s 00:00 確保執行ssh命令的時候不需要輸入密碼。
hadoop@node1:~$ ssh node1hadoop@node1:~$ ssh node2hadoop@node1:~$ ssh node3解壓安裝包
將安裝包解壓到目標路徑。
hadoop@node1:~$ mkdir -p appshadoop@node1:~$ tar -xzf hadoop-3.3.4.tar.gz -C appsbin目錄下存放的是Hadoop相關的常用命令，比如操作HDFS的hdfs命令，以及hadoop、yarn等命令。
etc目錄下存放的是Hadoop的配置文件，對HDFS、MapReduce、YARN以及集群節點列表的配置都在這個里面。
sbin目錄下存放的是管理集群相關的命令，比如啟動集群、啟動HDFS、啟動YARN、停止集群等的命令。
share目錄下存放了一些Hadoop的相關資源，比如文檔以及各個模塊的Jar包。
配置環境變量
在集群的每個節點上都配置Hadoop的環境變量，Hadoop集群在啟動的時候可以使用start-all.sh一次性啟動集群中的HDFS和Yarn，為了能夠正常使用該命令，需要將其路徑配置到環境變量中。
hadoop@node1:~$ vi ~/.bashrcexport HADOOP_HOME=/home/hadoop/apps/hadoop-3.3.4export HADOOP_CONF_DIR=/home/hadoop/apps/hadoop-3.3.4/etc/hadoopexport YARN_CONF_DIR=/home/hadoop/apps/hadoop-3.3.4/etc/hadoopexport PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH使環境變量生效。
hadoop@node1:~$ source ~/.bashrc配置Hadoop集群
Hadoop軟件安裝完成后，每個節點上的Hadoop都是獨立的軟件，需要進行配置才能組成Hadoop集群。Hadoop的配置文件在$HADOOP_HOME/etc/hadoop目錄下，主要配置文件有6個：
hadoop-env.sh主要配置Hadoop環境相關的信息，比如安裝路徑、配置文件路徑等；core-site.xml是Hadoop的核心配置文件，主要配置了Hadoop的NameNode的地址、Hadoop產生的文件目錄等信息；hdfs-site.xml是HDFS分布式文件系統相關的配置文件，主要配置了文件的副本數、HDFS文件系統在本地對應的目錄等；mapred-site.xml是關于MapReduce的配置文件，主要配置MapReduce在哪里運行；yarn-site.xml是Yarn相關的配置文件，主要配置了Yarn的管理節點ResourceManager的地址、NodeManager獲取數據的方式等；workers是集群中節點列表的配置文件，只有在這個文件里面配置了的節點才會加入到Hadoop集群中，否則就是一個獨立節點。這幾個配置文件如果不存在，可以通過復制配置模板的方式創建，也可以通過創建新文件的方式創建。需要保證在集群的每個節點上這6個配置保持同步，可以在每個節點單獨配置，也可以在一個節點上配置完成后同步到其他節點。
hadoop-env.sh配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/hadoop-env.shexport JAVA_HOME=/usr/lib/jvm/java-8-openjdk-amd64export HADOOP_HOME=/home/hadoop/apps/hadoop-3.3.4export HADOOP_CONF_DIR=/home/hadoop/apps/hadoop-3.3.4/etc/hadoopexport HADOOP_LOG_DIR=/home/hadoop/logs/hadoopcore-site.xml配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/core-site.xml fs.defaultFS hdfs://node1:8020 hadoop.tmp.dir /home/hadoop/data/hadoop/temp hadoop.proxyuser.hadoop.hosts * hadoop.proxyuser.hadoop.groups * hdfs-site.xml配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/hdfs-site.xml dfs.replication 3 dfs.namenode.name.dir /home/hadoop/data/hadoop/hdfs/name dfs.datanode.data.dir /home/hadoop/data/hadoop/hdfs/data mapred-site.xml配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/mapred-site.xml mapreduce.framework.name yarn mapreduce.application.classpath $HADOOP_HOME/share/hadoop/mapreduce/*:$HADOOP_HOME/share/hadoop/mapreduce/lib/* yarn-site.xml配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/yarn-site.xml yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname node1 workers配置
hadoop@node1:~$ vi $HADOOP_HOME/etc/hadoop/workersnode1node2node3將軟件及配置信息復制到其他節點
在node1上配置好環境變量及配置文件，可以手動再在其他節點上完成同樣的配置，或者直接將node1的文件復制到其他節點。
hadoop@node1:~$ scp -r .bashrc apps node2:~/hadoop@node1:~$ scp -r .bashrc apps node3:~/格式化NameNode
在啟動集群前，需要對NameNode進行格式化，在node1上執行以下命令：
hadoop@node1:~$ hdfs namenode -format啟動集群
在node1上執行start-all.sh命令啟動集群。
hadoop@node1:~$ jps55936 Jpshadoop@node1:~$ start-all.shWARNING: Attempting to start all Apache Hadoop daemons as hadoop in 10 seconds.WARNING: This is not a recommended production deployment configuration.WARNING: Use CTRL-C to abort.Starting namenodes on [node1]Starting datanodesnode2: WARNING: /home/hadoop/logs/hadoop does not exist. Creating.node3: WARNING: /home/hadoop/logs/hadoop does not exist. Creating.Starting secondary namenodes [node1]WARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.Starting resourcemanagerWARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.Starting nodemanagersWARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.node3: WARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.node2: WARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.node1: WARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.hadoop@node1:~$ jps57329 ResourceManager57553 NodeManager57027 SecondaryNameNode58165 Jps56437 NameNode56678 DataNode驗證Hadoop
訪問HDFS
上傳一個文件到HDFS。
hdfs dfs -put .bashrc /打開HDFS Web UI查看相關信息，默認端口9870。
訪問YARN
打開YARN Web UI查看相關信息，默認端口8088。
相關命令
HDFS相關的命令
操作HDFS使用的命令是hdfs，命令格式為：
Usage: hdfs [OPTIONS] SUBCOMMAND [SUBCOMMAND OPTIONS]支持的Client命令主要有：
Client Commands:classpath prints the class path needed to get the hadoop jar and the required librariesdfs run a filesystem command on the file systemenvvars display computed Hadoop environment variablesfetchdt fetch a delegation token from the NameNodegetconf get config values from configurationgroups get the groups which users belong tolsSnapshottableDir list all snapshottable dirs owned by the current usersnapshotDiff diff two snapshots of a directory or diff the current directory contents with a snapshotversion print the versionYARN相關的命令
操作HDFS使用的命令是yarn，命令格式為：
Usage: yarn [OPTIONS] SUBCOMMAND [SUBCOMMAND OPTIONS] or yarn [OPTIONS] CLASSNAME [CLASSNAME OPTIONS] where CLASSNAME is a user-provided Java class支持的Client命令主要有：
Client Commands:applicationattempt prints applicationattempt(s) reportapp|application prints application(s) report/kill application/manage long running applicationclasspath prints the class path needed to get the hadoop jar and the required librariescluster prints cluster informationcontainer prints container(s) reportenvvars display computed Hadoop environment variablesfs2cs converts Fair Scheduler configuration to Capacity Scheduler (EXPERIMENTAL)jar run a jar filelogs dump container logsnodeattributes node attributes cli clientqueue prints queue informationschedulerconf Updates scheduler configurationtimelinereader run the timeline reader servertop view cluster informationversion print the version yarn jar 可以執行一個jar文件。
驗證案例1，統計含有“dfs”的字符串創建一個input目錄。
hadoop@node1:~$ hdfs dfs -mkdir /input將Hadoop的配置文件復制到input目錄下。
hadoop@node1:~$ hdfs dfs -put apps/hadoop-3.3.4/etc/hadoop/*.xml /input/以下命令用于執行一個Hadoop自帶的樣例程序，統計input目錄中含有dfs的字符串，結果輸出到output目錄。
hadoop@node1:~$ yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar grep /input /output "dfs[a-z.]+"在YARN上可以看到提交的Job。
執行結果為：
hadoop@node1:~$ hdfs dfs -cat /output/*1 dfsadmin1 dfs.replication1 dfs.namenode.name.dir1 dfs.datanode.data.dir同樣執行Hadoop自帶的案例，計算圓周率。
hadoop@node1:~$ yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar pi 10 10執行結果為：
hadoop@node1:~$ yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar pi 10 10WARNING: YARN_CONF_DIR has been replaced by HADOOP_CONF_DIR. Using value of YARN_CONF_DIR.Number of Maps = 10Samples per Map = 10Wrote input for Map #0Wrote input for Map #1Wrote input for Map #2Wrote input for Map #3Wrote input for Map #4Wrote input for Map #5Wrote input for Map #6Wrote input for Map #7Wrote input for Map #8Wrote input for Map #9Starting Job... ...Job Finished in 43.014 secondsEstimated value of Pi is 3.20000000000000000000在YARN上可以看到提交的Job。
