文章目录
1 Hadoop 概述
1.1 Hadoop 是什么
1.2 Hadoop 优势
1.3 Hadoop 组成（面试重点）
1.3.1 HDFS 架构概述
1.3.2 YARN 架构概述
1.3.3 MapReduce 架构概述
1.3.4 HDFS、YARN、MapReduce 三者关系
1.3.5 大数据技术生态体系
1.3.6 推荐系统框架图
2 Hadoop 运行环境搭建（开发重点）
2.1 模板虚拟机环境准备
2.2 克隆虚拟机
2.3 在 hadoop102 安装 JDK
2.4 在 hadoop102 安装 Hadoop
2.5 Hadoop 目录结构
3 Hadoop 运行模式
3.1 编写集群分发脚本 xsync
3.2 SSH 无密登录配置
3.3 集群配置
3.4 群起集群
3.5 配置历史服务器
3.6 配置日志的聚集
3.7 集群启动/停止方式总结
3.8 编写 Hadoop集群常用脚本
3.9 常用端口号说明
1 Hadoop 概述
1.1 Hadoop 是什么
（1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构
（2）主要解决海量数据的存储和海量数据的分析计算问题
（3）广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈

1.2 Hadoop 优势
（1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。
（2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
（3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。
（4）高容错性：能够自动将失败的任务重新分配。

1.3 Hadoop 组成（面试重点）

在Hadoop1.x 时代，Hadoop中的MapReduce同时处理业务逻辑运算和资源的调度，耦合性较大。
在Hadoop2.x时代，增加了Yarn。Yarn只负责资源的调度，MapReduce 只负责运算。
Hadoop3.x在组成上没有变化。

1.3.1 HDFS 架构概述
Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。

（1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。
（2）DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。
（3）Secondary NameNode(2nn)：每隔一段时间对NameNode元数据备份。

1.3.2 YARN 架构概述
Yet Another Resource Negotiator 简称YARN ，另一种资源协调者，是Hadoop 的资源管理器。

ResourceManager(RM)：整个集群资源（内存、CPU等）的管理者
NodeManager(NM)：单个节点服务器资源的管理者。
ApplicationMaster(AM)：单个任务运行的管理者。
Container：容器，相当于一台独立的服务器，里面封装了任务运行所需要的资源，如内存、CPU、磁盘、网络等。

说明：
（1）客户端可以有多个
（2）集群上可以运行多个ApplicationMaster
（3）每个NodeManager上可以有多个Container

1.3.3 MapReduce 架构概述
MapReduce 将计算过程分为两个阶段：Map 和Reduce
1）Map 阶段并行处理输入数据
2）Reduce 阶段对Map 结果进行汇总

1.3.4 HDFS、YARN、MapReduce 三者关系
如图所示：

1.3.5 大数据技术生态体系
如图所示：

图中涉及的技术名词解释如下：

（1）Sqoop：Sqoop 是一款开源的工具，主要用于在Hadoop、Hive 与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如 ：MySQL，Oracle 等）中的数据导进到Hadoop 的HDFS 中，也可以将HDFS 的数据导进到关系型数据库中。
（2）Flume：Flume 是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume 支持在日志系统中定制各类数据发送方，用于收集数据。
（3）Kafka：Kafka 是一种高吞吐量的分布式发布订阅消息系统。
（4）Spark：Spark 是当前最流行的开源大数据内存计算框架。可以基于Hadoop 上存储的大数据进行计算。
（5）Flink：Flink 是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。
（6）Oozie：Oozie 是一个管理Hadoop 作业（job）的工作流程调度管理系统。
（7）Hbase：HBase 是一个分布式的、面向列的开源数据库。HBase 不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。
（8）Hive：Hive 是基于Hadoop 的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的SQL 查询功能，可以将SQL 语句转换为MapReduce 任务进行运行。其优点是学习成本低，可以通过类SQL 语句快速实现简单的MapReduce 统计，不必开发专门的MapReduce 应用，十分适合数据仓库的统计分析。
（9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。

1.3.6 推荐系统框架图
推荐系统项目框架

2 Hadoop 运行环境搭建（开发重点）
2.1 模板虚拟机环境准备
2.1.1 hadoop100 虚拟机配置要求如下

（1）使用 yum 安装需要虚拟机可以正常上网，yum 安装前可以先测试下虚拟机联网情况

[root@hadoop100 ~]# ping www.baidu.com
1
（2）安装epel-release

[root@hadoop100 ~]# yum install -y epel-release
1
（3）注意：如果Linux 安装的是最小系统版，还需要安装如下工具；如果安装的是Linux桌面标准版，不需要执行如下操作
net-tool：工具包集合，包含ifconfig 等命令
vim：编辑器

[root@hadoop100 ~]# yum install -y net-tools
[root@hadoop100 ~]# yum install -y vim
1
2
2.1.2 关闭防火墙，关闭防火墙开机自启

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service
1
2
2.1.3 创建普通用户，并修改普通用户的密码

[root@hadoop100 ~]# useradd Tom
[root@hadoop100 ~]# passwd Tom
1
2
2.1.4 配置普通用户具有 root 权限，方便后期加sudo 执行 root 权限的命令

[root@hadoop100 ~]# vim /etc/sudoers
1
修改/etc/sudoers 文件，在%wheel 这行下面添加一行，如下所示：

注意：Tom这一行不要直接放到 root行下面，因为所有用户都属于 wheel组，你先配置了Tom具有免密功能，但是程序执行到 %wheel行时， 该功能又被覆盖回需要密码 。所以Tom要放到 %wheel这行下面。

2.1.5 在 /opt目录下创建文件夹 ，并修改所属用户和所属组

2.1.6 卸载虚拟机自带的 JDK

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps
1
rpm -qa：查询所安装的所有rpm软件包
grep -i：忽略大小写
xargs -n1：表示每次只传递一个参数
rpm -e --nodeps：强制卸载软件
注意：注意：如果你的虚拟机是最小化安装不需要执行这一步。

2.1.7 重启虚拟机

[root@hadoop100 ~]# reboot
1
2.2 克隆虚拟机
2.2.1 利用模板机 hadoop100，克隆 三台虚拟机 hadoop102 hadoop103 hadoop104

注意：克隆时，要先关闭 hadoop100

2.2.2 修改克隆机 IP，以 hadoop102 举例说明

（1）修改克隆虚拟机的静态 IP：

[Tom@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33 
1

（2）查看 Linux虚拟机的虚拟网络编辑器，编辑 ->虚拟网络编辑器 ->VMnet8

（3）查看 Windows系统适配器 VMware Network Adapter VMnet8的 IP地址

（4）保证 Linux系统 ifcfg-ens33文件中 IP地址、虚拟网络编辑器地址和 Windows系统 VMnet8网络 IP地址相同。

2.2.3 修改克隆机主机名 ，以 hadoop102举例说明

（1）修改主机名称

[root@hadoop100 ~]# vim /etc/hostname 
1
（2）配置 Linux克隆机主机名称映射 hosts文件 打开 /etc/hosts

[root@hadoop100 ~]# vim /etc/hosts
1

2.2.4 重启克隆机 hadoop102

[root@hadoop100 ~]# reboot
1
2.2.5 修改 windows的主机映射文件(hosts文件)

进入C:\Windows\System32\drivers\etc路径，打开 hosts文件并添加如下内容 ，然后保存。

2.3 在 hadoop102 安装 JDK
（1）卸载现有 JDK
注意：安装 JDK前，一定确保提前删除了虚拟机自带的 JDK。

（2）用 XShell传输工具将 JDK导入到 opt目录下面的 software文件夹下面

（3）在 Linux系统下的 opt目录中查看软件包是否导入成功

[Tom@hadoop102 ~]$ ls /opt/software/
jdk-8u212-linux-x64.tar.gz
1
2
（4）解压 JDK到 /opt/module目录下

[Tom@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/
1
（5）配置 JDK环境变量

[Tom@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh 
1

source一下 /etc/profile文件 ，让新的环境变量 PATH生效

[Tom@hadoop102 software]$ source /etc/profile
1
测试JDK是否安装成功

[Tom@hadoop102 software]$ 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)
[Tom@hadoop102 software]$ 
1
2
3
4
5
2.4 在 hadoop102 安装 Hadoop
（1）用 XShell文件传输 工具将 hadoop-3.1.3.tar.gz导入到 opt目录下面的 software文件夹下面

（2）解压安装文件到 /opt/module下面

[Tom@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
1
（3）查看是否解压成功

[Tom@hadoop102 software]$ ls /opt/module/
hadoop-3.1.3  jdk1.8.0_212
1
2
（4）将 Hadoop添加到环境变量

[Tom@hadoop102 software]$ sudo vim /etc/profile.d/my_env.sh 
1

让修改后的文件生效

[Tom@hadoop102 software]$ source /etc/profile
1
（5）测试是否安装成功

[Tom@hadoop102 software]$ 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
[Tom@hadoop102 software]$ 
1
2
3
4
5
6
7
8
（6）重启 如果 Hadoop命令不能用再重启虚拟机

[Tom@hadoop102 hadoop-3.1.3]$ sudo reboot
1
2.5 Hadoop 目录结构
查看 Hadoop目录结构

[Tom@hadoop102 hadoop-3.1.3]$ ll
总用量 184
-rw-rw-r--. 1 Tom Tom     25 5月  28 16:49 a.txt
drwxr-xr-x. 2 Tom Tom    183 9月  12 2019 bin
drwxrwxr-x. 4 Tom Tom     37 5月  29 10:54 data
drwxr-xr-x. 3 Tom Tom     20 9月  12 2019 etc
drwxrwxr-x. 3 Tom Tom     18 5月  29 10:53 hdfsdata
drwxr-xr-x. 2 Tom Tom    106 9月  12 2019 include
drwxr-xr-x. 3 Tom Tom     20 9月  12 2019 lib
drwxr-xr-x. 4 Tom Tom    288 9月  12 2019 libexec
-rw-rw-r--. 1 Tom Tom 147145 9月   4 2019 LICENSE.txt
drwxrwxr-x. 3 Tom Tom   4096 5月  29 15:36 logs
-rw-rw-r--. 1 Tom Tom  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 Tom Tom   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 Tom Tom   4096 9月  12 2019 sbin
drwxr-xr-x. 4 Tom Tom     31 9月  12 2019 share
drwxrwxr-x. 2 Tom Tom     22 5月   6 22:23 wcinput
[Tom@hadoop102 hadoop-3.1.3]$ 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
重要目录

（1） bin目录：存放对 Hadoop相关服务（ hdfs yarn mapred）进行操作的脚本
（2）etc目录： Hadoop的配置文件目录，存放 Hadoop的配置文件
（3） lib目录：存放 Hadoop的本地库（对数据进行压缩解压缩功能）
（4） sbin目录：存放启动或停止 Hadoop相关服务的脚本
（5） share目录：存放 Hadoop的依赖 jar包 、文档和官方案例

3 Hadoop 运行模式
Hadoop官方网站： http://hadoop.apache.org/

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：单机运行，只是用来演示一下官方案例。 生产环境不用。
伪分布式模式： 也是单机运行，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 。个别缺钱的公司用来测试，生产环境不用。
完全分布式模式： 多台服务器组成分布式环境。 生产环境使用。

完全分布式模式搭建步骤：
（1）准备 3台客户机（ 关闭防火墙、静态 IP、主机名称）
（2）安装 JDK
（3）配置环境变量
（4）安装 Hadoop
（5）配置环境变量
（6）配置集群
（7）单点启动
（8）配置ssh
（9）群起并测试集群

3.1 编写集群分发脚本 xsync
（1）scp (secure copy)：安全拷贝

scp可以实现服务器与服务器之间的数据拷贝 。(from server1 to server2)
基本语法:

（2）rsync远程同步工具

rsync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。
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。
基本语法:

（3）xsync集群分发脚本

需求：循环复制文件到所有节点的相同目录下

需求分析：
rsync命令原始拷贝：

rsync -av /opt/module/ Tom@hadoop103:/opt/
1
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）

[Tom@hadoop102 bin]$ echo $PATH
1
脚本实现：在 /home/Tom/bin目录下创建 xsync文件

#!/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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
修改脚本 xsync 具有执行权限：

[Tom@hadoop102 bin]$ chmod +x xsync 
1
测试脚本：

[Tom@hadoop102 bin]$ xsync /home/Tom/bin/
1
将脚本复制到 /bin中，以便全局调用：

[Tom@hadoop102 bin]$ sudo cp xsync /bin/
1
同步环境变量配置( root所有者）
注意：如果用了 sudo，那么 xsync一定要给它的路径补全。

[Tom@hadoop102 ~]$ sudo ./bin/xsync 
1
让环境变量生效：

[Tom@hadoop103 ~]$ source /etc/profile
[Tom@hadoop104 ~]$ source /etc/profile
1
2
3.2 SSH 无密登录配置
配置 ssh
基本语法：ssh 另一台电脑的 IP地址

无密钥配置

免密登录原理：

生成公钥和私钥

[Tom@hadoop102 .ssh]$ pwd
/home/Tom/.ssh

[Tom@hadoop102 .ssh]$ ssh-keygen -t rsa
1
2
3
4
然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）

将公钥拷贝到要免密登录的目标机器上

[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop102
[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop103
[Tom@hadoop102 .ssh]$ ssh-copy-id hadoop104
1
2
3
注意：还需要在hadoop103 上采用 Tom账号配置一下无密登录到hadoop102、hadoop103、hadoop104 服务器上。
在hadoop104 上采用 Tom账号配置一下无密登录到hadoop102、hadoop103、hadoop104 服务器上。
在hadoop102 上采用root 账号，配置一下无密登录到hadoop102、hadoop103、hadoop104。

.ssh 文件夹下（~/.ssh）的文件功能解释

3.3 集群配置
集群部署规划

（1）NameNode和 SecondaryNameNode不要安装在同一台服务器。
（2）ResourceManager也很消耗内存，不要和 NameNode、SecondaryNameNode配置在同一台机器上。

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

（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。

配置集群

（1）核心配置文件 配置core-site.xml

[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml 
1
<configuration>
<!--指定NameNode的地址-->
<property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:8020</value>
</property>

<!--指定hadoop数据的存储目录-->
<property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/data</value>
</property>

<!--配置HDFS网页登录使用的静态用户为Tom -->
<property>
        <name>hadoop.http.staticuser.user</name>
<value>Tom</value>
</property>
</configuration>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
（2）HDFS配置文件 配置 hdfs-site.xml

[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml 
1
<configuration>
        <!--nn web端访问地址-->
        <property>
                <name>dfs.namenode.http-address</name>
                <value>hadoop102:9870</value>
        </property>
        <!--2nn web端访问地址-->
        <property>
                <name>dfs.namenode.secondary.http-address</name>
                <value>hadoop104:9868</value>
        </property>
</configuration>
1
2
3
4
5
6
7
8
9
10
11
12
（3）YARN配置文件 配置 yarn-site.xml

[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml 
1
<configuration>
        <!--指定MR走shuffle -->
        <property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
        </property>
        <!--指定ResourceManager的地址-->
        <property>
                <name>yarn.resourcemanager.hostname</name>
                <value>hadoop103</value>
        </property>
        <!--环境变量的继承-->
        <property>
                <name>yarn.nodemanager.env-whitelist</name>
                <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
        </property>
</configuration>

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
（4）MapReduce配置文件 配置 mapred-site.xml

[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml 
1
<configuration>
    <!--指定MapReduce程序运行在Yarn上-->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>
1
2
3
4
5
6
7
在集群上分发配置好的 Hadoop配置文件

[Tom@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
1
去 103和 104上查看文件分发情况

[Tom@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml 
[Tom@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml 
1
2
3.4 群起集群
配置 workers

[Tom@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers 
1
在该文件中增加如下内容：

hadoop102
hadoop103
hadoop104
1
2
3
同步所有节点配置文件

[Tom@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/
1
启动集群

（1）如果集群是第一次启动 ，需要在 hadoop102节点格式化 NameNode（注意格式化 NameNode会产生新的集群 id导致 NameNode和 DataNode的集群 id不一致，集群找不到已往数据。 如果集群在运行过程中报错，需要重新格式化 NameNode的话， 一定要先停止 namenode和 datanode进程， 并且要删除所有机器的 data和 logs目录，然后再进行格式化。）

[Tom@hadoop102 hadoop-3.1.3]$ hdfs namenode -format
1
（2）启动 HDFS

[Tom@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh
1
（3）在配置了 ResourceManager的节点 hadoop103 启动 YARN

[Tom@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
1
（4）Web端查看 HDFS的 NameNode
（a）浏览器中输入 http://hadoop102:9870
（b）查看 HDFS上存储的数据信息

（5）Web端查看 YARN的 ResourceManager
（a）浏览器 中输入 http://hadoop103:8088
（b）查看 YARN上运行的 Job信息

集群基本测试

（1）上传文件到集群

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -put wcinput/ /input
[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz /
1
2
（2）上传文件后查看文件存放在什么位置
查看文件存储路径

[Tom@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-572133316-192.168.10.102-1623663396433/current/finalized/subdir0/subdir0
[Tom@hadoop102 subdir0]$
1
2
3
查看 HDFS在磁盘存储文件内容

[Tom@hadoop102 subdir0]$ cat blk_1073741825
yes
ok
thanks
ok
you
yes
yes
[Tom@hadoop102 subdir0]$ 

1
2
3
4
5
6
7
8
9
10
（3）拼接

[Tom@hadoop102 subdir0]$ cat blk_1073741826>>tmp.tar.gz
[Tom@hadoop102 subdir0]$ cat blk_1073741827>>tmp.tar.gz
[Tom@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz
1
2
3
（4）下载

[Tom@hadoop102 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./
1
3.5 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：

配置 mapred-site.xml

[Tom@hadoop102 hadoop-3.1.3]$ vim etc/hadoop/mapred-site.xml 
1
 <!--历史服务器端地址-->
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>hadoop102:10020</value>
    </property>
    <!--历史服务器web端地址-->
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hadoop102:19888</value>
    </property>
1
2
3
4
5
6
7
8
9
10
分发配置

[Tom@hadoop102 hadoop-3.1.3]$ xsync etc/hadoop/mapred-site.xml 
1
在 hadoop102启动历史服务器

[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon start historyserver
1
查看历史服务器是否启动

[Tom@hadoop102 hadoop-3.1.3]$ jps
1
查看 JobHistory

http://hadoop102:19888/jobhistory

3.6 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 。
开启日志聚集功能需要重新启动 NodeManager 、ResourceManager和HistoryServer。

开启日志聚集功能具体步骤如下:
（1）配置 yarn-site.xml

[Tom@hadoop102 hadoop-3.1.3]$ vim etc/hadoop/yarn-site.xml
1
<!--开启日志聚集功能-->
        <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
        </property>
        <!--设置日志聚集服务器地址-->
        <property>
                <name>yarn.log.server.url</name>
                <value>http://hadoop102:19888/jobhistory/logs</value>
        </property>
        <!--设置日志保留时间为7天-->
        <property>
                <name>yarn.log-aggregation.retain-seconds</name>
                <value>604800</value>
        </property>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
（2）分发配置

[Tom@hadoop103 hadoop-3.1.3]$ xsync etc/hadoop/yarn-site.xml 
1
（3）关闭 NodeManager 、 ResourceManager和 HistoryServer

[Tom@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon stop historyserver
1
2
（4）启动 NodeManager 、 ResourceManage和 HistoryServer

[Tom@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh
[Tom@hadoop102 hadoop-3.1.3]$ mapred --daemon start historyserver
1
2
（5）删除 HDFS上已经存在的输出文件

[Tom@hadoop102 hadoop-3.1.3]$ hadoop fs -rm -r /output
1
（6）执行 WordCount程序

[Tom@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
1
（7）查看日志

历史服务器地址：http://hadoop102:19888/jobhistory
历史任务列表：

查看任务运行日志：

运行日志详情：

3.7 集群启动/停止方式总结
各个模块分开启动 /停止(配置 ssh是前提)常用
（1）整体启动 /停止 HDFS

start dfs.sh/stop dfs.sh
1
（2）整体启动 /停止 YARN

start yarn.sh/stop yarn.sh
1
各个服务组件逐一启动 /停止
（1）分别启动 /停止 HDFS组件

hdfs daemon start/stop namenode/datanode/secondarynamenode
1
（2）启动 /停止 YARN

yarn daemon start/stop resourcemanager/nodemanager
1
3.8 编写 Hadoop集群常用脚本
Hadoop集群启停脚本(包含 HDFS, Yarn, Historyserver) : myhadoop.sh

[Tom@hadoop102 hadoop-3.1.3]$ cd /home/Tom/bin/
[Tom@hadoop102 bin]$ vim myhadoop.sh 
1
2
#!/bin/bash

if [ $# -lt 1 ]
then
        echo "No Args Input..."
        exit ;
fi

case $1 in
"start")
        echo " =================== 启动hadoop集群==================="
        echo " ---------------启动hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " ---------------启动yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " ---------------启动historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭hadoop集群==================="
        echo " ---------------关闭historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " ---------------关闭yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " ---------------关闭hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
        echo "Input Args Error..."
;;
esac

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
保存后退出，然后赋予脚本执行权限

[Tom@hadoop102 bin]$ chmod +x myhadoop.sh 
1
查看三台服务器 Java进程脚本： jpsall.sh

[Tom@hadoop102 hadoop-3.1.3]$ cd /home/Tom/bin/
[Tom@hadoop102 bin]$ vim jpsall.sh 
1
2
#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps
done
1
2
3
4
5
6
7
保存后退出，然后赋予脚本执行权限

[Tom@hadoop102 bin]$ chmod +x jpsall.sh 
1
分发 /home/Tom/bin目录，保证自定义脚本在三台机器上都可以使用

[Tom@hadoop102 bin]$ xsync /home/Tom/bin/
1
3.9 常用端口号说明

参考：
https://www.bilibili.com/video/BV1Qp4y1n7ENspm_id_from=333.788.b_636f6d6d656e74.7

文章知识点与官方知识档案匹配，可进一步学习相关知识
CS入门技能树Linux入门初识Linux42725 人正在系统学习中

@从一到无穷大
关注

459

4865

23

专栏目录
大数据技术之Hadoop（入门）第3章 Hadoop运行环境搭建
尚硅谷铁杆粉丝的博客
 621
3.1 虚拟机环境准备 1） 克隆虚拟机 2） 修改克隆虚拟机的静态ip 3） 修改主机名 4） 关闭防火墙 5） 创建atguigu用户 6） 配置atguigu用户具有root权限 以上6条内容详见《尚硅谷大数据技术之Linux》文档。 7）在/opt目录下创建文件夹 （1）在/opt目录下创建module、software文件夹 [atguigu@hadoop101 op...
Hadoop介绍
nuobing1314的博客
 2589
1、简述大数据研究的意义。 Hadoop思维导图
23 条评论
李是名
热评
虽然尚硅谷，但是给我这种懒得看视频的人不少帮助，谢谢
写评论
【大数据】深入了解Hadoop
9-19
1.上传hadoop压缩包(hadoop-3.3.0-Centos7-64-with-snappy.tar.gz)解压,注意:上传文件位置为 /export/server目录 cd/export/servertarzxvf /export/server/hadoop-3.3.0-Centos7-64-with-snappy.tar.gz 1 2 2.配置环境变量 echo'export HADOOP_HOME=/export/server/hadoop-3.3.0'>>/etc/profileecho'export...
Hadoop概述
9-19
(1) Hadoop 3.x的版本架构和模型介绍 由于Hadoop 2.0是基于JDK 1.7开发的,而JDK 1.7在2015年4月已停止更新,这直接迫使Hadoop社区基于JDK 1.8重新发布一个新的Hadoop版本,即hadoop 3.0。Hadoop 3.0中引入了一些重要的功能和优化,包括HDFS 可擦除编码、多Namenode支持、MR Native Task优化、YARN基于cgroup的内存和磁...
Hadoop学习（基本介绍+安装+代码使用）
qq_65960840的博客
 1084
如果关闭防火墙报错Failed to stop firewalld.service: Unit firewalld.service not loaded.是因为没有安装防火墙，可以跳过关闭防火墙这一步。1.准备好三台机器，准备好hadoop安装包，主节点master已经安装JDK。启动时候报错内容，端口名字与主机名字不一样（woker1少了一个r）重新打开hdfs-site.xml修改端口名字。修改后成功解决问题，三台集群的节点都已经启动。
2024年大数据最全Hadoop大数据集群搭建（超详细）_hadoop集群搭建，快速从入门到精通
2401_84183033的博客
 2009
修改完成之后记得使用命令source /etc/profile，使修改生效。
Hadoop生态简介,Hive、Spark、HBase等_hive spark
9-21
YARN:分布式资源管理和调度框架,Hadoop2.X引入的新组件,主要用于集群资源统一管理(内存、CPU、网络、磁盘等)和计算任务的调度运行,YARN不仅可以运行MapReduce任务,还可以运行Spark、Tez等任务。 1.5 Hadoop存在的问题 其实Hadoop核心的3个组件中,HDFS和YARN仍在大规模使用,存在问题较大还是MapReduce: 开发难度大,MapRed...
Hadoop 技术详解:架构、应用与未来发展_hadoop的存储架构和应用-CSDN博 ...
9-20
Sqoop是用于将关系型数据库(如MySQL、PostgreSQL 等)中的数据导入到 Hadoop 生态系统中(如 HDFS、Hive 或 HBase)或者将 Hadoop 中的数据导出到关系型数据库中的工具。Sqoop 提供了高效的数据传输能力,简化了数据在传统关系型数据库与 Hadoop 之间的传输。 数据迁移:可以在 Hadoop 和 RDBMS 之间高效迁移数据。 兼容...
Hadoop入门教程
Laity
 3077
Hadoop入门教程 生命无罪，健康万岁，我是laity 分布式和集群的概念 分布式：多台机器，每台机器上部署不同组件。 集群：多台机器，每台机器上部署相同组件。 Hadoop核心组件 HDFS ：分布式文件存储系统，用于解决海量数据存储 YARN ：集群资源管理和任务调度框架，用于解决资源任务调度 MapReduce ：分布式计算框架，用于解决海量数据计算。 HDFS 的shell 博客 基础命令 hadoop fs -ls file:/// # 操作本地文件系统 hadoop fs -ls h
Hadoop学习笔记一 简要介绍
weixin_30521649的博客
 130
这里先大致介绍一下Hadoop. 本文大部分内容都是从官网Hadoop上来的。其中有一篇介绍HDFS的pdf文档，里面对Hadoop介绍的比较全面了。我的这一个系列的Hadoop学习笔记也是从这里一步一步进行下来的，同时又参考了网上的很多文章，对学习Hadoop中遇到的问题进行了归纳总结。 言归正传，先说一下Hadoop的来龙去脉。谈到Hadoop就不得不提到Lucene和Nu...
Hadoop大数据开发基础_hadoop开发
9-21
一.Hadoop和大数据开发的背景和概念 二.Hadoop架构 1.HDFS(Hadoop Distributed File System) 2.MapReduce(分布式计算模型) 3.YARN(Yet Another Resource Negotiator,另一种资源协调者) 三.Hadoop生态系统 1.Hive数据仓库 2.Pig 3.HBase分布式数据库 3.1HBase基本架构 ...
Hadoop框架及HDFS详细概述_hadoop架构
9-21
一、Hadoop 1、分布式和集群 分布式: 分布式的主要工作是分解任务,将职能拆解,多个人在一起做不同的事 集群: 集群主要是将同一个业务,部署在多个服务器上 ,多个人在一起做同样的事 1 2 2、Hadoop框架 2.1 概述 Hadoop简介:是Apache旗下的一个用Java语言实现开源软件框架,是一个存储和计算大规模数据的软件平台...
分析师给出关于Hadoop的12个事实
比特的专栏
 116
分析师给出关于Hadoop的12个事实TechTarget中国原创内容，原文链接：http://www.searchbi.com.cn/showcontent_62856.htm?info=databaseweekly20120622   【TechTarget中国原创】现如今，Apache Hadoop已经无人不知无人不晓。当年雅虎搜索工程师Doug Cutting开发出这个用以创建分布式计...
hadoop介绍
m0_67394006的博客
 146
hadoop计算框架：hadoop common，hadoop distributed system（HDFS）[分布式文件管理系统]，hadoop yarn（yet another resource negotiator）[资源管理系统]，hadoop mapreduce[计算框架]。hive是一个基于hadoop的数据管理仓库，可以将结构化的资源文件映射为一张数据库表，可以通过简单的sql语句对文件进行查询（只能 查询）。说起hadoop，有两层意思：hadoop生态系统和hadoop计算框架。
Hadoop技术介绍_hadoop相关技术
9-21
Hadoop Common:包含了支持Hadoop其他模块运行所需的一些共享工具和库。 Hadoop Distributed File System (HDFS):是Hadoop的分布式文件系统,用于存储大数据集。 Hadoop YARN (Yet Another Resource Negotiator):是Hadoop的资源管理器,负责管理集群中的计算资源,并协调作业的执行。
Hadoop介绍:什么是Hadoop?了解Hadoop的应用
9-20
Hadoop的核心组件主要包括Hadoop Common、HDFS(Hadoop Distributed File System,Hadoop分布式文件系统)、MapReduce以及YARN(Yet Another Resource Negotiator,另一种资源协调者)。 1.Hadoop Common: 这是Hadoop项目的基础,提供了许多支持其他Hadoop模块的工具和库。
hadoop集群部署
weixin_43995212的博客
 253
1、 Hadoop的介绍 狭义上来说，hadoop就是单独指代hadoop这个软件， HDFS ：分布式文件系统 MapReduce : 分布式计算系统 Yarn：分布式集群资源管理 广义上来说，hadoop指代大数据的一个生态圈，包括很多其他的软件 2、hadoop的历史版本和发行版公司 **####################################################...
hadoop3.3.4 winutils
12-18
Hadoop是大数据处理领域的重要框架，它以分布式计算模型为基础，提供高可靠性和高扩展性的数据存储和处理能力。在Windows环境下配置和运行Hadoop通常比在Linux上更为复杂，因为Hadoop最初是为Unix-like系统设计的。...
Hadoop下载 hadoop-2.9.2.tar.gz
07-06
Hadoop 是一个处理、存储和分析海量的分布式、非结构化数据的开源框架。最初由 Yahoo 的工程师 Doug Cutting 和 Mike Cafarella Hadoop 是一个处理、存储和分析海量的分布式、非结构化数据的开源框架。最初由 Yahoo...
Hadoop下载 hadoop-3.3.3.tar.gz
07-06
Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进 Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不...
基于Hadoop的电影影评数据分析
04-04
【基于Hadoop的电影影评数据分析】是一项大数据课程的大作业，旨在利用Hadoop的分布式处理能力来分析电影影评数据。Hadoop是一个由Apache软件基金会开发的开源框架，专为处理和存储大规模数据而设计。它由四个核心...
hadoop-3.3.6.tar.gz - hadoop 3.3.6 安装包
07-19
文件名: hadoop-3.3.6.tar.gz 这是 Hadoop 3.3.6 版本的安装包(即二进制版,不是源码)，文件格式为 tar.gz,解压后直接使用. Hadoop 是一个由 Apache 基金会所开发的分布式系统基础架构，用户可以在不了解分布式底层...
Hadoop入门—HDFS、MR、Yarn【看这一篇就够了！】
qq_73181349的博客
 2030
hadoop生态及架构，HDFS存储方式、Yarn资源调度、MR并行计算
Hadoop：全面深入解析
最新发布
CloudJourney的博客
 4042
本文从定义、架构、原理、应用场景、常见命令、安装与配置、性能优化、安全性、未来发展和社区支持等多个方面对Hadoop进行了全面深入的解析。希望通过本文，读者能够对Hadoop有一个清晰和全面的认识，并能够在实际工作中灵活运用这一强大的工具，解决大规模数据处理和分析的挑战。未来，随着大数据技术的发展，Hadoop必将发挥更大的作用，帮助企业和组织从海量数据中获取更多的洞察和价值。同时，它也可以用于ETL（抽取、转换、加载）过程，将数据从不同源系统提取出来，进行清洗和转换，最后加载到数据仓库中。
linux搭建hadoop