一、Hadoop部署
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。
| hadoop101 | hadoop102 | hadoop103 | |
|---|---|---|---|
| HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
| YARN | NodeManager | ResourceManager NodeManager | NodeManager |
1.将hadoop-3.1.3.tar.gz导入到/opt/software文件夹下面
image.png
2.解压安装文件到/opt/module下面
[yobhel@hadoop101 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
3.将Hadoop添加到环境变量
打开/etc/profile.d/my_env.sh文件
[yobhel@hadoop101 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh
在profile文件末尾添加JDK路径：（shitf+g）
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
分发环境变量文件
[yobhel@hadoop101 hadoop-3.1.3]$ sudo /home/atguigu/bin/xsync /etc/profile.d/my_env.sh
source 使之生效（3台节点）
[yobhel@hadoop101 module]$ source /etc/profile.d/my_env.sh
[yobhel@hadoop102 module]$ source /etc/profile.d/my_env.sh
[yobhel@hadoop103 module]$ source /etc/profile.d/my_env.sh
二、配置集群
核心配置文件core-site.xml
[yobhel@hadoop101 ~]$ cd $HADOOP_HOME/etc/hadoop
[yobhel@hadoop101 hadoop]$ vim core-site.xml
文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop101:8020</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yobhel -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>yobhel</value>
</property>
<!-- 配置该yobhel(superUser)允许通过代理访问的主机节点 -->
<property>
<name>hadoop.proxyuser.yobhel.hosts</name>
<value>*</value>
</property>
<!-- 配置该yobhel(superUser)允许通过代理用户所属组 -->
<property>
<name>hadoop.proxyuser.yobhel.groups</name>
<value>*</value>
</property>
<!-- 配置该yobhel(superUser)允许通过代理的用户-->
<property>
<name>hadoop.proxyuser.yobhel.users</name>
<value>*</value>
</property>
</configuration>
HDFS配置文件hdfs-site.xml
[yobhel@hadoop101 hadoop]$ vim hdfs-site.xml
文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop101:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop103:9868</value>
</property>
<!-- 测试环境指定HDFS副本的数量1 -->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<!-- 关闭 hdfs 文件权限检查 -->
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>
YARN配置文件yarn-site.xml
[yobhel@hadoop101 hadoop]$ vim yarn-site.xml
文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<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>
<!-- yarn容器允许分配的最大最小内存 -->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>
MapReduce配置文件mapred-site.xml
[yobhel@hadoop101 hadoop]$ vim mapred-site.xml
文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
配置workers
[yobhel@hadoop101 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
在该文件中增加如下内容：
hadoop101
hadoop102
hadoop103
三、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
[yobhel@hadoop101 hadoop]$ vim mapred-site.xml
在该文件里面增加如下配置。
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop101:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop101:19888</value>
</property>
四、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。
开启日志聚集功能具体步骤如下：
配置yarn-site.xml
[yobhel@hadoop101 hadoop]$ vim yarn-site.xml
在该文件里面增加如下配置:
<!-- 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://hadoop101:19888/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>
五、分发Hadoop
[yobhel@hadoop101 hadoop]$ xsync /opt/module/hadoop-3.1.3/
六、群起集群
启动集群
（1）集群第一次启动，需要在hadoop101节点格式化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）
[yobhel@hadoop101 hadoop-3.1.3]$ hdfs namenode -format
（2）启动HDFS
[yobhel@hadoop101 hadoop-3.1.3]$ start-dfs.sh
（3）在配置了ResourceManager的节点（****hadoop102****）启动YARN
[yobhel@hadoop102 hadoop-3.1.3]$ start-yarn.sh
（4）Web端查看HDFS的Web页面：[<u>http://hadoop101:9870/</u>]
image.png
（5）Web端查看SecondaryNameNode
查看SecondaryNameNode信息
七、Hadoop群起脚本
[yobhel@hadoop101 bin]$ pwd
/home/yobhel/bin
[yobhel@hadoop101 bin]$ vim hdp.sh
输入如下内容：
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop101 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop101 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop101 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop101 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac
[yobhel@hadoop101 bin]$ chmod 777 hdp.sh
八、集群时间同步
时间同步的方式：找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，比如，每隔十分钟，同步一次时间。
image.png
配置时间同步具体实操：
1）时间服务器配置（必须root用户）
（0）查看所有节点ntpd服务状态和开机自启动状态
[yobhel@hadoop101 ~]$ sudo systemctl status ntpd
[yobhel@hadoop101 ~]$ sudo systemctl is-enabled ntpd
（1）在所有节点关闭ntp服务和自启动
[yobhel@hadoop101 ~]$ sudo systemctl stop ntpd
[yobhel@hadoop101 ~]$ sudo systemctl disable ntpd
（2）修改hadoop102的ntp.conf配置文件
[yobhel@hadoop101 ~]$ sudo vim /etc/ntp.conf
修改内容如下
a）修改1（授权192.168.1.0-192.168.1.255网段上的所有机器可以从这台机器上查询和同步时间）
restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
b）修改2（集群在局域网中，不使用其他互联网上的时间）
#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst
c）添加3（当该节点丢失网络连接，依然可以采用本地时间作为时间服务器为集群中的其他节点提供时间同步）
server 127.127.1.0
fudge 127.127.1.0 stratum 10
（3）修改hadoop101的/etc/sysconfig/ntpd 文件
[yobhel@hadoop101 ~]$ sudo vim /etc/sysconfig/ntpd
增加内容如下（让硬件时间与系统时间一起同步）
SYNC_HWCLOCK=yes
（4）重新启动ntpd服务
[yobhel@hadoop101 ~]$ sudo systemctl start ntpd
（5）设置ntpd服务开机启动
[yobhel@hadoop101 ~]$ sudo systemctl enable ntpd
2）其他机器配置（必须root用户）
（1）在其他机器配置10分钟与时间服务器同步一次
[yobhel@hadoop102 ~]$ sudo crontab -e
编写定时任务如下：
*/10 * * * * /usr/sbin/ntpdate hadoop101
（2）修改任意机器时间
[yobhel@hadoop102 ~]$ sudo date -s "2017-9-11 11:11:11"
（3）十分钟后查看机器是否与时间服务器同步
[atguigu@hadoop102 ~]$ sudo date
说明：测试的时候可以将10分钟调整为1分钟，节省时间。
