本文内容来自于尚硅谷大数据课程，此文归纳总结方便自己理解记忆

1.hadoop运行环境搭建

（1）安装虚拟机IP地址 172.16.45.200、主机名称 hadoop100、内存 4G、硬盘50G

（2）安装epel-release

[root@hadoop100 ~]# yum install -y epel-release

注：Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）

（3）如果Linux安装的是最小系统版，还需要安装如下工具

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

（4）关闭防火墙，关闭防火墙开机自启

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld

（5）创建用户和密码

[root@hadoop100 ~]# useradd zy
[root@hadoop100 ~]# passwd zy

（6）配置zy用户具有root权限，方便后期加sudo执行root权限的命令

配置后sudo命令不用输入密码了

[root@hadoop100 ~]# vim /etc/sudoers

修改/etc/sudoers文件，在%wheel这行下面添加一行，如下所示：

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL

## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL
zy   ALL=(ALL)     NOPASSWD:ALL

注意：zy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zy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 zy 要放到%wheel这行下面。

（7）重启虚拟机

[root@hadoop100 ~]# reboot

2.JDK安装

卸载虚拟机自带的 JDK

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

• 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

配置JDK环境变量

/etc/profile 文件里面会扫描 /etc/profile.d 文件夹下 *.sh

vim /etc/profile.d/my_env.sh

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

$ source /etc/profile
$ java -version

3.hadoop 安装

Hadoop下载地址：https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
解压

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

添加到环境变量

$ sudo vim /etc/profile.d/my_env.sh

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

$ source /etc/profile
$ hadoop version
Hadoop 3.1.3

如果hadoop命令不能用重启虚拟机

4.目录结构

drwxr-xr-x. 2 zy zy    183 9月  12 2019 bin
drwxr-xr-x. 3 zy zy     20 9月  12 2019 etc
drwxr-xr-x. 2 zy zy    106 9月  12 2019 include
drwxr-xr-x. 3 zy zy     20 9月  12 2019 lib
drwxr-xr-x. 4 zy zy    288 9月  12 2019 libexec
-rw-rw-r--. 1 zy zy 147145 9月   4 2019 LICENSE.txt
-rw-rw-r--. 1 zy zy  21867 9月   4 2019 NOTICE.txt
-rw-rw-r--. 1 zy zy   1366 9月   4 2019 README.txt
drwxr-xr-x. 3 zy zy   4096 9月  12 2019 sbin
drwxr-xr-x. 4 zy zy     31 9月  12 2019 share

（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

5.集群安装（分布式运行模式）

集群部署规划

NameNode和SecondaryNameNode不要安装在同一台服务器

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。

默认配置文件

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

在$HADOOP_HOME/etc/hadoop/ 目录下，修改

core-site.xml

<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，默认为/tmp临时文件会定期删除 -->
    <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zy -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>zy</value>
    </property>
</configuration>

yarn-site.xml

<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>

配置日志聚集

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.png

上面配置中添加如下

<!-- 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>

注意：如果新开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

mapred-site.xml

<configuration>
    <!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

配置历史服务器

为了查看程序的历史运行情况，上面内容添加

<!-- 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>

配置workers

$ vim $HADOOP_HOME/etc/hadoop/workers

在该文件中增加如下内容（其中存在的localhost需删除，不然后面启动停止会报错）

hadoop102
hadoop103
hadoop104

注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行

注意：以上配置修改在所有节点（服务器）下都要做此更改

6.启动集群

启动步骤

（1）格式化namenode

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。）

$ hdfs namenode -format

在 hadoop-3.1.3/data/dfs/name/current/VERSION 文件中

namespaceID=971897220
clusterID=CID-7eeb7676-bc94-4ec7-ab86-20bc5881a398
cTime=1697971819574
storageType=NAME_NODE
blockpoolID=BP-2032331130-172.16.45.202-1697971819574
layoutVersion=-64

（2）启动HDFS

$ sbin/start-dfs.sh

（3）在配置了ResourceManager的节点（hadoop103）启动YARN

$ sbin/start-yarn.sh

hdfs的NameNode

http://hadoop102:9870 查看HDFS上存储的数据信息

# 上传小文件
$ hadoop fs -mkdir /input # 必须加/
$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input

# 上传大文件
$ hadoop fs -put  /opt/software/jdk-8u212-linux-x64.tar.gz  /

# 文件存放位置
[zy@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-2032331130-172.16.45.202-1697971819574/current/finalized/subdir0/subdir0

namenode.png

Size 文件实际占用大小

Block Size 表示存储文件块最大128MB，文件大小超过，新开个文件继续存储（只是表示存储块最大限制）

下图为jdk文件详情，用了两个块，第一个块Block0 128m，第二个块Block1存剩下数据大小

block.png

yarn的ResourceManager

http://hadoop103:8088 查看YARN上运行的Job信息
重启YARN 需要重新计算任务才会出现下面图片中application

$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

resourceManager.png

配置了历史服务器上图History可以点击跳转到下图任务详情，否则点击出现错误页面

历史任务

http://hadoop102:19888/jobhistory

joblist.png

log.png

配置了日志聚集上图logs可以点击跳转到下图，否则点击出现错误页面
日志详情

logDetail.png

7.集群启动停止方式

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

（2）整体启动/停止YARN

start-yarn.sh/stop-yarn.sh

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

（2）启动/停止YARN

yarn --daemon start/stop  resourcemanager/nodemanager

脚本

启动停止脚本

myhadoop.sh

#!/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

jpsall脚本

#!/bin/bash

for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps 
done

8.常用端口总结