開發與維運

Hadoop框架：單服務下偽分佈式集群搭建

2020-09-16

本文源碼：GitHub·點這裡 || GitEE·點這裡

一、基礎環境

1、環境版本

環境：centos7
hadoop版本：2.7.2
jdk版本：1.8

2、Hadoop目錄結構

  • bin目錄：存放對Hadoop的HDFS,YARN服務進行操作的腳本
  • etc目錄：Hadoop的相關配置文件目錄
  • lib目錄：存放Hadoop的本地庫，提供數據壓縮解壓縮能力
  • sbin目錄：存放啟動或停止Hadoop相關服務的腳本
  • share目錄：存放Hadoop的依賴jar包、文檔、和相關案例

3、配置加載

vim /etc/profile
# 添加環境
export JAVA_HOME=/opt/jdk1.8
export PATH=$PATH:$JAVA_HOME/bin
export HADOOP_HOME=/opt/hadoop2.7
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

# 退出刷新配置
source /etc/profile

二、偽集群配置

以下配置文件所在路徑：/opt/hadoop2.7/etc/hadoop，這裡是Linux環境，腳本配置sh格式。

1、配置hadoop-env

root# vim hadoop-env.sh
# 修改前
export JAVA_HOME=
# 修改後
export JAVA_HOME=/opt/jdk1.8

2、配置core-site

文件結構概覽

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
</configuration>

NameNode的地址

<property>
    <name>fs.defaultFS</name>
    <value>hdfs://127.0.0.1:9000</value>
</property>

數據存放目錄：Hadoop運行時產生文件的存儲目錄。

<property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/hadoop2.7/data/tmp</value>
</property>

3、配置hdfs-site

文件結構和上述一樣，配置hdfs副本個數，這裡偽環境，配置1個即可。

<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>

4、配置yarn-env

export JAVA_HOME=/opt/jdk1.8

5、配置yarn-site

指定YARN的ResourceManager的地址

<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>192.168.72.132</value>
</property>

指定map產生的中間結果傳遞給reduce採用的機制是shuffle

<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

6、配置mapred-env

export JAVA_HOME=/opt/jdk1.8

7、配置mapred-site

將mapred-site.xml.template重新命名為mapred-site.xml。

指定MapReduce程序資源調在度集群上運行。如果不指定為yarn，那麼MapReduce程序就只會在本地運行而非在整個集群中運行。

<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>

三、環境啟動測試

1、測試文件系統

Hdfs相關

格式化NameNode

第一次啟動時執行該操作。

[hadoop2.7]# bin/hdfs namenode -format

格式化NameNode，會產生新的clusterID,導致NameNode和DataNode的集群id不一致，集群找不到已往數據。所以，格式NameNode時，一定要停止相關進程，刪除data數據和log日誌，然後再格式化NameNode。clusterID在如下目錄中的VERSION文件裡，可自行查看對比。

/opt/hadoop2.7/data/tmp/dfs/name/current
/opt/hadoop2.7/data/tmp/dfs/data/current

啟動NameNode

[hadoop2.7]# sbin/hadoop-daemon.sh start namenode

啟動DataNode

[hadoop2.7]# sbin/hadoop-daemon.sh start datanode

jps查看狀態

[root@localhost hadoop2.7]# jps
2450 Jps
2276 NameNode
2379 DataNode

Web界面查看

需要Linux關閉防火牆和相關安全增強控制（這裡很重要）。

IP地址:50070

01-1.jpg

Yarn相關

啟動ResourceManager

[hadoop2.7]# sbin/yarn-daemon.sh start resourcemanager

啟動NodeManager

[hadoop2.7]# sbin/yarn-daemon.sh start nodemanager

Web界面查看

IP地址:8088/cluster

01-2.jpg

MapReduce相關

文件操作測試

創建一個測試文件目錄

[root@localhost inputfile]# pwd
/opt/inputfile
[root@localhost inputfile]# echo "hello word hadoop" > word.txt

HDFS文件系統上創建文件夾

[hadoop2.7] bin/hdfs dfs -mkdir -p /opt/upfile/input

上傳文件

[hadoop2.7]# bin/hdfs dfs -put /opt/inputfile/word.txt /opt/upfile/input

查看文件

[hadoop2.7]# bin/hdfs dfs -ls /opt/upfile/input

2、Web端查看文件

01-3.jpg

執行文件分析

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /opt/upfile/input /opt/upfile/output

查看分析結果

bin/hdfs dfs -cat /opt/upfile/output/*

結果：每個單詞各自出現一次。

刪除分析結果

bin/hdfs dfs -rm -r /opt/upfile/output

四、歷史服務器

MapReduce的JobHistoryServer，這是一個獨立的服務，可通過 web UI 展示歷史作業日誌。

1、修改mapred-site

<!-- 服務器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>192.168.72.132:10020</value>
</property>

<!-- 服務器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>192.168.72.132:19888</value>
</property>

2、啟動服務

[hadoop2.7]# sbin/mr-jobhistory-daemon.sh start historyserver

3、Web端查看

IP地址:19888

01-4.jpg

4、配置日誌的聚集

日誌聚集概念：應用服務運行完成以後，將運行日誌信息上傳到HDFS系統上。方便的查看到程序運行詳情，方便開發調試。

開啟日誌聚集功能之後，需要重新啟動NodeManager 、ResourceManager和HistoryManager。

關閉上述服務

[hadoop2.7]# sbin/yarn-daemon.sh stop resourcemanager
[hadoop2.7]# sbin/yarn-daemon.sh stop nodemanager
[hadoop2.7]# sbin/mr-jobhistory-daemon.sh stop historyserver

修改yarn-site

<!-- 日誌聚集功開啟 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>

<!-- 日誌保留時間7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>

修改完之後再次啟動上述服務器。再次執行文件分析任務。

查看Web端

01-5.jpg
01-6.jpg

五、源代碼地址

GitHub·地址
https://github.com/cicadasmile/big-data-parent
GitEE·地址
https://gitee.com/cicadasmile/big-data-parent

Leave a Reply

Your email address will not be published. Required fields are marked *