Hadoop(一)如何搭建大数据Hadoop集群？（大数据入门教程）

大数据的概念

什么是大数据？ 大数据就是很大的数据，那么究竟大到什么程度才算大数据呢？笔者认为大到传统数据库无法一次性处理的数据就称为大数据。 大数据(big data)：指无法在一定时间范围内用常规软件工具进行捕捉，管理和处理的数据集合，是需要新处理模式才能具有更强的决策力，洞察 发现力和流程观察力的海量，高增长率和多样化的信息资产。

大数据的4V特点 Volume(大量)，大数据处理的数据是TB，PB，EB级别的 Velocity(高速)，处理数据速度快，例如双十一。 Variety(多样)，数据被分为结构化和非结构化数据 。结构化数据：数据库/文本为主；非结构化数据越来越多：网络日志，音频，图片，视频，地理位置信息等。 Value(价值)，价值密度的高低与数据总量大小成反比。

从Hadoop看大数据

第一代hadoop与第二代hadoop的区别 第一代hadoop由mapreduce，hdfs，common(辅助工具)组成，其中mapreduce的功能包含分布式计算和资源调度。 第二代hadoop由mapreduce，yarn，hdfs，common(辅助工具)组成，第二代的hadoop将第一代的mapreduce的功能分离了出来，第二代mapreduce只负责分布式计算，yarn负责资源调度。 hadoop的组成：mapreduce，hdfs，yarn。mapreduce mapreduce分布式计算，如何理解呢？mapreduce将计算分成了两个部分map和reduce。map负责将数据提取出来，reduce负责计算。hdfs hdfs分布式存储，由namenode，datanode，secondary namenode组成。 如何理解呢？namenode，相当于字典记录数据存在哪里；datanode负责存储数据，；secondary namenode 负责辅助namenode。如果想详细了解请关注博主后续动态，急速入门记住这些就够了。yarn yarn负责资源调度；由ResourceManager，NodeManager，ApplicationMaster，Contaniner组成。 ResourceManager主要负责监控NodeManager，启动或监控ApplicationMaster。 NodeManager主要负责管理单个节点上的资源，处理来自ResourceManager和ApplicationMaster上的命令。 ApplicationMaster主要负责 数据的切分，为应用程序申请资源并分配给内部的任务。 Container：是yarn的资源抽象。它封装了某个节点上的多维度资源，如内存，磁盘，cpu，网络等。

运行hadoop前的准备

配置一台最小化安装的虚拟机

操作系统：Linux CentOS7 处理器核数：2x4 内存4G，磁盘50G 最小化安装，如下图：

初始化虚拟机 yum install -y epel-release

epel-release软件包，会自动配置yum的软件仓库。当然你也可以不安装这个包，自己配置软件仓库也是一样的。

yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git

psmisc 安装killall命令 nc 能够建立你需要的几乎所有类型的网络连接 net-tools 安装 ifconfig 命令 rsync 主要用于备份和镜像 vim 编辑器 lrzsz 安装sz（下载）和rz（上传）命令 ntp 进行时间同步 libzstd hadoop的一个依赖，负责底层的压缩算法的，可装可不装

关闭防火墙，关闭防火墙自启 systemctl stop firewalld systemctl disable firewalld 创建用户并修改密码 useradd yuaf passwd yuaf 配置yuaf用户使其拥有root权限 vim /etc/sudoers

修改/etc/sudoers文件，找到下面一行（91行），在root下面添加一行，如下所示： 在/opt文件下创建文件夹，并修改文件所属主和所属组。

mkdir /opt/module mkdir /opt/software chown yuaf:yuaf /opt/module chown yuaf:yuaf /opt/software

配置静态ip参考这个就不做举例了。 https://blog.csdn.net/Kruskual/article/details/108286566

Hadoop运行环境的搭建

克隆虚拟机 克隆三台虚拟机，怎么克隆就不用说了吧。修改主机名 分别修改为hadoop32,hadoop33,hadoop34修改静态ip地址 分别修改为32，33，34修改虚拟机，windows主机映射 sudo vim /etc/hosts

添加如下内容： windows在C:\Windows\System32\drivers\etc 将hosts文件拷贝到桌面改写添加数据如下图，然后再覆盖原hosts文件

导入jdk，hadoop的jar包 推荐用远程登陆工具fnalshell，把jar包拖到对应目录就好了。

解压两个jar包到 /opt/module

tar -xf /opt/software/jdk-8u212-linux-x64.tar.gz -C /opt/module/ tar -xf /opt/software/hadoop-3.1.3.tar.gz -C /opt/module/

配置环境变量 sudo vim /etc/profile.d/my_env.sh export JAVA_HOME=/opt/module/jdk1.8.0_212 export PATH=$PATH:$JAVA_HOME/bin export HADOOP_HOME=/opt/module/hadoop-3.1.3 export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

检验环境变量是否生效 source /etc/profile hadoop version

编写群发脚本，群发解压后的java和hadoop及其环境变量 cd /home/yuaf mkdir bin cd bin vim xsync #!/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 hadoop32 hadoop33 hadoop34 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 给脚本可执行权限 chmod +x xsync 将脚本xsync拷贝到/bin目录下 sudo cp xsync /bin/ 将/home/yuaf/bin分发到其他两台虚拟机 xsync /home/yuaf/bin 将/bin/xsync分发到其他两台虚拟机 sudo xsync /bin/xsync 将配置文件发到其他 两台虚拟机上 sudo xsync /etc/profile.d 将hadoop和jdk发到其他两台虚拟机上 xsync /opt/module 设置普通用户及root用户免密登录 yuaf用户的免密登录 cd /home/yuaf/.ssh 进入.ssh目录 ssh-keygen -t rsa 生成公钥和私钥 ssh-copy-id hadoop32 将公钥发给自己 sudo xsync ./ 将公钥拷贝到要免密登录的机器上 root用户的免密登录 su 使用root用户 cd /root/.ssh ssh-keygen -t rsa ssh-copy-id hadoop32 sudo xsync ./

完全分布式运行Hadoop

配置Hadoop文件 core-site.xml cd $HADOOP_HOME/etc/hadoop vim core-site.xml <?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://hadoop32:9820</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yuaf --> <property> <name>hadoop.http.staticuser.user</name> <value>yuaf</value> </property> <!-- 配置该yuaf(superUser)允许通过代理访问的主机节点 --> <property> <name>hadoop.proxyuser.yuaf.hosts</name> <value>*</value> </property> <!-- 配置该yuaf(superUser)允许通过代理用户所属组 --> <property> <name>hadoop.proxyuser.yuaf.groups</name> <value>*</value> </property> <!-- 配置该yuaf(superUser)允许通过代理的用户--> <property> <name>hadoop.proxyuser.yuaf.groups</name> <value>*</value> </property> </configuration>

hdfs-site.xml

vim hdfs-site.xml <?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>hadoop32:9870</value> </property> <!-- 2nn web端访问地址--> <property> <name>dfs.namenode.secondary.http-address</name> <value>hadoop34:9868</value> </property> </configuration>

yarn-site.xml

vim yarn-site.xml <?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>hadoop33</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>

mapred-site.xml

vim mapred-site.xml <?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>

workers

vim /opt/module/hadoop-3.1.3/etc/hadoop/workers hadoop32 hadoop33 hadoop34

将配置文件分发给其他服务器 xsync /opt/module/hadoop-3.1.3/etc/ 第一次运行时格式化 hdfs namenode -format 在hadoop32上启动hdfs [yuaf@hadoop32 hadoop]$ start-dfs.sh

打开浏览器输入网址：

hadoop32:9870

能看到此页面说明namenode正常运行

在hadoop33上启动yarn [yuaf@hadoop33 hadoop-3.1.3]$ start-yarn.sh

打开浏览器输入网址：

hadoop33:8088

出现这个网址说明yarn正常运行。