大数据技术之Hadoop集群配置

作者简介：大家好我是小唐同学(๑>؂<๑），好久不见，为梦想而努力的小唐又回来了，让我们一起加油！！！

个人主页：小唐同学(๑>؂<๑）的博客主页

目前再学习大数据，现在在初级阶段-刚学Hadoop，若有错误，请指正

目录

一，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

二，配置文件说明

置文件和自定义配置文件

（1）默认配置文件有四种对应Hadoop的四大组件

（2）自定义配置文件：
**core-site.xml **, **hdfs-site.xml , yarn-site.xml **, mapred-site.xml

这四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。（$HADOOP_HOME为Hadoop的安装路径）

三，配置集群：

（1）配置核心文件：

    配置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-->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data<value>

</property>
</configuration>

配置hdfs-site.xml

<configuration>
<!--nn web fangwen dizhi -->

<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
<!--2nn web fangwen dizhi -->
<property>
<name>dfs.namenode.secondary.http-address</name>

<value>hadoop104:9868</value>

</property>
</configuration>

<configuration>
<!--指定MR走shuffle-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>
mapreduce_shuffle
</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>
hadoop103
</value>
</property>
<property>
<name>yarn.nodemanager.env-whitelist<name>
<value>JAVA_HOME,HADOOP_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
</configuration>

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

配置完成后在集群上分发配置好的Hadoop配置文件****

上述集群配置完成后，在群起集群之前需要配置workers文件

先切换到Hadoop的目录下

cd  /opt/module/hadoop-3.1.3

切换到Hadoop的文件夹下

cd etc/hadoop/

vim workers

上述命令进入workers文件下（文件不允许有空格和空行）

有几个节点就配置几个名称

配置完毕后需要分发一下 分别配置给其他集群内部的服务器

四，格式化节点：

    （1）如果集群是第一次启动，需要初始化（格式化）NameNode,在格式化的过程中我遇到了报错，通过阅读报错信息，重新配置了四个自定义配置文件（建议报错先认真阅读）

hdfs namenode -format

上述格式化完成

五，启动集群：

启动集群在sbin目录下（在Hadoop的安装目录下）

** 启动HDFS：**

启动完毕后用命令jps(jps命令在Hadoop的安装路径下执行，是java提供的一个显示当前所有java进程pid的命令)

可以看到跟我们的集群规划相同

搜索 hadoop102:9870可以看到hdfs存储的数据信息

在配置了ResourceManager的节点（hadoop103）启动YARN

可以看到三个进程符合集群规划

搜素 hadoop103:8088可以看到yarn的资源调度网页

六，测试集群：

上传文件到集群：

（1）上传小文件：

     ![a2a98bb3ddcc4917a14e149237ba3925.png](https://img-blog.csdnimg.cn/a2a98bb3ddcc4917a14e149237ba3925.png)        ![cb0915972d044b31b13a5e2c07c6af93.png](https://img-blog.csdnimg.cn/cb0915972d044b31b13a5e2c07c6af93.png)

上传带内容的文件到wcinput

(2)上传大文件：

回到根部录下可以看到有添加的数据，但是这只是个链接，方便展示，实际存储在datanode节点

刚开始初始化节点的时候只有name，现在存入数据后出现了data

数据存储的目录：

/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-2091296116-192.168.10.102-1677829450991/current/finalized/subdir0/subdir0

查看文件内容：
查看小文件直接cat即可

查看大文件：

cat blk_1073741826>>tmp.tar.gz和cat blk_1073741827>>tmp.tar.gz是把这两个拼接成一个jdk压缩包，然后解压发现就是上传的jdk压缩包，所以可以确定hdfs实际上内容存储的位置就是在这里。这里为什么会把jdk的压缩包分为两部分呢？原因就是在hadoop里存储的容量是128MB为一个块，然后jdk的压缩包有180MB，所以一个块存不下，需要两个块，注意块的序号是从0开始的

Hadoop是具有高可用的，所以会有多个备份，不测试显示3分备份，所以在hadoop103,hadoop104上同样的路径有同样的数据