Hadoop3：集群搭建及常用命令与shell脚本整理（入门篇，从零开始搭建）

一、集群环境说明

1、用

VMware

安装

3

台

Centos7.9

虚拟机
2、虚拟机配置：

2C，2G内存，50G存储

3、集群架构设计
从表格中，可以看出，

Hadoop

集群，主要有

2

个模块服务，一个是

HDFS

服务，一个是

YARN

服务

二、搭建集群

1、安装3台Centos7.9虚拟机

安装教程：VMware安装Centos7详细教程及初始化配置

1.1、修改三台主机名

三台虚拟机固定

IP

：

192.168.31.102、192.168.31.103、192.168.31.104

三台主机的

hostname

分别修改为，

hadoop102，hadoop103，hadoop104

vim /etc/hostname

1.2、配置三台主机hosts文件

vim /etc/hosts

192.168.31.100    hadoop100
192.168.31.101    hadoop101
192.168.31.102    hadoop102
192.168.31.103    hadoop103
192.168.31.104    hadoop104
192.168.31.105    hadoop105
192.168.31.106    hadoop106
192.168.31.107    hadoop107
192.168.31.108    hadoop108

1.3、三台机器创建账号

创建

atguigu

账号，并设置密码为

123456

useradd atguigu
echo123456|passwd--stdin atguigu;

配置

atguigu

账号

root

权限

visudo

末尾添加
atguigu    ALL=(ALL)       NOPASSWD:ALL

1.4、三台机器间配置atguigu账号免密登陆

用

102

配置到

103

免密登陆为例

cd                            进入当前账号家目录
ssh-keygen                    连续三次回车        
ssh-copy-id 192.168.31.103    复制公钥到hadoop103服务器，这样，102的atguigu就可以免密登陆hadoop103服务器

参考：服务器间配置免密登陆

1.5、同步集群时间（针对内网环境的集群，公网集群可以跳过）

找一个机器，作为时间服务器，所有的机器与这台机器的时间进行定时的同步

1.5.1、root账号配置102机器的ntp服务

1、查看

ntp

服务，并设置开机自启动

systemctl status ntpd
systemctl start ntpd
systemctl enable ntpd

如果命令报

Unit ntpd.service could not be found

，则需要安装

ntp

服务

rpm-q ntp    查看服务是否安装
yum install ntp    安装服务

2、修改

ntp.conf

文件

vim /etc/ntp.conf

server 127.127.1.0
fudge 127.127.1.0 stratum 10

restrict

后面的

IP

，写你们自己的

IP

，我的是

192.168.31.0

网段的

当该节点丢失网络连接，依然可以采 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

3、修改

/etc/sysconfig/ntpd

文件
作用：让硬件时间和系统时间一起同步，这样更精确

vim /etc/sysconfig/ntpd

SYNC_HWCLOCK=yes

4、重启

ntp

服务

systemctl status ntpd
systemctl stop ntpd
systemctl start ntpd
systemctl enable ntpd

检查配置
systemctl status ntpd
systemctl is-enabled ntpd

1.5.2、root账号配置103及104机器，同步102的时间

1、关闭ntp服务

systemctl stop ntpd
systemctl disable ntpd

2、创建定时任务，定时同步102时间

crontab-e

*/1 * * * * /usr/sbin/ntpdate hadoop102

3、测试同步功能
修改时间

date-s"2021-9-11 11:11:11"

1分钟后，查看时间

date

2、三台虚拟机都安装JDK，并配置环境变量

2.1、卸载系统自带的OpenJDK

2.1.1、查看

openJDK

[root@CFDB2 ~]$ rpm -qa|grepjava
tzdata-java-2018e-3.el7.noarch
java-1.8.0-openjdk-1.8.0.171-8.b10.el7_5.x86_64
java-1.7.0-openjdk-headless-1.7.0.181-2.6.14.8.el7_5.x86_64
java-1.7.0-openjdk-1.7.0.181-2.6.14.8.el7_5.x86_64
javapackages-tools-3.4.1-11.el7.noarch
python-javapackages-3.4.1-11.el7.noarch
java-1.8.0-openjdk-headless-1.8.0.171-8.b10.el7_5.x86_64

2.1.2、卸载

openJDK

rpm-qa|grep-ijava|xargs n1 rpm-e--nodeps

2.2、安装

JDK8

tar-zxvf jdk-7u79-linux-x64.tar.gz -C /usr/local/jdks/
cd /usr/local/jdks/

vim /etc/profile.d/java.sh

#!/bin/bash#exportJAVA_HOME=/usr/local/jdks/jdk1.8.0_211
exportCLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
exportPATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
--------------------------
source /etc/profile  #执行该命令java-version#查看java是否安装成功

3、三台虚拟机都安装Hadoop3，并配置环境变量

1、准备

Hadoop3

安装包
2、三台机器上准备两个目录

3、将

hadoop3

安装包上传到

software

目录下

4、解压并配置环境变量
解压安装

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

配置环境变量

进入目录
 cd /etc/profile.d/
 
 创建文件，并添加如下内容
vim hadoop.sh
#HADOOP_HOMEexportHADOOP_HOME=/opt/module/hadoop-3.1.3
exportPATH=$PATH:$HADOOP_HOME/bin
exportPATH=$PATH:$HADOOP_HOME/sbin

重新加载环境变量，这样新配置的hadoop环境变量才会生效
source /etc/profile

检查

hadoop

安装是否成

hadoop version

4、hadoop的4个自定义配置文件及workers配置

1、准备一个同步文件的脚本

参考：服务器同步文件脚本
这样，在

102

上配置好后，用该脚本同步到另外两台机器上即可。

2、core-site.xml

vim /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

完整配置内容如下

<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>fs.defaultFS</name><value>hdfs://hadoop102:8020</value><description>指定 NameNode 的地址</description></property><property><name>hadoop.tmp.dir</name><value>/opt/module/hadoop-3.1.3/data</value><description>指定 Hadoop 数据的存储目录</description></property></configuration>

3、hdfs-site.xml

vim /opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml

完整配置内容如下

<?xml version="1.0" encoding="UTF-8"?><configuration><property><name>dfs.namenode.http-address</name><value>hadoop102:9870</value><description>nn web 端访问地址</description></property><property><name>dfs.namenode.secondary.http-address</name><value>hadoop104:9868</value><description>2 nn web 端访问地址</description></property></configuration>

4、mapred-site.xml

vim /opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml

完整配置内容如下

<?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration><property><name>mapreduce.framework.name</name><value>yarn</value><description></description></property><property><name>mapreduce.jobhistory.address</name><value>hadoop102:10020</value><description>历史服务器端地址</description></property><property><name>mapreduce.jobhistory.webapp.address</name><value>hadoop102:19888</value><description>历史服务器 web 端地址</description></property></configuration>

5、yarn-site.xml

vim /opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml

完整配置内容如下

<?xml version="1.0"?><configuration><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value><description>指定 MR 走 shuffle</description></property><property><name>yarn.resourcemanager.hostname</name><value>hadoop103</value><description>指定 ResourceManager 的地址</description></property><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><description>系统环境变量的继承</description></property><property><name>yarn.log-aggregation-enable</name><value>true</value><description>开启日志聚集功能</description></property><property><description>设置日志聚集服务器地址</description><name>yarn.log.server.url</name><value>http://hadoop102:19888/jobhistory/logs</value></property><property><description>设置日志保留时间为 7 天, -1 表示不保存日志</description><name>yarn.log-aggregation.retain-seconds</name><value>604800</value></property></configuration>

6、配置workers

vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

完整配置内容如下

hadoop102
hadoop103
hadoop104

7、使用xsync同步脚本，将配置文件同步到103、104

cd /opt/module/hadoop-3.1.3/etc/hadoop

xsync core-site.xml hdfs-site.xml mapred-site.xml yarn-site.xml workers

5、102上启动HDFS服务

1、第一次启动的准备工作

需要在

hadoop102

上格式化

NameNode

(后面重启hadoop集群，无需这一步操作)

cd /opt/module/hadoop-3.1.3
hdfs namenode -format

2、启动HDFS服务

cd /opt/module/hadoop-3.1.3
sbin/start-dfs.sh

3、访问web页

http://hadoop102:9870

6、103上启动YARN服务

1、启动YARN服务

cd /opt/module/hadoop-3.1.3
sbin/start-yarn.sh

2、访问web页

http://hadoop103:8088

7、检查各个集群节点服务

从图中可以看出，和我们设计的集群架构完全匹配

8、在102上开启YARN的历史任务查询服务

cd /opt/module/hadoop-3.1.3
bin/mapred --daemon start historyserver

9、集群启动与停止方式总结

1、整体启动或停止HDFS或YARN服务

102

上，启动或停止

HDFS

服务

cd /opt/module/hadoop-3.1.3
sbin/start-dfs.sh
sbin/stop-dfs.sh

103

上，启动或停止

YARN

服务

cd /opt/module/hadoop-3.1.3
sbin/start-yarn.sh
sbin/stop-yarn.sh

2、各个服务组件独立启动或停止

分别启动或停止

HDFS

组件

hdfs --daemon start/stop namenode/datanode/secondarynamenode

分别启动或停止

YARN

组件

yarn--daemon start/stop resourcemanager/nodemanager

3、编写脚本，一键启动或停止器群并检查服务脚本

1、一键启动或停止脚本

cd /home/atguigu/bin/
vim myhadoop

脚本内容

#!/bin/bashif[$#-lt1]thenecho"No Args Input..."exit;ficase$1in"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

脚本用法

myhadoop start/stop

2、一键检查服务脚本

cd /home/atguigu/bin/
vim jpsall

脚本内容

#!/bin/bashforhostin hadoop102 hadoop103 hadoop104
doecho===============$host===============ssh$host jps
done

脚本用法

jpsall

10、简单测试集群功能

1、命令行上传文件及HDFS web端查看

上传小文件

创建文件

mkdir /opt/module/hadoop-3.1.3/wcinput
cd /opt/module/hadoop-3.1.3/wcinput
vim word.txt
ss ss
cls cls
banzhang
bobo
yangge

上传文件

hadoop fs -mkdir /input    创建hdfs目录
hadoop fs -put$HADOOP_HOME/wcinput/word.txt /input    上传文件到input目录

HDFS WEB页查看
这里的

input

就是

-mkdir

创建出来的

这个

word.txt

就是

-put

上传的

第一个下载、第二个查看文件前32K内容、第三个查看文件末尾的32K内容

---

上传大文件

上传文件
上传

jar

包到

hdfs

根目录

hadoop fs -put /opt/software/hadoop-3.1.3.tar.gz /

HDFS WEB页查看

2、HDFS系统中查看上传的文件位置及文件内容

服务器上查看

txt

文本文件查看方法
可以直接cat命令查看

cd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-823420375-192.168.31.102-1714395693863/current/finalized/subdir0/subdir0

jar

包文件查看方法

cd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-823420375-192.168.31.102-1714395693863/current/finalized/subdir0/subdir0

cat blk_1073741826 >> tmp.tar.gz
cat blk_1073741827 >> tmp.tar.gz
cat blk_1073741828 >> tmp.tar.gz

tar-zxvf tmp.tar.gz
ll

3、命令行执行MapReduce任务及YRAN web端查看任务

命令行执行

MapReduce

任务

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

YRAN web

页查看任务

4、YRAN web页面查看历史任务

5、YRAN web页查看任务执行的日志