Hadoop简介与伪分布式搭建—DAY01

Posted 2020-10-09 AI菌

一、  Hadoop的一些相关概念及思想

1、hadoop的核心组成：  

（1）hdfs分布式文件系统   

（2）mapreduce 分布式批处理运算框架

（3）yarn 分布式资源调度系统 

2、hadoop的由来：最早是从nutch+lucene项目中诞生的，用于存储和处理海量的网页

3、hadoop的生态系统：

（1）Hbase--分布式数据库系统

（2）hive--支持sql语法的分析工具（数据仓库）

（3）sqoop--传统关系型数据库到hadoop平台之间的属于导入导出工具

（4）mahout--机器学习算法库（基于mapreduce实现的众多的机器学习算法）（5）5）flume--分布式的日志采集系统

（6）storm--分布式实时流式运算框架

（7）spark--分布式实时计算框架

（8）HDFS--一个分布式文件系统

··a、文件是被切分后存放在多台节点上，而且每一个块有多个副本

··b、文件系统中有两类节点（namenode--元数据管理，datanode--存储数据块）

3、lucene+solr ：参考百度这种所搜引擎的技术结构

二、Hadoop伪分布式搭建

1.准备Linux环境
1.0 设置网络
（1）设置windows
（2）设置vmware
（3）设置Linux（centos） 详见1.2

 

参考图：网络设置图

1.1修改Linux的IP
两种方式：
第一种：通过Linux图形界面进行修改（强烈推荐）
进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections -> 选中当前网络System eth0 -> 点击edit按钮
-> 选择IPv4 -> method选择为manual -> 点击add按钮 -> 添加IP：192.168.2.200 子网掩码：255.255.255.0 网关：192.168.2.1 ->
->DNS server:8.8.8.8->apply

第二种：修改配置文件方式（屌丝程序猿专用）
sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0

DEVICE="eth0"
BOOTPROTO="static" ###
HWADDR="00:0C:29:3C:BF:E7"
IPV6INIT="yes"
NM_CONTROLLED="yes"
ONBOOT="yes"
TYPE="Ethernet"
UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
IPADDR="192.168.2.200" ###
NETMASK="255.255.255.0" ###
GATEWAY="192.168.2.1" ###

注意：修改后不会自动生效，需要重启Linux服务器（reboot）或者重启network服务（service network restart）

1.2修改主机名和IP的映射关系
（1）修改主机名:sudo vi /etc/sysconfig/network
HOSTNAME=weekend110
sudo hostname weekend110 #立即生效
eixt #退出当前用户，重新登入后，即可看见更改的用户名 如：[hadoop@weekend110 ~]$
（2）建立ip映射关系
sudo vim /etc/hosts
192.168.2.200 weekend110 # 打开文件后，添加该条记录

1.3关闭防火墙 （系统服务，用sudo命令）
#查看防火墙状态
sudo service iptables status
#关闭防火墙
sudo service iptables stop
#查看防火墙开机启动状态
sudo chkconfig iptables --list
#关闭防火墙开机启动
sudo chkconfig iptables off

1.4重启Linux
reboot

1.5 补充：怎么在Linux环境下不启动图形界面
（1）让普通用户具备sudo执行权限
su root #切换到root用户
vim /etc/sudoers #编辑sudoers文件将当期用户（hadoop）加入到sudoers file
然后在root ALL=(ALL) ALL 下面添加：hadoop ALL=(ALL) ALL, 如下所示：
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
hadoop ALL=(ALL) ALL

（2）sudo vi /etc/inittab
将启动级别改为3， 即 id:3:initdefault:

注释：在图形界面下，用 命令 init 3 更改为命令行界面

2.安装JDK
2.1从windows系统上传文件
输入命令alt+p 后出现sftp窗口，然后put d:\\xxx\\yy\\ll\\jdk-7u_65-i585.tar.gz

2.2解压jdk
#创建文件夹
mkdir /home/hadoop/app
#解压
tar -zxvf jdk-7u55-linux-i586.tar.gz -C /home/hadoop/app

2.3将java添加到环境变量中
sudo vi /etc/profile #对所有用户都会生效
#在文件最后添加
export JAVA_HOME=/home/hadoop/app/jdk-7u_65-i585
export PATH=$PATH:$JAVA_HOME/bin #当前路径加上后面的路径，: 表示相加

#刷新配置
source /etc/profile

3.安装hadoop2.4.1
先上传hadoop的安装包到服务器上去/home/hadoop/ ， 即输入命令alt+p 后出现sftp窗口，然后put d:\\xxx\\yy\\ll\\jdk-7u_65-i585.tar.gz
注意：hadoop2.x的配置文件 /home/hadoop/app/hadoop-2.4.1/etc/hadoop
伪分布式需要修改5个配置文件
3.1配置hadoop
第一个：hadoop-env.sh #环境变量
vim hadoop-env.sh
#第27行
export JAVA_HOME=/usr/java/jdk1.7.0_65

第二个：core-site.xml #公共的配置文件,根据这个就知道namenode在哪台主机

<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://weekend110:9000/</value> #hdfs://weekend110:9000/ 表示namenode的地址
</property>
<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/app/hadoop-2.4.1/data/</value>
</property>

第三个：hdfs-site.xml hdfs-default.xml
<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>1</value> #默认配置3个副本，但是搭建伪分布式，一台机器，所以这里给1
</property>

第四个：mapred-site.xml (改名字：mv mapred-site.xml.template mapred-site.xml)
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xml
<!-- 指定mr运行在yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>

第五个：yarn-site.xml
<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>weekend110</value>
</property>
<!-- reducer获取数据的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

第六个：slaves
<!-- 指定哪些机器启动namenode，根据此文件找namenode-->
weekend110
...

3.2将hadoop添加到环境变量
sudo vim /etc/profile
export JAVA_HOME=/home/hadoop/app/jdk1.7.0_65
export HADOOP_HOME=/home/hadoop/app/hadoop-2.4.1
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

source /etc/profile   #刷新

3.3格式化namenode（是对namenode进行初始化）
hadoop namenode -format

3.4启动hadoop
进入到：cd app/hadoop-2.4.1/sbin/

先启动HDFS
start-dfs.sh
stop-dfs.sh

再启动YARN
start-yarn.sh
stop-yarn.sh

3.5验证是否启动成功
使用jps命令验证 （查看所有的进程）
27408 NameNode
28218 Jps
27643 SecondaryNameNode
28066 NodeManager
27803 ResourceManager
27512 DataNode

3.6 网页查看&测试hdfs&测试mapreduce
(1)网页查看:
进入windows， C:\\Windows\\System32\\drivers\\etc,修改hosts , 添加一条记录： 192.128.2.200 weekend110
访问：http://192.168.2.200:50070 ，或者 http://weekend110:50070（HDFS管理界面）
访问http://192.168.2.200:8088 （MR管理界面）
(2)测试hdfs
从Linux向hdfs传文件： hadoop fs -put jdk-7u65-linux-i586.tar.gz hdfs://weekend110:9000/
从hdfs下载文件到linux: hadoop fs -get hdfs://weekend110:9000/jdk-7u65-linux-i586.tar.gz
(3)测试mapreduce
在/home/hadoop/app/hadoop-2.4.1/share/hadoop/mapreduce 下，有hadoop-mapreduce-examples-2.4.1.jar，里面有mapreduce例子程序
例子1:运行hadoop jar hadoop-mapreduce-examples-2.4.1.jar pi 5 5
例子2：
新建一个文本：[hadoop@weekend110 mapreduce]$ vi test.txt
hello world
hello kitty
hello kitty
hello kugou
hello baby
在hdfs新建目录wordcount: hadoop fs -mkdir hdfs://weekend110:9000/wordcount(或者hadoop fs -mkdir /wordcount)
建立子目录wordcount/input : hadoop fs -mkdir hdfs://weekend110:9000/wordcount/input (或者hadoop fs -mkdir /wordcount/input)
将test.txt上传至hdfs: hadoop fs -put test.txt /wordcount/input
上传结果在HDFS管理界面可以查看
运行wordcount例子： hadoop jar hadoop-mapreduce-examples-2.4.1.jar wordcount /wordcount/input /wordcount/output
查看生成的结果：hadoop fs -ls /wordcount/output
Found 2 items
-rw-r--r-- 1 hadoop supergroup 0 2017-10-04 06:14 /wordcount/output/_SUCCESS
-rw-r--r-- 1 hadoop supergroup 39 2017-10-04 06:14 /wordcount/output/part-r-00000
继续查看part-r-00000文件内容：hadoop fs -cat /wordcount/output/part-r-00000
baby 1
hello 5
kitty 2
kugou 1
world 1

4.配置ssh免登陆
（1）从weekend110登入spark01出错
[hadoop@weekend110 ~]$ ssh spark01
ssh: Could not resolve hostname spark01: Temporary failure in name resolution
(2)解决办法：添加hosts
执行命令：sudo vi /etc/hosts 添加192.168.2.131 spark01
结果：再次执行命令：ssh spark01 ，成功登入（或者直接用命令： ssh 192.168.2.131）
（3）从weekend110到spark01无密登入配置
生成密钥对，并且指定加密算法指令：ssh-keygen -t rsa（按4个回车）
执行完这个命令后，在/home/hadoop/.shh下会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
将公钥拷贝到要免登陆的机器上： scp id_rsa.pub spark01:/home/hadoop/ (注释：scp 通过ssh协议远程拷贝到spark01上)
创建空文件夹： touch authorized_keys
修改文件夹权限：chmod 600 authorized_keys # -rw-------. 1 hadoop hadoop 0 Oct 4 23:34 authorized_keys
将公钥追加到文件authorized_keys里： cat ../id_rsa.pub >> ./authorized_keys
（4）从weekend110到weekend10无密登入配置
创建空文件夹： touch authorized_keys
修改文件夹权限：chmod 600 authorized_keys # -rw-------. 1 hadoop hadoop 0 Oct 4 23:34 authorized_keys
将/home/hadoop/.shh下的id_rsa.pub（公钥）追加到 authorized_keys:cat ./id_rsa.pub >> ./authorized_keys
查看文件内容： cat authorized_keys
检查是否能够无密登入：
[hadoop@weekend110 .ssh]$ ssh weekend110
Last login: Thu Oct 5 00:16:43 2017 from weekend110 #成功无密登入
（5）启动dfs、yarn
启动dfs： start-dfs.sh
验证：jps
启动yarn: satrt-yarn.sh
验证：jps


注释：ssh无密登陆机制.png

 

补充：停掉ssh服务：service sshd stop

5、补充：hdfs的实现机制

图hdsf的实现机制.png