前言
Hadoop在大數(shù)據(jù)技術體系中的地位至關重要，Hadoop是大數(shù)據(jù)技術的基礎，對Hadoop基礎知識的掌握的扎實程度，會決定在大數(shù)據(jù)技術道路上走多遠。
這是一篇入門文章，Hadoop的學習方法很多，網(wǎng)上也有很多學習路線圖。本文的思路是：以安裝部署Apache Hadoop2.x版本為主線，來介紹Hadoop2.x的架構組成、各模塊協(xié)同工作原理、技術細節(jié)。安裝不是目的，通過安裝認識Hadoop才是目的。
第一部分：Linux環(huán)境安裝
Hadoop是運行在Linux，雖然借助工具也可以運行在Windows上，但是建議還是運行在Linux系統(tǒng)上，第一部分介紹Linux環(huán)境的安裝、配置、Java JDK安裝等。
第二部分：Hadoop本地模式安裝
Hadoop本地模式只是用于本地開發(fā)調(diào)試，或者快速安裝體驗Hadoop，這部分做簡單的介紹。
第三部分：Hadoop偽分布式模式安裝
學習Hadoop一般是在偽分布式模式下進行。這種模式是在一臺機器上各個進程上運行Hadoop的各個模塊，偽分布式的意思是雖然各個模塊是在各個進程上分開運行的，但是只是運行在一個操作系統(tǒng)上的，并不是真正的分布式。
第四部分：完全分布式安裝
完全分布式模式才是生產(chǎn)環(huán)境采用的模式，Hadoop運行在服務器集群上，生產(chǎn)環(huán)境一般都會做HA，以實現(xiàn)高可用。
第一部分：Linux環(huán)境安裝
第一步、配置Vmware NAT網(wǎng)絡
一、Vmware網(wǎng)絡模式介紹
參考：http://blog.csdn.net/collection4u/article/details/14127671
二、NAT模式配置
NAT是網(wǎng)絡地址轉(zhuǎn)換，是在宿主機和虛擬機之間增加一個地址轉(zhuǎn)換服務，負責外部和虛擬機之間的通訊轉(zhuǎn)接和IP轉(zhuǎn)換。
我們部署Hadoop集群，這里選擇NAT模式，各個虛擬機通過NAT使用宿主機的IP來訪問外網(wǎng)。
我們的要求是集群中的各個虛擬機有固定的IP、可以訪問外網(wǎng)，所以進行如下設置：
1、 Vmware安裝后，默認的NAT設置如下：
2、 默認的設置是啟動DHCP服務的，NAT會自動給虛擬機分配IP，但是我們需要將各個機器的IP固定下來，所以要取消這個默認設置。
3、 為機器設置一個子網(wǎng)網(wǎng)段，默認是192.168.136網(wǎng)段，我們這里設置為100網(wǎng)段，將來各個虛擬機Ip就為 192.168.100.*。
4、 點擊NAT設置按鈕，打開對話框，可以修改網(wǎng)關地址和DNS地址。這里我們?yōu)镹AT指定DNS地址。
5、 網(wǎng)關地址為當前網(wǎng)段里的.2地址，好像是固定的，我們不做修改，先記住網(wǎng)關地址就好了，后面會用到。
第二步、安裝Linux操作系統(tǒng)
三、Vmware上安裝Linux系統(tǒng)
1、 文件菜單選擇新建虛擬機
2、 選擇經(jīng)典類型安裝，下一步。
3、 選擇稍后安裝操作系統(tǒng)，下一步。
4、 選擇Linux系統(tǒng)，版本選擇CentOS 64位。
5、 命名虛擬機，給虛擬機起個名字，將來顯示在Vmware左側(cè)。并選擇Linux系統(tǒng)保存在宿主機的哪個目錄下，應該一個虛擬機保存在一個目錄下，不能多個虛擬機使用一個目錄。
6、 指定磁盤容量，是指定分給Linux虛擬機多大的硬盤，默認20G就可以，下一步。
7、 點擊自定義硬件，可以查看、修改虛擬機的硬件配置，這里我們不做修改。
8、 點擊完成后，就創(chuàng)建了一個虛擬機，但是此時的虛擬機還是一個空殼，沒有操作系統(tǒng)，接下來安裝操作系統(tǒng)。
9、 點擊編輯虛擬機設置，找到DVD，指定操作系統(tǒng)ISO文件所在位置。
10、 點擊開啟此虛擬機，選擇第一個回車開始安裝操作系統(tǒng)
11、 設置root密碼。
12、 先不添加普通用戶，其他用默認的，就把Linux安裝完畢了。
四、設置網(wǎng)絡
因為Vmware的NAT設置中關閉了DHCP自動分配IP功能，所以Linux還沒有IP，需要我們設置網(wǎng)絡各個參數(shù)。
1、 用root進入，右擊右上角的網(wǎng)絡連接圖標，選擇修改連接。
2、 配置IP、子網(wǎng)掩碼、網(wǎng)關（和NAT設置的一樣）、DNS等參數(shù)，因為NAT里設置網(wǎng)段為100.*，所以這臺機器可以設置為192.168.100.10網(wǎng)關和NAT一致，為192.168.100.2
3、 用ping來檢查是否可以連接外網(wǎng)，如下圖，已經(jīng)連接成功。
五、修改Hostname
1、 臨時修改hostname
[root@localhost Desktop]#hostnamebigdata-senior01.chybinmy.com
這種修改方式，系統(tǒng)重啟后就會失效。
2、 永久修改hostname
想永久修改，應該修改配置文件 /etc/sysconfig/network。
命令：[root@bigdata-senior01 ~] vim /etc/sysconfig/network
打開文件后，
NETWORKING=yes#使用網(wǎng)絡HOSTNAME=bigdata-senior01.chybinmy.com#設置主機名
六、配置Host
命令：[root@bigdata-senior01 ~] vim /etc/hosts添加hosts:192.168.100.10 bigdata-senior01.chybinmy.com
七、關閉防火墻
學習環(huán)境可以直接把防火墻關閉掉。
(1) 用root用戶登錄后，執(zhí)行查看防火墻狀態(tài)。
[root@bigdata-senior01 hadoop]# service iptables status
(2) 用[root@bigdata-senior01 hadoop]# service iptables stop關閉防火墻，這個是臨時關閉防火墻。
[root@bigdata-senior01 hadoop-2.5.0]#serviceiptablesstopiptables:SettingchainstopolicyACCEPT:filter[? OK? ]iptables:Flushingfirewallrules:[? OK? ]iptables:Unloadingmodules:[? OK? ]
(3) 如果要永久關閉防火墻用。
[root@bigdata-senior01 hadoop]# chkconfig iptables off
關閉，這種需要重啟才能生效。
八、關閉selinux
selinux是Linux一個子安全機制，學習環(huán)境可以將它禁用。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim /etc/sysconfig/selinux
# This file controls the state of SELinux on the system.# SELINUX= can take one of these three values:#? ? enforcing - SELinux security policy is enforced.#? ? permissive - SELinux prints warnings instead of enforcing.#? ? disabled - No SELinux policy is loaded.SELINUX=disabled# SELINUXTYPE= can take one of these two values:#? ? targeted - Targeted processes are protected,#? ? mls - Multi Level Security protection.SELINUXTYPE=targeted
第三步、安裝JDK
九、安裝Java JDK
1、 查看是否已經(jīng)安裝了java JDK。
[root@bigdata-senior01 Desktop]# java –version
注意：Hadoop機器上的JDK，最好是Oracle的Java JDK，不然會有一些問題，比如可能沒有JPS命令。
如果安裝了其他版本的JDK，卸載掉。
2、 安裝java JDK
(1) 去下載Oracle版本Java JDK：jdk-7u67-linux-x64.tar.gz
(2) 將jdk-7u67-linux-x64.tar.gz解壓到/opt/modules目錄下
[root@bigdata-senior01 /]# tar -zxvf jdk-7u67-linux-x64.tar.gz -C /opt/modules
(3) 添加環(huán)境變量
設置JDK的環(huán)境變量 JAVA_HOME。需要修改配置文件/etc/profile，追加
exportJAVA_HOME="/opt/modules/jdk1.7.0_67"exportPATH=$JAVA_HOME/bin:$PATH
修改完畢后，執(zhí)行 source /etc/profile
(4)安裝后再次執(zhí)行 java –version,可以看見已經(jīng)安裝完成。
[root@bigdata-senior01 /]#java-versionjavaversion"1.7.0_67"Java(TM)SERuntimeEnvironment(build1.7.0_67-b01)JavaHotSpot(TM) 64-BitServerVM(build24.65-b04,mixedmode)
第二部分：Hadoop本地模式安裝
第四步、Hadoop部署模式
Hadoop部署模式有：本地模式、偽分布模式、完全分布式模式。
區(qū)分的依據(jù)是NameNode、DataNode、ResourceManager、NodeManager等模塊運行在幾個JVM進程、幾個機器。
模式名稱各個模塊占用的JVM進程數(shù)各個模塊運行在幾個機器數(shù)上
本地模式1個1個
偽分布式模式N個1個
完全分布式模式N個N個
第五步、本地模式部署
十、本地模式介紹
本地模式是最簡單的模式，所有模塊都運行與一個JVM進程中，使用的本地文件系統(tǒng)，而不是HDFS，本地模式主要是用于本地開發(fā)過程中的運行調(diào)試用。下載hadoop安裝包后不用任何設置，默認的就是本地模式。
十一、解壓hadoop后就是直接可以使用
1、 創(chuàng)建一個存放本地模式hadoop的目錄
[hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopstandalone
2、 解壓hadoop文件
[hadoop@bigdata-senior01 modules]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz? -C /opt/modules/hadoopstandalone/
3、 確保JAVA_HOME環(huán)境變量已經(jīng)配置好
[hadoop@bigdata-senior01 modules]$ echo ${JAVA_HOME}/opt/modules/jdk1.7.0_67
十二、運行MapReduce程序，驗證
我們這里用hadoop自帶的wordcount例子來在本地模式下測試跑mapreduce。
1、 準備mapreduce輸入文件wc.input
[hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.input
hadoop mapreduce hive
hbase spark storm
sqoop hadoop hive
spark hadoop
2、 運行hadoop自帶的mapreduce Demo
[hadoop@bigdata-senior01 hadoopstandalone]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /opt/data/wc.input output2
這里可以看到job ID中有l(wèi)ocal字樣，說明是運行在本地模式下的。
3、 查看輸出文件
本地模式下，mapreduce的輸出是輸出到本地。
[hadoop@bigdata-senior01 hadoopstandalone]$ ll output2total4-rw-r--r--1hadoop hadoop60Jul712:50part-r-00000-rw-r--r--1hadoop hadoop0Jul712:50_SUCCESS
輸出目錄中有_SUCCESS文件說明JOB運行成功，part-r-00000是輸出結果文件。
第三部分：Hadoop偽分布式模式安裝
第六步、偽分布式Hadoop部署過程
十三、Hadoop所用的用戶設置
1、 創(chuàng)建一個名字為hadoop的普通用戶
[root@bigdata-senior01 ~]# useradd hadoop[root@bigdata-senior01 ~]# passwd hadoop
2、 給hadoop用戶sudo權限
[root@bigdata-senior01 ~]# vim /etc/sudoers
設置權限，學習環(huán)境可以將hadoop用戶的權限設置的大一些，但是生產(chǎn)環(huán)境一定要注意普通用戶的權限限制。
root? ? ALL=(ALL)? ? ? ALL
hadoop ALL=(root) NOPASSWD:ALL
注意：如果root用戶無權修改sudoers文件，先手動為root用戶添加寫權限。
[root@bigdata-senior01 ~]# chmod u+w /etc/sudoers
3、 切換到hadoop用戶
[root@bigdata-senior01 ~]# su - hadoop[hadoop@bigdata-senior01 ~]$
4、 創(chuàng)建存放hadoop文件的目錄
[hadoop@bigdata-senior01 ~]$ sudo mkdir /opt/modules
5、 將hadoop文件夾的所有者指定為hadoop用戶
如果存放hadoop的目錄的所有者不是hadoop，之后hadoop運行中可能會有權限問題，那么就講所有者改為hadoop。
[hadoop@bigdata-senior01 ~]# sudo chown -R hadoop:hadoop /opt/modules
十四、解壓Hadoop目錄文件
1、 復制hadoop-2.5.0.tar.gz到/opt/modules目錄下。
2、 解壓hadoop-2.5.0.tar.gz
[hadoop@bigdata-senior01 ~]# cd /opt/modules[hadoop@bigdata-senior01 hadoop]# tar -zxvf hadoop-2.5.0.tar.gz
十五、配置Hadoop
1、 配置Hadoop環(huán)境變量
[hadoop@bigdata-senior01 hadoop]# vim /etc/profile
追加配置：
exportHADOOP_HOME="/opt/modules/hadoop-2.5.0"exportPATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
執(zhí)行：source /etc/profile 使得配置生效
驗證HADOOP_HOME參數(shù)：
[hadoop@bigdata-senior01 /]$ echo $HADOOP_HOME/opt/modules/hadoop-2.5.0
2、 配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh文件的JAVA_HOME參數(shù)
[hadoop@bigdata-senior01 ~]$ sudo vim? ${HADOOP_HOME}/etc/hadoop/hadoop-env.sh
修改JAVA_HOME參數(shù)為：exportJAVA_HOME="/opt/modules/jdk1.7.0_67"
3、 配置core-site.xml
配置hostname，host，關閉防火墻的方法參見第一部分
[hadoop@bigdata-senior01 ~]{HADOOP_HOME}/etc/hadoop/core-site.xml
（1） fs.defaultFS參數(shù)配置的是HDFS的地址。
fs.defaultFShdfs://bigdata-senior01.chybinmy.com:8020
（2）hadoop.tmp.dir配置的是Hadoop臨時目錄，比如HDFS的NameNode數(shù)據(jù)默認都存放這個目錄下，查看*-default.xml等默認配置文件，就可以看到很多依賴${hadoop.tmp.dir}的配置。
默認的hadoop.tmp.dir是/tmp/hadoop-${user.name},此時有個問題就是NameNode會將HDFS的元數(shù)據(jù)存儲在這個/tmp目錄下，如果操作系統(tǒng)重啟了，系統(tǒng)會清空/tmp目錄下的東西，導致NameNode元數(shù)據(jù)丟失，是個非常嚴重的問題，所有我們應該修改這個路徑。
創(chuàng)建臨時目錄：
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo mkdir -p /opt/data/tmp
將臨時目錄的所有者修改為hadoop
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown –Rhadoop:hadoop /opt/data/tmp
修改hadoop.tmp.dir
hadoop.tmp.dir/opt/data/tmp
十六、配置、格式化、啟動HDFS
1、 配置hdfs-site.xml
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim ${HADOOP_HOME}/etc/hadoop/hdfs-site.xml
dfs.replication1
dfs.replication配置的是HDFS存儲時的備份數(shù)量，因為這里是偽分布式環(huán)境只有一個節(jié)點，所以這里設置為1。
2、 格式化HDFS
[hadoop@bigdata-senior01 ~]$ hdfs namenode –format
格式化是對HDFS這個分布式文件系統(tǒng)中的DataNode進行分塊，統(tǒng)計所有分塊后的初始元數(shù)據(jù)的存儲在NameNode中。
格式化后，查看core-site.xml里hadoop.tmp.dir（本例是/opt/data/tmp目錄）指定的目錄下是否有了dfs目錄，如果有，說明格式化成功。
注意：
格式化時，這里注意hadoop.tmp.dir目錄的權限問題，應該hadoop普通用戶有讀寫權限才行，可以將/opt/data的所有者改為hadoop。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown -R hadoop:hadoop /opt/data
查看NameNode格式化后的目錄。
? [hadoop@bigdata-senior01 ~]$ ll /opt/data/tmp/dfs/name/current
fsimage是NameNode元數(shù)據(jù)在內(nèi)存滿了后，持久化保存到的文件。
fsimage*.md5是校驗文件，用于校驗fsimage的完整性。
seen_txid是hadoop的版本
vession文件里保存：
namespaceID：NameNode的唯一ID。
clusterID:集群ID，NameNode和DataNode的集群ID應該一致，表明是一個集群。
#Mon Jul 04 17:25:50 CST 2016namespaceID=2101579007clusterID=CID-205277e6-493b-4601-8e33-c09d1d23ece4cTime=0storageType=NAME_NODEblockpoolID=BP-1641019026-127.0.0.1-1467624350057layoutVersion=-57
3、 啟動NameNode
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start namenodestarting namenode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-namenode-bigdata-senior01.chybinmy.com.out
4、 啟動DataNode
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start datanodestarting datanode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-datanode-bigdata-senior01.chybinmy.com.out
5、 啟動SecondaryNameNode
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start secondarynamenodestarting secondarynamenode, logging to /opt/modules/hadoop-2.5.0/logs/hadoop-hadoop-secondarynamenode-bigdata-senior01.chybinmy.com.out
6、 JPS命令查看是否已經(jīng)啟動成功，有結果就是啟動成功了。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ jps3034NameNode3233Jps3193SecondaryNameNode3110DataNode
7、 HDFS上測試創(chuàng)建目錄、上傳、下載文件
HDFS上創(chuàng)建目錄
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -mkdir /demo1
上傳本地文件到HDFS上
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -put ${HADOOP_HOME}/etc/hadoop/core-site.xml /demo1
讀取HDFS上的文件內(nèi)容
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/bin/hdfs dfs -cat /demo1/core-site.xml
從HDFS上下載文件到本地
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -get /demo1/core-site.xml
十七、配置、啟動YARN
1、 配置mapred-site.xml
默認沒有mapred-site.xml文件，但是有個mapred-site.xml.template配置模板文件。復制模板生成mapred-site.xml。
[hadoop@bigdata-senior01 hadoop-2.5.0]# cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
添加配置如下：
mapreduce.framework.nameyarn
指定mapreduce運行在yarn框架上。
2、 配置yarn-site.xml
添加配置如下：
yarn.nodemanager.aux-servicesmapreduce_shuffleyarn.resourcemanager.hostnamebigdata-senior01.chybinmy.com
yarn.nodemanager.aux-services配置了yarn的默認混洗方式，選擇為mapreduce的默認混洗算法。
yarn.resourcemanager.hostname指定了Resourcemanager運行在哪個節(jié)點上。
3、 啟動Resourcemanager
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/yarn-daemon.sh start resourcemanager
4、 啟動nodemanager
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/yarn-daemon.sh start nodemanager
5、 查看是否啟動成功
[hadoop@bigdata-senior01 hadoop-2.5.0]$ jps3034NameNode4439NodeManager4197ResourceManager4543Jps3193SecondaryNameNode3110DataNode
可以看到ResourceManager、NodeManager已經(jīng)啟動成功了。
6、 YARN的Web頁面
YARN的Web客戶端端口號是8088，通過http://192.168.100.10:8088/可以查看。
十八、運行MapReduce Job
在Hadoop的share目錄里，自帶了一些jar包，里面帶有一些mapreduce實例小例子，位置在share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar，可以運行這些例子體驗剛搭建好的Hadoop平臺，我們這里來運行最經(jīng)典的WordCount實例。
1、 創(chuàng)建測試用的Input文件
創(chuàng)建輸入目錄:
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -mkdir -p /wordcountdemo/input
創(chuàng)建原始文件:
在本地/opt/data目錄創(chuàng)建一個文件wc.input,內(nèi)容如下。
將wc.input文件上傳到HDFS的/wordcountdemo/input目錄中:
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put /opt/data/wc.input /wordcountdemo/input
2、 運行WordCount MapReduce Job
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /wordcountdemo/input /wordcountdemo/output
3、 查看輸出結果目錄
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -ls /wordcountdemo/output-rw-r--r--1hadoop supergroup02016-07-0505:12/wordcountdemo/output/_SUCCESS-rw-r--r--1hadoop supergroup602016-07-0505:12/wordcountdemo/output/part-r-00000
output目錄中有兩個文件，_SUCCESS文件是空文件，有這個文件說明Job執(zhí)行成功。
part-r-00000文件是結果文件，其中-r-說明這個文件是Reduce階段產(chǎn)生的結果，mapreduce程序執(zhí)行時，可以沒有reduce階段，但是肯定會有map階段，如果沒有reduce階段這個地方有是-m-。
一個reduce會產(chǎn)生一個part-r-開頭的文件。
查看輸出文件內(nèi)容。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -cat /wordcountdemo/output/part-r-00000hadoop3hbase1hive2mapreduce1spark2sqoop1storm1
結果是按照鍵值排好序的。
十九、停止Hadoop
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop namenodestopping namenode[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/hadoop-daemon.sh stop datanodestopping datanode[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/yarn-daemon.sh stop resourcemanagerstopping resourcemanager[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/yarn-daemon.sh stop nodemanagerstopping nodemanager
二十、 Hadoop各個功能模塊的理解
1、 HDFS模塊
HDFS負責大數(shù)據(jù)的存儲，通過將大文件分塊后進行分布式存儲方式，突破了服務器硬盤大小的限制，解決了單臺機器無法存儲大文件的問題，HDFS是個相對獨立的模塊，可以為YARN提供服務，也可以為HBase等其他模塊提供服務。
2、 YARN模塊
YARN是一個通用的資源協(xié)同和任務調(diào)度框架，是為了解決Hadoop1.x中MapReduce里NameNode負載太大和其他問題而創(chuàng)建的一個框架。
YARN是個通用框架，不止可以運行MapReduce，還可以運行Spark、Storm等其他計算框架。
3、 MapReduce模塊
MapReduce是一個計算框架，它給出了一種數(shù)據(jù)處理的方式，即通過Map階段、Reduce階段來分布式地流式處理數(shù)據(jù)。它只適用于大數(shù)據(jù)的離線處理，對實時性要求很高的應用不適用。
第七步、開啟歷史服務
二十一、歷史服務介紹
Hadoop開啟歷史服務可以在web頁面上查看Yarn上執(zhí)行job情況的詳細信息。可以通過歷史服務器查看已經(jīng)運行完的Mapreduce作業(yè)記錄，比如用了多少個Map、用了多少個Reduce、作業(yè)提交時間、作業(yè)啟動時間、作業(yè)完成時間等信息。
二十二、開啟歷史服務
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh start historyserver、
開啟后，可以通過Web頁面查看歷史服務器：
http://bigdata-senior01.chybinmy.com:19888/
二十三、Web查看job執(zhí)行歷史
1、 運行一個mapreduce任務
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /wordcountdemo/input /wordcountdemo/output1
2、 job執(zhí)行中
3、 查看job歷史
歷史服務器的Web端口默認是19888，可以查看Web界面。
但是在上面所顯示的某一個Job任務頁面的最下面，Map和Reduce個數(shù)的鏈接上，點擊進入Map的詳細信息頁面，再查看某一個Map或者Reduce的詳細日志是看不到的，是因為沒有開啟日志聚集服務。
二十四、開啟日志聚集
4、 日志聚集介紹
MapReduce是在各個機器上運行的，在運行過程中產(chǎn)生的日志存在于各個機器上，為了能夠統(tǒng)一查看各個機器的運行日志，將日志集中存放在HDFS上，這個過程就是日志聚集。
5、 開啟日志聚集
配置日志聚集功能：
Hadoop默認是不啟用日志聚集的。在yarn-site.xml文件里配置啟用日志聚集。
yarn.log-aggregation-enabletrueyarn.log-aggregation.retain-seconds106800
yarn.log-aggregation-enable:是否啟用日志聚集功能。
yarn.log-aggregation.retain-seconds：設置日志保留時間，單位是秒。
將配置文件分發(fā)到其他節(jié)點：
[hadoop@bigdata-senior01 hadoop]$ scp /opt/modules/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior02.chybinmy.com:/opt/modules/hadoop-2.5.0/etc/hadoop/[hadoop@bigdata-senior01 hadoop]$ scp /opt/modules/hadoop-2.5.0/etc/hadoop/yarn-site.xml bigdata-senior03.chybinmy.com:/opt/modules/hadoop-2.5.0/etc/hadoop/
重啟Yarn進程：
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/stop-yarn.sh[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/start-yarn.sh
重啟HistoryServer進程：
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh stop historyserver[hadoop@bigdata-senior01 hadoop-2.5.0]$ sbin/mr-jobhistory-daemon.sh start historyserver
6、 測試日志聚集
運行一個demo MapReduce，使之產(chǎn)生日志：
bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input /output1
查看日志：
運行Job后，就可以在歷史服務器Web頁面查看各個Map和Reduce的日志了。
第四部分：完全分布式安裝
第八步、完全布式環(huán)境部署Hadoop
完全分部式是真正利用多臺Linux主機來進行部署Hadoop，對Linux機器集群進行規(guī)劃，使得Hadoop各個模塊分別部署在不同的多臺機器上。
二十五、環(huán)境準備
1、 克隆虛擬機
Vmware左側(cè)選中要克隆的機器，這里對原有的BigData01機器進行克隆，虛擬機菜單中，選中管理菜單下的克隆命令。
選擇“創(chuàng)建完整克隆”，虛擬機名稱為BigData02，選擇虛擬機文件保存路徑，進行克隆。
再次克隆一個名為BigData03的虛擬機。
2、 配置網(wǎng)絡
修改網(wǎng)卡名稱：
在BigData02和BigData03機器上編輯網(wǎng)卡信息。執(zhí)行sudo vim /etc/udev/rules.d/70-persistent-net.rules命令。因為是從BigData01機器克隆來的，所以會保留BigData01的網(wǎng)卡eth0，并且再添加一個網(wǎng)卡eth1。并且eth0的Mac地址和BigData01的地址是一樣的，Mac地址不允許相同，所以要刪除eth0，只保留eth1網(wǎng)卡，并且要將eth1改名為eth0。將修改后的eth0的mac地址復制下來，修改network-scripts文件中的HWADDR屬性。
sudo vim /etc/sysconfig/network-scripts/ifcfg-eth0
修改網(wǎng)絡參數(shù)：
BigData02機器IP改為192.168.100.12
BigData03機器IP改為192.168.100.13
3、 配置Hostname
BigData02配置hostname為 bigdata-senior02.chybinmy.com
BigData03配置hostname為 bigdata-senior03.chybinmy.com
4、 配置hosts
BigData01、BigData02、BigData03三臺機器hosts都配置為：
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo vim /etc/hosts192.168.100.10bigdata-senior01.chybinmy.com192.168.100.12bigdata-senior02.chybinmy.com192.168.100.13bigdata-senior03.chybinmy.com
5、 配置Windows上的SSH客戶端
在本地Windows中的SSH客戶端上添加對BigData02、BigData03機器的SSH鏈接。
二十六、服務器功能規(guī)劃
bigdata-senior01.chybinmy.combigdata-senior02.chybinmy.combigdata-senior03.chybinmy.com
NameNodeResourceManage
DataNodeDataNodeDataNode
NodeManagerNodeManagerNodeManager
HistoryServerSecondaryNameNode
二十七、在第一臺機器上安裝新的Hadoop
為了和之前BigData01機器上安裝偽分布式Hadoop區(qū)分開來，我們將BigData01上的Hadoop服務都停止掉，然后在一個新的目錄/opt/modules/app下安裝另外一個Hadoop。
我們采用先在第一臺機器上解壓、配置Hadoop，然后再分發(fā)到其他兩臺機器上的方式來安裝集群。
6、 解壓Hadoop目錄：
[hadoop@bigdata-senior01 modules]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz -C /opt/modules/app/
7、 配置Hadoop JDK路徑修改hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中的JDK路徑：
exportJAVA_HOME="/opt/modules/jdk1.7.0_67"
8、 配置core-site.xml
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/core-site.xml
fs.defaultFShdfs://bigdata-senior01.chybinmy.com:8020hadoop.tmp.dir/opt/modules/app/hadoop-2.5.0/data/tmp
fs.defaultFS為NameNode的地址。
hadoop.tmp.dir為hadoop臨時目錄的地址，默認情況下，NameNode和DataNode的數(shù)據(jù)文件都會存在這個目錄下的對應子目錄下。應該保證此目錄是存在的，如果不存在，先創(chuàng)建。
9、 配置hdfs-site.xml
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/hdfs-site.xml
dfs.namenode.secondary.http-addressbigdata-senior03.chybinmy.com:50090
dfs.namenode.secondary.http-address是指定secondaryNameNode的http訪問地址和端口號，因為在規(guī)劃中，我們將BigData03規(guī)劃為SecondaryNameNode服務器。
所以這里設置為：bigdata-senior03.chybinmy.com:50090
10、 配置slaves
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/slavesbigdata-senior01.chybinmy.combigdata-senior02.chybinmy.combigdata-senior03.chybinmy.com
slaves文件是指定HDFS上有哪些DataNode節(jié)點。
11、 配置yarn-site.xml
[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim etc/hadoop/yarn-site.xml
yarn.nodemanager.aux-servicesmapreduce_shuffleyarn.resourcemanager.hostnamebigdata-senior02.chybinmy.comyarn.log-aggregation-enabletrueyarn.log-aggregation.retain-seconds106800
根據(jù)規(guī)劃yarn.resourcemanager.hostname這個指定resourcemanager服務器指向bigdata-senior02.chybinmy.com。
yarn.log-aggregation-enable是配置是否啟用日志聚集功能。
yarn.log-aggregation.retain-seconds是配置聚集的日志在HDFS上最多保存多長時間。
12、 配置mapred-site.xml
從mapred-site.xml.template復制一個mapred-site.xml文件。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml
mapreduce.framework.nameyarnmapreduce.jobhistory.addressbigdata-senior01.chybinmy.com:10020mapreduce.jobhistory.webapp.addressbigdata-senior01.chybinmy.com:19888
mapreduce.framework.name設置mapreduce任務運行在yarn上。
mapreduce.jobhistory.address是設置mapreduce的歷史服務器安裝在BigData01機器上。
mapreduce.jobhistory.webapp.address是設置歷史服務器的web頁面地址和端口號。
二十八、設置SSH無密碼登錄
Hadoop集群中的各個機器間會相互地通過SSH訪問，每次訪問都輸入密碼是不現(xiàn)實的，所以要配置各個機器間的
SSH是無密碼登錄的。
1、 在BigData01上生成公鑰
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-keygen -t rsa
一路回車，都設置為默認值，然后再當前用戶的Home目錄下的.ssh目錄中會生成公鑰文件（id_rsa.pub）和私鑰文件（id_rsa）。
2、 分發(fā)公鑰
yum -y install openssh-server openssh-clients
[hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-idbigdata-senior01.chybinmy.com[hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-idbigdata-senior02.chybinmy.com[hadoop@bigdata-senior01 hadoop-2.5.0]$ ssh-copy-idbigdata-senior03.chybinmy.com
3、 設置BigData02、BigData03到其他機器的無密鑰登錄
同樣的在BigData02、BigData03上生成公鑰和私鑰后，將公鑰分發(fā)到三臺機器上。
二十九、分發(fā)Hadoop文件
1、 首先在其他兩臺機器上創(chuàng)建存放Hadoop的目錄
[hadoop@bigdata-senior02 ~]$ mkdir /opt/modules/app
[hadoop@bigdata-senior03 ~]$ mkdir /opt/modules/app
2、 通過Scp分發(fā)
Hadoop根目錄下的share/doc目錄是存放的hadoop的文檔，文件相當大，建議在分發(fā)之前將這個目錄刪除掉，可以節(jié)省硬盤空間并能提高分發(fā)的速度。
doc目錄大小有1.6G。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ du -sh /opt/modules/app/hadoop-2.5.0/share/doc1.6G? ? /opt/modules/app/hadoop-2.5.0/share/doc[hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/app/hadoop-2.5.0/ bigdata-senior02.chybinmy.com:/opt/modules/app[hadoop@bigdata-senior01 hadoop-2.5.0]$ scp -r /opt/modules/app/hadoop-2.5.0/ bigdata-senior03.chybinmy.com:/opt/modules/app
三十、格式NameNode
在NameNode機器上執(zhí)行格式化：
[hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/bin/hdfs namenode –format
注意：
如果需要重新格式化NameNode,需要先將原來NameNode和DataNode下的文件全部刪除，不然會報錯，NameNode和DataNode所在目錄是在core-site.xml中hadoop.tmp.dir、dfs.namenode.name.dir、dfs.datanode.data.dir屬性配置的。
hadoop.tmp.dir/opt/data/tmpdfs.namenode.name.dirfile://${hadoop.tmp.dir}/dfs/namedfs.datanode.data.dirfile://${hadoop.tmp.dir}/dfs/data
因為每次格式化，默認是創(chuàng)建一個集群ID，并寫入NameNode和DataNode的VERSION文件中（VERSION文件所在目錄為dfs/name/current 和 dfs/data/current），重新格式化時，默認會生成一個新的集群ID,如果不刪除原來的目錄，會導致namenode中的VERSION文件中是新的集群ID,而DataNode中是舊的集群ID，不一致時會報錯。
另一種方法是格式化時指定集群ID參數(shù)，指定為舊的集群ID。
三十一、啟動集群
1、 啟動HDFS
[hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/sbin/start-dfs.sh
2、 啟動YARN
[hadoop@bigdata-senior01 hadoop-2.5.0]$ /opt/modules/app/hadoop-2.5.0/sbin/start-yarn.sh
在BigData02上啟動ResourceManager:
[hadoop@bigdata-senior02 hadoop-2.5.0]$ sbin/yarn-daemon.sh start resourcemanager
3、 啟動日志服務器
因為我們規(guī)劃的是在BigData03服務器上運行MapReduce日志服務，所以要在BigData03上啟動。
[hadoop@bigdata-senior03 ~]$ /opt/modules/app/hadoop-2.5.0/sbin/mr-jobhistory-daemon.sh start historyserverstarting historyserver, logging to /opt/modules/app/hadoop-2.5.0/logs/mapred-hadoop-historyserver-bigda? ? ? ta-senior03.chybinmy.com.out
[hadoop@bigdata-senior03 ~]$ jps3570Jps3537JobHistoryServer3310SecondaryNameNode3213DataNode3392NodeManager
4、 查看HDFS Web頁面
http://bigdata-senior01.chybinmy.com:50070/
5、 查看YARN Web 頁面
http://bigdata-senior02.chybinmy.com:8088/cluster
三十二、測試Job
我們這里用hadoop自帶的wordcount例子來在本地模式下測試跑mapreduce。
1、 準備mapreduce輸入文件wc.input
[hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.input
hadoop mapreduce hive
hbase spark storm
sqoop hadoop hive
spark hadoop
2、 在HDFS創(chuàng)建輸入目錄input
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -mkdir /input
3、 將wc.input上傳到HDFS
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -put /opt/data/wc.input /input/wc.input
4、 運行hadoop自帶的mapreduce Demo
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /input/wc.input /output
5、 查看輸出文件
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -ls /outputFound2items-rw-r--r--3hadoop supergroup02016-07-1416:36/output/_SUCCESS-rw-r--r--3hadoop supergroup602016-07-1416:36/output/part-r-00000
