Hadoop最簡單入門實戰

目錄

• 一、部署Hadoop本地模式
• 二、運行Demo
• 三、偽分布式部署
• 四、HDFS操作
• 五、啟動YARN
• 六、日志聚集

一、部署Hadoop本地模式

1. 搭建linux環境
   我用的centos7
2. 在/opt目錄下創建目錄

mkdir module

3. 安裝jdk
4. 下載hadoop https://hadoop.apache.org/releases.html 並解壓到/opt/module目錄
5. 配置hadoop環境變量

vi /etc/profile

JAVA_HOME=/usr/local/jdk1.8.0_151
HADOOP_HOME=/opt/module/hadoop-2.10.0
CLASSPATH=.:$JAVA_HOME/lib.tools.jar
PATH=$JAVA_HOME/bin:$PATH:$HADOOP_HOME/bin
export JAVA_HOME CLASSPATH PATH

配置完畢，刷新

source /etc/profile

這就安裝完畢了，簡單吧。。。

二、運行Demo

1. 建立一個測試用的輸入文件

echo 'hadoop mapreduce hivehbase spark stormsqoop hadoop hivespark' > data/wc.input

2. 運行命令
   官方提供的計算單詞數量的程序

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.0.jar wordcount ../data/wc.input output

3. 運行完成后，會創建一個output目錄，里面中有 _SUCCESS 文件說明 JOB 運行成功，part-r-00000 是輸出結果文件。結果示例如下：
   

三、偽分布式部署

進入hadoop目錄

cd /opt/module/hadoop-2.10.0/etc/hadoop

1. 配置hadoop-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_151

2. 配置core-site.xml

<configuration>
   <!-- 指定HDFS中namenode的路徑  -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://eshop01:9000</value>
    </property>
   <!-- 指定HDFS運行時產生的文件的存儲目錄  -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.10.0/data/tmp</value>
    </property>

</configuration>

3. 配置hdfs-site.xml

<property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>

4. 啟動集群

• 格式化NameNode（第一次啟動格式化）

bin/hdfs namenode -format

• 啟動namenode

sbin/hadoop-daemon.sh start namenode

• 啟動datanode

sbin/hadoop-daemon.sh start datanode

• 輸入地址： http://192.168.1.21（虛擬機ip）:50070/ 查看啟動效果

四、HDFS操作

1. hdfs創建目錄

bin/hdfs dfs -mkdir -p /usr/mmc

2. 上傳本地文件到hdfs

bin/hdfs dfs -put /opt/module/data/wc.input /usr/mmc

3. 刪除文件

bin/hdfs dfs -rm -r /usr/mmc

網頁上查看效果:

五、啟動YARN

1. 配置yarn-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_151

2. 配置yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>
<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop101</value>
</property>

</configuration>

hadoop101那里要配置為你虛擬機的hostname

3. 配置mapred-env.sh

export JAVA_HOME=/usr/local/jdk1.8.0_151

4. 配置mapred-site.xml（由mapred-site.xml.template重命名得到）

mv mapred-site.xml.template mapred-site.xml

<configuration>
        <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
        </property>
</configuration>

5. 啟動yarn

 sbin/yarn-daemon.sh start resourcemanager
 sbin/yarn-daemon.sh start nodemanager

6. 運行mapreduce程序

• 先傳一個文件到hdfs上

hdfs dfs -mkdir -p /usr/mmc/input
hdfs dfs -put ../data/wc.input /usr/mmc/input

• 運行程序

注意：運行之前用jps查看下，這些都啟動沒有NameNode、NodeManager 、DataNode、ResourceManager

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.0.jar wordcount /usr/mmc/input /usr/mmc/output

• 查看運行進度

http://192.168.1.21:8088/cluster

此時可以看到執行的進度了，但是那個History鏈接還是點不動，需要啟動歷史服務器

7. 配置歷史服務器

• 打開mapred-site.xml

<configuration>
        <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
        </property>
        <property>
        <name>mapreduce.jobhistory.address</name>
        <value>eshop01:10020</value>
        </property>
        <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>eshop01:19888</value>
        </property>
</configuration>

• 啟動

sbin/mr-jobhistory-daemon.sh start historyserver

• 訪問地址：
  http://192.168.1.21:19888/jobhistory

六、日志聚集

注意：開啟日志聚集需要重啟Nodemanager,resourcemanager,historymanager

1. 配置yarn-site.xml,增加如下配置

<!--開啟日志聚集功能  -->
<property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
</property>
<!-- 日志保留時間  -->
<property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
</property>

2. 啟動Nodemanager,resourcemanager,historymanager

3. 運行實例程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.0.jar wordcount /usr/mmc/input /usr/mmc/output

4. 查看log
   http://192.168.1.21:19888/jobhistory 點擊指定job進去，點log