Hadoop 安装及目录结构

一、准备工作

【1】创建用户：useradd 用户名
【2】配置创建的用户具有 root权限，修改 /etc/sudoers 文件，找到下面一行，在root下面添加一行，如下所示：（注意：需要先给sudoer 文件赋权限，修改完会后，将权限修改回来）修改完毕，现在可以用创建的帐号登录，然后用命令 su - ，即可获得 root权限进行操作。

1 ## Allow root to run any commands anywhere
2 root    ALL=(ALL)     ALL
3 创建的用户 ALL=(ALL)     ALL

【3】在/opt目录下创建module、software文件夹，同时修改文件的所有者 sudo chmod 777 文件地址。

1 sudo mkdir module
2 sudo mkdir software

二、下载地址

https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
解压：tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

三、配置环境变量

【1】查看 Hadoop解压目录

1 [zzx@localhost hadoop-2.7.2-src]$ pwd
2 /opt/module/hadoop-2.7.2-src

【2】打开 /etc/profile

[zzx@localhost etc]$ sudo vi profile

【3】在文件中添加 Hadoop的环境变量

1 ##HADOOP_HOME
2 export HADOOP_HOME=/opt/module/hadoop-2.7.2
3 export PATH=$PATH:$HADOOP_HOME/bin
4 export PATH=$PATH:$HADOOP_HOME/sbin

【4】重启配置文件，让修改的配置文件生效

[root@localhost etc]# source /etc/profile

【5】测试是否安装成功（如果Hadoop命令不生效就重启试试 reboot)

1 [root@localhost soft]# hadoop version
2 Hadoop 2.7.2
3 Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r b165c4fe8a74265c792ce23f546c64604acf0e41
4 Compiled by jenkins on 2016-01-26T00:08Z
5 Compiled with protoc 2.5.0
6 From source with checksum d0fda26633fa762bff87ec759ebe689c
7 This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar

四、可能会遇见的问题

【问题描述】Error: JAVA_HOME is not set and could not be found.
【解决办法】在安装目录下/etc/hadoop/ 下，找到 hadoop-env.sh

1 #将下面的 $JAVA_HOME 修改为绝对路径，下面一行为默认的，错误展示
2 export JAVA_HOME=$JAVA_HOME   
3               
4 #修改后的正确展示 
5 export JAVA_HOME=/usr/local/soft/jdk8

五、Hadoop目录结构

【1】查看Hadoop目录结构

 1 [root@localhost hadoop-2.7.2]# ll
 2 总用量 28
 3 drwxr-xr-x. 2 10011 10011   194 1月  26 2016 bin
 4 drwxr-xr-x. 3 10011 10011    20 1月  26 2016 etc
 5 drwxr-xr-x. 2 10011 10011   106 1月  26 2016 include
 6 drwxr-xr-x. 3 10011 10011    20 1月  26 2016 lib
 7 drwxr-xr-x. 2 10011 10011   239 1月  26 2016 libexec
 8 -rw-r--r--. 1 10011 10011 15429 1月  26 2016 LICENSE.txt
 9 -rw-r--r--. 1 10011 10011   101 1月  26 2016 NOTICE.txt
10 -rw-r--r--. 1 10011 10011  1366 1月  26 2016 README.txt
11 drwxr-xr-x. 2 10011 10011  4096 1月  26 2016 sbin
12 drwxr-xr-x. 4 10011 10011    31 1月  26 2016 share

【2】重要目录：

◕‿-｡ bin目录：存放对 Hadoop相关服务（HDFS，YARN）进行操作的脚本，里面常用的就是hadoop这个配置；
｡◕‿◕｡ etc目录：Hadoop的配置文件目录，存放 Hadoop的配置文件。后期会修改大量配置文件；
◕‿-｡ lib目录：存放 Hadoop的本地库（对数据进行压缩解压缩功能）；
｡◕‿◕｡ sbin目录：存放启动或停止Hadoop相关服务的脚本，很重要；
◕‿-｡ share目录：存放Hadoop的依赖jar包、文档、和官方案例；

六、启动 HDFS并运行 MapReduce程序

【1】配置：hadoop-env.sh：在 etc/hadoop/hadoop-en.sh 修改JAVA_HOME 路径为 JDK的绝对路径。

export JAVA_HOME=/usr/local/soft/jdk8

【2】配置：core-site.xml：hadoop01 需要配置hosts映射，存储系统会自动创建

 1 <!-- 指定HDFS中NameNode的地址 -->
 2 <property>
 3 <name>fs.defaultFS</name>
 4     <value>hdfs://hadoop1:9000</value>
 5 </property>
 6 
 7 <!-- 指定Hadoop运行时产生文件的存储目录 -->
 8 <property>
 9     <name>hadoop.tmp.dir</name>
10     <value>/opt/module/hadoop-2.7.2/data/tmp</value>
11 </property>

【3】配置：hdfs-site.xml：默认副本数是3个

1 <!-- 指定HDFS副本的数量 -->
2 <property>
3     <name>dfs.replication</name>
4     <value>1</value>
5 </property>

【4】格式化NameNode（第一次启动时格式化，以后就不要总格式化）

[root@localhost hadoop-2.7.2]# bin/hdfs namenode -format

【5】启动 NameNode

[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode

【问题描述】可能会出现：Error: Cannot find configuration directory: /etc/hadoop
【问题解决】 在hadoop-env.sh 修改 hadoop配置文件所在目录，并进行重启 source xx。同时，需要删除 namenode 的data中的数据和 logs中的namenode 和 namedate 所有文件。

export HADOOP_CONF_DIR=/opt/module/hadoop-2.7.2/etc/hadoop/

【6】启动 DataNode

[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start datanode

【7】 使用JPS命令查看是否启动成功，JPS 是JDK中的命令，不是Linux命令。不安装JDK不能使用 JPS

【8】web端查看 HDFS文件系统（注意需要配置hosts）：http://hadoop1:50070/dfshealth.html#tab-overview

【9】查看产生的 Log日志，在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。当前目录：/opt/module/hadoop-2.7.2/logs

【10】操作集群：在 HDFS文件系统上创建一个 input文件夹，-P创建多级目录

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input

【11】 将测试文件内容上传到文件系统上：

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input/

【12】 查看上传的文件是否正确

1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -ls /user/zzx/input/
2 Found 1 items
3 -rw-r--r--   1 root supergroup         74 2020-06-20 16:44 /user/zzx/input/zzx

【13】查看上传的文件是否正确

 1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/input/zzx
 2 zzx 
 3 jinlong
 4 tangjin
 5 zzx
 6 zzx
 7 jinlong
 8 jian
 9 fanjing
10 fanjing
11 fanjing
12 fanjing

【14】 运行 MapReduce程序，与开始时执行的本地是一致的。

[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input/ /user/zzx/output/

【15】查看输出结果，命令行查看

1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/output/*
2 fanjing    4
3 jian    1
4 jinlong    2
5 tangjin    1
6 zzx    3

【16】查看输出结果，浏览器查看：Utilities-Brower...-user-zzx-output

七、启动 YARN并运行 MapReduce程序

【1】配置 yarn-env.sh，配置一下JAVA_HOME

export JAVA_HOME=/usr/local/soft/jdk8

【2】配置yarn-site.xml

 1 <!-- Reducer获取数据的方式 -->
 2 <property>
 3     <name>yarn.nodemanager.aux-services</name>
 4     <value>mapreduce_shuffle</value>
 5 </property>
 6 
 7 <!-- 指定YARN的ResourceManager的地址 -->
 8 <property>
 9     <name>yarn.resourcemanager.hostname</name>
10     <value>hadoop1</value>
11 </property>

【3】配置：mapred-env.sh，配置一下JAVA_HOME

export export JAVA_HOME=/usr/local/soft/jdk8

【4】 配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

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

【5】配置：mapred-site.xml

1 <!-- 指定MR运行在YARN上 -->
2 <property>
3     <name>mapreduce.framework.name</name>
4     <value>yarn</value>
5 </property>

八、启动集群

【1】启动前必须保证 NameNode和 DataNode已经启动；
【2】启动 ResourceManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager

【3】 启动NodeManager

[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager

【4】YARN的浏览器页面查看：http://hadoop1:8088/cluster

【5】删除文件系统上的 output文件

1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output
2 20/06/20 17:20:20 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes.
3 Deleted /user/zzx/output

【6】执行MapReduce程序

[root@localhost hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output

【7】查看运行结果，刷新页面即可

九、配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：
【1】配置mapred-site.xml，在该文件里面增加如下配置。

 1 <!-- 历史服务器端地址 -->
 2 <property>
 3 <name>mapreduce.jobhistory.address</name>
 4 <value>hadoop1:10020</value>
 5 </property>
 6 <!-- 历史服务器web端地址 -->
 7 <property>
 8     <name>mapreduce.jobhistory.webapp.address</name>
 9     <value>hadoop1:19888</value>
10 </property>

【2】启动历史服务器

[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver

【3】查看历史服务器是否启动 JPS

【4】查看JobHistory：http://hadoop1:19888/jobhistory

十、配置日志的聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到 HDFS系统上。
日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。
注意：开启日志聚集功能，需要重新启动 NodeManager 、ResourceManager和 HistoryManager。
开启日志聚集功能具体步骤如下：
【1】配置yarn-site.xml，在该文件里面增加如下配置

 1 <!-- 日志聚集功能使能 -->
 2 <property>
 3     <name>yarn.log-aggregation-enable</name>
 4     <value>true</value>
 5 </property>
 6 
 7 <!-- 日志保留时间设置7天 -->
 8 <property>
 9     <name>yarn.log-aggregation.retain-seconds</name>
10     <value>604800</value>
11 </property>

【2】关闭NodeManager 、ResourceManager和 HistoryManager

1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager
2 stopping resourcemanager
3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager
4 stopping nodemanager
5 nodemanager did not stop gracefully after 5 seconds: killing with kill -9
6 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver
7 stopping historyserver

【3】 启动NodeManager 、ResourceManager和 HistoryManager

 1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
 2 starting resourcemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-resourcemanager-localhost.localdomain.out
 3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager
 4 starting nodemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-nodemanager-localhost.localdomain.out
 5 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
 6 starting historyserver, logging to /opt/module/hadoop-2.7.2/logs/mapred-root-historyserver-localhost.localdomain.out
 7 [root@localhost hadoop-2.7.2]# jps
 8 21937 ResourceManager
 9 15458 NameNode
10 22197 NodeManager
11 22374 JobHistoryServer
12 16123 DataNode
13 22415 Jps

【4】删除 HDFS上已经存在的输出文件

[root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output

【5】执行 WordCount程序

[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output

【6】 查看日志，进入JobHistory 点击 JobID

【7】点击 logs

【8】日志的具体信息

十一、配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
【1】默认配置文件：

要获取的默认文件	文件存放在Hadoop的jar包中的位置
[core-default.xml]	hadoop-common-2.7.2.jar/ core-default.xml
[hdfs-default.xml]	hadoop-hdfs-2.7.2.jar/ hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-2.7.2.jar/ yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.2.jar/ mapred-default.xml

【2】自定义配置文件：core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml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。

十二、完全分布式运行模式

【1】将 /etc/profile 和 /opt/module 下的文件拷贝到其它两台服务器上，并进行 source xxx。可以自己去拉hadoop1，hadoop1也可自行给你推，hadoop1 也可以将hadoop2 中的文件推给 hadoop3，当传文件夹的时记得加 -r 递归复制。

1 [root@localhost ~]# scp root@192.168.52.131:/etc/bash.bashrc /etc/bash.bashrc 
2 [root@localhost opt]# scp -r root@hadoop1:/opt /opt

【2】集群部署规划：根据这个配置修改上面的伪分布式就可以了

hadoop1

hadoop2

hadoop3

HDFS

NameNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

【3】hadoop1配置 hdfs-site.xml

 1 <!-- 指定HDFS副本的数量 -->
 2 <property>
 3         <name>dfs.replication</name>
 4         <value>3</value>
 5 </property>
 6 <!-- 指定Hadoop辅助名称节点主机配置 -->
 7 <property>
 8       <name>dfs.namenode.secondary.http-address</name>
 9       <value>hadoop3:50090</value>
10 </property>

【4】配置yarn-site.xml

 1 <!-- Reducer获取数据的方式 -->
 2 <property>
 3     <name>yarn.nodemanager.aux-services</name>
 4     <value>mapreduce_shuffle</value>
 5 </property>
 6 
 7 <!-- 指定YARN的ResourceManager的地址 -->
 8 <property>
 9     <name>yarn.resourcemanager.hostname</name>
10     <value>hadoop2</value>
11 </property>

十三、配置 SSH 免密配置

【链接】

十四、群起集群

【1】配置 slaves

[root@hadoop1 hadoop-2.7.2]# vi etc/hadoop/slaves

在该文件中增加如下内容： 该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

hadoop1
hadoop2
hadoop3

同步所有节点配置文件

[root@hadoop1 hadoop-2.7.2]# xsync etc/hadoop/slaves

【2】启动集群：如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据）

[root@hadoop1 hadoop-2.7.2]# bin/hdfs namenode -format

【3】启动 HDFS（前提：终止之前运行namenode 等）

[root@hadoop1 hadoop-2.7.2]# sbin/start-dfs.sh

启动完成之后，Hadoop1 会启动 NameNode 和 DataNode，其他两台只会启动 DataNode
【4】在 Hadoop2 中启动YARN。注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在 ResouceManager所在的机器上启动 YARN。

[root@hadoop2 hadoop-2.7.2]# sbin/start-yarn.sh

【5】查看 SecondaryNameNode信息：http://hadoop3:50090/status.html

【6】 NameNode测试，创建 /user/zzx/input 并上传文件

1 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input
2 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input

【7】上传文件后查看文件存放在什么位置：查看 HDFS文件存储路径

1 [root@hadoop1 subdir0]# ll
2 总用量 8
3 -rw-r--r--. 1 root root 74 6月  21 19:19 blk_1073741825
4 -rw-r--r--. 1 root root 11 6月  21 19:19 blk_1073741825_1001.meta
5 [root@hadoop1 subdir0]# pwd
6 /opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-1538823143-192.168.52.131-1592727848753/current/finalized/subdir0/subdir0

十五、集群启动/停止方式总结

【1】 各个服务组件逐一启动/停止

1 #分别启动/停止HDFS组件
2 hadoop-daemon.sh  start/stop  namenode/datanode/secondarynamenode
3 #启动/停止YARN
4 yarn-daemon.sh  start/stop  resourcemanager/nodemanager

【2】 各个模块分开启动/停止（配置ssh是前提）

1 #整体启动/停止HDFS
2 start-dfs.sh/stop-dfs.sh
3 #整体启动/停止YARN
4 start-yarn.sh/stop-yarn.sh

秒客网