第六章 Hadoop運行模式
Hadoop運行模式包括:
- 本地模式、僞分佈式模式以及完全分佈式模式。
- Hadoop官方網站:
http://hadoop.apache.org/
6.1 本地運行模式
6.1.1 官方Grep案例
- 創建在hadoop-3.1.2文件下面創建一個input文件夾
[zpark@hadoop104 hadoop-3.1.2]$ mkdir input
- 將Hadoop的xml配置文件複製到input
[zpark@hadoop104 hadoop-3.1.2]$ cp etc/hadoop/*.xml input
- 執行share目錄下的MapReduce程序
[zpark@hadoop104 hadoop-3.1.2]$ bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar grep input output 'dfs[a-z.]+'
- 查看輸出結果
[zpark@hadoop104 hadoop-3.1.2]$ cat output/*
6.1.2 官方WordCount案例
- 創建在hadoop-3.1.2文件下面創建一個wcinput文件夾
[zpark@hadoop104 hadoop-3.1.2]$ mkdir wcinput
- 在wcinput文件下創建一個wc.input文件
[zpark@hadoop104 hadoop-3.1.2]$ cd wcinput
[zpark@hadoop104 wcinput]$ touch wc.input
- 編輯wc.input文件
[zpark@hadoop104 wcinput]$ vi wc.input
在文件中輸入如下內容
hadoop yarn
hadoop mapreduce
zhangyong
zhangyong
保存退出::wq
4. 回到Hadoop目錄/opt/module/hadoop-3.1.2
5. 執行程序
[zpark@hadoop104 hadoop-3.1.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar wordcount wcinput wcoutput
- 查看結果
[zpark@hadoop104 hadoop-3.1.2]$ cat wcoutput/part-r-00000
zhangyong 2
hadoop 2
mapreduce 1
yarn 1
6.2僞分佈式運行模式
6.2.1 啓動HDFS並運行MapReduce程序
- 分析
(1)配置集羣
(2)啓動、測試集羣增、刪、查
(3)執行WordCount案例 - 執行步驟
(1)配置集羣
(a)配置:hadoop-env.sh
Linux系統中獲取JDK的安裝路徑:
[zpark@hadoop104 ~]# echo $JAVA_HOME
/opt/module/jdk1.8.0_181
修改JAVA_HOME 路徑:
export JAVA_HOME=/opt/module/jdk1.8.0_181
(b)配置:core-site.xml
<!-- 指定HDFS中NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop104:9000</value>
</property>
<!-- 指定Hadoop運行時產生文件的存儲目錄 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.2/data/tmp</value>
</property>
(c)配置:hdfs-site.xml
<!-- 指定HDFS副本的數量 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
(2)啓動集羣
(a)格式化NameNode(第一次啓動時格式化,以後就不要總格式化)
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs namenode -format
(b)啓動NameNode
[zpark@hadoop104 hadoop-3.1.2]$ sbin/hadoop-daemon.sh start namenode
(c)啓動DataNode
[zpark@hadoop104 hadoop-3.1.2]$ sbin/hadoop-daemon.sh start datanode
(3)查看集羣
(a)查看是否啓動成功
[zpark@hadoop104 hadoop-3.1.2]$ jps
13586 NameNode
13668 DataNode
13786 Jps
注意:jps是JDK中的命令,不是Linux命令。不安裝JDK不能使用jps
(b)web端查看HDFS文件系統
http://hadoop104:50070/dfshealth.html#tab-overview
注意:如果不能查看,看如下帖子處理
http://www.cnblogs.com/zlslch/p/6604189.html
(c)查看產生的Log日誌
說明:在企業中遇到Bug時,經常根據日誌提示信息去分析問題、解決Bug。
當前目錄:
/opt/module/hadoop-3.1.2/logs
[zpark@hadoop104 logs]$ ls
hadoop-zhangyong-datanode-hadoop.zhangyong.com.log
hadoop-zhangyong-datanode-hadoop.zhangyong.com.out
hadoop-zhangyong-namenode-hadoop.zhangyong.com.log
hadoop-zhangyong-namenode-hadoop.zhangyong.com.out
SecurityAuth-root.audit
[zpark@hadoop104 logs]# cat hadoop-zhangyong-datanode-hadoop104.log
(d)思考:爲什麼不能一直格式化NameNode,格式化NameNode,要注意什麼?
注意:格式化NameNode,會產生新的集羣id,導致NameNode和DataNode的集羣id不一致,集羣找不到已往數據。所以,格式NameNode時,一定要先刪除data數據和log日誌,然後再格式化NameNode。
(4)操作集羣
(a)在HDFS文件系統上創建一個input文件夾
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -mkdir -p /user/zhangyong/input
(b)將測試文件內容上傳到文件系統上
[zpark@hadoop104 hadoop-3.1.2]$bin/hdfs dfs -put wcinput/wc.input
/user/zhangyong/input/
(c)查看上傳的文件是否正確
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -ls /user/zhangyong/input/
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -cat /user/zhangyong/ input/wc.input
(d)運行MapReduce程序
[zpark@hadoop104 hadoop-3.1.2]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar wordcount /user/zhangyong/input/ /user/zhangyong/output
(e)查看輸出結果
命令行查看:
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -cat /user/zhangyong/output/*
瀏覽器查看
(f)將測試文件內容下載到本地
[zpark@hadoop104 hadoop-3.1.2]$ hdfs dfs -get /user/zhangyong/output/part-r-00000 ./wcoutput/
(g)刪除輸出結果
[zpark@hadoop104 hadoop-3.1.2]$ hdfs dfs -rm -r /user/zhangyong/output
6.2.2 啓動YARN並運行MapReduce程序
- 分析
(1)配置集羣在YARN上運行MR
(2)啓動、測試集羣增、刪、查
(3)在YARN上執行WordCount案例 - 執行步驟
(1)配置集羣
(a)配置yarn-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_181
(b)配置yarn-site.xml
<!-- Reducer獲取數據的方式 -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop104</value>
</property>
(c)配置:mapred-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_181
(d)配置: (對mapred-site.xml.template重新命名爲) mapred-site.xml
[zpark@hadoop104 hadoop]$ mv mapred-site.xml.template mapred-site.xml
[zpark@hadoop104 hadoop]$ vi mapred-site.xml
<!-- 指定MR運行在YARN上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
(2)啓動集羣
(a)啓動前必須保證NameNode和DataNode已經啓動
(b)啓動ResourceManager
[zpark@hadoop104 hadoop-3.1.2]$ sbin/yarn-daemon.sh start resourcemanager
(c)啓動NodeManager
[zpark@hadoop104 hadoop-3.1.2]$ sbin/yarn-daemon.sh start nodemanager
(3)集羣操作
(a)YARN的瀏覽器頁面查看,如圖
http://hadoop104:8088/cluster
圖2-35 YARN的瀏覽器頁面
(b)刪除文件系統上的output文件
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -rm -R /user/zhangyong/output
(c)執行MapReduce程序
[zpark@hadoop104 hadoop-3.1.2]$ bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.2.jar wordcount /user/zhangyong/input /user/zhangyong/output
(d)查看運行結果,如圖
[zpark@hadoop104 hadoop-3.1.2]$ bin/hdfs dfs -cat /user/zhangyong/output/*
6.2.3 配置歷史服務器
爲了查看程序的歷史運行情況,需要配置一下歷史服務器。具體配置步驟如下:
- 配置mapred-site.xml
[zpark@hadoop104 hadoop]$ vi mapred-site.xml
在該文件裏面增加如下配置。
<!-- 歷史服務器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop104:10020</value>
</property>
<!-- 歷史服務器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop104:19888</value>
</property>
- 啓動歷史服務器
[zpark@hadoop104 hadoop-3.1.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
- 查看歷史服務器是否啓動
[zpark@hadoop104 hadoop-3.1.2]$ jps
- 查看JobHistory
http://hadoop104:19888/jobhistory
6.2.4 配置日誌的聚集
日誌聚集概念:應用運行完成以後,將程序運行日誌信息上傳到HDFS系統上。
日誌聚集功能好處:可以方便的查看到程序運行詳情,方便開發調試。
注意:開啓日誌聚集功能,需要重新啓動NodeManager 、ResourceManager和HistoryManager。
開啓日誌聚集功能具體步驟如下:
- 配置yarn-site.xml
[zpark@hadoop101 hadoop]$ vi yarn-site.xml
在該文件裏面增加如下配置。
<!-- 日誌聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日誌保留時間設置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
- 關閉NodeManager 、ResourceManager和HistoryServer
[zpark@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[zpark@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[zpark@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver
- 啓動NodeManager 、ResourceManager和HistoryServer
[zpark@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[zpark@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
[zpark@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
- 刪除HDFS上已經存在的輸出文件
[zpark@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/zpark/output
- 執行WordCount程序
[zpark@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zpark/input /user/zpark/output
6.2.5 配置文件說明
Hadoop配置文件分兩類:默認配置文件和自定義配置文件,只有用戶想修改某一默認配置值時,才需要修改自定義配置文件,更改相應屬性值。
(1)默認配置文件:
要獲取的默認文件 | 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)自定義配置文件:
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml
四個配置文件存放在$HADOOP_HOME/etc/hadoop這個路徑上,用戶可以根據項目需求重新進行修改配置。