| 【学习笔记】大数据技术之Hadoop（入门） | 您所在的位置：网站首页 › hadoop厂家 › 【学习笔记】大数据技术之Hadoop（入门） |
【学习笔记】大数据技术之Hadoop（入门）
|
大数据技术之Hadoop
1. 概念1.1 Hadoop是什么？1.2 Hadoop发展历史1.3 Hadoop的三大发行版本1.4 Hadoop优势（4高）1.5 Hadoop组成，1.x 2.x 3.x区别（重点）1.5.1 HDFS架构概述1.5.2 YARN架构概述1.5.3 MapReduce架构概述1.5.4 HDFS、YARN、MapReduce三者关系
1.6 大数据技术生态体系1.7 推荐系统框架图
2. 环境准备3. Hadoop运行模式3.1 本地运行模式（官方WordCount）3.2 完全分布式运行模式（开发重点）3.2.2 编写集群分发脚本1）scp（secure copy）安全拷贝2）rsync 远程同步工具3）xsync集群分发脚本
3.2.3 SSH无密登录配置**1）配置ssh****2）无密钥配置**
3.2.4 集群配置**1）集群部署规划****2）配置文件说明****3）配置集群**（1）核心配置文件（2）HDFS配置文件（3）YARN配置文件（4）MapReduce配置文件
4）在集群上分发配置好的Hadoop配置文件5）去103和104上查看文件分发情况
3.2.5 群起集群1）配置workers2）启动集群（1）第一次启动（2）启动HDFS（3）在配置了ResourceManager的节点（hadoop103）启动YARN（4）Web端查看HDFS的NameNode（5）Web端查看YARN的ResourceManager
3）集群基本测试（1）上传文件到集群（2）上传文件后查看文件存放在什么位置（3）拼接（4）下载（5）执行wordcount程序
3.2.6 配置历史服务器1）配置mapred-site.xml2）分发配置3）在hadoop102启动历史服务器4）查看历史服务器是否启动5）查看JobHistory
3.2.7 配置日志的聚集1）配置yarn-site.xml2）分发配置3）关闭NodeManager 、ResourceManager和HistoryServer4）启动NodeManager 、ResourceManage和HistoryServer5）删除HDFS上已经存在的输出文件6）执行WordCount程序7）查看日志（1）历史服务器地址（2）历史任务列表（3）查看任务运行日志（4）运行日志详情
3.2.8 集群启动/停止方式总结1）各个模块分开启动/停止（配置ssh是前提）常用（1）整体启动/停止HDFS（2）整体启动/停止YARN
2）各个服务组件逐一启动/停止（1）分别启动/停止HDFS组件（2）启动/停止YARN
3.2.9 编写Hadoop集群常用脚本1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh2）查看三台服务器Java进程脚本：jpsall3）分发/home/atguigu/bin目录，保证自定义脚本在三台机器上都可以使用
3.2.10 常用端口号说明3.2.11 集群时间同步1）需求2）时间服务器配置（必须root用户）3）其他机器配置（必须root用户）
4.常见错误及解决方案
说明：看的这条视频，然后针对该条视频的原笔记进行了少量的补充，方便在线查阅 1. 概念 1.1 Hadoop是什么？ Hadoop是一个由Apache基金会所开发的分布式系统基础架构。主要解决，海量数据的存储和海量数据的分析计算问题。广义上来说，Hadoop通常是指一个更广泛的概念——Hadoop生态圈。
历史
Hadoop 三大发行版本：Apache、Cloudera、Hortonworks。 Apache版本最原始（最基础）的版本，对于入门学习最好。2006 Cloudera内部集成了很多大数据框架，对应产品CDH。2008 Hortonworks文档较好,对应产品HDP。2011 Hortonworks现在已经被Cloudera公司收购，推出新的品牌CDP。 1） ApacheHadoop 官网地址：http://hadoop.apache.orge 下载 地址： https://hadoop.apache.org/releases.html 1.4 Hadoop优势（4高）1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。 2）高扩展性：在集群间分配任务数据，可方便的扩展数以干计的节点。可以动态增加服务器 3）高效性：在MapReduce的思想下，Hadoop是并行工作的，以加快任务处理速度。 4）高容错性：能够自动将失败的任务重新分配。 1.5 Hadoop组成，1.x 2.x 3.x区别（重点）
Hadoop Distributed File System,简称HDFS,是一个分布式文件系统。 1）NameNode（nn）：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间、副本数、文件权限），以及每个文件的块列表和块所在的DataNode等。 2)DataNode(dn)：在本地文件系统存储文件块数据，以及块数据的校验和。 3)Secondarv NameNode(2nn)：每隔一段时间对NameNode元数据备份。
Yet Another Resource Negotiator简称YARN,另一种资源协调者,是Hadoop的资源管理器。
MapReduce将计算过程分为两个阶段：Map和Reducee 1）Map阶段并行处理输入数据 2）Reduce 阶段对Map结果进行汇总
直接上链接 安装VMware虚拟机 安装centOS系统hadoop100 安装Xshell 虚拟机环境准备 克隆虚拟机hadoop102，hadoop103，hadoop104 在hadoop102安装JDK 在hadoop102安装Hadoop Hadoop重要目录 （1）bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本 （2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件 （3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能） （4）sbin目录：存放启动或停止Hadoop相关服务的脚本 （5）share目录：存放Hadoop的依赖jar包、文档、和官方案例 3. Hadoop运行模式1）Hadoop官方网站：http://hadoop.apache.org/ 2）Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。 本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。完全分布式模式：多台服务器组成分布式环境。生产环境使用。
分析： 1）准备3台客户机（关闭防火墙、静态IP、主机名称） 2）安装JDK 3）配置环境变量 4）安装Hadoop 5）配置环境变量 6）配置集群 7）单点启动 8）配置ssh 9）群起并测试集群 3.2.2 编写集群分发脚本 1）scp（secure copy）安全拷贝前提：所有集群上的文件权限用户更改为当前用户，而非root。 定义：scp 可以实现服务器与服务器之间的数据拷贝。（from server1 to server2） 基本语法： scp -r $pdir/$fname $user@$host:$pdir/$fname 命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称 [atguigu@hadoop102 ~]$ sudo chown atguigu:atguigu -R /opt/module [atguigu@hadoop102 ~]$ scp -r /opt/module/jdk1.8.0_212 atguigu@hadoop103:/opt/module [atguigu@hadoop103 opt]$ scp -r atguigu@hadoop102:/opt/module/* atguigu@hadoop104:/opt/module 2）rsync 远程同步工具rsync 主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。 rsync 和 scp 区别：用 rsync 做文件的复制要比 scp 的速度快，rsync 只对差异文件做更 新。scp 是把所有文件都复制过去。 基本语法： rsync -av $pdir/$fname $user@$host:$pdir/$fname 命令 选项参数 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称-a 归档拷贝 -v 显示复制过程 同步hadoop102中的/opt/module/hadoop-3.1.3到hadoop103 [atguigu@hadoop102 module]$ rsync -av hadoop-3.1.3/ atguigu@hadoop103:/opt/module/hadoop-3.1.3/ 3）xsync集群分发脚本需求：循环复制文件到所有节点的相同目录下 sync命令原始拷贝： rsync -av /opt/module atguigu@hadoop103:/opt/（b）期望脚本： xsync 要同步的文件名称（c）期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径） [atguigu@hadoop102 ~]$ echo $PATH /usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/atguigu/.local/bin:/home/atguigu/bin:/opt/module/jdk1.8.0_212/bin脚本实现 （a）在/home/atguigu/bin目录下创建xsync文件 [atguigu@hadoop102 opt]$ cd /home/atguigu [atguigu@hadoop102 ~]$ mkdir bin [atguigu@hadoop102 ~]$ cd bin [atguigu@hadoop102 bin]$ vim xsync在该文件中编写如下代码 #!/bin/bash #1. 判断参数个数 if [ $# -lt 1 ] then echo Not Enough Arguement! exit; fi #2. 遍历集群所有机器 for host in hadoop102 hadoop103 hadoop104 do echo ==================== $host ==================== #3. 遍历所有目录，挨个发送 for file in $@ do #4. 判断文件是否存在 if [ -e $file ] then #5. 获取父目录 pdir=$(cd -P $(dirname $file); pwd) #6. 获取当前文件的名称 fname=$(basename $file) ssh $host "mkdir -p $pdir" rsync -av $pdir/$fname $host:$pdir else echo $file does not exists! fi done done（b）修改脚本 xsync 具有执行权限 [atguigu@hadoop102 bin]$ chmod +x xsync（c）测试脚本 [atguigu@hadoop102 ~]$ xsync /home/atguigu/bin（d）将脚本复制到/bin中，以便全局调用 [atguigu@hadoop102 bin]$ sudo cp xsync /bin/（e）同步环境变量配置（root所有者） [atguigu@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh注意：如果用了sudo，那么xsync一定要给它的路径补全。 让环境变量生效 [atguigu@hadoop103 bin]$ source /etc/profile [atguigu@hadoop104 opt]$ source /etc/profile 3.2.3 SSH无密登录配置 1）配置ssh（1）基本语法 ssh另一台电脑的IP地址 （2）ssh连接时出现Host key verification failed的解决方法 [atguigu@hadoop102 ~]$ ssh hadoop103 如果出现如下内容 Are you sure you want to continue connecting (yes/no)? 输入yes，并回车（3）退回到hadoop102 [atguigu@hadoop103 ~]$ exit 2）无密钥配置（1）免密登录原理
（2）生成公钥和私钥 [atguigu@hadoop102 .ssh]$ pwd /home/atguigu/.ssh [atguigu@hadoop102 .ssh]$ ssh-keygen -t rsa然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥） （3）将公钥拷贝到要免密登录的目标机器上 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop102 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop103 [atguigu@hadoop102 .ssh]$ ssh-copy-id hadoop104注意： 还需要在hadoop103上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。 还需要在hadoop104上采用atguigu账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。 还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104； 3）.ssh文件夹下（~/.ssh）的文件功能解释 known_hosts 记录ssh访问过计算机的公钥（public key） id_rsa生成的私钥 id_rsa.pub 生成的公钥 authorized_keys 存放授权过的无密登录服务器公钥 3.2.4 集群配置 1）集群部署规划 注意： NameNode和SecondaryNameNode不要安装在同一台服务器ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
2）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： （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$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。 3）配置集群 （1）核心配置文件配置core-site.xml [atguigu@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop [atguigu@hadoop102 hadoop]$ vim core-site.xml文件内容如下： fs.defaultFS hdfs://hadoop102:8020 hadoop.tmp.dir /opt/module/hadoop-3.1.3/data hadoop.http.staticuser.user atguigu （2）HDFS配置文件配置hdfs-site.xml [atguigu@hadoop102 hadoop]$ vim hdfs-site.xml文件内容如下： dfs.namenode.http-address hadoop102:9870 dfs.namenode.secondary.http-address hadoop104:9868 （3）YARN配置文件配置yarn-site.xml [atguigu@hadoop102 hadoop]$ vim yarn-site.xml文件内容如下： yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname hadoop103 yarn.nodemanager.env-whitelist JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME （4）MapReduce配置文件配置mapred-site.xml [atguigu@hadoop102 hadoop]$ vim mapred-site.xml文件内容如下： mapreduce.framework.name yarn 4）在集群上分发配置好的Hadoop配置文件 [atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/ 5）去103和104上查看文件分发情况 [atguigu@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml [atguigu@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml 3.2.5 群起集群 1）配置workers [atguigu@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers在该文件中增加如下内容： hadoop102 hadoop103 hadoop104注意：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。 同步所有节点配置文件 [atguigu@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc 2）启动集群 （1）第一次启动如果集群是第一次启动，需要在hadoop102节点格式化NameNode（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。） [atguigu@hadoop102 hadoop-3.1.3]$ hdfs namenode -format （2）启动HDFS [atguigu@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh （3）在配置了ResourceManager的节点（hadoop103）启动YARN [atguigu@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh （4）Web端查看HDFS的NameNode 浏览器中输入：http://hadoop102:9870查看HDFS上存储的数据信息 （5）Web端查看YARN的ResourceManager 浏览器中输入：http://hadoop103:8088查看YARN上运行的Job信息 3）集群基本测试 （1）上传文件到集群 上传小文件 [atguigu@hadoop102 ~]$ hadoop fs -mkdir /input [atguigu@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input 上传大文件 [atguigu@hadoop102 ~]$ hadoop fs -put /opt/software/jdk-8u212-linux-x64.tar.gz / （2）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 [atguigu@hadoop102 subdir0]$ pwd /opt/module/hadoop-3.1.3/data/dfs/data/current/BP-1436128598-192.168.10.102-1610603650062/current/finalized/subdir0/subdir0 查看HDFS在磁盘存储文件内容 [atguigu@hadoop102 subdir0]$ cat blk_1073741825 hadoop yarn hadoop mapreduce atguigu atguigu （3）拼接 -rw-rw-r--. 1 atguigu atguigu 134217728 5月 23 16:01 blk_1073741836 -rw-rw-r--. 1 atguigu atguigu 1048583 5月 23 16:01 blk_1073741836_1012.meta -rw-rw-r--. 1 atguigu atguigu 63439959 5月 23 16:01 blk_1073741837 -rw-rw-r--. 1 atguigu atguigu 495635 5月 23 16:01 blk_1073741837_1013.meta [atguigu@hadoop102 subdir0]$ cat blk_1073741836>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ cat blk_1073741837>>tmp.tar.gz [atguigu@hadoop102 subdir0]$ tar -zxvf tmp.tar.gz （4）下载 [atguigu@hadoop104 software]$ hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./ （5）执行wordcount程序 [atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output 3.2.6 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 [atguigu@hadoop102 hadoop]$ vim mapred-site.xml在该文件里面增加如下配置。 mapreduce.jobhistory.address hadoop102:10020 mapreduce.jobhistory.webapp.address hadoop102:19888 2）分发配置 [atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml 3）在hadoop102启动历史服务器 [atguigu@hadoop102 hadoop]$ mapred --daemon start historyserver 4）查看历史服务器是否启动 [atguigu@hadoop102 hadoop]$ jps 5）查看JobHistoryhttp://hadoop102:19888/jobhistory 3.2.7 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HistoryServer。 开启日志聚集功能具体步骤如下： 1）配置yarn-site.xml [atguigu@hadoop102 hadoop]$ vim yarn-site.xml在该文件里面增加如下配置。 yarn.log-aggregation-enable true yarn.log.server.url http://hadoop102:19888/jobhistory/logs yarn.log-aggregation.retain-seconds 604800 2）分发配置 [atguigu@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml 3）关闭NodeManager 、ResourceManager和HistoryServer [atguigu@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh [atguigu@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver 4）启动NodeManager 、ResourceManage和HistoryServer [atguigu@hadoop103 ~]$ start-yarn.sh [atguigu@hadoop102 ~]$ mapred --daemon start historyserver 5）删除HDFS上已经存在的输出文件 [atguigu@hadoop102 ~]$ hadoop fs -rm -r /output 6）执行WordCount程序 [atguigu@hadoop102 hadoop-3.1.3]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output 7）查看日志 （1）历史服务器地址http://hadoop102:19888/jobhistory （2）历史任务列表
输入如下内容 #!/bin/bash if [ $# -lt 1 ] then echo "No Args Input..." exit ; fi case $1 in "start") echo " =================== 启动 hadoop集群 ===================" echo " --------------- 启动 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh" echo " --------------- 启动 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh" echo " --------------- 启动 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver" ;; "stop") echo " =================== 关闭 hadoop集群 ===================" echo " --------------- 关闭 historyserver ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver" echo " --------------- 关闭 yarn ---------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh" echo " --------------- 关闭 hdfs ---------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh" ;; *) echo "Input Args Error..." ;; esac 保存后退出，然后赋予脚本执行权限 [atguigu@hadoop102 bin]$ chmod +x myhadoop.sh 2）查看三台服务器Java进程脚本：jpsall [atguigu@hadoop102 ~]$ cd /home/atguigu/bin [atguigu@hadoop102 bin]$ vim jpsall 输入如下内容 #!/bin/bash for host in hadoop102 hadoop103 hadoop104 do echo =============== $host =============== ssh $host jps done 保存后退出，然后赋予脚本执行权限 [atguigu@hadoop102 bin]$ chmod +x jpsall 3）分发/home/atguigu/bin目录，保证自定义脚本在三台机器上都可以使用 [atguigu@hadoop102 ~]$ xsync /home/atguigu/bin/ 3.2.10 常用端口号说明
常用的配置文件有哪些？ 3.2.11 集群时间同步如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准； 如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。 1）需求找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，生产环境根据任务对时间的准确程度要求周期同步。测试环境为了尽快看到效果，采用1分钟同步一次。 2）时间服务器配置（必须root用户）（1）查看所有节点ntpd服务状态和开机自启动状态 [atguigu@hadoop102 ~]$ sudo systemctl status ntpd [atguigu@hadoop102 ~]$ sudo systemctl start ntpd [atguigu@hadoop102 ~]$ sudo systemctl is-enabled ntpd（2）修改hadoop102的ntp.conf配置文件 [atguigu@hadoop102 ~]$ sudo vim /etc/ntp.conf修改内容如下 （a）修改1（授权192.168.10.0-192.168.10.255网段上的所有机器可以从这台机器上查询和同步时间） #restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap 为restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap （b）修改2（集群在局域网中，不使用其他互联网上的时间） server 0.centos.pool.ntp.org iburst server 1.centos.pool.ntp.org iburst server 2.centos.pool.ntp.org iburst server 3.centos.pool.ntp.org iburst为 #server 0.centos.pool.ntp.org iburst #server 1.centos.pool.ntp.org iburst #server 2.centos.pool.ntp.org iburst #server 3.centos.pool.ntp.org iburst（c）添加3（当该节点丢失网络连接，依然可以采用本地时间作为时间服务器为集群中的其他节点提供时间同步） server 127.127.1.0 fudge 127.127.1.0 stratum 10（3）修改hadoop102的/etc/sysconfig/ntpd 文件 [atguigu@hadoop102 ~]$ sudo vim /etc/sysconfig/ntpd增加内容如下（让硬件时间与系统时间一起同步） SYNC_HWCLOCK=yes（4）重新启动ntpd服务 [atguigu@hadoop102 ~]$ sudo systemctl start ntpd（5）设置ntpd服务开机启动 [atguigu@hadoop102 ~]$ sudo systemctl enable ntpd 3）其他机器配置（必须root用户）（1）关闭所有节点上ntp服务和自启动 [atguigu@hadoop103 ~]$ sudo systemctl stop ntpd [atguigu@hadoop103 ~]$ sudo systemctl disable ntpd [atguigu@hadoop104 ~]$ sudo systemctl stop ntpd [atguigu@hadoop104 ~]$ sudo systemctl disable ntpd（2）在其他机器配置1分钟与时间服务器同步一次 [atguigu@hadoop103 ~]$ sudo crontab -e编写定时任务如下： */1 * * * * /usr/sbin/ntpdate hadoop102（3）修改任意机器时间 [atguigu@hadoop103 ~]$ sudo date -s "2021-9-11 11:11:11"（4）1分钟后查看机器是否与时间服务器同步 [atguigu@hadoop103 ~]$ sudo date 4.常见错误及解决方案1）防火墙没关闭、或者没有启动YARN INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032 2）主机名称配置错误 3）IP地址配置错误 4）ssh没有配置好 5）root用户和atguigu两个用户启动集群不统一 6）配置文件修改不细心 7）不识别主机名称 java.net.UnknownHostException: hadoop102: hadoop102 at java.net.InetAddress.getLocalHost(InetAddress.java:1475) at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:146) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290) at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287) at java.security.AccessController.doPrivileged(Native Method) at javax.security.auth.Subject.doAs(Subject.java:415) 解决办法： （1）在/etc/hosts文件中添加192.168.10.102 hadoop102 （2）主机名称不要起hadoop hadoop000等特殊名称 8）DataNode和NameNode进程同时只能工作一个。 9）执行命令不生效，粘贴Word中命令时，遇到-和长–没区分开。导致命令失效 解决办法：尽量不要粘贴Word中代码。 10）jps发现进程已经没有，但是重新启动集群，提示进程已经开启。 原因是在Linux的根目录下/tmp目录中存在启动的进程临时文件，将集群相关进程删除掉，再重新启动集群。 11）jps不生效 原因：全局变量hadoop java没有生效。解决办法：需要source /etc/profile文件。 12）8088端口连接不上 [atguigu@hadoop102 桌面]$ cat /etc/hosts注释掉如下代码 #127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 #::1 hadoop102 |
1）Sqoop：Sqoop是一款开源的工具，主要用于在Hadoop、Hive与传统的数据库（MySQL）间进行数据的传递，可以将一个关系型数据库（例如：MySQL，Oracle等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。 2）Flume：Flume是一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据； 3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统； 4）Spark：Spark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。 5）Flink：Flink是当前最流行的开源大数据内存计算框架。用于实时计算的场景较多。e 6）Oozie：Oozie是一个管理Hadoop作业（job）的工作流程调度管理系统。 7）Hbase:HBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。 8）Hive：Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张 数据库表，并提供简单的SOI.杳询功能，可以将SOI.语句转换为ManRediuce任务讲行运行。其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。 9）ZooKeeper：它是一个针对大型分布式系统的可靠协调系统，提供的功能包括：配置维护、名字服务、分布式同步、组服务等。
先学maven去
Yarn服务端口号：8032，提交任务提交到了8032 历史服务端的端口号： 10020
【本文地址】