2023年IT十八掌徐培成HADOOP笔记.docx

《2023年IT十八掌徐培成HADOOP笔记.docx》由会员分享，可在线阅读，更多相关《2023年IT十八掌徐培成HADOOP笔记.docx（76页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Hadoop本机集群机器：211 212 215 216 四台相应s100 s101 s102 s103 s104Ubuntu204-server-64-2-00 100s100 211node1Ubuntu204-server-64-2-01101s101212node2Ubuntu204-server-64-2-02102s102215node3Ubuntu204-server-64-2-03103s103215node3Ubuntu204-server-64-2-04104 s104216node4a) bigdate海量数据： 1byte = 8bit 1024B = 1M 210 1

2、024M = 1G 2101024G = 1T 2101024T = 1P 2101024P = 1E 2101024E = 1Z 2101024Z = 1Y 210 1231231024Y = 1N 210存储 分布式存储计算分布式计算Hadoop(一头大象) Doug cutting Hadoop 可靠，可伸缩，分布式计算的开源软件。HDFS 去IOE(IBM+oracle+EMC) MapReduce MR /映射和化简，编程模型推荐 Big data 4V1) Volumn /题量大2) Variaty /样式多3) Velocity /速度快4) Valueless /价值密度低b)

3、 Hadoop的安装： （安装ubuntu系统）安装jdk Ln s /soft/jdk-xxx jdk配置环境变量JAVA_HOME = /soft/jdkPATH=”:/soft/jdk/bin”Source /etc/environmentJava version安装hadoopHadoop.tar.gzHadoop version配置环境变量HADOOP_HOMEPATH配置hadoop分三个模式：1. standelone |local /独立/本地模式，使用的本地文献系统Nothing查看文献系统的方式：查看文献系统 hadoop fs ls /没有守护进程，所有程序运营在同一JV

4、M中，运用test和debug.2. Paeudo distributed Mode /伪分布模式3. Fully distributed mode/完全分布式 配置 SSH1) 安装ssh$sudo apt-get install ssh2) 生成密钥对Ssh-keygen t rsa P f /.ssh/Cd /.ssh3) 导入公钥数据到授权库中Cat /.ssh/id_rsa.pub /.ssh/authorized_keys4) 登录到localhostSsh localhost5) 格式化hdfs文献系统Hadoop namenode -format6) 启动所以进程Start-a

5、ll.sh7) 查看进程Jps /5 RM NM NN DN 2NN8) 查看文献系统Hadoop fs -ls9) 创建文献系统Hadoop fs mkdir p /user/Ubuntu/dataHadoop fs ls R /c) Hadoop包含三个模块1) Hadoop common：支持其他模块的工具模块2) Hadoop Distributed File System (HDFS)分布式文献系统，提供了相应用程序数据的高吞吐量访问。进程：NameNode 名称节点NNDataNode 数据节点DNSecondaryNamenode 辅助名称节点2ndNN3) Hadoop YAR

6、N：作业调度与集群资源管理的框架。进程ResourceManager 资源管理RMNodeManager 节点管理器NM4) Hadoop MapReduce:基于yarn系统的对大数据集进行并行解决技术配置hadoop1) Standelone/locald) 完全分布式安装：1) 准备5台客户机本人集群机器：211 212 215 216 四台相应s100 s101 s102 s103 s104ip主机名ip主机名1. Ubuntu204-server-64-2-00 100s100 211node12. Ubuntu204-server-64-2-01101s101212node23.

7、Ubuntu204-server-64-2-02102s102215node34. Ubuntu204-server-64-2-03103s103215node35. Ubuntu204-server-64-2-04104 s104216node42) 安装ssh 1) 安装ssh$sudo apt-get install ssh2) 生成密钥对ssh-keygen t rsa P f /.ssh/cd /.ssh3) 导入公钥数据到授权库中cat /.ssh/id_rsa.pub /.ssh/authorized_keysscp /root/.ssh/* node2:/root/.ssh/s

8、cp /root/.ssh/* node3:/root/.ssh/scp /root/.ssh/* node2:/root/.ssh/4) 登录其他机器：ssh node1ifconfig3) 安装jdk1. rpm -ivh /opt/jdk-7u79-linux-x64.rpm2. ln s /soft/jdk-xxx jdk3. 配置环境变量4. JAVA_HOME = /soft/jdk5. PATH=”;/soft/jdk/bin”6. source /etc/profile7. java version4) 安装hadoop1. tar zxvf hadoop-2.7.3.tar.

9、gz2. Hadoop version3. 配置环境变量4. HADOOP_HOME=/soft/hadoop-2.7.35. PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin6. 配置hadoop查看文献系统 hadoop fs ls /配置文献/etc/hadoop/core-site.xml fs.default.name hdfs:/node1:8020 Hdfs-site.xml dfs.replication 3 Mapred-site.xml mapreduce.framework.name yarn Yarn-site.xml yarn.reso

10、urcemanager localhost yarn.nodemanager.aux-services mapreduce_shuffle 5) 配置文献-rw-r-r-. 1 root root 861 6月 6 10:41 core-site.xml-rw-r-r-. 1 root root 950 6月 6 10:41 hdfs-site.xml-rw-r-r-. 1 root root 844 6月 6 10:41 mapred-site.xml-rw-r-r-. 1 root root 728 6月 6 10:43 yarn-site.xml-rw-r-r-. 1 root root

11、 12 6月 6 10:43 slaves/soft/hadoop/etc/hadoop/core-site.xmlfs.defaultFS=hdfs:/node1/soft/hadoop/etc/hadoop/hdfs-site.xmlreplication=3dfs.namenode.secondary.http-address=node4:50090/soft/hadoop/etc/hadoop/mapred-site.xmlmapreduce.framework.name=yarnsoft/hadoop/etc/hadoop/yarn-site.xmlyarn.resourcemana

12、ger.hostname=node1/soft/hadoop/etc/hadoop/slavesnode2node3在集群上分发以上三个文献cd /soft/hadoop/etc/hadoopxsync core-site.xmlxsync yarn-site.xmlxsync slaves6) 初次启动hadoop1) 格式化文献系统$hadoop namenode -format2) 启动所有进程$start-all.sh3) 查询进程jsp4) 停止所有进程Stop-all.sh使用webui访问hadoop hdfs1）hdfs http:/node1:500702) dataNode

13、 http:/node2:500753) 2nn http:/node4:50090删除hadoop临时目录数据：默认:/tmp/ hadoop-root hadoop-root-datanode.pid(伪分布式产生)e) 几种脚本 scp rsync xsync xcall1) scp2) rsync 远程同步工具 重要备份和镜像支持链接，设备。 rsync rvl /soft/* ubuntus101:/soft3) 自定义脚本xsync,在集群上分发文献循环复制文献到所以节点的相同目录下rsync rvl /home/Ubuntu ubuntus101:xsync hello.txt/

14、usr/local/bin/xsyncrootnode1 bin# vim xsync#!/bin/bashpcount=$#if(pcount1) ; then echo no args; exit;fip1=$1;#获取文献名称fname=basename $p1echo fname=$fname;#获取上级目录的绝对途径pdir=cd -P $(dirname $p1);pwdecho pdir=$pdir;#echo $p1;cuser=whoamifor (host=2; host5;host=host+1); do echo - node$host - #echo $pdir/$f

15、name $cusernode$host:$pdir scp $pdir/$fname $cusernode$host:$pdirdone4） 编写/usr/local/bin/xcall脚本，在所有主机上执行相同的命令xcall rm rf /soft/jdk/usr/local/bin/xcall rootnode1 bin# cd /usr/local/binrootnode1 bin# xcall ls -l /soft/rootnode1 bin# xcall rm hello.txtrootnode1 bin# vim xcall#!/bin/bashpcount=$#if(pco

16、unt1) ; then echo no args; exit;fiecho - localhost -$echo $for (host=2; host5;host=host+1); do echo - node$host - #scp $pdir/$fname $cusernode$host:$pdir ssh node$host $donef) 整理hadoop的所有类库和配置文献解压缩hadoop-2.7.2.tar.gz 到目录下整理jar包抽取所有配置文献core_default.xmlhadoop-common-2.7.2.jar/core-default.xmlhdfs-defa

17、ult.xmlhadoop-hdfs-2.7.2.jar/hdfs-default.xmlyarn-default.xmlhadoop-yarn-common-2.7.3.jar/hdfs-default.xmlmapred-default.xmlhadoop-mapreduce-client-core-2.7.2.jar/mapred-default.xmlg) hadoop fs / 使用：hadoop fs mkdir p /user/Ubuntu/datahadoop fs put hello.txt /user/Ubuntu/data/hdfs dfs -lsr /hdfs dfs

18、-cat /user/hello.txt./hadoop fs -ls /./hadoop fs ls R /./hadoop fs -mkdir test./hadoop fs -put /opt/test.sh /user 将本地文献存储至hadoop./hadoop fs get /user/t/ok.txt /home/t 将hadoop上某个文献down至本地已有目录下 ./hadoop fs -cat /user/test.sh hadoop fs rmr /user/t 删除hadoop上指定文献夹（包含子目录等）hadoop fs -touchz /user/new.txt在h

19、adoop指定目录下新建一个空文献hadoop fs mv /user/test.txt /user/ok.txt （将test.txt重命名为ok.txt）hadoop dfs getmerge /user /home/t 将hadoop指定目录下所有内容保存为一个文献，同时down至本地hadoop job kill job-id 将正在运营的hadoop作业kill掉h) 修改本地的临时目录hadoop.tmp.dir1) 修改hadoop.tmp.dircore-site.xml hadoop.tmp.dir /soft/hadoop-root 2) 分发core-site.xml3)

20、 hadoop namenode format 后重启hadoopxcall mkdir /soft/hadoop-rootxcall rm rf /soft/hadoop/logsi) hadoop模块1. common2. hdfsstart-dfs.sh/stop-dfs.sh (先启动它)nndn2nn3. yarnstart-yarn.sh/stop-dfs.shrnnn4. mapredj) hadoop脚本分析1.start-all.sh libexec/hadoop-config.sh -设立变量 sbin/start-dfs.sh config $HADOOP_CONF_DI

21、R - 启动hdfssbin/start-yarn.sh config $HADOOP_CONF_DIR-启动yarn2.libexec/hadoop-config.sh -设立变量COMMON_DIRHADOOP_CONF_DIR=HEAP_SIEZ=1000M,CLASSPATH=3.sbin/start-dfs.sh config $HADOOP_CONF_DIR启动hdfs1.libexec/hdfs-config.sh2.获取名称节点主机名NAMENODES= hdfs getconf namenodes3.启动名称节点 $HADOOP_prefix/sbin/hadoop-daem

22、ons.sh-config $hadoop_conp_dir-hostnames $namenodes-script $bin/hdfs start namenode $nameStartOpt4.启动datanode$HADOOP_prefix/sbin/hadoop-daemons.sh-config $hadoop_conp_dir-script $bin/hdfs start datanode $nameStartOpt5.启动2nn$HADOOP_prefix/sbin/hadoop-daemons.sh-config $hadoop_conp_dir-hostnames $seco

23、ndarynamenode-script $bin/hdfs start secondarynamenode 4.libexec/hdfs-config.shlibexec/hadoop-config.sh5.sbin/hadoop-daemons.sh-启动守护进程脚本1.libexec/hdfs-config.sh-执行配置脚本2.slaves.sh -config $HADOOP_CONF_DIR cd $hadoop_prefic ;$bin/hadoop-daemon.sh config $hadoop_conf_dir “$”循环slaves文献，通过ssh方式登录远程主机，执行相

24、应命令bin/hadoop-daemon.shhadoop-config.shbin/hdfshdfs getconf namenodeshdfs getconf secondaryNameNdoesk) 在各个机子上启动节点：hadoop-daemon.sh start namenodehadoop-daemon.sh start secondarynamenode hadoop-daemon.sh start datanodehadoop-daemon.sh stop datanode数据库四个特点：a atomic 原子性cconsistent一致性iisolation隔离性ddurab

25、le永久性l) 常用命令：格式化系统hadoop namenode formatput = copyFormLocalhadoop fs put /hdfs dsf puthdfs dfs put /重命名hdfs dfs mv ./sshd.txt ./how.txt下载hdfs dfs get ./ssh.txt ./kk.txthdfs dfs copyToLocal移动到hdfshdfs dfs moveFromLocal hello.txt .从hdfs移动到本地，没有实现。删除文献hdfs dfs rmdir 在hdfs上进行文献复制hdfs dfs cp /user/Ubuntu

26、/hello.txt /user/hello2.txthadoop 配置信息namenode的本地目录配置成多个，则每个目录存放内容相同，可靠性。【hdfs-site.xml】dfs.namenode.name.dir=file:/$hadoop.tmp.dir/dfs/name1,file:/$hadoop.tmp.dir/dfs/name2datanode 也可以配置多个目录，不是副目录。【hdfs-site.xml】dfs.datanode.name.dir=file:/$hadoop.tmp.dir/dfs/name1,file:/$hadoop.tmp.dir/dfs/name2ha

27、doop hdfs文献大小 128M磁盘的寻道时间=10ms 磁盘的IO速率：100MB/s 10 * 100 = ls * 100M/s = 100M通过API访问hdfsTestpublic void writeFile() throws Exception Configuration conf= new Configuration();FileSystem fs = FileSystem.get(conf);Path path = new Path(hdfs:/node1:8020/user/hello);/数据输出流FSDataOutputStream dos = fs.create(

28、path);dos.write(hello world !.getBytes();dos.close();System.out.println(over);m) 在eclipse 安装hadoop插件，方便访问hdfs下载hadoop2x-eclipse-plugin.zip解压hadoop2x-eclipse-plugin.zip/release/*.jar(3)到eclipse安装目录下/plugins/下重启eclipse验证hadoop插件是否成功剖析文献写入过程，副本节点的选择（机架感知）自定义机架感知创建类实现DNSToSwitchMapping接口配置文献core-site.xm

29、lcore-site.xmlnet.topology.node.switch.mapping.impl=com.it18zhang.rackaware.MyDNSToSwichmapping分发core-site.xml增长一个数据节点：克隆一台机器，一个节点 启动新节点hdfs是master /slave 架构，由一个名称节点以及多个数据节点构成，nn负责namespace管理以及client的访问。Namenode 存放元数据（名称，副本数，权限，快列表），不包含数据节点。rack aware策略使用oie和oev查看namenode的镜像文献和编辑日记文献离线工具：hdfs oiv p

30、XML I dfs/name1/current/fsimage_000 o /image.xmlhdfs oiv p XML i xxx o /xxx.xml /fsimagehdfs oev p XML -i xxx o /xxx.xml /edit loghadoop-daemon.sh stop namenodehadoop-daemon.sh start namenodehdfs dfsadmin help saveNamespace查看nn的镜像文献hdfs oiv p XML I faimage o xxx 查看nn的编辑日记文献hdfs oev p XML faedit-xxx

31、o xxx n) hadoop集群启动是一方面进入安全模式假如集群出于安全模式，不能执行重要操作（写操作）。集群启动完毕后，自动退出安全模式。安全模式操作hdfs dfsadmin safemode get /查看安全模式状态hdfs dfsadmin safemode anter /进入安全模式状态hdfs dfsadmin safemode leave /离开安全模式状态hdfs dfsadmin safemode wait /等待安全模式状态保存名字空间/融合镜像和编辑日记：进入安全模式hdfs dfsadmin safemode enter进行保存hdfs dfsadmin saveN

32、amespace退出安全模式hdfs dfsadmin safemode leave一致性模型scp 实现二个远程主机之间的文献复制。$scp r hello.txt rootnode4:/user/xx.txt$scp r rootnode4:/user/xx.txt /$scp r -3 rootnode4:/user/hello.txt rootnoed1:/user/distcp 实现二个hadoop集群之间的递归数据复制hadoop distcp hdfs:/s101:8020/user/hello.txt hdfs:/s102:8020/user/kk.txt归档文献hadoop

33、archive archiveName myhar.har p /user/Ubuntu /user/my查看归档：hdfs dfs lsr har:/user/my/myhar.har解归档：hdfs dfs cp har:/user/my/myhar.har /user/your数据完整性o) 在ubuntu上安装eclipse下载eclipase-jee-mars-R-linux-gtk-x86_64.tar.gztar考到ubuntu /soft下tar xzvf eclise-xxx.tar.gz配置环境变量：PATH=:/soft/eclipse启动（后台） eclipse &p)

34、 codec 编码解码器1.deflate .deflate2.gzip .gz3.bzip2.bz24.lzo.lzo5.lz4.lz46.snappy .snappydeflateCodec:length=2054672,compressTime=1766,decompress=615GzipCodec:length=2054684,compressTime=680,decompress=341BZip2Codec:length=1457864,compressTime=10271,decompress=1695LzoCodec:length=3636556,compressTime=49

35、9,decompress=303Lz4Code:length=3644382,compressTime=177,decompress=392SnappyCode:length=3987117,compressTime=424,decompress=434空间效能：Bzip2 deflate Gzip lzo lz4 snappy压缩时间：lz4 snappy lzo Gzip deflate Bzip2 解压缩时间：lzo Gzip lz4 snappy deflate Bzip2 使用hadoop的checknative命令检查本地库安装情况 hadoop checknative a安装lz

36、o-2.06版lzo-2.06.tat.gz./configure enable-sharedmakemake install检查是否生成lzo库文献 find /usr/local/lib |grep lzo编译hadoop-lzo-master项目：hadoop-lzo-master.zip编译hadoop-lzoc_INCLUDE_PATH=/usr/local/includeLIBRARY_PATH=/usr/local/lib参考下文搭建maven环境。mvn clean test出现lzo共享库找不到，将liblzo2.so.xxx文献复制/lib目录下,$rsync l /usr

37、/local/lib/*lzo* rootnode1:/lib重新mvn clean package在hadoop 项目中集成hadoop-lzo-master的jar包1. 复制生成的jar包到项目lib下2. cp target/hadoop-lzo-0.4.20-SNAPSHOT.jar /workspace/hadoop2-01/lib/3. 修改代码q) centos上安装和使用 maven：apache-maven-3.3.9-bin.tar.gz到/soft下配置maven的环境变量etc/environmentM2_HOME=/soft/mavenPATH=:/soft/mav

38、en/bin配置maven的setting.xml文献，连接到本地仓库服务器。注意：maven安装在centos上 nexus安装在win10上配置maven插件eclipse windows -首选项-maven -user settings - 右侧进行设立：user settings :/soft/maven/conf/settings.xmllocal repository :/home/Ubuntu/.m2/repository完毕r) win10安装maven:1. 安装tomcat2. 安装nexus.war文献3. 复制nexus.war到$tomcat_home/webapp

39、s/4. 启动tomcat5. http:/localhost:8080/nexus/6. 本地服务器maven的配置tomcat/webapps/nexus/WEB-INF/classes/nexus.propertiesnexus-work=E:/maven-repo/nexusruntime=$bundleBasedirnexus-app=$runtime在win10 使用maven1.创建hello-world项目所在的文献夹在hello-world文献夹下创建pom.xml/hello-world/pom.xml 打开pom.xmlproject xmlns= xmlns:xsi= xsi:schemaL