进入大数据
一 从Hadoop框架讨论大数据生态
1.1 Hadoop是什么
1）Hadoop是一个由Apache基金会所开发的分布式系统基础架构
2）主要解决，海量数据的存储和海量数据的分析计算问题。
3）广义上来说，HADOOP通常是指一个更广泛的概念——HADOOP生态圈
1.2 Hadoop发展历史
1）Lucene--Doug Cutting开创的开源软件，用java书写代码，实现与Google类似的全文搜索功能，它提供了全文检索引擎的架构，包括完整的查询引擎和索引引擎
2）2001年年底成为apache基金会的一个子项目
3）对于大数量的场景，Lucene面对与Google同样的困难
4）学习和模仿Google解决这些问题的办法 ：微型版Nutch
5）可以说Google是hadoop的思想之源(Google在大数据方面的三篇论文)
GFS --->HDFS
Map-Reduce --->MR
BigTable --->Hbase
6）2003-2004年，Google公开了部分GFS和Mapreduce思想的细节，以此为基础Doug Cutting等人用了2年业余时间实现了DFS和Mapreduce机制，使Nutch性能飙升
7）2005 年Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。2006 年 3 月份，Map-Reduce和Nutch DistributedFile System (NDFS) 分别被纳入称为 Hadoop 的项目中
8）名字来源于Doug Cutting儿子的玩具大象
9）Hadoop就此诞生并迅速发展，标志这云计算时代来临
1.3 Hadoop三大发行版本
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。
Cloudera在大型互联网企业中用的较多。
Hortonworks文档较好。
1）ClouderaHadoop
（1）2008年成立的Cloudera是最早将Hadoop商用的公司，为合作伙伴提供Hadoop的商用解决方案，主要是包括支持、咨询服务、培训。
（2）2009年Hadoop的创始人DougCutting也加盟Cloudera公司。Cloudera产品主要为CDH，ClouderaManager，Cloudera Support
（3）CDH是Cloudera的Hadoop发行版，完全开源，比ApacheHadoop在兼容性，安全性，稳定性上有所增强。
（4）ClouderaManager是集群的软件分发及管理监控平台，可以在几个小时内部署好一个Hadoop集群，并对集群的节点及服务进行实时监控。ClouderaSupport即是对Hadoop的技术支持。
（5）Cloudera的标价为每年每个节点4000美元。Cloudera开发并贡献了可实时处理大数据的Impala项目。
2）HortonworksHadoop
（1）2011年成立的Hortonworks是雅虎与硅谷风投公司BenchmarkCapital合资组建。
（2）公司成立之初就吸纳了大约25名至30名专门研究Hadoop的雅虎工程师，上述工程师均在2005年开始协助雅虎开发Hadoop，贡献了Hadoop80%的代码。
（3）雅虎工程副总裁、雅虎Hadoop开发团队负责人EricBaldeschwieler出任Hortonworks的首席执行官。
（4）Hortonworks的主打产品是HortonworksData Platform（HDP），也同样是100%开源的产品，HDP除常见的项目外还包括了Ambari，一款开源的安装和管理系统。
（5）HCatalog，一个元数据管理系统，HCatalog现已集成到Facebook开源的Hive中。Hortonworks的Stinger开创性的极大的优化了Hive项目。Hortonworks为入门提供了一个非常好的，易于使用的沙盒。
（6）Hortonworks开发了很多增强特性并提交至核心主干，这使得ApacheHadoop能够在包括WindowServer和Windows Azure在内的microsoftWindows平台上本地运行。定价以集群为基础，每10个节点每年为12500美元。
1.4 Hadoop的优势
1）高可靠性：因为Hadoop假设计算元素和存储会出现故障，因为它维护多个工作数据副本，在出现故障时可以对失败的节点重新分布处理。
2）高扩展性：在集群间分配任务数据，可方便的扩展数以千计的节点。
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：自动保存多份副本数据，并且能够自动将失败的任务重新分配。
1.5 Hadoop组成
1）Hadoop HDFS：一个高可靠、高吞吐量的分布式文件系统。
2）Hadoop MapReduce：一个分布式的离线并行计算框架。
3）Hadoop YARN：作业调度与集群资源管理的框架。
4）Hadoop Common：支持其他模块的工具模块。
1.5.1 HDFS架构概述
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）Secondary NameNode(2nn)：用来监控HDFS状态的辅助后台程序，每隔一段时间获取HDFS元数据的快照。
1.5.2 YARN架构概述
1）ResourceManager(rm)：处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度；
2）NodeManager(nm)：单个节点上的资源管理、处理来自ResourceManager的命令、处理来自ApplicationMaster的命令；
3）ApplicationMaster：数据切分、为应用程序申请资源，并分配给内部任务、任务监控与容错。
4）Container：对任务运行环境的抽象，封装了CPU、内存等多维资源以及环境变量、启动命令等任务运行相关的信息。
1.5.3 MapReduce架构概述
MapReduce将计算过程分为两个阶段：Map和Reduce
1）Map阶段并行处理输入数据
2）Reduce阶段对Map结果进行汇总
上图简单的阐明了map和reduce的两个过程或者作用，虽然不够严谨，但是足以提供一个大概的认知，map过程是一个蔬菜到制成食物前的准备工作，reduce将准备好的材料合并进而制作出食物的过程
1.6 大数据技术生态体系
图中涉及的技术名词解释如下：
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Cloudera提供的一个高可用的，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；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。
3）Kafka：Kafka是一种高吞吐量的分布式发布订阅消息系统，有如下特性：
（1）通过O(1)的磁盘数据结构提供消息的持久化，这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。
（2）高吞吐量：即使是非常普通的硬件Kafka也可以支持每秒数百万的消息
（3）支持通过Kafka服务器和消费机集群来分区消息。
（4）支持Hadoop并行数据加载。
4）Storm：Storm为分布式实时计算提供了一组通用原语，可被用于“流处理”之中，实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm也可被用于“连续计算”（continuouscomputation），对数据流做连续查询，在计算时就将结果以流的形式输出给用户。
5）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。
6）Oozie：Oozie是一个管理Hdoop作业（job）的工作流程调度管理系统。Oozie协调作业就是通过时间（频率）和有效数据触发当前的Oozie工作流程。
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sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 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。
10）R语言：R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
11）Mahout:
Apache Mahout是个可扩展的机器学习和数据挖掘库，当前Mahout支持主要的4个用例：
推荐挖掘：搜集用户动作并以此给用户推荐可能喜欢的事物。
聚集：收集文件并进行相关文件分组。
分类：从现有的分类文档中学习，寻找文档中的相似特征，并为无标签的文档进行正确的归类。
频繁项集挖掘：将一组项分组，并识别哪些个别项会经常一起出现。
12）ZooKeeper：Zookeeper是Google的Chubby一个开源的实现。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。ZooKeeper的目标就是封装好复杂易出错的关键服务，将简单易用的接口和性能高效、功能稳定的系统提供给用户。
1.7 推荐系统框架图
二 Hadoop运行环境搭建
2.1 虚拟机网络模式设置为NAT
2.3 修改为静态ip
1）在终端命令窗口中输入
[[email protected] /]#vim/etc/udev/rules.d/70-persistent-net.rules
进入如下页面，删除eth0该行；将eth1修改为eth0，同时复制物理ip地址
2）修改IP地址
[[email protected] /]#vim/etc/sysconfig/network-scripts/ifcfg-eth0
需要修改的内容有5项：
IPADDR=192.168.1.101
GATEWAY=192.168.1.2
ONBOOT=yes
BOOTPROTO=static
DNS1=192.168.1.2
（1）修改前
（2）修改后
：wq 保存退出
3）执行service network restart
4）如果报错，reboot，重启虚拟机
2.4 修改主机名
1）修改linux的hosts文件
（1）进入Linux系统查看本机的主机名。通过hostname命令查看
[[email protected] ~]# hostname
hadoop100
（2）如果感觉此主机名不合适，我们可以进行修改。通过编辑/etc/sysconfig/network文件
#vi /etc/sysconfig/network
文件中内容
NETWORKING=yes
NETWORKING_IPV6=no
HOSTNAME= hadoop101
注意：主机名称不要有“_”下划线
（3）打开此文件后，可以看到主机名。修改此主机名为我们想要修改的主机名hadoop101。
（4）保存退出。
（5）打开/etc/hosts
vim /etc/hosts
添加如下内容
192.168.1.100 hadoop100
192.168.1.101 hadoop101
192.168.1.102 hadoop102
192.168.1.103 hadoop103
192.168.1.104 hadoop104
192.168.1.105 hadoop105
192.168.1.106 hadoop106
192.168.1.107 hadoop107
192.168.1.108 hadoop108
192.168.1.109 hadoop109
192.168.1.110 hadoop110
（6）并重启设备，重启后，查看主机名，已经修改成功
2）修改window7的hosts文件
（1）进入C:\Windows\System32\drivers\etc路径
（2）打开hosts文件并添加如下内容
192.168.1.100 hadoop100
192.168.1.101 hadoop101
192.168.1.102 hadoop102
192.168.1.103 hadoop103
192.168.1.104 hadoop104
192.168.1.105 hadoop105
192.168.1.106 hadoop106
192.168.1.107 hadoop107
192.168.1.108 hadoop108
192.168.1.109 hadoop109
192.168.1.110 hadoop110
2.5 关闭防火墙
1）查看防火墙开机启动状态
chkconfig iptables --list
2）关闭防火墙
chkconfig iptables off
2.6 在opt目录下创建文件
1）创建jduser用户
在root用户里面执行如下操作
|
[[email protected] opt]# adduser jduser [[email protected] opt]# passwd jduser 更改用户 test 的密码 。 新的 密码： 无效的密码： 它没有包含足够的不同字符 无效的密码： 是回文 重新输入新的 密码： passwd： 所有的身份验证令牌已经成功更新。 |
2）设置jduser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：
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
jduser ALL=(ALL) ALL
修改完毕，现在可以用jduser帐号登录，然后用命令 su - ，即可获得root权限进行操作。
3）在/opt目录下创建文件夹
（1）在root用户下创建module、software文件夹
mkdir module
mkdir software
（2）修改module、software文件夹的所有者
[[email protected]]# chown jduser module
[[email protected] opt]# chown jduser software
[[email protected] opt]# ls -al
总用量 24
drwxr-xr-x. 6 root root 4096 4月 24 09:07 .
dr-xr-xr-x. 23 root root 4096 4月 24 08:52 ..
drwxr-xr-x. 4 jduser root 4096 4月 23 16:26 module
drwxr-xr-x. 2 root root 4096 3月 26 2015 rh
drwxr-xr-x. 2 jduser root 4096 4月 23 16:25 software
2.7 安装jdk
1）卸载现有jdk
（1）查询是否安装java软件：
rpm-qa|grep java
（2）如果安装的版本低于1.7，卸载该jdk：
rpm-e 软件包
2）用filezilla工具将jdk、Hadoop-2.7.2.tar.gz导入到opt目录下面的software文件夹下面
3）在linux系统下的opt目录中查看软件包是否导入成功。
[[email protected]]# cdsoftware/
[[email protected]]# ls
jdk-7u79-linux-x64.gz hadoop-2.7.2.tar.gz
4）解压jdk到/opt/module目录下
tar -zxf jdk-7u79-linux-x64.gz-C /opt/module/
5）配置jdk环境变量
（1）先获取jdk路径：
[[email protected] jdk1.7.0_79]# pwd
/opt/module/jdk1.7.0_79
（2）打开/etc/profile文件：
[[email protected] jdk1.7.0_79]# vi/etc/profile
在profie文件末尾添加jdk路径：
##JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.7.0_79
export PATH=$PATH:$JAVA_HOME/bin
（3）保存后退出：
:wq
（4）让修改后的文件生效：
[[email protected] jdk1.7.0_79]# source /etc/profile
（5）重启（如果java–version可以用就不用重启）：
[[email protected] jdk1.7.0_79]# sync
[[email protected] jdk1.7.0_79]# reboot
6）测试jdk安装成功
[[email protected] jdk1.7.0_79]# java-version
java version "1.7.0_79"
2.8 安装Hadoop
1）进入到Hadoop安装包路径下：
[[email protected] ~]# cd /opt/software/
2）解压安装文件到/opt/module下面
[[email protected] software]# tar -zxf hadoop-2.7.2.tar.gz-C /opt/module/
3）查看是否解压成功
[[email protected] software]# ls /opt/module/
hadoop-2.7.2
4）配置hadoop中的hadoop-env.sh
|
（1）Linux系统中获取jdk的安装路径： [[email protected] jdk1.7.0_79]# echo $JAVA_HOME /opt/module/jdk1.7.0_79 （2）修改hadoop-env.sh文件中JAVA_HOME 路径： export JAVA_HOME=/opt/module/jdk1.7.0_79 |
5）将hadoop添加到环境变量
（1）获取hadoop安装路径：
[[email protected] hadoop101 hadoop-2.7.2]#pwd
/opt/module/hadoop-2.7.2
（2）打开/etc/profile文件：
[email protected] hadoop101 hadoop-2.7.2]# vi/etc/profile
在profie文件末尾添加jdk路径：（shitf+g）
##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
（3）保存后退出：
:wq
（4）让修改后的文件生效：
[email protected] hadoop101 hadoop-2.7.2]# source/etc/profile
（5）重启(如果hadoop命令不能用再重启)：
[email protected] hadoop101 hadoop-2.7.2]# sync
[email protected] hadoop101 hadoop-2.7.2]# reboot
三 Hadoop运行模式
1）官方网址
（1）官方网站：
（2）各个版本归档库地址
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
（3）hadoop2.7.2版本详情介绍
http://hadoop.apache.org/docs/r2.7.2/
2）Hadoop运行模式
（1）本地模式（默认模式）：
不需要启用单独进程，直接可以运行，测试和开发时使用。
（2）伪分布式模式：
等同于完全分布式，只有一个节点。
（3）完全分布式模式：
多个节点一起运行。
3.1 本地运行Hadoop 案例
3.1.1 官方grep案例
1）创建在hadoop-2.7.2文件下面创建一个input文件夹
[[email protected] hadoop-2.7.2]$mkdir input
2）将hadoop的xml配置文件复制到input
[[email protected] hadoop-2.7.2]$cpetc/hadoop/*.xml input
3）执行share目录下的mapreduce程序
[[email protected]]$ bin/hadoop jarshare/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output'dfs[a-z.]+'
4）查看输出结果
[[email protected]]$ cat output/*
3.1.2 官方wordcount案例
1）创建在hadoop-2.7.2文件下面创建一个wcinput文件夹
[[email protected] hadoop-2.7.2]$mkdir wcinput
2）在wcinput文件下创建一个wc.input文件
[[email protected] hadoop-2.7.2]$cdwcinput
[[email protected] wcinput]$touchwc.input
3）编辑wc.input文件
|
[[email protected] wcinput]$vim wc.input 在文件中输入如下内容 hadoop yarn hadoop mapreduce jduser jduser 保存退出：：wq |
4）回到hadoop目录/opt/module/hadoop-2.7.2
5）执行程序：
[[email protected] hadoop-2.7.2]$ hadoop jarshare/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinputwcoutput
6）查看结果：
[[email protected] hadoop-2.7.2]$catwcoutput/part-r-00000
jduser 2
hadoop 2
mapreduce 1
yarn 1
3.2 伪分布式运行Hadoop案例
3.2.1 启动HDFS并运行MapReduce程序
1）分析：
（1）准备1台客户机
（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）启动、测试集群增、删、查
（8）执行wordcount案例
2）执行步骤
需要配置hadoop文件如下
（1）配置集群
（a）配置：hadoop-env.sh
Linux系统中获取jdk的安装路径：
[[email protected] hadoop101 ~]#echo $JAVA_HOME
/opt/module/jdk1.7.0_79
修改JAVA_HOME 路径：
export JAVA_HOME=/opt/module/jdk1.7.0_79 |
（b）配置：core-site.xml
|
<!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://hadoop101:9000</value> </property>
<!-- 指定hadoop运行时产生文件的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/opt/module/hadoop-2.7.2/data/tmp</value> </property> |
（c）配置：hdfs-site.xml
|
<!-- 指定HDFS副本的数量 --> <property> <name>dfs.replication</name> <value>1</value> </property> |
（2）启动集群
（a）格式化namenode（第一次启动时格式化，以后就不要总格式化）
bin/hdfsnamenode -format
（b）启动namenode
sbin/hadoop-daemon.shstart namenode
（c）启动datanode
sbin/hadoop-daemon.shstart datanode
（3）查看集群
（a）查看是否启动成功
[[email protected] ~]#jps
13586 NameNode
13668 DataNode
13786 Jps
（b）查看产生的log日志
当前目录：/opt/module/hadoop-2.7.2/logs
[[email protected] logs]#ls
hadoop-root-datanode-hadoop.jduser.com.log
hadoop-root-datanode-hadoop.jduser.com.out
hadoop-root-namenode-hadoop.jduser.com.log
hadoop-root-namenode-hadoop.jduser.com.out
SecurityAuth-root.audit
[[email protected] logs]#cat hadoop-root-datanode-hadoop.jduser.com.log
（c）web端查看HDFS文件系统
http://192.168.1.101:50070/dfshealth.html#tab-overview
注意：如果不能查看，看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html
（4）操作集群
（a）在hdfs文件系统上创建一个input文件夹
[[email protected] hadoop-2.7.2]$ bin/hdfsdfs -mkdir -p /user/jduser/mapreduce/wordcount/input
（b）将测试文件内容上传到文件系统上
bin/hdfs dfs -putwcinput/wc.input /user/jduser/mapreduce/wordcount/input/
（c）查看上传的文件是否正确
bin/hdfs dfs -ls /user/jduser/mapreduce/wordcount/input/
bin/hdfs dfs -cat /user/jduser/mapreduce/wordcount/input/wc.input
（d）运行mapreduce程序
bin/hadoopjar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/jduser/mapreduce/wordcount/input//user/jduser/mapreduce/wordcount/output
（e）查看输出结果
命令行查看：
bin/hdfs dfs -cat /user/jduser/mapreduce/wordcount/output/*
浏览器查看
（f）将测试文件内容下载到本地
hadoop fs -get /user/jduser/mapreduce/wordcount/output/part-r-00000./wcoutput/
（g）删除输出结果
hdfs dfs -rmr /user/jduser/mapreduce/wordcount/output
3.2.2 YARN上运行MapReduce 程序
1）分析：
（1）准备1台客户机
（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yarn上运行
（7）启动、测试集群增、删、查
（8）在yarn上执行wordcount案例
2）执行步骤
（1）配置集群
（a）配置yarn-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.7.0_79 |
（b）配置yarn-site.xml
|
<!-- reducer获取数据的方式 --> <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>hadoop101</value> </property> |
（c）配置：mapred-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.7.0_79 |
（d）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml
|
<!-- 指定mr运行在yarn上 --> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> |
（2）启动集群
（a）启动resourcemanager
sbin/yarn-daemon.sh startresourcemanager
（b）启动nodemanager
sbin/yarn-daemon.sh startnodemanager
（3）集群操作
（a）yarn的浏览器页面查看
http://192.168.1.101:8088/cluster（b）删除文件系统上的output文件
bin/hdfs dfs -rm -R /user/jduser/mapreduce/wordcount/output
（c）执行mapreduce程序
bin/hadoop jarshare/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/jduser/mapreduce/wordcount/input /user/jduser/mapreduce/wordcount/output
（d）查看运行结果
bin/hdfs dfs -cat /user/jduser/mapreduce/wordcount/output/*
3.2.3 修改本地临时文件存储目录
1）停止进程
[[email protected]]$ sbin/yarn-daemon.sh stop nodemanager
[[email protected]]$ sbin/yarn-daemon.sh stop resourcemanager
[[email protected]]$ sbin/hadoop-daemon.sh stop datanode
[[email protected]]$ sbin/hadoop-daemon.sh stop namenode
2）修改hadoop.tmp.dir
[core-site.xml]
|
<!-- 指定hadoop运行时产生文件的存储目录 --> <property> <name>hadoop.tmp.dir</name> <value>/opt/module/hadoop-2.7.2/data/tmp</value> </property> |
3）将/opt/module/hadoop-2.7.2路径中的logs文件夹删除掉
[[email protected] hadoop-2.7.2]$rm -rf logs/
4）进入到tmp目录将tmp目录中hadoop-jduser目录删除掉
[[email protected]]$ rm -rf hadoop-jduser/
5）格式化NameNode
[[email protected] hadoop-2.7.2]$ hadoopnamenode -format
6）启动所有进程
[[email protected] hadoop-2.7.2]$sbin/hadoop-daemon.sh start namenode
[[email protected]]$ sbin/hadoop-daemon.sh start datanode
[[email protected]]$ sbin/yarn-daemon.sh start resourcemanager
[[email protected]]$ sbin/yarn-daemon.sh start nodemanager
7）查看/opt/module/hadoop-2.7.2/data/tmp这个目录下的内容。
3.2.4 Hadoop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：存放在hadoop相应的jar包中
[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
[core-default.xml]
hadoop-mapreduce-client-core-2.7.2.jar/ core-default.xml
（2）自定义配置文件：存放在$HADOOP_HOME/etc/hadoop
core-site.xml
hdfs-site.xml
yarn-site.xml
mapred-site.xml
3.2.5 历史服务配置启动查看
1）配置mapred-site.xml
|
<property> <name>mapreduce.jobhistory.address</name> <value>hadoop101:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop101:19888</value> </property> |
2）查看启动历史服务器文件目录：
[[email protected]]# ls sbin/ |grep mr
mr-jobhistory-daemon.sh
3）启动历史服务器
sbin/mr-jobhistory-daemon.sh starthistoryserver
4）查看历史服务器是否启动
jps
5）查看jobhistory
http://192.168.1.101:19888/jobhistory
3.2.6 日志的聚集
日志聚集概念：应用运行完成以后，将日志信息上传到HDFS系统上。
开启日志聚集功能步骤：
（1）配置yarn-site.xml
|
<!-- 日志聚集功能使能 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <!-- 日志保留时间设置7天 --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> |
（2）关闭nodemanager 、resourcemanager和historymanager
sbin/yarn-daemon.shstop resourcemanager
sbin/yarn-daemon.sh stopnodemanager
sbin/mr-jobhistory-daemon.sh stophistoryserver
（3）启动nodemanager 、resourcemanager和historymanager
sbin/yarn-daemon.sh startresourcemanager
sbin/yarn-daemon.sh startnodemanager
sbin/mr-jobhistory-daemon.sh starthistoryserver
（4）删除hdfs上已经存在的hdfs文件
bin/hdfs dfs -rm -R /user/jduser/mapreduce/wordcount/output
（5）执行wordcount程序
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jarwordcount /user/jduser/mapreduce/wordcount/input /user/jduser/mapreduce/wordcount/output
（6）查看日志
http://192.168.1.101:19888/jobhistory