1、 Hadoop部署
1）集群部署规划
注意：NameNode和SecondaryNameNode不要安装在同一台服务器
注意：ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
| hadoop102 | hadoop103 | hadoop104 | |
| HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
| YARN | NodeManager | ResourceManager NodeManager | NodeManager |
2）将hadoop3.3.4.tar.gz导入到opt目录下面的software文件夹下面
3）进入到Hadoop安装包路径下
[shuidi@hadoop102 bin]$ cd /opt/software/4）解压安装文件到/opt/module下面
[shuidi@hadoop102 software]$ tar -zxvf hadoop-3.3.4.tar.gz -C /opt/module/5）查看是否解压成功
[shuidi@hadoop102 software]$ ls /opt/module/hadoop-3.3.46）重命名
[shuidi@hadoop102 module]$ mv /opt/module/hadoop-3.3.4 /opt/module/hadoop7）将Hadoop添加到环境变量
（1）获取Hadoop安装路径
[shuidi@hadoop102 hadoop]$ pwd
/opt/module/hadoop（2）打开/etc/profile.d/my_env.sh文件
[shuidi@hadoop102 hadoop]$ sudo vim /etc/profile.d/my_env.sh在profile文件末尾添加JDK路径：（shitf+g）
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin（3）保存后退出
:wq（4）分发环境变量文件
[shuidi@hadoop102 hadoop]$ sudo /home/shuidi/bin/xsync /etc/profile.d/my_env.sh（5）source 是之生效（3台节点）
[shuidi@hadoop102 hadoop]$ source /etc/profile.d/my_env.sh
[shuidi@hadoop103 hadoop]$ source /etc/profile.d/my_env.sh
[shuidi@hadoop104 hadoop]$ source /etc/profile.d/my_env.sh1.2 配置集群
1）核心配置文件
配置core-site.xml
[shuidi@hadoop102 hadoop]$ cd $HADOOP_HOME/etc/hadoop
[shuidi@hadoop102 hadoop]$ vim core-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
</property>
<!-- 指定hadoop数据的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop/data</value>
</property>
<!-- 配置HDFS网页登录使用的静态用户为shuidi -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>shuidi</value>
</property>
<!-- 配置该shuidi(superUser)允许通过代理访问的主机节点 -->
<property>
<name>hadoop.proxyuser.shuidi.hosts</name>
<value>*</value>
</property>
<!-- 配置该shuidi(superUser)允许通过代理用户所属组 -->
<property>
<name>hadoop.proxyuser.shuidi.groups</name>
<value>*</value>
</property>
<!-- 配置该shuidi(superUser)允许通过代理的用户-->
<property>
<name>hadoop.proxyuser.shuidi.users</name>
<value>*</value>
</property>
</configuration>2）HDFS配置文件
配置hdfs-site.xml
[shuidi@hadoop102 hadoop]$ vim hdfs-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
<!-- 测试环境指定HDFS副本的数量1 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>3）YARN配置文件
配置yarn-site.xml
[shuidi@hadoop102 hadoop]$ vim yarn-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MR走shuffle -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定ResourceManager的地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop103</value>
</property>
<!-- 环境变量的继承 -->
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
<!--yarn单个容器允许分配的最大最小内存 -->
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>512</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>true</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
</configuration>4）MapReduce配置文件
配置mapred-site.xml
[shuidi@hadoop102 hadoop]$ vim mapred-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>5）配置workers
[shuidi@hadoop102 hadoop]$ vim /opt/module/hadoop/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。
1.3 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
[shuidi@hadoop102 hadoop]$ vim mapred-site.xml在该文件里面增加如下配置。
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>1.4 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
[shuidi@hadoop102 hadoop]$ vim yarn-site.xml在该文件里面增加如下配置。
<!-- 开启日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>1.5 分发Hadoop
[shuidi@hadoop102 hadoop]$ xsync /opt/module/hadoop/1.6 群起集群
1）启动集群
（1）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）
[shuidi@hadoop102 hadoop]$ cd /opt/module/hadoop/
[shuidi@hadoop102 hadoop]$ bin/hdfs namenode -format（2）启动HDFS
[shuidi@hadoop102 hadoop]$ sbin/start-dfs.sh（3）在配置了ResourceManager的节点（hadoop103）启动YARN
[shuidi@hadoop103 hadoop]$ sbin/start-yarn.sh（4）Web端查看HDFS的Web页面：
http://hadoop102:9870/
（5）Web端查看SecondaryNameNode
① 浏览器中输入：http://hadoop104:9868/status.html
② 查看SecondaryNameNode信息
（5）Web 端查看 YARN 的 ResourceManager
①浏览器中输入：http://hadoop103:8088
② 查看 YARN 上运行的 Job 信息
（6）在 hadoop102 启动历史服务器
[shuidi@hadoop102 hadoop]$ mapred --daemon start historyserver①浏览器中输入：http://hadoop102:19888/jobhistory
1.7 Hadoop群起脚本
（1）在/home/shuidi/bin目录下创建hdp.sh
[shuidi@hadoop102 hadoop]$ cd /home/shuidi/bin
[shuidi@hadoop102 bin]$ vim hdp.sh（2）写入以下内容：
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac（3）增加权限
[shuidi@hadoop102 bin]$ chmod 777 hdp.sh（4）启动集群
[shuidi@hadoop102 bin]$ hdp.sh start日志如下。
=================== 启动 hadoop集群 ===================
--------------- 启动 hdfs ---------------
Starting namenodes on [hadoop102]
Starting datanodes
Starting secondary namenodes [hadoop104]
--------------- 启动 yarn ---------------
Starting resourcemanager
Starting nodemanagers
--------------- 启动 historyserver ---------------查看进程。
[shuidi@hadoop102 bin]$ xcall jps结果如下。
--------- hadoop102 ----------
25600 Jps
23829 DataNode
24422 NodeManager
24713 JobHistoryServer
23641 NameNode
--------- hadoop103 ----------
18292 NodeManager
18139 ResourceManager
17725 DataNode
19647 Jps
--------- hadoop104 ----------
19202 SecondaryNameNode
19470 NodeManager
20574 Jps
19007 DataNode（5）停止集群
[shuidi@hadoop102 bin]$ hdp.sh stop日志如下
=================== 关闭 hadoop集群 ===================
--------------- 关闭 historyserver ---------------
--------------- 关闭 yarn ---------------
Stopping nodemanagers
Stopping resourcemanager
--------------- 关闭 hdfs ---------------
Stopping namenodes on [hadoop102]
Stopping datanodes
Stopping secondary namenodes [hadoop104]
查看进程。
[shuidi@hadoop102 bin]$ xcall jps结果如下。
--------- hadoop102 ----------
22310 Jps
--------- hadoop103 ----------
16439 Jps
--------- hadoop104 ----------
17756 Jps2、项目经验
（1）项目经验之HDFS存储多目录
① 生产环境服务器磁盘情况
② 在hdfs-site.xml文件中配置多目录，注意新挂载磁盘的访问权限问题。
HDFS的DataNode节点保存数据的路径由dfs.datanode.data.dir参数决定，其默认值为file://${hadoop.tmp.dir}/dfs/data，若服务器有多个磁盘，必须对该参数进行修改。如服务器磁盘如上图所示，则该参数应修改为如下的值。
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///dfs/data1,file:///hd2/dfs/data2,file:///hd3/dfs/data3,file:///hd4/dfs/data4</value>
</property>注意：每台服务器挂载的磁盘不一样，所以每个节点的多目录配置可以不一致。单独配置即可。
（2）项目经验之集群数据均衡
① 节点间数据均衡
开启数据均衡命令：
start-balancer.sh -threshold 10对于参数10，代表的是集群中各个节点的磁盘空间利用率相差不超过10%，可根据实际情况进行调整。
停止数据均衡命令：
stop-balancer.sh② 磁盘间数据均衡
生成均衡计划（我们只有一块磁盘，不会生成计划）
hdfs diskbalancer -plan hadoop103执行均衡计划。
hdfs diskbalancer -execute hadoop103.plan.json查看当前均衡任务的执行情况。
hdfs diskbalancer -query hadoop103取消均衡任务。
hdfs diskbalancer -cancel hadoop103.plan.json（3）项目经验之Hadoop参数调优
1HDFS参数调优hdfs-site.xml
The number of Namenode RPC server threads that listen to requests from clients. If dfs.namenode.servicerpc-address is not configured then Namenode RPC server threads listen to requests from all nodes.
NameNode有一个工作线程池，用来处理不同DataNode的并发心跳以及客户端并发的元数据操作。
对于大集群或者有大量客户端的集群来说，通常需要增大参数dfs.namenode.handler.count的默认值10。
<property>
<name>dfs.namenode.handler.count</name>
<value>10</value>
</property>dfs.namenode.handler.count=，比如集群规模为8台时，此参数设置为41。可通过简单的python代码计算该值，代码如下。
[shuidi@hadoop102 ~]$ python
Python 2.7.5 (default, Apr 11 2018, 07:36:10)
[GCC 4.8.5 20150623 (Red Hat 4.8.5-28)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import math
>>> print int(20*math.log(8))
41
>>> quit()②YARN参数调优yarn-site.xml
情景描述：总共7台机器，每天几亿条数据，数据源->Flume->Kafka->HDFS->Hive
面临问题：数据统计主要用HiveSQL，没有数据倾斜，小文件已经做了合并处理，开启的JVM重用，而且IO没有阻塞，内存用了不到50%。但是还是跑的非常慢，而且数据量洪峰过来时，整个集群都会宕掉。基于这种情况有没有优化方案。
解决办法：
内存利用率不够。这个一般是Yarn的2个配置造成的，单个任务可以申请的最大内存大小，和Hadoop单个节点可用内存大小。调节这两个参数能提高系统内存的利用率。
（a）yarn.nodemanager.resource.memory-mb
表示该节点上YARN可使用的物理内存总量，默认是8192（MB），注意，如果你的节点内存资源不够8GB，则需要调减小这个值，而YARN不会智能的探测节点的物理内存总量。
（b）yarn.scheduler.maximum-allocation-mb
单个任务可申请的最多物理内存量，默认是8192（MB）。
