大数据环境搭建-Hadoop

发表于 2022-03-31 更新于 2025-03-25 分类于 bigdata

大数据环境搭建-Hadoop

前言

官网：https://hadoop.apache.org/releases.html

本文环境软件版本

名称	版本
JDK	1.8.0_221
Hadoop	2.7.7

注意

一定要保证开发环境和部署的环境保持一致！否则运行时会报各种错误。

基础环境配置

https://www.psvmc.cn/article/2022-03-31-bigdata-environment.html

下载解压

https://archive.apache.org/dist/hadoop/common/hadoop-2.7.7/

服务器中运行

1	wget https://archive.apache.org/dist/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz

或者使用百度云下载

链接：https://pan.baidu.com/s/1OPzD9V_mBnBz06JQ3X5DSA
提取码：psvm

解压

tar -zxvf hadoop-2.7.7.tar.gz
mkdir -p /data/tools/bigdata/
mv hadoop-2.7.7 /data/tools/bigdata/
cd /data/tools/bigdata/hadoop-2.7.7

配置环境变量

1	cd /etc/profile.d/

创建配置文件

1	vi /etc/profile.d/hadoop.sh

内容设置为

#HADOOP_HOME
export HADOOP_HOME=/data/tools/bigdata/hadoop-2.7.7
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

配置生效

1	source /etc/profile

查看是否生效

1	echo $HADOOP_HOME

伪分布式部署

添加文件夹

ssh hadoop01 "mkdir -p /data/tools/bigdata/zdata/hadoop/tmp"
ssh hadoop01 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/namenode_data"
ssh hadoop01 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/datanode_data"
ssh hadoop01 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/journalnode_data"
ssh hadoop01 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/edits"

其他服务器上创建文件夹

ssh hadoop02 "mkdir -p /data/tools/bigdata/zdata/hadoop/tmp"
ssh hadoop02 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/namenode_data"
ssh hadoop02 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/datanode_data"
ssh hadoop02 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/journalnode_data"
ssh hadoop02 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/edits"

ssh hadoop03 "mkdir -p /data/tools/bigdata/zdata/hadoop/tmp"
ssh hadoop03 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/namenode_data"
ssh hadoop03 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/datanode_data"
ssh hadoop03 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/journalnode_data"
ssh hadoop03 "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/edits"

修改配置文件

注意

本文是伪分布式部署

进入配置文件目录

1	cd /data/tools/bigdata/hadoop-2.7.7/etc/hadoop

hadoop-env.sh

将原本的JAVA_HOME 替换为绝对路径就可以了

1
2
3

#export JAVA_HOME=${JAVA_HOME}

export JAVA_HOME=/usr/java/jdk1.8.0_221-amd64

注意

虽然系统已经设置JAVA_HOME,但是运行时依旧无法找到，所以配置的绝对路径

一定要配置，否则会产生运行正常，但是远程连接服务器的时候报Error:JAVA_HOME is not set and could not be found

core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:///data/tools/bigdata/zdata/hadoop/tmp</value>
        <description></description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop01:9000</value>
    </property>
</configuration>

hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>    
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/data/tools/bigdata/zdata/hadoop/dfs/namenode_data</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/data/tools/bigdata/zdata/hadoop/dfs/datanode_data</value>
    </property> 
</configuration>

mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

yarn-site.xml

<?xml version="1.0"?>
<configuration>
  <property> 
    <name>yarn.resourcemanager.hostname</name> 
    <value>hadoop01</value> 
  </property>
  <property> 
    <name>yarn.nodemanager.aux-services</name> 
    <value>mapreduce_shuffle</value> 
  </property>
</configuration>

log4j.properties

剔除警告（可选）

添加

1	log4j.logger.org.apache.hadoop.util.NativeCodeLoader=ERROR

启动/停止

sudo chmod -R 755 $HADOOP_HOME

rm -rf /data/tools/bigdata/zdata/hadoop/tmp
hdfs namenode -format

这个操作主要是创建fsimage和edits文件。

只要看到信息中有一句关键：

INFO common.Storage: Storage directory /data/tools/bigdata/hadoop-2.7.7/tmp/dfs/name has been successfully formatted.
则格式化成功.

运行

1	sh $HADOOP_HOME/sbin/start-all.sh

输入

jps

如图

访问

我的服务器的IP为 192.168.7.101

HDFS监控页面查询：

http://192.168.7.101:50070/

查看文件可以访问这个地址

http://192.168.7.101:50070/explorer.html#/

Yarn监控页面查询：

http://192.168.7.101:8088/cluster

停止

1	sh $HADOOP_HOME/sbin/stop-all.sh

端口说明：

端口	作用
8088	cluster and all applications
50070	Hadoop NameNode
50090	Secondary NameNode
50075	DataNode

停止所有服务

1	sh $HADOOP_HOME/sbin/stop-all.sh

测试

1
2
3

mkdir -p /data/hadooptest/input
cd /data/hadooptest/input
vi 1.txt

随便添加一些文本

复制文件到hadoop中

hadoop fs -mkdir /data/
hadoop fs -mkdir /data/input
hadoop fs -rm -r /data/input/1.txt
hadoop fs -rm -r /data/output
hadoop fs -put /data/hadooptest/input/1.txt /data/input/

测试

1
2
3

cd /data/tools/bigdata/hadoop-2.7.7
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount /data/input/ /data/output
hadoop fs -text /data/output/*

结果

它就把统计给生成了

注册为服务

添加服务

1 2	cd /etc/init.d vi hadoop

内容如下：

#!/bin/bash
#chkconfig:35 95 1
#description:script to start/stop hadoop
su - root <<!
case $1 in
start)
sh /data/tools/bigdata/hadoop-2.7.7/sbin/start-all.sh
;;
stop)
sh /data/tools/bigdata/hadoop-2.7.7/sbin/stop-all.sh
;;
*)
echo "Usage:$0(start|stop)"
;;
esac
exit
!

注意

路径要使用完整路径，不能使用类似于$HADOOP_HOME/sbin/stop-all.sh的路径。

赋予权限

1	sudo chmod +x hadoop

设置开机启动

1 2	sudo chkconfig --add hadoop chkconfig hadoop on

启动服务

1	service hadoop start

查看hadoop服务

1	chkconfig --list hadoop

HA部署

添加文件夹

ha-call.sh "mkdir -p /data/tools/bigdata/zdata/hadoop/tmp"
ha-call.sh "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/namenode_data"
ha-call.sh "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/datanode_data"
ha-call.sh "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/journalnode_data"
ha-call.sh "mkdir -p /data/tools/bigdata/zdata/hadoop/dfs/edits"

修改配置文件

进入配置文件目录

1	cd $HADOOP_HOME/etc/hadoop

core-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <!--指定hadoop集群在zookeeper上注册的节点名-->
        <name>fs.defaultFS</name>
        <value>hdfs://hdfsns</value>
    </property>  
    <property>
        <!--用来指定hadoop运行时产生文件的存放目录-->   
        <name>hadoop.tmp.dir</name>
        <value>file:///data/tools/bigdata/zdata/hadoop/tmp</value>
    </property>
    <property>
        <!--设置缓存大小，默认4kb-->
        <name>io.file.buffer.size</name>
        <value>4096</value>
    </property>
    <property>
        <!--指定zookeeper的存放地址 -->
        <name>ha.zookeeper.quorum</name>
        <value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
    </property>
</configuration>

hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>
        <!--数据块默认大小128M-->
        <name>dfs.block.size</name>
        <value>134217728</value>
    </property>
    <property>
        <!--副本数量，不配置的话默认为3-->
        <name>dfs.replication</name> 
        <value>3</value>
    </property>
    <property>
        <!--namenode节点数据（元数据）的存放位置-->
        <name>dfs.name.dir</name> 
        <value>file:///data/tools/bigdata/zdata/hadoop/dfs/namenode_data</value>
    </property>
    <property>
        <!--datanode节点数据（元数据）的存放位置-->
        <name>dfs.data.dir</name> 
        <value>file:///data/tools/bigdata/zdata/hadoop/dfs/datanode_data</value>
    </property>
    <property>
        <name>dfs.webhdfs.enabled</name>
        <value>true</value>
    </property>
    <property>
        <name>dfs.datanode.max.transfer.threads</name>
        <value>4096</value>
    </property>
    <property>
        <!--指定hadoop集群在zookeeper上注册的节点名-->
        <name>dfs.nameservices</name>
        <value>hdfsns</value>
    </property>
    <property>
        <!-- hacluster集群下有两个namenode，分别为nn1,nn2 -->
        <name>dfs.ha.namenodes.hdfsns</name>
        <value>nn1,nn2</value>
    </property>
    <!-- nn1的rpc、servicepc和http通信 -->
    <property>
        <name>dfs.namenode.rpc-address.hdfsns.nn1</name>
        <value>hadoop01:9000</value>
    </property> 
    <property>
        <name>dfs.namenode.servicepc-address.hdfsns.nn1</name>
        <value>hadoop01:53310</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.hdfsns.nn1</name> 
        <value>hadoop01:50070</value>
    </property>
    <!-- nn2的rpc、servicepc和http通信 -->
    <property>
        <name>dfs.namenode.rpc-address.hdfsns.nn2</name>
        <value>hadoop02:9000</value>
    </property>
    <property>
        <name>dfs.namenode.servicepc-address.hdfsns.nn2</name>
        <value>hadoop02:53310</value>
    </property>
    <property>
        <name>dfs.namenode.http-address.hdfsns.nn2</name>
        <value>hadoop02:50070</value>
    </property>
    <property>
        <!-- 指定namenode的元数据在JournalNode上存放的位置 -->
        <name>dfs.namenode.shared.edits.dir</name>
        <value>qjournal://hadoop01:8485;hadoop02:8485;hadoop03:8485/hdfsns</value>
    </property>
    <property>
        <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
        <name>dfs.journalnode.edits.dir</name>
        <value>/data/tools/bigdata/zdata/hadoop/dfs/journalnode_data</value>
    </property>
    <property>
        <!-- namenode操作日志的存放位置 -->
        <name>dfs.namenode.edits.dir</name>
        <value>/data/tools/bigdata/zdata/hadoop/dfs/edits</value>
    </property>
    <property>
        <!-- 开启namenode故障转移自动切换 -->
        <name>dfs.ha.automatic-failover.enabled</name>
        <value>true</value> 
    </property>
    <property>
        <!-- 配置失败自动切换实现方式 -->
        <name>dfs.client.failover.proxy.provider.hdfsns</name>
        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
    </property>    
    <property>
        <!-- 配置隔离机制 -->
        <name>dfs.ha.fencing.methods</name>
        <value>sshfence</value>
    </property>
    <property>
        <!-- 使用隔离机制需要SSH免密登录 -->
        <name>dfs.ha.fencing.ssh.private-key-files</name>
        <value>/root/.ssh/id_rsa</value>
    </property>
    <property>
        <!--hdfs文件操作权限,false为不验证-->
        <name>dfs.permissions</name> 
        <value>false</value>
    </property>
</configuration>

注意

2.7.7版本最多支持2个NameNode

mapred-site.xml

mapred-site.xml.template 重命名为 mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>
    <property>  
        <!--指定mapreduce运行在yarn上-->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <!--配置任务历史服务器地址-->
        <name>mapreduce.jobhistory.address</name>
        <value>hadoop01:10020</value>
    </property>
    <property>
        <!--配置任务历史服务器web-UI地址-->
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hadoop01:19888</value>
    </property>
    <property>
        <!--开启uber模式-->
        <name>mapreduce.job.ubertask.enable</name>
        <value>true</value>
    </property>
</configuration>

yarn-site.xml

<?xml version="1.0"?>
<configuration>
  <!-- 开启Yarn高可用 -->
  <property>
    <name>yarn.resourcemanager.ha.enabled</name>
    <value>true</value>
  </property>

  <!-- 指定Yarn集群在zookeeper上注册的节点名 -->
  <property>
    <name>yarn.resourcemanager.cluster-id</name>
    <value>hayarn</value>
  </property>

  <!-- 指定两个ResourceManager的名称 -->
  <property>
    <name>yarn.resourcemanager.ha.rm-ids</name>
    <value>rm1,rm2</value>
  </property>

  <!-- 指定rm1的主机 -->
  <property>
    <name>yarn.resourcemanager.hostname.rm1</name>
    <value>hadoop02</value>
  </property>

  <!-- 指定rm2的主机 -->
  <property>
    <name>yarn.resourcemanager.hostname.rm2</name>
    <value>hadoop03</value>
  </property>

  <!-- 配置zookeeper的地址 -->
  <property>
    <name>yarn.resourcemanager.zk-address</name>
    <value>hadoop01:2181,hadoop02:2181,hadoop03:2181</value>
  </property>

  <!-- 开启Yarn恢复机制 -->
  <property>
    <name>yarn.resourcemanager.recovery.enabled</name>
    <value>true</value>
  </property>

  <!-- 配置执行ResourceManager恢复机制实现类 -->
  <property>
    <name>yarn.resourcemanager.store.class</name>
    <value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
  </property>

  <!--指定主resourcemanager的地址-->
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>hadoop03</value>
  </property>

  <!--NodeManager获取数据的方式-->
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>

  <!--开启日志聚集功能-->
  <property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
  </property>

  <!--配置日志保留7天-->
  <property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
  </property>

  <!-- 内存优化 -->
  <!-- 虚拟内存和物理内存的比例 -->
  <property>
    <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>4</value>
  </property>

  <!-- 每个NodeManager可用的物理内存总量 -->
  <property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>4096</value>
  </property>

  <!-- YARN调度器分配给每个任务的最小内存量 -->
  <property>
    <name>yarn.scheduler.minimum-allocation-mb</name>
    <value>1024</value>
  </property>

  <!-- YARN调度器分配给每个任务的最大内存量 -->
  <property>
    <name>yarn.scheduler.maximum-allocation-mb</name>
    <value>2048</value>
  </property>

  <!--pmem指的是检查物理内存,容器使用的物理内存不能超过我们限定的内存大小,超出内存限制,任务就会被Kill掉-->
  <property>
    <name>yarn.nodemanager.pmem-check-enabled</name>
    <value>false</value>
  </property>

  <!--vmem指的是检查虚拟内存,容器使用的虚拟内存不能超过我们设置的虚拟内存大小-->
  <property>
    <name>yarn.nodemanager.vmem-check-enabled</name>
    <value>false</value>
  </property>

</configuration>

capacity-scheduler.xml

<configuration>

  <property>
    <name>yarn.scheduler.capacity.maximum-applications</name>
    <value>10000</value>
    <description> Maximum number of applications that can be pending and running. </description>
  </property>

  <!-- AM最多可以使用集群可用资源的30% -->
  <property>
    <name>yarn.scheduler.capacity.maximum-am-resource-percent</name>
    <value>0.3</value>
    <description> Maximum percent of resources in the cluster which can be used to run application masters i.e. controls number of concurrent running applications. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.resource-calculator</name>
    <value>org.apache.hadoop.yarn.util.resource.DefaultResourceCalculator</value>
    <description> The ResourceCalculator implementation to be used to compare Resources in the scheduler. The default i.e. DefaultResourceCalculator only uses Memory while DominantResourceCalculator uses dominant-resource to compare multi-dimensional resources such as Memory, CPU etc. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.queues</name>
    <value>default</value>
    <description> The queues at the this level (root is the root queue). </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.capacity</name>
    <value>100</value>
    <description>Default queue target capacity.</description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.user-limit-factor</name>
    <value>1</value>
    <description> Default queue user limit a percentage from 0.0 to 1.0. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.maximum-capacity</name>
    <value>100</value>
    <description> The maximum capacity of the default queue. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.state</name>
    <value>RUNNING</value>
    <description> The state of the default queue. State can be one of RUNNING or STOPPED. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.acl_submit_applications</name>
    <value>*</value>
    <description> The ACL of who can submit jobs to the default queue. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.root.default.acl_administer_queue</name>
    <value>*</value>
    <description> The ACL of who can administer jobs on the default queue. </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.node-locality-delay</name>
    <value>40</value>
    <description> </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.queue-mappings</name>
    <value></value>
    <description> </description>
  </property>

  <property>
    <name>yarn.scheduler.capacity.queue-mappings-override.enable</name>
    <value>false</value>
    <description> </description>
  </property>

</configuration>

slaves

1
2
3

hadoop01
hadoop02
hadoop03

log4j.properties

剔除警告（可选）：

添加

1	log4j.logger.org.apache.hadoop.util.NativeCodeLoader=ERROR

删除日志

刚开始部署时每次启动前我们可以删除之前的日志文件，方便排查问题。

1	ha-call.sh "rm -rf $HADOOP_HOME/logs/*"

配置分发

1	ha-fenfa.sh $HADOOP_HOME

初始前删除之前的文件

只有初始化集群的时候执行一次，以后不再执行。

创建脚本

1	vi /data/tools/bigdata/mysh/ha-hadoop-init.sh

内容如下:

#!/bin/bash

#Hadoop初始化脚本

NODES=("hadoop01" "hadoop02" "hadoop03")
for NODE in ${NODES[*]};do
        echo "$NODE:初始化完毕"
        ssh $NODE "rm -rf /data/tools/bigdata/zdata/hadoop/tmp/*"
        ssh $NODE "rm -rf /data/tools/bigdata/zdata/hadoop/dfs/journalnode_data/*"
        ssh $NODE "rm -rf /data/tools/bigdata/zdata/hadoop/dfs/edits/*"
        ssh $NODE "rm -rf /data/tools/bigdata/zdata/hadoop/dfs/datanode_data/*"
        ssh $NODE "rm -rf /data/tools/bigdata/zdata/hadoop/dfs/namenode_data/*"
done
echo "---------------------------------------"
echo "--------Hadoop初始化脚本执行完成!--------"
echo "---------------------------------------"

赋权限

1	chmod +x /data/tools/bigdata/mysh/ha-hadoop-init.sh

执行

1	bash /data/tools/bigdata/mysh/ha-hadoop-init.sh

如果运行报错

未预期的符号 `$’{\r’’ 附近有语法错误

考虑到代码是从windows下复制过来的，脚本可能在格式上存在问题

解决方案：

方法1：

文本编辑器打开设置换行编码为Unix。

方法2：

1 2	sudo yum install dos2unix dos2unix /data/tools/bigdata/mysh/ha-hadoop-init.sh

初始化集群

只用执行一次，以后启动不用再执行。

(1). 启动3个Zookeeper

要保证ZK为启动状态

1	ha-call.sh "zkServer.sh start"

(2). 启动3个JournalNode

JournalNode的作用：NameNode之间共享数据

1	ha-call.sh "hadoop-daemon.sh start journalnode"

(3). 格式化NameNode

格式化前删除之前的文件

仅hadoop01

1
2
3

sudo chmod -R 755 /data/tools/bigdata/zdata/hadoop

hdfs namenode -format

这个操作主要是创建fsimage和edits文件。

只要看到信息中有一句关键：

INFO common.Storage: Storage directory /data/tools/bigdata/zdata/dfs/name has been successfully formatted.

则格式化成功.

(4). 复制hadoop01上的NameNode的元数据到hadoop02

1	scp -r /data/tools/bigdata/zdata/hadoop/dfs/namenode_data/current/ root@hadoop02:/data/tools/bigdata/zdata/hadoop/dfs/namenode_data/

(5). 在NameNode节点(hadoop01或hadoop02)格式化zkfc

1	ssh hadoop01 "hdfs zkfc -formatZK"

(6). 停止3个JournalNode

JournalNode的作用：NameNode之间共享数据

1	ha-call.sh "hadoop-daemon.sh stop journalnode"

启动集群

(1). 在hadoop01上启动HDFS相关服务

1	ssh hadoop01 "start-dfs.sh"

对应日志

Starting namenodes on [hadoop01 hadoop02]
hadoop01: starting namenode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-namenode-hadoop01.out
hadoop02: starting namenode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-namenode-hadoop02.out
localhost: starting datanode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-datanode-hadoop01.out
Starting journal nodes [hadoop01 hadoop02 hadoop03]
hadoop03: starting journalnode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-journalnode-hadoop03.out
hadoop02: starting journalnode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-journalnode-hadoop02.out
hadoop01: starting journalnode, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-journalnode-hadoop01.out
Starting ZK Failover Controllers on NN hosts [hadoop01 hadoop02]
hadoop02: starting zkfc, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-zkfc-hadoop02.out
hadoop01: starting zkfc, logging to /data/tools/bigdata/hadoop-2.7.7/logs/hadoop-root-zkfc-hadoop01.out

(2). 在hadoop01上启动YARN相关服务

1	ssh hadoop01 "start-yarn.sh"

在启动YARN时，通常可以直接使用start-yarn.sh脚本来启动资源管理器（ResourceManager）和节点管理器（NodeManager），而不再需要单独调用yarn-daemon.sh来启动ResourceManager。

start-yarn.sh脚本会自动启动ResourceManager和NodeManager进程，以及其他与YARN相关的组件。

它会在后台运行这些进程，并根据配置文件中的设置来分配资源和管理任务。

(3). 最后单独启动hadoop01的历史任务服务器

1	ssh hadoop01 "mr-jobhistory-daemon.sh start historyserver"

这个历史任务服务器，可以查看已执行的MapReduce任务。

执行MapReduce任务本身不会受到影响，它们仍然可以在YARN集群上正常运行和完成，可以不启动。

或者

用自定义脚本

1
2
3

ha-hadoop.sh start
ha-hadoop.sh status
ha-hadoop.sh stop

我们可以在ZK中看到我们定义的键都在第二级，第一级是框架定义的。

查看集群

查看

1	ha-call.sh jps

结果

--------hadoop01--------
10785 NameNode
7139 CliFrontend
11619 JobHistoryServer
11509 DFSZKFailoverController
10952 DataNode
11224 JournalNode
11736 NodeManager
12939 Jps
--------hadoop02--------
3041 NameNode
3333 DFSZKFailoverController
3894 Jps
3113 DataNode
3513 NodeManager
3210 JournalNode
3436 ResourceManager
1711 QuorumPeerMain
--------hadoop03--------
2903 DataNode
3223 NodeManager
3000 JournalNode
3435 Jps
1679 QuorumPeerMain
3119 ResourceManager