Hadoop 入門

時間  2019-11-05
標籤 hadoop 入門 欄目 Hadoop 简体版
原文   原文鏈接

1 大數據機率

大數據是指在必定時間內沒法用常規軟件工具進行捕捉、管理和處理的數據集合，是須要新處理模式才能具備更強的決策力、洞察發現力和流程優化能力的海量、高增加率和多樣化的信息增加。html

主要解決海量的存儲和海量數據的分析計算問題。java

1.1 大數據的特色

Volume（大量）node

Velocity（高速）linux

Variety（多樣）web

Value（低價值密度）shell

1.2 大數據應用場景

物流倉儲：大數據分析系統助力商家精細化運營、提高銷量、節約成本。數據庫

零售：分析用戶消費習慣，爲用戶購買商品提供方便，從而提高商品銷量。vim

旅遊：深度結合大數據能力與旅遊行業需求，共建旅遊產業智慧管理、智慧服務和智慧營銷的將來。centos

商品推薦：根據用戶購買記錄推薦商品。bash

保險：海量數據挖掘及風險預測，助力保險行業精準營銷，提高精細化訂價能力。

金融：多維度體現用戶特徵，幫助金融機構推薦優質客戶，防範欺詐風險。

房地產：大數據全面助力房地產行業，打造精準投策與營銷，選出更合適的地，建造更合適的樓，賣給更合適的人。

人工智能：以大數據爲依託。

2 從 Hadoop 框架討論大數據生態

2.1 Hadoop 是什麼？

Hadoop是一個由Apache基金會所開發的分佈式系統基礎架構。

主要解決，海量數據的存儲和海量數據的分析計算問題。

廣義上來講，Hadoop一般是指一個更普遍的概念——Hadoop生態圈。
Hadoop 入門

2.2 Hadoop 發行版本

Apache版本最原始（最基礎）的版本，對於入門學習最好。

Cloudera在大型互聯網企業中用的較多。

Hortonworks文檔較好。

2.3 Hadoop 的優點

高可靠性：Hadoop 底層維護多個數據副本，因此即便 Hadoop 某個計算元素或存儲出現故障，也不會致使數據的丟失。

高擴展性：在集羣間分配任務數據，可方便的擴展數以千計的節點。

高效性：在 MapReduce 的思想下，Hadoop 是並行工做的，以加快任務處理速度。

高容錯性：可以自動將失敗的任務從新分配。

2.4 Hadoop 組成

Hadoop 入門

2.4.1 HDFS架構概述

NameNode（nn）：存儲文件的元數據，如文件名，文件目錄結構，文件屬性（生成時間、副本數、文件權限），以及每一個文件的塊列表和塊所在的DataNode等。

DataNode（dn）：在本地文件系統存儲文件塊數據，以及塊數據的校驗和。

Secondary NameNode（2nn）：用來監控 HDFS 狀態的輔助後臺程序，每隔一段時間獲取 HDFS 元數據的快照。

2.4.2 YARN架構概述

Hadoop 入門

2.4.3 MapReduce 架構概述

MapReduce 將計算過程分爲兩個階段：Map 和 Reduce

Map 階段並行處理輸入數據

Reduce 階段對 Map 結果進行彙總

2.5 大數據技術生態體系

Hadoop 入門

圖中涉及的技術名詞解釋以下：

1）Sqoop：Sqoop 是一款開源的工具，主要用於在 Hadoop、Hive 與傳統的數據庫（MySQL）間進行數據的傳遞，能夠將一個關係型數據庫中的數據導進到 Hadoop 的 HDFS 中，也能夠將 HDFS 的數據導進到關係型數據庫中。

2）Flume：Flume 是 Cloudera 提供的一個高可用的，高可靠的，分佈式的海量日誌採集、聚合和傳輸的系統，Flume 支持在日誌系統中定製各種數據發送方，用於收集數據；同時，Flume 提供對數據進行簡單處理，並寫到各類數據接受方（可定製）的能力。

3）Kafka：Kafka 是一種高吞吐量的分佈式發佈訂閱消息系統，有以下特性：

（1）經過O(1)的磁盤數據結構提供消息的持久化，這種結構對於即便數以 TB 的消息存儲也可以保持長時間的穩定性能。

（2）高吞吐量：即便是很是普通的硬件 Kafka 也能夠支持每秒數百萬的消息。

（3）支持經過 Kafka 服務器和消費機集羣來分區消息。

（4）支持 Hadoop 並行數據加載。

4）Storm：Storm 用於「連續計算」，對數據流作連續查詢，在計算時就將結果以流的形式輸出給用戶。

5）Spark：Spark 是當前最流行的開源大數據內存計算框架，能夠基於 Hadoop 上存儲的大數據進行計算。

6）Oozie：Oozie 是一個管理 Hdoop 做業（job）的工做流程調度管理系統。

7）Hbase：HBase 是一個分佈式的、面向列的開源數據庫，HBase 不一樣於通常的關係數據庫，它是一個適合於非結構化數據存儲的數據庫。

8）Hive：Hive 是基於 Hadoop 的一個數據倉庫工具，能夠將結構化的數據文件映射爲一張數據庫表，並提供簡單的 SQL查詢功能，能夠將 SQL 語句轉換爲 MapReduce 任務進行運行， 其優勢是學習成本低，能夠經過類 SQL 語句快速實現簡單的 MapReduce 統計，沒必要開發專門的 MapReduce 應用，十分適合數據倉庫的統計分析。

10）R語言：R 是用於統計分析、繪圖的語言和操做環境。R 是屬於 GNU 系統的一個自由、免費、源代碼開放的軟件，它是一個用於統計計算和統計製圖的優秀工具。

11）Mahout：Apache Mahout 是個可擴展的機器學習和數據挖掘庫。

12）ZooKeeper：Zookeeper 是 Google 的 Chubby 一個開源的實現，它是一個針對大型分佈式系統的可靠協調系統，提供的功能包括：配置維護、名字服務、 分佈式同步、組服務等，ZooKeeper 的目標就是封裝好複雜易出錯的關鍵服務，將簡單易用的接口和性能高效、功能穩定的系統提供給用戶。

2.6 推薦系統框架圖

Hadoop 入門

3 Hadoop 運行環境搭建

3.1 虛擬機環境準備

關閉防火牆

# 關閉防火牆
systemctl stop firewalld
# 開機禁用防火牆
systemctl disable firewalld

建立用戶

# 建立用戶
useradd djm
# 修改密碼
passwd djm

配置用戶具備 root 權限

djm     ALL=(ALL)       NOPASSWD:ALL

在 /opt 目錄下建立文件夾

sudo mkdir /opt/software
sudo mkdir /opt/module

3.2 安裝 JDK

卸載現有 Java

rpm -qa | grep java | xargs sudo rpm -e --nodeps

解壓到 /opt/module 目錄

tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/

配置環境變量

sudo vim /etc/profile
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin

刷新配置

source /etc/profile

測試是否安裝成功

java -version

3.3 安裝 Hadoop

解壓到 /opt/module 目錄

tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/

配置環境變量

sudo vim /etc/profile
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

刷新配置

source /etc/profile

測試是否安裝成功

hadoop version

3.4 Hadoop 目錄結構

bin 目錄：存放對 Hadoop 相關服務（HDFS，YARN）進行操做的腳本

etc 目錄：Hadoop 的配置文件目錄，存放 Hadoop 的配置文件

lib 目錄：存放 Hadoop 的本地庫（對數據進行壓縮解壓縮功能）

sbin 目錄：存放啓動或中止 Hadoop 相關服務的腳本

share 目錄：存放 Hadoop 的依賴 jar 包、文檔、和官方案例

4 Hadoop 運行模式

4.1 本地運行模式

建立一個 input 文件夾

[djm@hadoop101 hadoop-2.7.2]$ mkdir input

將 Hadoop 的 xml 配置文件複製到 input

[djm@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input

執行 share 目錄下的 MapReduce 程序

# output 必須是一個不存在的文件夾
[djm@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'

查看輸出結果

[djm@hadoop101 hadoop-2.7.2]$ cat output/*

4.2 僞分佈式運行模式

4.2.1 啓動 HDFS 並運行 MapReduce 程序

配置 hadoop-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 core-site.xml

<configuration>
    <!-- 指定HDFS中NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop101:9000</value>
    </property>
    <!-- 指定Hadoop運行時產生文件的存儲目錄 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp</value>
    </property>
</configuration>

配置 hdfs-site.xml

<configuration>
    <!-- 指定HDFS副本的數量 -->
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

啓動集羣

#格式化NameNode
[djm@hadoop101 hadoop-2.7.2]$ hdfs namenode -format
#啓動NameNode
[djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
#啓動DataNode
[djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start datanode

查看是否啓動成功

jps

web 端查看HDFS文件系統

http://hadoop101:50070/dfshealth.html#tab-overview

操做集羣

#在HDFS文件系統上建立input
[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -mkdir -p /user/djm/input
#將測試文件內容上傳到文件系統上
[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -put wcinput/wc.input /user/djm/input/
#運行MapReduce程序
[djm@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/djm/input/ /user/djm/output
#查看運行結果
[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -cat /user/djm/output/*
#刪除運行結果
[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -r /user/djm/output

爲何不能一直格式化 NameNode，格式化 NameNode，要注意什麼？

當咱們執行文件系統格式化時，會在 NameNode 數據文件夾（即配置文件中 dfs.name.dir 在本地系統的路徑）中保存一個 dfs/data/current/VERSION 文件，記錄了 clusterID 和 datanodeUuid，格式化 NameNode 會產生新的 clusterID，可是 VERSION 文件只記錄第一次格式化時保存的 clusterID，所以形成 DataNode 與 NameNode 之間的 ID 不一致，解決方法是刪除 VERSION 文件。

4.2.2 啓動 YARN 並運行 MapReduce 程序

配置 yarn-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 yarn-site.xml

<configuration>
    <!-- Reducer獲取數據的方式 -->
    <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>
</configuration>

配置 mapred-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 mapred-site.xml

#將mapred-site.xml.template重命名爲mapred-site.xml
[djm@hadoop101 hadoop-2.7.2]$ mv mapred-site.xml.template mapred-site.xml
<configuration>
    <!-- 指定MR運行在YARN上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

啓動集羣

#啓動NameNode
[djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
#啓動DataNode
[djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
#啓動ResourceManager
[djm@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
#啓動NodeManager
[djm@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager

web 端查看 YARN

http://hadoop101:8088/cluster

集羣操做

#刪除文件系統上的output文件
[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output
#執行MapReduce程序
[djm@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/djm/input  /user/djm/output

4.2.3 配置歷史服務器

配置 mapred-site.xml

<configuration>
    <!-- 歷史服務器端地址 -->
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>hadoop101:10020</value>
    </property>
    <!-- 歷史服務器web端地址 -->
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hadoop101:19888</value>
    </property>
</configuration>

啓動歷史服務器

mr-jobhistory-daemon.sh start historyserver

查看 JobHistory

http://hadoop101:19888/jobhistory

4.2.4 配置日誌的彙集

日誌彙集概念：應用運行完成之後，將程序運行日誌信息上傳到 HDFS 系統上。

日誌彙集功能好處：能夠方便的查看到程序運行詳情，方便開發調試。

<configuration>
    <!-- 日誌彙集功能使能 -->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    <!-- 日誌保留時間設置7天 -->
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>604800</value>
    </property>
</configuration>

重啓 NodeManager 、ResourceManager 和 HistoryServer

[djm@hadoop101 hadoop-2.7.2]$ yarn-daemon.sh stop resourcemanager
[djm@hadoop101 hadoop-2.7.2]$ yarn-daemon.sh stop nodemanager
[djm@hadoop101 hadoop-2.7.2]$ mr-jobhistory-daemon.sh stop historyserver
[djm@hadoop101 hadoop-2.7.2]$ yarn-daemon.sh start resourcemanager
[djm@hadoop101 hadoop-2.7.2]$ yarn-daemon.sh start nodemanager
[djm@hadoop101 hadoop-2.7.2]$ mr-jobhistory-daemon.sh start historyserver

刪除 HDFS 上已經存在的輸出文件

[djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output

執行 WordCount 程序

[djm@hadoop101 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/djm/input  /user/djm/output

查看日誌

http://hadoop101:19888/jobhistory

4.2.5 配置文件說明

Hadoop 配置文件分兩類：默認配置文件和自定義配置文件，只有用戶想修改某一默認配置值時，才須要修改自定義配置文件，更改相應屬性值。

自定義配置文件：

core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml 四個配置文件存放在 $HADOOP_HOME/etc/hadoop 這個路徑上，用戶能夠根據項目需求從新進行修改配置。

4.3 徹底分佈式運行模式

4.3.1 編寫集羣分發腳本 xsync

建立 xsync

[djm@hadoop102 ~]$ mkdir bin
[djm@hadoop102 ~]$ cd bin/
[djm@hadoop102 bin]$ touch xsync
[djm@hadoop102 bin]$ vi xsync

在該文件中編寫以下代碼

#!/bin/bash
#1 獲取輸入參數個數，若是沒有參數，直接退出
pcount=$#
if ((pcount==0)); then
echo no args;
exit;
fi

#2 獲取文件名稱
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 獲取上級目錄到絕對路徑
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 獲取當前用戶名稱
user=`whoami`

#5 循環
for((host=103; host&lt;105; host++)); do
        echo ------------------- hadoop$host --------------
        rsync -av $pdir/$fname $user@hadoop$host:$pdir
done

分發

[djm@hadoop102 ~]$ xsync /opt/module/jdk1.8.0_144
[djm@hadoop102 ~]$ xsync /opt/module/hadoop-2.7.2
[djm@hadoop102 ~]$ xsync /etc/profile

4.3.2 集羣配置

集羣部署規劃

hadoop102 hadoop103 hadoop104
HDFS NameNode、DataNode DataNode SecondaryNameNode、DataNode
YARN NodeManager ResourceManager、NodeManager NodeManager

配置 core-site.xml

<configuration>
    <!-- 指定HDFS中NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop101:9000</value>
    </property>
    <!-- 指定Hadoop運行時產生文件的存儲目錄 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp</value>
    </property>
</configuration>

配置 hadoop-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 hdfs-site.xml

<configuration>
    <!-- 指定HDFS副本的數量 -->
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <!-- 指定Hadoop輔助名稱節點主機配置 -->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:50090</value>
    </property>
</configuration>

配置 yarn-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 yarn-site.xml

<configuration>
    <!-- Reducer獲取數據的方式 -->
    <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>hadoop103</value>
    </property>
</configuration>

配置 mapred-env.sh

#修改JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144

配置 mapred-site.xml

<configuration>
    <!-- 指定MR運行在YARN上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

在集羣上分發配置好的 Hadoop 配置文件

[djm@hadoop102 ~]$ xsync /opt/module/hadoop-2.7.2/etc/hadoop/

4.3.3 集羣單點啓動

若是集羣是第一次啓動，須要格式化 NameNode

[djm@hadoop102 hadoop-2.7.2]$ hdfs namenode -format

在 hadoop102 上啓動 NameNode

[djm@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode

在 hadoop10二、hadoop103 以及 hadoop104 上分別啓動 DataNode

[djm@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[djm@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[djm@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode

爲何三個主機來回切換佔用一個 datanode？

分別查看三臺主機的 VERSION 文件，發現 datanodeUuid 相同，果斷分別刪除 VERSION 文件，從新啓動 datanode，問題解決

4.3.4 SSH 無密登陸配置

Hadoop 入門

生成公鑰和私鑰

[djm@hadoop102 .ssh]$ ssh-keygen -t rsa

將公鑰拷貝到要免密登陸的目標機器上

[djm@hadoop102 .ssh]$ ssh-copy-id hadoop102
[djm@hadoop102 .ssh]$ ssh-copy-id hadoop103
[djm@hadoop102 .ssh]$ ssh-copy-id hadoop104
[djm@hadoop103 .ssh]$ ssh-copy-id hadoop102
[djm@hadoop103 .ssh]$ ssh-copy-id hadoop103
[djm@hadoop103 .ssh]$ ssh-copy-id hadoop104
[djm@hadoop104 .ssh]$ ssh-copy-id hadoop102
[djm@hadoop104 .ssh]$ ssh-copy-id hadoop103
[djm@hadoop104 .ssh]$ ssh-copy-id hadoop104

.ssh 下（~/.ssh）的文件功能解釋

known_hosts 記錄ssh訪問過計算機的公鑰(public key)
id_rsa 生成的私鑰
id_rsa.pub 生成的公鑰
authorized_keys 存放受權過得無密登陸服務器公鑰

4.3.5 羣起集羣

編寫 jpsall 腳本

#!/bin/bash

# 循環
for((host=102; host&lt;105; host++)); do
        echo ------------------- hadoop$host --------------
        ssh hadoop$host "source /etc/profile &amp;&amp; jps"       
done

配置 slaves

hadoop102
hadoop103
hadoop104

同步全部節點配置文件

[djm@hadoop102 hadoop]$ xsync slaves

啓動 HDFS

[djm@hadoop102 hadoop-2.7.2]$ start-dfs.sh

啓動 YARN

[djm@hadoop103 hadoop-2.7.2]$ start-yarn.sh

啓動 HistoryServer

[djm@hadoop103 hadoop-2.7.2]$ mr-jobhistory-daemon.sh start historyserver

查看是否啓動成功

[djm@hadoop102 hadoop-2.7.2]$ jpsall 
------------------- hadoop102 --------------
98640 Jps
3266 DataNode
3037 NameNode
3549 NodeManager
------------------- hadoop103 --------------
74929 DataNode
75258 NodeManager
39453 Jps
75054 ResourceManager
------------------- hadoop104 --------------
77123 SecondaryNameNode
76562 DataNode
76786 NodeManager
41475 Jps
76904 JobHistoryServer

刪除文件系統上的 output 文件

[djm@hadoop102 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output

執行 MapReduce 程序

[djm@hadoop102 hadoop-2.7.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/djm/input  /user/djm/output

4.3.6 集羣啓動/中止方式總結

各個服務組件逐一啓動/中止

  • 分別啓動/中止 HDFS 組件

    hadoop-daemon.sh  start / stop  namenode / datanode / secondarynamenode

  • 啓動/中止 YARN

    yarn-daemon.sh  start / stop  resourcemanager / nodemanager

各個模塊分開啓動/中止（配置 ssh 是前提）經常使用

  • 總體啓動/中止 HDFS

    start-dfs.sh   /  stop-dfs.sh

  • 總體啓動/中止 YARN

    start-yarn.sh  /  stop-yarn.sh

4.3.7 集羣時間同步

檢查是否安裝了 ntp 服務

[root@hadoop102 ~]# rpm -qa | grep ntp

修改 /etc/ntp.conf

將
#restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
修改成
restrict 192.168.10.0 mask 255.255.255.0 nomodify notrap
將
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
修改成
#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
添加
server 127.127.1.0
fudge 127.127.1.0 stratum 10

修改 /etc/sysconfig/ntpd

#同步硬件時間
SYNC_HWCLOCK=yes

從新啓動 ntpd 服務

[root@hadoop102 ~]# systemctl restart ntpd

設置ntpd服務開機啓動

[root@hadoop102 ~]# chkconfig ntpd on

在其餘機器配置 10 分鐘與時間服務器同步一次

[root@hadoop102 ~]# crontab -e
添加
*/10 * * * * /usr/sbin/ntpdate hadoop102
相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程