1 大數(shù)據(jù)概率大數(shù)據(jù)是指在一定時間內(nèi)無法用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息增長。 主要解決海量的存儲和海量數(shù)據(jù)的分析計算問題。 1.1 大數(shù)據(jù)的特點Volume（大量） Velocity（高速） Variety（多樣） Value（低價值密度） 1.2 大數(shù)據(jù)應用場景物流倉儲：大數(shù)據(jù)分析系統(tǒng)助力商家精細化運營、提升銷量、節(jié)約成本。 零售：分析用戶消費習慣，為用戶購買商品提供方便，從而提升商品銷量。 旅游：深度結合大數(shù)據(jù)能力與旅游行業(yè)需求，共建旅游產(chǎn)業(yè)智慧管理、智慧服務和智慧營銷的未來。 商品推薦：根據(jù)用戶購買記錄推薦商品。 保險：海量數(shù)據(jù)挖掘及風險預測，助力保險行業(yè)精準營銷，提升精細化定價能力。 金融：多維度體現(xiàn)用戶特征，幫助金融機構推薦優(yōu)質客戶，防范欺詐風險。 房地產(chǎn)：大數(shù)據(jù)全面助力房地產(chǎn)行業(yè)，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(shù)據(jù)為依托。 2 從 Hadoop 框架討論大數(shù)據(jù)生態(tài)2.1 Hadoop 是什么？Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構。 主要解決，海量數(shù)據(jù)的存儲和海量數(shù)據(jù)的分析計算問題。 廣義上來說，Hadoop通常是指一個更廣泛的概念——Hadoop生態(tài)圈。 2.2 Hadoop 發(fā)行版本Apache版本最原始（最基礎）的版本，對于入門學習最好。 Cloudera在大型互聯(lián)網(wǎng)企業(yè)中用的較多。 Hortonworks文檔較好。 2.3 Hadoop 的優(yōu)勢高可靠性：Hadoop 底層維護多個數(shù)據(jù)副本，所以即使 Hadoop 某個計算元素或存儲出現(xiàn)故障，也不會導致數(shù)據(jù)的丟失。 高擴展性：在集群間分配任務數(shù)據(jù)，可方便的擴展數(shù)以千計的節(jié)點。 高效性：在 MapReduce 的思想下，Hadoop 是并行工作的，以加快任務處理速度。 高容錯性：能夠自動將失敗的任務重新分配。 2.4 Hadoop 組成2.4.1 HDFS架構概述NameNode（nn）：存儲文件的 DataNode（dn）：在本地文件系統(tǒng)存儲 Secondary NameNode（2nn）：用來監(jiān)控 HDFS 狀態(tài)的輔助后臺程序，每隔一段時間獲取 HDFS 元數(shù)據(jù)的快照。 2.4.2 YARN架構概述2.4.3 MapReduce 架構概述MapReduce 將計算過程分為兩個階段：Map 和 Reduce Map 階段并行處理輸入數(shù)據(jù) Reduce 階段對 Map 結果進行匯總 2.5 大數(shù)據(jù)技術生態(tài)體系涉及的技術名詞解釋如下： 1）Sqoop：Sqoop 是一款開源的工具，主要用于在 Hadoop、Hive 與傳統(tǒng)的數(shù)據(jù)庫（MySQL）間進行數(shù)據(jù)的傳遞，可以將一個關系型數(shù)據(jù)庫中的數(shù)據(jù)導進到 Hadoop 的 HDFS 中，也可以將 HDFS 的數(shù)據(jù)導進到關系型數(shù)據(jù)庫中。 2）Flume：Flume 是 Cloudera 提供的一個高可用的，高可靠的，分布式的海量日志采集、聚合和傳輸?shù)南到y(tǒng)，Flume 支持在日志系統(tǒng)中定制各類數(shù)據(jù)發(fā)送方，用于收集數(shù)據(jù)；同時，Flume 提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方（可定制）的能力。 3）Kafka：Kafka 是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，有如下特性： （1）通過O(1)的磁盤數(shù)據(jù)結構提供消息的持久化，這種結構對于即使數(shù)以 TB 的消息存儲也能夠保持長時間的穩(wěn)定性能。 （2）高吞吐量：即使是非常普通的硬件 Kafka 也可以支持每秒數(shù)百萬的消息。 （3）支持通過 Kafka 服務器和消費機集群來分區(qū)消息。 （4）支持 Hadoop 并行數(shù)據(jù)加載。 4）Storm：Storm 用于“連續(xù)計算”，對數(shù)據(jù)流做連續(xù)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(shù)據(jù)內(nèi)存計算框架，可以基于 Hadoop 上存儲的大數(shù)據(jù)進行計算。 6）Oozie：Oozie 是一個管理 Hdoop 作業(yè)（job）的工作流程調度管理系統(tǒng)。 7）Hbase：HBase 是一個分布式的、面向列的開源數(shù)據(jù)庫，HBase 不同于一般的關系數(shù)據(jù)庫，它是一個適合于非結構化數(shù)據(jù)存儲的數(shù)據(jù)庫。 8）Hive：Hive 是基于 Hadoop 的一個數(shù)據(jù)倉庫工具，可以將結構化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡單的 SQL查詢功能，可以將 SQL 語句轉換為 MapReduce 任務進行運行， 其優(yōu)點是學習成本低，可以通過類 SQL 語句快速實現(xiàn)簡單的 MapReduce 統(tǒng)計，不必開發(fā)專門的 MapReduce 應用，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。 10）R語言：R 是用于統(tǒng)計分析、繪圖的語言和操作環(huán)境。R 是屬于 GNU 系統(tǒng)的一個自由、免費、源代碼開放的軟件，它是一個用于統(tǒng)計計算和統(tǒng)計制圖的優(yōu)秀工具。 11）Mahout：Apache Mahout 是個可擴展的機器學習和數(shù)據(jù)挖掘庫。 12）ZooKeeper：Zookeeper 是 Google 的 Chubby 一個開源的實現(xiàn)，它是一個針對大型分布式系統(tǒng)的可靠協(xié)調系統(tǒng)，提供的功能包括：配置維護、名字服務、 分布式同步、組服務等，ZooKeeper 的目標就是封裝好復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(wěn)定的系統(tǒng)提供給用戶。 3 Hadoop 運行環(huán)境搭建3.1 虛擬機環(huán)境準備關閉防火墻 # 關閉防火墻 systemctl stop firewalld # 開機禁用防火墻 systemctl disable firewalld 創(chuàng)建用戶 # 創(chuàng)建用戶 useradd djm # 修改密碼 passwd djm 配置用戶具有 root 權限 djm ALL=(ALL) NOPASSWD:ALL 在 /opt 目錄下創(chuàng)建文件夾 sudo mkdir /opt/software sudo mkdir /opt/module 3.2 安裝 JDK卸載現(xiàn)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(huán)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(huán)境變量 sudo vim /etc/profile #HADOOP_HOME export HADOOP_HOME=/opt/module/hadoop-2.7.2 export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin 刷新配置 source /etc/profile 測試是否安裝成功 hadoop version 3.4 Hadoop 目錄結構bin 目錄：存放對 Hadoop 相關服務（HDFS，YARN）進行操作的腳本 etc 目錄：Hadoop 的配置文件目錄，存放 Hadoop 的配置文件 lib 目錄：存放 Hadoop 的本地庫（對數(shù)據(jù)進行壓縮解壓縮功能） sbin 目錄：存放啟動或停止 Hadoop 相關服務的腳本 share 目錄：存放 Hadoop 的依賴 jar 包、文檔、和官方案例 4 Hadoop 運行模式4.1 本地運行模式創(chuàng)建一個 input 文件夾 [djm@hadoop101 hadoop-2.7.2]$ mkdir input 將 Hadoop 的 xml 配置文件復制到 input [djm@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input 執(zhí)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 偽分布式運行模式4.2.1 啟動 HDFS 并運行 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(chǎn)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(shù)量 --> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration> 啟動集群 #格式化NameNode [djm@hadoop101 hadoop-2.7.2]$ hdfs namenode -format #啟動NameNode [djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start namenode #啟動DataNode [djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start datanode 查看是否啟動成功 jps 操作集群 #在HDFS文件系統(tǒng)上創(chuàng)建input [djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -mkdir -p /user/djm/input #將測試文件內(nèi)容上傳到文件系統(tǒng)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 為什么不能一直格式化 NameNode，格式化 NameNode，要注意什么？ 當我們執(zhí)行文件系統(tǒng)格式化時，會在 NameNode 數(shù)據(jù)文件夾（即配置文件中 dfs.name.dir 在本地系統(tǒng)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(chǎn)生新的 clusterID，但是 VERSION 文件只記錄第一次格式化時保存的 clusterID，因此造成 DataNode 與 NameNode 之間的 ID 不一致，解決方法是刪除 VERSION 文件。 4.2.2 啟動 YARN 并運行 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(shù)據(jù)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重命名為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> 啟動集群 #啟動NameNode [djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start namenode #啟動DataNode [djm@hadoop101 hadoop-2.7.2]$ hadoop-daemon.sh start datanode #啟動ResourceManager [djm@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager #啟動NodeManager [djm@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager 集群操作 #刪除文件系統(tǒng)上的output文件 [djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output #執(zhí)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> 啟動歷史服務器 mr-jobhistory-daemon.sh start historyserver 4.2.4 配置日志的聚集日志聚集概念：應用運行完成以后，將程序運行日志信息上傳到 HDFS 系統(tǒng)上。 日志聚集功能好處：可以方便的查看到程序運行詳情，方便開發(fā)調試。 <configuration> <!-- 日志聚集功能使能 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <!-- 日志保留時間設置7天 --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> </configuration> 重啟 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(jīng)存在的輸出文件 [djm@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output 執(zhí)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 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，才需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 $HADOOP_HOME/etc/hadoop 這個路徑上，用戶可以根據(jù)站長博客項目需求重新進行修改配置。 4.3 完全分布式運行模式4.3.1 編寫集群分發(fā)腳本 xsync創(chuàng)建 xsync [djm@hadoop102 ~]$ mkdir bin [djm@hadoop102 ~]$ cd bin/ [djm@hadoop102 bin]$ touch xsync [djm@hadoop102 bin]$ vi xsync 在該文件中編寫如下代碼 #!/bin/bash #1 獲取輸入?yún)?shù)個數(shù)，如果沒有參數(shù)，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(huán) for((host=103; host<105; host++)); do echo ------------------- hadoop$host -------------- rsync -av $pdir/$fname $user@hadoop$host:$pdir done 分發(fā) [djm@hadoop102 ~]$ xsync /opt/module/jdk1.8.0_144 [djm@hadoop102 ~]$ xsync /opt/module/hadoop-2.7.2 [djm@hadoop102 ~]$ xsync /etc/profile 4.3.2 集群配置集群部署規(guī)劃
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(chǎn)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(shù)量 --> <property> <name>dfs.replication</name> <value>3</value> </property> <!-- 指定Hadoop輔助名稱節(jié)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(shù)據(jù)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> 在集群上分發(fā)配置好的 Hadoop 配置文件 [djm@hadoop102 ~]$ xsync /opt/module/hadoop-2.7.2/etc/hadoop/ 4.3.3 集群單點啟動如果集群是第一次啟動，需要格式化 NameNode [djm@hadoop102 hadoop-2.7.2]$ hdfs namenode -format 在 hadoop102 上啟動 NameNode [djm@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode 在 hadoop102、hadoop103 以及 hadoop104 上分別啟動 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 為什么三個主機來回切換占用一個 datanode？ 分別查看三臺主機的 VERSION 文件，發(fā)現(xiàn) datanodeUuid 相同，果斷分別刪除 VERSION 文件，重新啟動 datanode，問題解決 4.3.4 SSH 無密登錄配置生成公鑰和私鑰 [djm@hadoop102 .ssh]$ ssh-keygen -t rsa 將公鑰拷貝到要免密登錄的目標機器上 [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
4.3.5 群起集群編寫 jpsall 腳本 #!/bin/bash # 循環(huán) for((host=102; host<105; host++)); do echo ------------------- hadoop$host -------------- ssh hadoop$host "source /etc/profile && jps" done 配置 slaves hadoop102 hadoop103 hadoop104 同步所有節(jié)點配置文件 [djm@hadoop102 hadoop]$ xsync slaves 啟動 HDFS [djm@hadoop102 hadoop-2.7.2]$ start-dfs.sh 啟動 YARN [djm@hadoop103 hadoop-2.7.2]$ start-yarn.sh 啟動 HistoryServer [djm@hadoop103 hadoop-2.7.2]$ mr-jobhistory-daemon.sh start historyserver 查看是否啟動成功 [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(tǒng)上的 output 文件 [djm@hadoop102 hadoop-2.7.2]$ hdfs dfs -rm -R /user/djm/output 執(zhí)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 集群啟動/停止方式總結各個服務組件逐一啟動/停止 · 分別啟動/停止 HDFS 組件 hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode · 啟動/停止 YARN yarn-daemon.sh start / stop resourcemanager / nodemanager 各個模塊分開啟動/停止（配置 ssh 是前提）常用 · 整體啟動/停止 HDFS start-dfs.sh / stop-dfs.sh · 整體啟動/停止 YARN start-yarn.sh / stop-yarn.sh 4.3.7 集群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 修改為 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 修改為 #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 重新啟動 ntpd 服務 [root@hadoop102 ~]# systemctl restart ntpd 設置ntpd服務開機啟動 [root@hadoop102 ~]# chkconfig ntpd on 在其他機器配置 10 分鐘與時間服務器同步一次 [root@hadoop102 ~]# crontab -e 添加 */10 * * * * /usr/sbin/ntpdate hadoop102 |
|
|
