克隆虚拟机组成集群

一、克隆虚拟机

1. 准备基础虚拟机

• 确保基础虚拟机已安装好操作系统（如 Ubuntu）、Java 和 Hadoop。
• 关闭防火墙并禁用 SELinux（如适用）：

  bash

  sudo ufw disable  # Ubuntu
  sudo systemctl disable firewalld  # CentOS
  

• 生成 SSH 密钥并配置无密码登录：

  bash

  ssh-keygen -t rsa -P ""
  cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
  chmod 600 ~/.ssh/authorized_keys
  

2. 克隆虚拟机

• 使用虚拟化软件（如 VMware 或 VirtualBox）克隆基础虚拟机。
• 至少克隆 3 台虚拟机（1 个 NameNode + 2 个 DataNode）。
• 为每个克隆机分配唯一的静态 IP 地址（如：192.168.1.101~103）。

二、配置集群

1. 修改主机名和 hosts 文件

• 在每台虚拟机上修改主机名：

  bash

  sudo hostnamectl set-hostname hadoop-master  # 主节点
  sudo hostnamectl set-hostname hadoop-slave1  # 从节点1
  sudo hostnamectl set-hostname hadoop-slave2  # 从节点2
  

• 编辑 /etc/hosts 文件，添加所有节点的 IP 和主机名映射：

  plaintext

  192.168.1.101 hadoop-master
  192.168.1.102 hadoop-slave1
  192.168.1.103 hadoop-slave2
  

2. 配置 SSH 无密码登录

• 在主节点（hadoop-master）上收集所有节点的公钥：

  bash

  ssh-copy-id hadoop-master
  ssh-copy-id hadoop-slave1
  ssh-copy-id hadoop-slave2
  

• 测试连接：

  bash

  ssh hadoop-slave1  # 应无需密码登录
  

3. 配置 Hadoop

在主节点上修改 Hadoop 配置文件（路径：$HADOOP_HOME/etc/hadoop）：

core-site.xml

xml

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop-master:9000</value>
    </property>
</configuration>

hdfs-site.xml

xml

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>2</value>  <!-- 副本数，通常等于从节点数量 -->
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/opt/hadoop/data/namenode</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/opt/hadoop/data/datanode</value>
    </property>
</configuration>

mapred-site.xml

xml

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

yarn-site.xml

xml

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop-master</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

workers

plaintext

hadoop-slave1
hadoop-slave2

三、同步配置并启动集群

1. 同步配置文件到所有从节点

bash

scp $HADOOP_HOME/etc/hadoop/* hadoop-slave1:$HADOOP_HOME/etc/hadoop/
scp $HADOOP_HOME/etc/hadoop/* hadoop-slave2:$HADOOP_HOME/etc/hadoop/

2. 格式化 NameNode（仅首次启动时执行）

bash

hdfs namenode -format

3. 启动集群

bash

start-dfs.sh  # 启动 HDFS
start-yarn.sh  # 启动 YARN

4. 验证集群状态

bash

# 在主节点查看进程
jps

# 应看到以下进程：
# - NameNode、ResourceManager（主节点）
# - DataNode、NodeManager（从节点）

# 访问 Web UI
http://hadoop-master:9870  # HDFS 管理界面
http://hadoop-master:8088  # YARN 资源管理界面

四、运行 WordCount 测试

bash

# 创建输入目录并上传文件
hdfs dfs -mkdir -p /user/input
hdfs dfs -put $HADOOP_HOME/README.txt /user/input

# 执行 WordCount
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar wordcount /user/input /user/output

# 查看结果
hdfs dfs -cat /user/output/part-r-00000