大数据集群搭建基础：Hadoop完全分布式搭建学习指南！！

Hadoop完全分布式搭建学习指南

Hadoop版本：Hadoop2.X
JDK版本：JDK1.8

一、准备工作

1. 设置主机名和IP

   在三台CentOS 7.4机器上分别设置主机名和IP：

   • node1: 192.168.14.10
   • node2: 192.168.14.20
   • node3: 192.168.14.30

   修改主机名（以node1为例）：

   hostnamectl set-hostname node1
   

   配置网络（依据具体网络环境和系统不同，配置方法可能有所不同）。

2. 配置hosts文件

   在三台机器上的/etc/hosts文件中都添加以下内容，以便机器之间能通过主机名互相访问：

   192.168.14.10 node1
   192.168.14.20 node2
   192.168.14.30 node3
   

3. 关闭防火墙和SELinux

   systemctl stop firewalld
   systemctl disable firewalld
   setenforce 0
   

4. 配置SSH免密登录

   在node1上生成SSH密钥对，并将公钥分发到其他两个节点，实现免密登录（node2和node3上也需进行类似操作，以便日后维护）。

   ssh-keygen
   ssh-copy-id node1
   ssh-copy-id node2
   ssh-copy-id node3
   

二、安装Java环境

1. 下载并解压JDK

   下载JDK压缩包到/opt，然后解压。

   cd /opt
   tar -zxvf jdk-xxx-linux-x64.tar.gz
   

2. 配置环境变量

   编辑/etc/profile，添加以下内容：

   export JAVA_HOME=/opt/jdk1.8.0_xxx
   export PATH=$PATH:$JAVA_HOME/bin
   

   使环境变量生效：

   source /etc/profile
   

三、安装Hadoop

1. 下载并解压Hadoop

   从Apache官网下载Hadoop压缩包到/opt，然后解压。

   cd /opt
   tar -zxvf hadoop-x.x.x.tar.gz
   

2. 配置Hadoop环境变量

   编辑/etc/profile，添加：

   export HADOOP_HOME=/opt/hadoop-x.x.x
   export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
   

   使环境变量生效：

   source /etc/profile
   

3. 配置Hadoop

   需要配置的文件主要有hadoop-env.sh、core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml和slaves。

   • hadoop-env.sh：设置Java环境。

     export JAVA_HOME=/opt/jdk1.8.0_xxx
     

   • core-site.xml：配置HDFS的地址。

     <configuration>
       <property>
         <name>fs.defaultFS</name>
         <value>hdfs://node1:9000</value>
       </property>
       <property>
         <name>hadoop.tmp.dir</name>
         <value>/opt/hadoop-x.x.x/tmp</value>
       </property>
     </configuration>
     

   • hdfs-site.xml：配置HDFS的副本数等参数。

     <configuration>
       <property>
         <name>dfs.replication</name>
         <value>2</value>
       </property>
       <property>
         <name>dfs.namenode.name.dir</name>
         <value>/opt/hadoop-x.x.x/hdfs/namenode</value>
       </property>
       <property>
         <name>dfs.datanode.data.dir</name>
     	<value>/opt/hadoop-x.x.x/hdfs/datanode</value>
       </property>
     </configuration>
     

     • yarn-site.xml：配置YARN的资源管理器等参数。

       <configuration>
         <property>
           <name>yarn.resourcemanager.hostname</name>
           <value>node1</value>
         </property>
         <property>
           <name>yarn.nodemanager.aux-services</name>
           <value>mapreduce_shuffle</value>
         </property>
       </configuration>
       
       
       

     • mapred-site.xml（如果不存在，可复制mapred-site.xml.template并重命名为mapred-site.xml）：配置MapReduce的运行框架为YARN。

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

     • slaves：配置DataNode所在的节点。

       node1
       node2
       node3
       

4. 分发Hadoop到其他节点

   使用scp命令将配置好的Hadoop目录分发到其他两个节点。

   scp -r /opt/hadoop-x.x.x node2:/opt/
   scp -r /opt/hadoop-x.x.x node3:/opt/
   

5. 格式化HDFS

   在node1上执行以下命令来格式化HDFS。

   hdfs namenode -format
   

6. 启动Hadoop

   在node1上启动Hadoop集群。

   start-dfs.sh
   start-yarn.sh
   

7. 验证Hadoop是否启动成功

   通过Web界面访问http://node1:50070/来查看HDFS的状态，访问http://node1:8088/来查看YARN的状态。同时，也可以通过jps命令在各个节点上查看运行的Hadoop进程。

以下是将Hadoop完全分布式配置下各节点的进程以表格形式展现的示例：

节点	进程
node1	NameNode
	SecondaryNameNode
	ResourceManager
	DataNode
	NodeManager
node2	DataNode
	NodeManager
node3	DataNode
	NodeManager

各文件详细配置内容

core-site.xml

<configuration>
  <!-- 指定Hadoop集群中的默认文件系统为HDFS -->
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://node1:9000</value>
  </property>
  
  <!-- 配置Hadoop临时目录，用于存放MapReduce作业执行过程中的中间数据 -->
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/hadoop-x.x.x/tmp</value>
  </property>
</configuration>

hdfs-site.xml

<configuration>
  <!-- 指定NameNode的存储路径，即NameNode元数据的存放位置 -->
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/opt/hadoop-x.x.x/hdfs/namenode</value>
  </property>
  
  <!-- 指定DataNode的存储路径，即实际数据存储的位置 -->
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/opt/hadoop-x.x.x/hdfs/datanode</value>
  </property>
  
  <!-- 配置HDFS的副本数，即每个数据块会被复制多少份，通常设置为3 -->
  <property>
    <name>dfs.replication</name>
    <value>3</value>
  </property>
</configuration>

yarn-site.xml

<configuration>
  <!-- 指定ResourceManager的地址，YARN作业提交到这里进行资源分配和调度 -->
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>node1</value>
  </property>
  
  <!-- 配置NodeManager提供的辅助服务，mapreduce_shuffle是MapReduce作业必须的服务 -->
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  
  <!-- （可选）配置ResourceManager的Web界面地址和端口 -->
  <property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>node1:8088</value>
  </property>
</configuration>

mapred-site.xml

<configuration>
  <!-- 指定MapReduce作业的运行框架为YARN -->
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

slaves

# 指定DataNode所在的节点，每行一个节点名
node1 //结点1
node2 //结点2
node3 //结点3