Hadoop 之完全分布式模式搭建

1、虚拟机环境准备

1、准备三台CentOS虚拟机系统
参考：VirtualBox 之安装CentOS
2、设置主机名

vi /etc/sysconfig/network
NETWORKING=yes
HOSTNAME=cnode1

3、关闭防火墙

# 查看防火墙状态
service iptables status

1) 永久性生效，重启后不会复原
开启： chkconfig iptables on
关闭： chkconfig iptables off

2) 即时生效，重启后复原
开启： service iptables start
关闭： service iptables stop

4、配置IP、主机名映射
1）首先配置第一台机器的hosts，信息如下：

192.168.56.61   cnode1
192.168.56.62   cnode2
192.168.56.63   cnode3

2）将配置好的hosts分发到其他机器。

sudo scp /etc/hosts root@<IP>:/etc/hosts

5、同步时间

# 查看时间
date
# 安装同步时间工具
yum install ntpdate
# 网络同步时间
ntpdate cn.pool.ntp.org

6、配置SSH免密登陆

# 生成ssh免登陆密钥（三个回车）
ssh-keygen -t rsa

执行完命令后，会生成私钥（id_rsa）、公钥（id_rsa.pub），放到当前用户根目录下的.ssh文件夹中。
一般是需要在节点上执行启动脚本的机器上生成公私钥后，将公钥分发出去。

# 将公钥拷贝到要免密登陆的目标机器上
# 本机也要配置免密登陆
ssh-copy-id cnode1
ssh-copy-id cnode2
ssh-copy-id cnode3

参考：https://blog.csdn.net/const_/article/details/99290754

7、JDK环境安装
Hadoop使用Java开发的，所以必须安装JDK。

# 上传JDK安装包
jdk-8u191-linux-x64.tar.gz
# 解压安装包
tar -xvf jdk-8u191-linux-x64.tar.gz -C /opt/
# 如果JDK目录所属用户不是当前用户，可用下面的命令修改所属用户
chown root:root -R jdk1.8.0_191
# 配置环境变量
vi /etc/profile
# 在末尾行添加
export JAVA_HOME=实际的Java根目录
export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar
export PATH=$PATH:$JAVA_HOME/bin
# 刷新配置
source /etc/profile
java -version

将JDK包和配置好的环境变量分发到其他机器，因为其他机器的用户名和本机相同，所以这里分发命令中可以省略用户名。

scp -r /opt/jdk1.8.0_191/ cnode2:/opt/
scp -r /opt/jdk1.8.0_191/ cnode3:/opt/
scp -r /etc/profile cnode2:/etc/
scp -r /etc/profile cnode3:/etc/

然后分别在其他机器上执行刷新配置命令。

2、Hadoop2.x安装

1、Hadoop下载地址：
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.0/
2、上传Hadoop安装包

hadoop-2.7.0.tar.gz

3、解压安装包

tar -xvf hadoop-2.7.0.tar.gz -C /opt/
chown root:root -R hadoop-2.7.0/

这里设置Hadoop环境变量在下面的步骤中介绍。

3、Hadoop配置文件修改

集群部署角色分配如下：

	node1	node2	node3
HDFS	NameNode	DateNode	DateNode
YARN	ResourceManager、NodeManager	NodeManager、secondaryNameNode	NodeManager

1、配置：hadoop-env.sh
Hadoop运行环境配置文件。
修改 hadoop-env.sh，指定JAVA_HOME 路径。
vi hadoop-env.sh

export JAVA_HOME=/opt/jdk1.8.0_191

2、配置：core-site.xml
Hadoop核心配置文件。
在hadoop根目录创建tmp文件夹。mkdir -p tmp
vi core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
   <property>
       <name>fs.defaultFS</name>
       <value>hdfs://cnode1:9000</value>
   </property>
<!-- 指定Hadoop运行时产生文件的存储目录，默认：/tmp/hadoop-${user.name} -->
<property>
	<name>hadoop.tmp.dir</name>
	<value>/opt/hadoop-2.7.0/tmp</value>
</property>

3、配置：hdfs-site.xml
HDFS配置文件。
vi hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<property>
	<name>dfs.replication</name>
	<value>2</value>
</property>
<!-- 指定Hadoop辅助NameNode主机配置 -->
<property>
	<name>dfs.namenode.secondary.http-address</name>
	<value>cnode2:50090</value>
</property>
<!-- 禁用权限检查-->
<property>
    <name>dfs.permissions.enabled</name>
    <value>false</value>
</property>

4、配置：yarn-site.xml
vi yarn-site.xml

<!-- Reducer获取数据的方式 -->
<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>cnode1</value>
</property>

5、配置：mapred-site.xml
将 mapred-site.xml.template 重新命名为 mapred-site.xml。

mv mapred-site.xml.template mapred-site.xml
vi mapred-site.xml

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

6、配置：slaves
${HADOOP_HOME}/etc/hadoop/slaves
vi slaves

cnode1
cnode2
cnode3

注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

7、配置Hadoop环境变量

vi /etc/profile
# 文件末尾添加Hadoop路径
export HADOOP_HOME=/opt/hadoop-2.7.0
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
# 刷新配置
source /etc/profile
# 测试是否安装成功
hadoop version

8、将配置好的Hadoop和环境变量分发到其他机器

scp -r /opt/hadoop-2.7.0/ cnode2:/opt
scp -r /opt/hadoop-2.7.0/ cnode3:/opt
scp -r /etc/profile cnode2:/etc/
scp -r /etc/profile cnode3:/etc/

如果编写了集群分发文件脚本，使用如下命令进行分发文件。

xsync /opt/hadoop-2.7.0/
xsync /etc/profile/

分发环境变量配置后记得刷新配置。
如果编写了集群分发命令脚本，使用如下命令进行分发命令。

xcall source /etc/profile

集群分发脚本编写参考：
https://blog.csdn.net/const_/article/details/99221979

4、Hadoop集群启动

如果集群是第一次启动，需要格式化NameNode，并且在第一次格式化后，以后就不要再格式化了，不然集群会出错的。（本质上是一些清理和准备工作，因为此时的HDFS在物理上还是不存在的。）
如果必须要进行格式化，一定要先停止上次启动的所有namenode和datanode进程，然后再删除hadoop.tmp.dir指定的目录和Hadoop根目录下logs文件夹数据。

# 在主节点上格式化NameNode（第一次启动时格式化，以后就不要总格式化）
hdfs namenode -format

启动Hadoop集群，需要启动HDFS、YARN两个集群。

1、单节点逐个启动

# 在cnode1主节点上启动HDFS NameNode
sbin/hadoop-daemon.sh start namenode

# 在cnode2、cnode3从节点上分别启动HDFS DataNode
sbin/hadoop-daemon.sh start datanode

注意：启动YARN前必须保证NameNode和DataNode已经启动。

# 在cnode1主节点上启动YARN ResourceManager
sbin/yarn-daemon.sh start resourcemanager

# 在cnode2、cnode3从节点上启动YARN NodeManager
sbin/yarn-daemon.sh start nodemanager

Hadoop后台管理界面：
http://cnode1:50070

YARN资源调度管理界面：
http://cnode1:8088/

2、脚本一键启动
如果配置了etc/hadoop/slaves和ssh免密登陆，就可以使用程序脚本启动所有Hadoop两个集群的相关进程。

# 在cnode1主节点上执行。
# 启动HDFS集群
sbin/start-dfs.sh
# 启动YARN集群
sbin/start-yarn.sh

# 停止集群：
sbin/stop-dfs.sh
sbin/stop-yarn.sh

注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

3、查看启动后的相关进程

Web端查看SecondaryNameNode：
http://cnode2:50090/status.html

5、Hadoop集群基本测试