VMware之Hadoop完全分布式安装

1、 集群搭建形式

Hadoop环境搭建分为三种形式：单机模式、伪分布式模式、完全分布模式
（1）单机模式—— 在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统。
（2）伪分布式—— 也是在一台单机上运行，但不同的是Java进程模仿分布式运行中的各类节点。即一台机器上，既当NameNode，又当DataNode，或者说既是JobTracker又是TaskTracker。没有所谓的在多台机器上进行真正的分布式计算，故称为“伪分布式”。
（3）完全分布式—— 真正的分布式，由3个及以上的实体机或者虚拟机组成的机群。一个Hadoop集群环境中，NameNode，SecondaryName和DataNode是需要分配在不同的节点上，也就需要三台服务器。
前两种模式一般用在开发或测试环境下，生产环境下都是搭建完全分布式模式。
从分布式存储的角度来说，集群中的节点由一个NameNode和若干个DataNode组成，另有一个SecondaryNameNode作为NameNode的备份。
从分布式应用的角度来说，集群中的节点由一个JobTracker和若干个TaskTracker组成。JobTracker负责任务的调度，TaskTracker负责并行执行任务。TaskTracker必须运行在DataNode上，这样便于数据的本地计算。JobTracker和NameNode则无须在同一台机器上。
2、环境
操作系统：CentOS7
机器：虚拟机3台，（master 192.168.1.101, slave1 192.168.1.102, slave2 192.168.1.103）
JDK：1.8.0_221（jdk-8u221-linux-x64.tar.gz）
Hadoop：2.9.2（http://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz）
3、 搭建步骤
（1） 每台机器安装&配置JDK
详见博客（https://blog.csdn.net/lnxcw/article/details/106336186）

（2） 修改每台机器主机名(hostname)
hostnamectl set-hostname master （立即生效）
hostnamectl set-hostname slave1 （立即生效）
hostnamectl set-hostname slave2 （立即生效）
（3）修改每台机器/etc/hosts文件
（切换到root用户（获取管理员权限）
输入命令：$su –l root）

vi /etc/hosts

修改其中1台，然后scp到其它机器
scp 文件名 远程主机用户名@远程主机名或ip:存放路径

scp hosts root@192.168.1.102:/etc/
scp hosts root@192.168.1.103:/etc/

修改完之后，互ping其它机器，能互ping则说明修改OK
ping -c 3 slave1 （※ 3表示发送 3 个数据包）

（4） 配置ssh，实现无密码登录

无密码登录，效果也就是在master上，通过ssh slave1或者ssh slave2就可以登录对方机器，而不用输入密码。
1） 每台机器执行

ssh-keygen -t rsa

，接下来一路回车即可
执行ssh-keygen -t rsa主要是生成 密钥 和 密钥的存放路径

我们用的root用户，公钥私钥都会保存在~/.ssh下，所以要进入该目录

cd ~/.ssh

2） 在master上将公钥放到authorized_keys里，命令：

cat id_rsa.pub > authorized_keys

3） 将master上的authorized_keys放到其它机器上

scp authorized_keys root@hadoop02:~/.ssh/
scp authorized_keys root@hadoop03:~/.ssh/

4） 测试是否成功

（5）安装&配置Hadoop
详见博客（https://blog.csdn.net/lnxcw/article/details/106337081）
1） 创建HDFS存储目录

cd /opt/hadoop-2.9.2
mkdir hdfs
cd hdfs
mkdir name data tmp

/opt/hadoop-2.9.2/hdfs/name --存储namenode文件 /opt/hadoop/hdfs/data --存储数据
/opt/hadoop-2.9.2/hdfs/tmp --存储临时文件


2)修改/opt/module/hadoop-2.9.2/etc/hadoop/hadoop-env.sh文件，设置JAVA_HOME为实际路径,否则启动集群时，会提示路径找不到

3)修改/opt/module/hadoop-2.9.2/etc/hadoop/yarn-env.sh文件，设置JAVA_HOME为实际路径

4)配置/opt/module/hadoop-2.9.2/etc/hadoop/core-site.xml
增加hadoop.tmp.dir 和 fs.default.name

<!-- 指定hadoop运行时产生文件的存储目录 -->
<property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.9.2/hdfs/tmp</value>
</property>
<!-- 指定HDFS中NameNode的地址 -->
<property>
        <name>fs.default.name</name>
        <value>hdfs://hadoop01:9000</value>
</property>

5)配置/opt/module/hadoop-2.9.2/etc/hadoop/hdfs-site.xml
dfs.replication：默认值3
dfs.permissions：默认值为true，设置为true有时候会遇到数据因为权限访问不了；设置为false可以不要检查权限就生成dfs上的文件

<property>
        <name>dfs.replication</name>
        <value>3</value>
</property>
<property>
        <name>dfs.name.dir</name>
        <value>/opt/module/hadoop-2.9.2/hdfs/name</value>
</property>
<property>
        <name>dfs.data.dir</name>
        <value>/opt/module/hadoop-2.9.2/hdfs/data</value>
</property>
<property>
        <name>dfs.permissions</name>
        <value>false</value>
</property>
<property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop03:50090</value>
</property>

6)配置/opt/module/hadoop-2.9.2/etc/hadoop/mapred-site.xml
mapreduce.framework.name：指定mapreduce运行在yarn平台，默认为local
mv mapred-site.xml.template mapred-site.xml
vi mapred-site.xml

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

7)配置/opt/module/hadoop-2.9.2/etc/hadoop/yarn-site.xml

yarn.resourcemanager.hostname：指定yarn的resourcemanager的地址

yarn.nodemanager.aux-services：reducer获取数据的方式

yarn.nodemanager.vmem-check-enabled：意思是忽略虚拟内存的检查，如果安装在虚拟机上，这个配置很有用，配上去之后后续操作不容易出问题。如果是在实体机上，并且内存够多，可以将这个配置去掉

<!-- 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>hadoop02</value>
</property>
<property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
</property>

(8) 配置/opt/module/hadoop-2.9.2/etc/hadoop/slaves文件，将里面的localhost删除，配置后内容如下：

9)copy整个/opt/module/目录到其它机器，并修改2和3的环境变量，将JDK和Hadoop路径添加进去
scp -r module root@slave1:/opt/
scp -r module root@slave2:/opt/

让修改后的文件生效：source /etc/profile
(6) 启动Hadoop
1） 启动之前需要格式化一下。因为hadoop01是namenode，hadoop02和hadoop03都是datanode，所以在master上运行

hadoop namenode -format

格式化成功后，可以看到在/opt/module/hadoop-2.9.2/hdfs/name目录下多了一个current目录，而且该目录下有一系列文件，如下：
2)执行启动（namenode只能在hadoop01上启动，因为配置在hadoop01上；datanode每个节点上都可以启动）
a.启动HDFS

sbin/start-dfs.sh
start-all.sh（谨慎）

b.启动yarn

sbin/start-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。
(7)在win网上打开网页，查看HDFS管理页面 192.168.1.101:50070
若无法访问，则查看是否关闭防火墙。

注：

（1）关闭nodemanager 、resourcemanager和historymanager
sbin/yarn-daemon.sh stop resourcemanager
sbin/yarn-daemon.sh stop nodemanager
sbin/mr-jobhistory-daemon.sh stop historyserver
（2）启动nodemanager、resourcemanager和historymanager
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
sbin/mr-jobhistory-daemon.sh start historyserver