Hadoop集群搭建(包括环境搭建及配置)

注意路径和主机名,一定要仔细

1.准备Linux环境

1.0 配置好各虚拟机的网络（采用NAT联网模式）

第一种：通过Linux图形界面进行修改(桌面版本Centos)
进入Linux图形界面 -> 右键点击右上方的两个小电脑 -> 点击Edit connections
-> 选中当前网络System eth0 -> 点击edit按钮 -> 选择IPv4 -> method选择为manual ->
 点击add按钮 -> 添加IP：192.168.1.101 子网掩码：255.255.255.0 网关：192.168.1.1 -> apply

第二种：修改配置文件方式
vi /etc/sysconfig/network-scripts/ifcfg-eth0
DEVICE="eth0"
BOOTPROTO="static"               ###
HWADDR="00:0C:29:3C:BF:E7"
IPV6INIT="yes"
NM_CONTROLLED="yes"
ONBOOT="yes"
TYPE="Ethernet"
UUID="ce22eeca-ecde-4536-8cc2-ef0dc36d4a8c"
IPADDR="192.168.1.101"           ###
NETMASK="255.255.255.0"          ###
GATEWAY="192.168.1.1"            ###

1.1修改各个虚拟机主机名
vi /etc/sysconfig/network

NETWORKING=yes
HOSTNAME=node-1    

1.2修改主机名和IP的映射关系
vi /etc/hosts

192.168.1.101 node-1
192.168.1.102 node-2
192.168.1.103 node-3

1.3关闭防火墙
#查看防火墙状态
service iptables status
#关闭防火墙
service iptables stop
#查看防火墙开机启动状态
chkconfig iptables --list
#关闭防火墙开机启动
chkconfig iptables off


1.4.配置ssh免登陆
#生成ssh免登陆密钥


ssh-keygen -t rsa （四个回车）
执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
将公钥拷贝到要免密登陆的目标机器上
ssh-copy-id node-2

1.5 同步集群时间
常用的手动进行时间的同步
date -s "2017-03-03 03:03:03"
或者网络同步：
yum install ntpdate
ntpdate cn.pool.ntp.org
----------------------------------------------------------------------------------------------------------------
2.安装JDK
2.1上传jdk
rz jdk-8u65-linux-x64.tar.gz

2.2解压jdk
tar -zxvf jdk-8u65-linux-x64.tar.gz -C /root/apps

2.3将java添加到环境变量中
vim /etc/profile
#在文件最后添加
export JAVA_HOME=/export/servers/jdk
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

#刷新配置
source /etc/profile
----------------------------------------------------------------------------------------------------------------
3.安装hadoop2.7.4
上传hadoop的安装包到服务器
hadoop-2.7.4-with-centos-6.7.tar.gz
解压安装包
tar zxvf hadoop-2.7.4-with-centos-6.7.tar.gz

注意：hadoop2.x的配置文件目录：$HADOOP_HOME/etc/hadoop
----------------------------------------------------------------------------------------------------------------
3.1配置hadoop
查找path变量
which java
将java的路径配置到Hadoop中保证hadoop运行一定可以加载到jdk
第一个：hadoop-env.sh

vi hadoop-env.sh
export JAVA_HOME=/export/servers/jdk
---------------------------------------------------------------------------
第二个：core-site.xml


<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://node-1:9000</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>/export/data/hddata</value>
</property>
---------------------------------------------------------------------------
第三个：hdfs-site.xml   


<!-- 指定HDFS副本的数量 -->
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
    
<property>
  <name>dfs.namenode.secondary.http-address</name>
  <value>hadoop2:50090</value>
</property>


---------------------------------------------------------------------------
第四个：mapred-site.xml 


cp mapred-site.xml.template mapred-site.xml
vi mapred-site.xml


<!-- 指定mr运行时框架，这里指定在yarn上，默认是local -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
---------------------------------------------------------------------------
第五个：yarn-site.xml


<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>node-1</value>
</property>

<!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序默认值："" -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
---------------------------------------------------------------------------  
第六个：slaves文件，里面写上从节点所在的主机名字


vi slaves
hadoop1
hadoop2
hadoop3
---------------------------------------------------------------------------      
3.2将hadoop添加到环境变量

vim /etc/proflie
export HADOOP_HOME=/export/servers/hadoop
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin


source /etc/profile
---------------------------------------------------------------------------   

3.3格式化namenode（本质是对namenode进行初始化）
hdfs namenode -format (hadoop namenode -format)

对于新搭建hadoop集群 要对hadoop集群（更具体一点是hdfs集群中namenode进行格式化）
格式化也就是初始化的意思 因为在没有初始化之前 我们的hdfs在物理还不存在
初始化hdfs系统所需要的一些元数据（同时也就会把hadoop.tmp.dir配置的目录创建出来）
把初始化的数据放在该目录下
特别注意：
  格式化只能进行一次    新的集群    集群的id     clusterID
  如果格式化失败了，首先把各个机器上的hadoop.tmp.dir配置的目录给删除  然后再格式化
  
格式化是针对namenode操作的  因此在namenode所在的机器执行

3.4启动hadoop
先启动HDFS
sbin/start-dfs.sh

再启动YARN
sbin/start-yarn.sh

3.5验证是否启动成功
使用jps命令验证
27408 NameNode
28218 Jps
27643 SecondaryNameNode   (secondarynamenode)
28066 NodeManager
27803 ResourceManager
27512 DataNode

http://192.168.1.101:50070 （HDFS管理界面）
http://192.168.1.101:8088 （MR管理界面）