Hadoop2.7.6 完全分布搭建

centos7.5 hadoop2.7.6 完全分布搭建

一、 准备3台客户机（master,slave1,slave2）

关闭防火墙 三台机器都要

	systemctl stop firewalld.service 关闭防火墙
	systemctl disable firewalld.service  永久关闭防火墙

如果不关，Hadoop搭建好上传文件，上传不了 ，可能会报这样的错：

		org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /user/a.txt._COPYING_ could only be replicated to 0 nodes instead of minReplication (=1).  There are 2 datanode(s) running and 2 node(s) are excluded in this operation.

详情见博客：https://blog.csdn.net/weixin_43719703/article/details/102525972
1、修改主机名gedit /etc/hostname (主机名)
gedit 可以换成 vim

2、设置静态IP(每台主机都要配置)
系统默认使用的是DHCP动态获取IP地址，为了方便集群机器之间相互通信，要设置静态ip地址。并修改主机名称

(1)修改/etc/sysconfig/network-scripts/ifcfg-eth0，如果不确定自己的网卡信息，可以使用ifconfig命令查看

(2) 编辑 gedit /etc/hosts
加入三台主机的 IP + 主机名

设置完三台机子的IP之后，在任意一台机子ping ip地址 看看是否能够ping通

二、SSH免密钥登录配置（重点）

大数据集群中的Linux主机之间需要频繁的通信，但是Linux在互相通信中需要进行用户身份认证们也就是输入密码。在集群不大的情况下，每次登录少量计算机进行输入密码认证，所需要的操作时间尚且不多。但是，如果集群是几十台、上百台，频繁的认证就会大大降低工作效率，因此，实际生产中的集群都需要进行面密钥登录配置。默认状态下，SSH连接是需要密码认证的，但是可以通过修改系统认证，使系统通信免除密码输入和SSH认证。

1、进入到home目录（如果没有.ssh目录，则使用ssh命令连接一次其他主机就会生成）
cd ~/.ssh
　 生成公钥和私钥对：
在命令行输入： ssh-keygen -t rsa
然后敲（三个回车），就会生成两个文件id_rsa（私钥）、 id_rsa.pub（公钥）
代码参数含义：
-t 指定密钥类型，默认是 rsa ，可以省略。
-C 设置注释文字。
-f 指定密钥文件存储文件名。

2、复制公钥 cp id_rsa.pub authorized_keys

**3、 将公钥拷贝到要免密登录的目标机器和自己机器
**ssh-copy-id作用： 将本机的公钥复制到远程机器的authorized_keys文件中，ssh-copy-id也能让你有到远程机器的home, ~./ssh , 和~/.ssh/authorized_keys的权利。

	 ssh-copy-id -i .ssh/id_rsa.pub root@IP地址(或者主机名)

注：ssh-copy-id -i 是最简单的办法，如果不用这个，就得分二个步骤:

ssh-copy-id作用： 将本机的公钥复制到远程机器的authorized_keys文件中，ssh-copy-id也能让你有到远程机器的home, ~./ssh , 和~/.ssh/authorized_keys的权利

a) 先scp将本机的id_rsa.pub复制到对方机器的.ssh目录下

b) 在对方机器上执行 cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 导入公钥

4、给权限（每台机子都要）
chmod -R 700 ~/.ssh
cd ~/.ssh
chmod 600 authorized_keys

5、验证
ssh localhost(或者某个 主机名、IP地址)
ssh配置成功 如图：

没有提示输入密码则表示本机无密钥登录成功，如果此步不成功，后续启动hdfs脚本会要求输入密码
6、将authorized_keys文件传给其他机器

  **ssh文件夹下的文件功能解释**
   （1）~/.ssh/known_hosts      ：记录ssh访问过计算机的公钥(public key)

   （2）id_rsa    ：生成的私钥

   （3）id_rsa.pub     ：生成的公钥

   （4）authorized_keys    ：存放授权过得无秘登录服务器公钥

三、 配置jdk

jdk 下载网址 https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
下好了，复制到虚拟机某个目录底下，然后解压 tar -zxvf 你放的目录/压缩包

配置环境
编辑 /etc/profile 加入
JAVA_HOEM=你解压的目录
PATH=$JAVA_HOEM/bin

source /etc/profile
输入命令 jps 成功出现说明成功（或者Java -version）

注：centos自带jdk,Java -version 出来的的版本跟你自己装的可能不一样，只要指定你装的jdk路径就可以了，如果想要卸载，可以自己百度一下。

四、配置Hadoop，然后将master的hadoop文件传送给slave节点

1、下载hadoop 2.7.6 http://archive.apache.org/dist/hadoop/core/hadoop-2.7.6/
2、解压 tar -zxvf 压缩包名字
3、在/etc/profile 中配置路径HADOOP_HOME
4、

（1）配置文件：hadoop-env.sh(文件都在（自己解压的Hadoop目录/etc/hadoop中)

			修改JAVA_HOME值（export JAVA_HOME=与profile文件中的jave_home一致） 

（2）配置文件：yarn-env.sh

			修改JAVA_HOME值（export JAVA_HOME=与profile文件中的jave_home一致）

（3）配置文件：slaves

slaves文件是Hadoop集群的Slave节点列表，集群启动的时候根据该列表启动集群中的节点。该文件中可以配置主机名也可以配置ip地址
这里就是：
slave1
slave2

（4）配置配置核心组件文件：core-site.xml

   		<configuration>
		   /*这里的值指的是默认的HDFS路径*/
				<property>
							   <name>fs.defaultFS</name>
							 <value>hdfs://IP（或者主机名）:9000</value>
					</property>
									/*临时文件夹路径*/
					 <property>
									    <name>hadoop.tmp.dir</name>
									    <value>file:/hadoop-2.7.6/tmp</value>
									    <description>Abase for other temporary directories. </description>
					  </property>
					  	/*缓冲区大小：io.file.buffer.size默认是4KB*/
					/* <property>
									    <name>io.file.buffer.size</name>
									    <value>131072</value>
					  </property>
					  */
			</configuration>

（5）配置文件系统： hdfs-site.xml

		<configuration>
				/*配置主节点名和端口号*/
				<property>
				    <name>dfs.namenode.secondary.http-address</name>
				    <value>master:9001</value>
				</property>
				/*配置从节点名和端口号*/
				<property>
				    <name>dfs.namenode.name.dir</name>
				    <value>/hadoop/hadopp-2.7.6/hdfs/namenode</value>（目录都是自己想放的地方，最好放在Hadoop目下）
				</property>
				/*配置datanode的数据存储目录*/
				<property>
				    <name>dfs.datanode.data.dir</name>
				    <value>/hadoop/hadopp-2.7.6/hdfs/datanode</value>
				</property>
				/*配置副本数*/
				<property>
				    <name>dfs.replication</name>
				    <value>3</value>
				</property>

这里的dfs.replication是HDFS数据块的副本数，系统默认值是3，超过3的数是没有意义的，因为HDFS的最大副本数就是3

(6) 配置MapReduce计算框架文件

		 在hadoop-2.7.6/etc/hadoop子目录下，系统已经有了一个mapred-site.xml.template文件，我们需要将其复制并改名，命令是“cp ~/hadoop-2.7.6/etc/hadoop/mapred-site.xml.template ~/hadoop-2.7.6/etc/hadoop/mapred-site.xml

	<configuration>
			/*hadoop对map-reduce运行框架一共提供了3种实现，在mapred-site.xml中通过"mapreduce.framework.name"这个属性来设置为"classic"、"yarn"或者"local"*/
			<property>
			    <name>mapreduce.framework.name</name>
			    <value>yarn</value>
			</property>
			
			/*<property>
			    <name>mapred.job.tracker</name>
			    <value>ip或者主机名:9002</value>
			     <!-- Default Port: 9001. -->
			</property>
			*/

（7) 配置yarn-site.xml文件

注意：IP或者主机名要统一

至此，master节点配置完毕，其余slave节点可以用scp命令将hadoop安装文件,profile文件复制到各个主机，最好各个slave节点的profile文件手动进行配置，配置信息参照master节点的profile文件。

scp -r /hadoop root@slave1:/hadoop
scp -r /hadoop root@slave2:/hadoop
**

slave 节点的Hadoop、jdk目录与 master 一致

**

五、 Hadoop集群的启动

1、 格式化文件系统（只需在master节点执行一次）

在master节点上使用如下命令格式化：

source /etc/profile
hdfs namenode -format

如果没有出现错误信息，则说明格式化成功。如果格式化失败，需要重新格式化

2、启动和关闭Hadoop

完成格式化后即可启动Hadoop了，可以使用sbin子目录下的start-all.sh命令启动Hadoop集群；

Hadoop系统建议放弃使用start-all.sh和stop-all.sh一类的命令，而改用start-dfs.sh和start-yarn.sh命令。

3、验证Hadoop集群是否启动成功

主节点：

slave节点：

Hadoop 命令验证

	hdfs dfs -put ' /root/aa.txt'   /               注意： aa.txt是自己在/root目录下创建的文件
	如果上传成功则Hadoop配置成功

用自己的IP+50070，可以查看

最后可以使用 hdfs dfs -mkdir /user 看看是否能创建目录