Centos7 +JDk1.8 + Hadoop2.7.7集群安装

hadoop中有3个核心组件：
分布式文件系统：HDFS —— 实现将文件分布式存储在很多的服务器上
分布式运算编程框架：MAPREDUCE —— 实现在很多机器上分布式并行运算
分布式资源调度平台：YARN —— 帮用户调度大量的mapreduce程序，并合理分配运算资源

hdfs

工作机制：
1、客户把一个文件存入hdfs，其实hdfs会把这个文件切块后，分散存储在N台linux机器系统中（负责存储文件块的角色：data node）<准确来说：切块的行为是由客户端决定的>
2、一旦文件被切块存储，那么，hdfs中就必须有一个机制，来记录用户的每一个文件的切块信息，及每一块的具体存储机器（负责记录块信息的角色是：name node
3、为了保证数据的安全性，hdfs可以将每一个文件块在集群中存放多个副本（到底存几个副本，是由当时存入该文件的客户端指定的）
综述：一个hdfs系统，由一台运行了namenode的服务器，和N台运行了datanode的服务器组成！

搭建hdfs分布式集群：
一.首先需要准备N台linux服务器，或者用虚拟机
先准备4台虚拟机，一个namenode节点，三台datanode节点

二.进行虚拟机相关的配置：详细步骤请参考我得另外一篇博客：

https://blog.csdn.net/weixin_43866709/article/details/87977822

三.安装JDK1.8（hadoop体系中的各软件都是java开发的）

1. 利用alt+p 打开sftp窗口，然后将jdk压缩包拖入sftp窗口
2. 然后在linux中将jdk压缩包解压到/root/apps 下
3. 配置环境变量：JAVA_HOME PATH
   vi ~/.bashrc 在文件的最后，加入：

export JAVA_HOME=/root/apps/jdk1.8.0_60
export PATH=$PATH:$JAVA_HOME/bin

4. 修改完成后，记得 source ~/.bashrc使配置生效
5. 检验：在任意目录下输入命令： java -version 看是否成功执行
6. 将安装好的jdk目录用scp命令拷贝到其他机器,如果机器很多，可以利用脚本，请参考博客：
   https://blog.csdn.net/weixin_43866709/article/details/88382027
7. 将~/.bashrc配置文件也用scp命令拷贝到其他机器并分别执行source命令

四.安装hdfs集群
1、上传hadoop安装包到hdp-01，解压到/root/apps 目录下
2.修改配置文件:

核心配置参数：

1. 指定hadoop的默认文件系统为：hdfs
2. 指定hdfs的namenode节点为哪台机器
3. 指定namenode软件存储元数据的本地目录
4. 指定datanode软件存放文件块的本地目录

hadoop的配置文件在：/root/apps/hadoop安装目录/etc/hadoop/

1. 修改hadoop-env.sh

export JAVA_HOME=/root/apps/jdk1.8.0_60

2. 修改core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hdp-01:9000</value>
</property>
</configuration>

3. 修改hdfs-site.xml

<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>/root/hdpdata/name/</value>         //保存namenode 元数据的目录
</property>

<property>
<name>dfs.datanode.data.dir</name>
<value>/root/hdpdata/data</value>           //保存datanode元数据的目录
</property>

<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hdp-02:50090</value>
</property>

</configuration>

4. 拷贝整个hadoop安装目录到其他机器

拷贝方法同JDK

5. 启动HDFS
   所谓的启动HDFS，就是在对的机器上启动对的软件:
   要运行hadoop的命令，需要在linux环境中配置HADOOP_HOME和PATH环境变量
   vi ~/.bashrc

export JAVA_HOME=/root/apps/jdk1.8.0_60
export HADOOP_HOME=/root/apps/hadoop-2.7.7
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

首先，初始化namenode的元数据目录
要在hdp-01上执行hadoop的一个命令来初始化namenode的元数据存储目录

hadoop namenode -format

 创建一个全新的元数据存储目录
 生成记录元数据的文件fsimage
 生成集群的相关标识：如：集群id——clusterID

然后，启动namenode进程（在hdp-01上）

hadoop-daemon.sh start namenode

启动完后，首先用jps查看一下namenode的进程是否存在
然后，在windows中用浏览器访问namenode提供的web端口：50070

http://L1:50070

然后，启动众datanode们（在任意地方）

hadoop-daemon.sh start datanode

6. 用自动批量启动脚本来启动HDFS

1. 先配置hdp-01到集群中所有机器（包含自己）的免密登陆,请参考博客：https://blog.csdn.net/weixin_43866709/article/details/87982019
2. 配完免密后，可以执行一次 ssh 0.0.0.0
3. 修改hadoop安装目录中/etc/hadoop/slaves（把需要启动datanode进程的节点列入）

L1
L2
L3
L4

在hdp-01上用脚本：start-dfs.sh 来自动启动整个集群
如果要停止，则用脚本：stop-dfs.sh

五.hdfs的客户端操作
hdfs的客户端有多种形式：
1、网页形式
2、命令行形式
3、客户端在哪里运行，没有约束，只要运行客户端的机器能够跟hdfs集群联网
文件的切块大小和存储的副本数量，都是由客户端决定！
所谓的由客户端决定，是通过配置参数来定的
hdfs的客户端会读以下两个参数，来决定切块大小、副本数量：
切块大小的参数： dfs.blocksize
副本数量的参数： dfs.replication

上面两个参数应该配置在客户端机器的hadoop目录中的hdfs-site.xml中配置

<property>
<name>dfs.blocksize</name>
<value>64m</value>
</property>

<property>
<name>dfs.replication</name>
<value>2</value>
</property>

yarn

安装yarn集群
yarn集群中有两个角色：
主节点：Resource Manager 1台
从节点：Node Manager N台

Resource Manager一般安装在一台专门的机器上
Node Manager应该与HDFS中的data node重叠在一起

修改配置文件：yarn-site.xml

<property>
<name>yarn.resourcemanager.hostname</name>
<value>hdp-04</value>
</property>

<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

然后复制到每一台机器上

用脚本启动yarn集群：

sbin/start-yarn.sh

停止：

sbin/stop-yarn.sh

启动完成后，可以在windows上用浏览器访问resourcemanager的web端口：http://hdp-04:8088
看resource mananger是否认出了所有的node manager节点

至此就安装完成了。