【Hadoop】在云服务器上部署Hadoop2.7.1伪分布式集群

我用到的资源

• 华为云轻量服务器一台
  
• CentOS8
• JDK1.8
• Haddop-2.7.1.tar.gz
• SecureCRT（用来远程连接)

一、准备Hadoop压缩包并安装

1、安装Hadoop

（1）准备好hadoop压缩包

（2）安装hadoop

tar -zxvf hadoop-2.7.1.tar.gz -C /usr/local # 将hadoop安装到/usr/local目录下

（3）查看是否安装成功

/usr/local/hadoop-2.7.1/bin/hadoop version # 因为没有设置软链接，所以只能通过bin来查看

Hadoop 2.7.1
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r 15ecc87ccf4a0228f35af08fc56de536e6ce657a
Compiled by jenkins on 2015-06-29T06:04Z
Compiled with protoc 2.5.0
From source with checksum fc0a1a23fc1868e4d5ee7fa2b28a58a
This command was run using /usr/local/hadoop-2.7.1/share/hadoop/common/hadoop-common-2.7.1.jar

2、将hadoop添加到环境变量

vim /etc/profile

（1）在文件末尾添加以下内容

export HADOOP_HOME=/usr/local/hadoop-2.7.1
# PATH在安装jdk时已经设置,这里需要添加上HADOOP的路径
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

（2）保存文件，刷新配置

# 刷新配置文件
source /etc/profile
# 测试是否生效
hadoop version

二、伪分布式配置文件设置

先进入haoop的配置文件目录

 cd /usr/local/hadoop-2.7.1/etc/hadoop/ #/usr/local/hadoop-2.7.1为我的Hadoop的安装路径

1、修改 hadoop-env.sh

修改文件中的export JAVA_HOME=${JAVA_HOME}，将JAVA_HOME设置为你JDK的路径

vim  hadoop-env.sh

export JAVA_HOME=/usr/local/java/jdk1.8.0_341

2、修改core-site.xml

vim core-site.xml

在文件末尾的<configuration></configuration>之间添加以下内容

注意：这里的地址千万别用外网地址，因为云服务器中只有一块内网网卡，外网地址是服务商分配的

<!--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://192.168.0.109:9000</value>
</property>
<!--指定hadoop运行时产生的文件的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/local/hadoop-2.7.1/tmp</value>
</property>

3、修改hdfs-site.xml

vim hdfs-site.xml

在文件末尾的<configuration></configuration>之间添加以下内容

<!--指定hdfs副本的数量-->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>

4、拷贝mapred-site.xml.template文件内容并命名为mapred-site.xml

# 拷贝
cp mapred-site.xml.template mapred-site.xml

5、修改mapred-site.xml

vim mapred-site.xml

在文件末尾的<configuration></configuration>之间添加以下内容

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

6、修改 yarn-site.xml

vim yarn-site.xml

在文件末尾的<configuration></configuration>之间添加以下内容

<!--指定yarn的老大(ResouceManager)的地址	-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.0.109</value>
</property>
<!--指定reduce获取数据的方式是mapreduce_shuffle	-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

三、启动Hadoop集群

1、关闭防火墙

# Hadoop启动需要使用很多端口，如果不关闭防火墙会出现无法连接的问题
systemctl stop firewalld

注意:需要root权限才能关闭

2、格式化HDFS（namenode）第一次使用时要格式化

hadoop namenode -format

3、启动HDFS

# 启动hdfs
start-dfs.sh
#注意在启动过程要多次输入yes和root的密码

# 查看当前进程
jps

4、启动YARN

# 启动YARN
start-yarn.sh

# 查看当前进程
jps

当DFS和YARN的进程都启动时，应存在5个进程

ResourceManager
SecondaryNameNode
DataNode
NodeManager
NameNode

5、访问HDFS的WEB管理页面

启动Hadoop后，通过访问50070端口可以进入HDFS的管理页面

6、访问YARN的WEB管理页面

启动Hadoop后，通过访问8088端口可以进入YARN的管理页面

7、停止HDFS和YARN服务

四、遇到问题

NameNode启动报错：Cannot assign requested address

当我启动HDFS服务后发现少了一个NameNode进程，于是查看日志文件发现报BindException ，通过百度发现，原来是因为我在core-site.xml文件中设置的defaultFS值是外网IP，而云服务器只有一块内网网卡，外网IP是设置在云服务提供商的公网网关的，通过NAT技术映射到内网网卡上，所以NameNode无法访问该地址。

解决办法：

将defaultFS值设置为服务器的内网IP

重新格式化HDFS

NameNode在第一次格式化失败后，需要删除格式化失败残留文件，才能重新进行格式化

（1）删除残留文件

rm -rf /usr/local/hadoop-2.7.1/tmp          # 删除hdfs缓存文件
rm -rf /usr/local/hadoop-2.7.1/dfs/name		# 删除NameNode缓存目录
rm -rf /usr/local/hadoop-2.7.1/dfs/data		# 删除DataNode婚车目录
rm -rf /usr/local/hadoop-2.7.1/logs			# 删除日志文件

（2）手动创建配置文件

mkdir -p /usr/local/hadoop-2.7.1/tmp          	# 创建hdfs缓存文件
mkdir -p /usr/local/hadoop-2.7.1/dfs/name		# 创建NameNode缓存目录
mkdir -p /usr/local/hadoop-2.7.1/dfs/data		# 创建DataNode婚车目录
mkdir -p /usr/local/hadoop-2.7.1/logs			# 创建日志目录

（3）重新格式化

hadoop namenode -format