Hadoop平台搭建，安装与配置完整过程

Hadoop的安装与配置

几个知识点：
HDFS：底层，存储
HBase ：NOSQL列数据库
Map Reduce：编程模型，用于并行计算
ZooKeeper：分布式应用程序协调服务
Avro：数据序列化系统，设计用于支持大批数据交换的应用
Pig：大数据分析工具
Hive：数据仓库，依赖传统关系型数据库（行存储）
Sqoop：数据导入导出模式

**怕装坏了，可以先在虚拟机拍摄快照**

1. Xftp连接虚拟机centos01,将Hadoop压缩包放入根目录下/opt/softwares，
2. 用Xshell连接三台虚拟机
3. 用SSH（Secure Shell）
   2.1检查电脑是否安装SSH

ssh -V

若没有就搜索教程安装一个

在Xshell中，查看—撰写—撰写栏-在下侧弹出的框中选择：发送文本到Xshell文本全部对话。
4. 配置ssh免秘钥登录
4.1生成密钥文件，并将秘钥加入到授权文件中。
1）创建,ssh将秘钥保存到此
在根目录下，#ls -a查看文件，因为ls会隐藏一部分文件
三台虚拟机一起：（执行完命令后打开每一个窗口看一下，防止出现其他问题）

mkdir .ssh
cd .ssh
ls
ssh-keygen -t rsa 生成秘钥文件

2）将公钥加入授权文件中，一个个来

cat ./id_rsa.pub >> ./authorized_keys

3）将centos02,centos03的秘钥文件远程拷贝到centos01，并将两者的秘钥文件重新命名为id_rsa.pub.centos02和id_rsa.pub.centos03.
在centos02中：

scp ~/.ssh/id_rsa.pub root@centos01:~/.ssh/id_rsa.pub.centos02

在centos03中：

scp ~/.ssh/id_rsa.pub root@centos01:~/.ssh/id_rsa.pub.centos03

4）在centos01中，将centos02和centos03节点的秘钥文件信息都加入到授权文件中。

cat ./id_rsa.pub.centos02 >> ./authorized_keys
cat ./id_rsa.pub.centos03 >> ./authorized_keys

进入authorized_keys查看

vi authorized_keys

可以看到01 02 03即成功

5）拷贝授权文件到各个节点：
在centos01中：

 scp ~/.ssh/authorized_keys root@centos02:~/.ssh/
 scp ~/.ssh/authorized_keys root@centos03:~/.ssh/

5. 验证三台机器的免秘钥登录配置成功

ssh centos02

三台虚拟机之间互相登录

exit  # 退出

第一次连接可能会出现图片中的提示，输入yes回车即可

6-9都在centos01上操作

6. 将开始上传的Hadoop解压至/opt/modules

cd /opt/spftwares
ls
tar -zxf hadoop-2.8.2.tar.gz -C /opt/modules/

Hadoop版本根据自己的调整
像这种带着版本号的，不太好输入，可以先输入几个字母，再用TAB键补齐
需要注意一点就是解压到/opt/modules/下，最后的/不要漏

7. 配置hadoop环境变量

修改以下文件，在其中加入JAVA_HOME环境变量

手动输入Java环境变量比较麻烦，可以在与centos01连接的对话框上右键—复制此连接（大概这个意思，忘记原字），就会打开第二个和centos01的框，此时cd进入/opt/modules/jdk1.8.0_144/再输入pwd(路径)即复制就可

vi Hadoop-env.sh
vi mapred-env.sh
vi yarn_env.sh

再文档中快速查找JAVA_HOME，输入/JAVA回车即可
以下截图为修改完毕的三个文件

进入文件点击i进入输入模式，写完之后点击ESC，再输入：wq回车即可。

8. 配置HDFS

   配置文件很重要，要注意小符号，建议复制粘贴
   （1）修改配置文件core-site.xml，加入以下内容：

<configuration>
   <property>
	 <name>fs.defaultFS</name>
	 <value>hdfs://centos01:9000</value>
   </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/opt/modules/hadoop-2.8.2/tmp</value>
     </property>
</configuration>

参数解析：
fs.defaultFS：HDFS的默认访问路径。
hadoop.tmp.dir：Hadoop临时文件的存放目录，可自定义。
（2）修改配置文件hdfs-site.xml，加入以下内容：

<configuration>
   <property>
	  <name>dfs.replication</name>
	  <value>2</value>
	</property>
    <property><!--不检查用户权限-->
	  <name>dfs.permissions.enabled</name>
	  <value>false</value>
	</property>
	<property>
	  <name>dfs.namenode.name.dir</name>
	  <value>file:/opt/modules/hadoop-2.8.2/tmp/dfs/name</value>
	</property>
	<property>
	  <name>dfs.datanode.data.dir</name>
	  <value>file:/opt/modules/hadoop-2.8.2/tmp/dfs/data</value>
	</property>
</configuration>

参数解析：
dfs.replication：文件在HDFS系统中的副本数。
dfs.namenode.name.dir：HDFS名称节点数据在本地文件系统的存放位置。
dfs.datanode.data.dir：HDFS数据节点数据在本地文件系统的存放位置。
（3）修改slaves文件，配置DataNode节点。slaves文件原本无任何内容，需要将所有DataNode节点的主机名都添加进去，每个主机名占一整行。本例中，DataNode为三个节点：

centos01
centos02
centos03

9. 配置YARN

（1）有将mapred-site.xml.template文件重命名为mapred-site.xml，风险较大，可以改为复制一份mapred-site.xml.template，再复制文件上进行操作。复制文件命名为mapred-site.xml

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

（1）修改mapred-site.xml文件，添加以下内容，指定以yarn集群方式运行。

<configuration>  
    <property>  
       <name>mapreduce.framework.name</name>  
       <value>yarn</value> 
    </property> 
</configuration>

（2）修改yarn-site.xml文件，添加以下内容：

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

参数解析：
yarn.nodemanager.aux-services ：NodeManager上运行的附属服务。需配置成mapreduce_shuffle才可运行MapReduce程序。

10. 拷贝Hadoop安装文件到其他主机
    再centos01中：

cd /opt/modules
scp -r hadoop-2.8.2/ root@centos02:/opt/modules/
scp -r hadoop-2.8.2/ root@centos03:/opt/modules/

查看是否拷贝成功
在centos02和centos03中分别：进入/opt/modules/查看
有hadoop-2.8.2就成功了：）

11. 配置Hadoop的环境变量
    在01 02 03 三台虚拟机都需要配置，修改/etc/profile文件，添加以下内容。先退到根目录下，再修改。

export HADOOP_HOME=/opt/modules/hadoop-2.8.2
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

别忘记重启文件使其生效：

source /etc/profile

12.启动Hadoop

格式化NameNode可以初始化HDFS文件系统的一些目录和文件。

hadoop namenode -format

 格式化只需要在第一次启动Hadoop的时候用，（这个对我来说，是比较大的一个坑，之前搭建Hadoop集群的时候，那位老师就一直让格式化☹选择一位良师还是很有必要的：））

出现这个就成功了
启动：

start-all.sh

也可以执行start-dfs.sh和start-yarn.sh分别启动HDFS和YARN集群。

13.查看各节点启动进程

三台虚拟机上输入

jps

Jps进程多一个少一个没关系，其他不能多一个或者少一个，但是集群启动时间长了之后再去jps,可能有些就没有了，大部分是因为你没有用到那个节点，它就歇着去了。

14.网页也可登录
Centos01 的IP地址在加上：50070就是网址
如：192.168.170.133：50070
在Overview里看到’centos01:9000’active就可以啦

14.1）做一个小测试：
在centos01节点的HDFS根目录创建文件夹，名为input，并在/opt/data目录下的一个创建一个命名为123.txt文件(文件中输入两行话：第一行：Hello， Hadoop！，第二行：My name is pinyin)上传到新建的input文件夹中

cd /opt/data
ls
vi 123

hdfa dfs -mkdir /input
hdfs dfs put /opt/data/123 /input

在网页中查看HDFS的NameNode信息。选择绿色条目栏的最后一个Utitles

点击input，进入即可看见你命名为123的文件，再次点击进入

可以选择download，将文件下载下来，以文本文档的形式打开
（有的可以直接点开查看）

成功！

15.测试MapReduce
运行Hadoop自带的Map reduce单词计数程序，统计/input文件中所有文件的单词数量：
进入 /opt/modules/hadoop-2.8.2/share/Hadoop/mapreduce

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.2.jar workcount /input /output

统计完成后，查看执行结果：

hadf dfs -cat /output/*

网页中也可以查看：

同样，也可以下载下来看看。
到这里，就把Hadoop平台搭建起来，配置完成:)