史上最详细的Hadoop环境搭建,从0开始，图解全部过程

Hadoop在大数据技术体系中的地位至关重要，Hadoop是大数据技术的基础，对Hadoop基础知识的掌握的扎实程度，决定在大数据技术道路上走多远。

这是一篇入门文章，Hadoop的学习方法很多，网上也有很多学习路线图。本文的思路是：以安装部署Apache Hadoop2.x版本为主线，来介绍Hadoop2.x的架构组成、各模块协同工作原理、技术细节。安装不是目的，通过安装认识Hadoop才是目的。

第一部分：Linux环境安装

Hadoop是运行在Linux，虽然借助工具也可以运行在Windows上，但是建议还是运行在Linux系统上，第一部分介绍Linux环境的安装、配置、Java JDK安装等。

第二部分：Hadoop本地模式安装

Hadoop本地模式只是用于本地开发调试，或者快速安装体验Hadoop，这部分做简单的介绍。

第三部分：Hadoop伪分布式模式安装

学习Hadoop一般是在伪分布式模式下进行。这种模式是在一台机器上各个进程上运行Hadoop的各个模块，伪分布式的意思是虽然各个模块是在各个进程上分开运行的，但是只是运行在一个操作系统上的，并不是真正的分布式。

第四部分：完全分布式安装

完全分布式模式才是生产环境采用的模式，Hadoop运行在服务器集群上，生产环境一般都会做HA，以实现高可用。

第五部分：Hadoop HA安装

HA是指高可用，为了解决Hadoop单点故障问题，生产环境一般都做HA部署。这部分介绍了如何配置Hadoop2.x的高可用，并简单介绍了HA的工作原理。 
安装过程中，会穿插简单介绍涉及到的知识。希望能对大家有所帮助。 

 

第一部分：Linux环境安装

 

第一步、配置Vmware NAT网络

 

一、Vmware网络模式配置

 

二、NAT模式配置

 

NAT是网络地址转换，是在宿主机和虚拟机之间增加一个地址转换服务，负责外部和虚拟机之间的通讯转接和IP转换。

 

我们部署Hadoop集群，这里选择NAT模式，各个虚拟机通过NAT使用宿主机的IP来访问外网。

 

我们的要求是集群中的各个虚拟机有固定的IP、可以访问外网，所以进行如下设置：

 

1、 Vmware安装后，默认的NAT设置如下：

2、 默认的设置是启动DHCP服务的，NAT会自动给虚拟机分配IP，但是我们需要将各个机器的IP固定下来，所以要取消这个默认设置。

3、 为机器设置一个子网网段，默认是192.168.136网段，我们这里设置为100网段，将来各个虚拟机Ip就为 192.168.100.*。

4、 点击NAT设置按钮，打开对话框，可以修改网关地址和DNS地址。这里我们为NAT指定DNS地址。

5、 网关地址为当前网段里的.2地址，好像是固定的，我们不做修改，先记住网关地址就好了，后面会用到。

第二步、安装Linux操作系统

三、Vmware上安装Linux系统

1、 文件菜单选择新建虚拟机

2、 选择经典类型安装，下一步。

3、 选择稍后安装操作系统，下一步。

4、 选择Linux系统，版本选择CentOS 64位。

5、 命名虚拟机，给虚拟机起个名字，将来显示在Vmware左侧。并选择Linux系统保存在宿主机的哪个目录下，应该一个虚拟机保存在一个目录下，不能多个虚拟机使用一个目录。

6、 指定磁盘容量，是指定分给Linux虚拟机多大的硬盘，默认20G就可以，下一步。

7、 点击自定义硬件，可以查看、修改虚拟机的硬件配置，这里我们不做修改。

8、 点击完成后，就创建了一个虚拟机，但是此时的虚拟机还是一个空壳，没有操作系统，接下来安装操作系统。

9、 点击编辑虚拟机设置，找到DVD，指定操作系统ISO文件所在位置。

10、 点击开启此虚拟机，选择第一个回车开始安装操作系统。

11、 设置root密码。

12、 选择Desktop，这样就会装一个Xwindow。

13、 先不添加普通用户，其他用默认的，就把Linux安装完毕了。

四、设置网络

因为Vmware的NAT设置中关闭了DHCP自动分配IP功能，所以Linux还没有IP，需要我们设置网络各个参数。

1、 用root进入Xwindow，右击右上角的网络连接图标，选择修改连接。

2、 网络连接里列出了当前Linux里所有的网卡，这里只有一个网卡System eth0，点击编辑。

3、 配置IP、子网掩码、网关（和NAT设置的一样）、DNS等参数，因为NAT里设置网段为100.*，所以这台机器可以设置为192.168.100.10网关和NAT一致，为192.168.100.2

4、 用ping来检查是否可以连接外网，如下图，已经连接成功。

五、修改Hostname

1、 临时修改hostname

[root@localhost Desktop]# hostname bigdata-senior01.chybinmy.com

 

这种修改方式，系统重启后就会失效。

2、 永久修改hostname

想永久修改，应该修改配置文件 /etc/sysconfig/network。

命令：[root@bigdata-senior01 ~] vim /etc/sysconfig/network

•  

打开文件后，

1. NETWORKING=yes  #使用网络

HOSTNAME=bigdata-senior01.chybinmy.com  #设置主机名

•  

六、配置Host

1. 命令：[root@bigdata-senior01 ~] vim /etc/hosts
2. 添加hosts: 19168.100.10 bigdata-senior01.chybinmy.com

•  

七、关闭防火墙

学习环境可以直接把防火墙关闭掉。

(1) 用root用户登录后，执行查看防火墙状态。

[root@bigdata-senior01 hadoop]# service iptables status

•  

(2) 用[root@bigdata-senior01 hadoop]# service iptables stop关闭防火墙，这个是临时关闭防火墙。

1. [root@bigdata-senior01 hadoop-2.5.0]# service iptables stop

iptables: Setting chains to policy ACCEPT: filter          [  OK  ]

1. iptables: Flushing firewall rules:                         [  OK  ]

iptables: Unloading modules:                               [  OK  ]

•  

(3) 如果要永久关闭防火墙用。

[root@bigdata-senior01 hadoop]# chkconfig iptables off

•  

关闭，这种需要重启才能生效。

八、关闭selinux

selinux是Linux一个子安全机制，学习环境可以将它禁用。

[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim /etc/sysconfig/selinux

•  

1. # This file controls the state of SELinux on the system.
2. # SELINUX= can take one of these three values:
3. #     enforcing - SELinux security policy is enforced.
4. #     permissive - SELinux prints warnings instead of enforcing.
5. #     disabled - No SELinux policy is loaded.
6. SELINUX=disabled
7. # SELINUXTYPE= can take one of these two values:
8. #     targeted - Targeted processes are protected,
9. #     mls - Multi Level Security protection.
10. SELINUXTYPE=targeted

第三步、安装JDK

九、安装Java JDK

1、 查看是否已经安装了java JDK。

[root@bigdata-senior01 Desktop]# java –version

•  

注意：Hadoop机器上的JDK，最好是Oracle的Java JDK，不然会有一些问题，比如可能没有JPS命令。 
如果安装了其他版本的JDK，卸载掉。

2、 安装java JDK

(1) 去下载Oracle版本Java JDK：jdk-7u67-linux-x64.tar.gz

(2) 将jdk-7u67-linux-x64.tar.gz解压到/opt/modules目录下

[root@bigdata-senior01 /]# tar -zxvf jdk-7u67-linux-x64.tar.gz -C /opt/modules

•  

(3) 添加环境变量

设置JDK的环境变量 JAVA_HOME。需要修改配置文件/etc/profile，追加

1. export JAVA_HOME="/opt/modules/jdk1.7.0_67"
2. export PATH=$JAVA_HOME/bin:$PATH

•  

修改完毕后，执行 source /etc/profile

(4)安装后再次执行 java –version,可以看见已经安装完成。

1. [root@bigdata-senior01 /]# java -version
2. java version "1.7.0_67"
3. Java(TM) SE Runtime Environment (build 1.7.0_67-b01)
4. Java HotSpot(TM) 64-Bit Server VM (build 24.65-b04, mixed mode)

•  

第二部分：Hadoop本地模式安装

第四步、Hadoop部署模式

Hadoop部署模式有：本地模式、伪分布模式、完全分布式模式、HA完全分布式模式。

区分的依据是NameNode、DataNode、ResourceManager、NodeManager等模块运行在几个JVM进程、几个机器。

模式名称	各个模块占用的JVM进程数	各个模块运行在几个机器数上
本地模式	1个	1个
伪分布式模式	N个	1个
完全分布式模式	N个	N个
HA完全分布式	N个	N个

第五步、本地模式部署

十、本地模式介绍

本地模式是最简单的模式，所有模块都运行与一个JVM进程中，使用的本地文件系统，而不是HDFS，本地模式主要是用于本地开发过程中的运行调试用。下载hadoop安装包后不用任何设置，默认的就是本地模式。

十一、解压hadoop后就是直接可以使用

1、 创建一个存放本地模式hadoop的目录

[hadoop@bigdata-senior01 modules]$ mkdir /opt/modules/hadoopstandalone

•  

2、 解压hadoop文件

[hadoop@bigdata-senior01 modules]$ tar -zxf /opt/sofeware/hadoop-2.5.0.tar.gz  -C /opt/modules/hadoopstandalone/

•  

3、 确保JAVA_HOME环境变量已经配置好

1. [hadoop@bigdata-senior01 modules]$ echo ${JAVA_HOME}
2. /opt/modules/jdk1.7.0_67

•  

十二、运行MapReduce程序，验证

我们这里用hadoop自带的wordcount例子来在本地模式下测试跑mapreduce。

1、 准备mapreduce输入文件wc.input

1. [hadoop@bigdata-senior01 modules]$ cat /opt/data/wc.input
2. hadoop mapreduce hive
3. hbase spark storm
4. sqoop hadoop hive
5. spark hadoop

•  

2、 运行hadoop自带的mapreduce Demo

[hadoop@bigdata-senior01 hadoopstandalone]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar wordcount /opt/data/wc.input output2

这里可以看到job ID中有local字样，说明是运行在本地模式下的。

3、 查看输出文件

本地模式下，mapreduce的输出是输出到本地。

1. [hadoop@bigdata-senior01 hadoopstandalone]$ ll output2
2. total 4
3. -rw-r--r-- 1 hadoop hadoop 60 Jul  7 12:50 part-r-00000
4. -rw-r--r-- 1 hadoop hadoop  0 Jul  7 12:50 _SUCCESS

•  

输出目录中有_SUCCESS文件说明JOB运行成功，part-r-00000是输出结果文件。 
 

第三部分：Hadoop伪分布式模式安装

第六步、伪分布式Hadoop部署过程

十三、Hadoop所用的用户设置

1、 创建一个名字为hadoop的普通用户

1. [root@bigdata-senior01 ~]# useradd hadoop
2. [root@bigdata-senior01 ~]# passwd hadoop

•  

2、 给hadoop用户sudo权限

[root@bigdata-senior01 ~]# vim /etc/sudoers

•  

设置权限，学习环境可以将hadoop用户的权限设置的大一些，但是生产环境一定要注意普通用户的权限限制。

1. root    ALL=(ALL)       ALL
2. hadoop ALL=(root) NOPASSWD:ALL

•  

注意：如果root用户无权修改sudoers文件，先手动为root用户添加写权限。

[root@bigdata-senior01 ~]# chmod u+w /etc/sudoers

•  

3、 切换到hadoop用户

1. [root@bigdata-senior01 ~]# su - hadoop
2. [hadoop@bigdata-senior01 ~]$

•  

4、 创建存放hadoop文件的目录

[hadoop@bigdata-senior01 ~]$ sudo mkdir /opt/modules

•  

5、 将hadoop文件夹的所有者指定为hadoop用户

如果存放hadoop的目录的所有者不是hadoop，之后hadoop运行中可能会有权限问题，那么就讲所有者改为hadoop。

[hadoop@bigdata-senior01 ~]# sudo chown -R hadoop:hadoop /opt/modules

•  

十四、解压Hadoop目录文件

1、 复制hadoop-2.5.0.tar.gz到/opt/modules目录下。

2、 解压hadoop-2.5.0.tar.gz

1. [hadoop@bigdata-senior01 ~]# cd /opt/modules
2. [hadoop@bigdata-senior01 hadoop]# tar -zxvf hadoop-2.5.0.tar.gz

•  

十五、配置Hadoop

1、 配置Hadoop环境变量

[hadoop@bigdata-senior01 hadoop]# vim /etc/profile

•  

追加配置：

1. export HADOOP_HOME="/opt/modules/hadoop-2.5.0"
2. export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

•  

执行：source /etc/profile 使得配置生效

验证HADOOP_HOME参数：

1. [hadoop@bigdata-senior01 /]$ echo $HADOOP_HOME
2. /opt/modules/hadoop-2.5.0

•  

2、 配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh文件的JAVA_HOME参数

[hadoop@bigdata-senior01 ~]$ sudo vim  ${HADOOP_HOME}/etc/hadoop/hadoop-env.sh

•  

1. 修改JAVA_HOME参数为：
2. export JAVA_HOME="/opt/modules/jdk1.7.0_67"

•  

3、 配置core-site.xml

[hadoop@bigdata-senior01 ~]{HADOOP_HOME}/etc/hadoop/core-site.xml

（1） fs.defaultFS参数配置的是HDFS的地址。

1. <property>
2. <name>fs.defaultFS</name>
3. <value>hdfs://bigdata-senior01.chybinmy.com:8020</value>
4. </property>

•  

（2） hadoop.tmp.dir配置的是Hadoop临时目录，比如HDFS的NameNode数据默认都存放这个目录下，查看*-default.xml等默认配置文件，就可以看到很多依赖${hadoop.tmp.dir}的配置。

默认的hadoop.tmp.dir是/tmp/hadoop-${user.name},此时有个问题就是NameNode会将HDFS的元数据存储在这个/tmp目录下，如果操作系统重启了，系统会清空/tmp目录下的东西，导致NameNode元数据丢失，是个非常严重的问题，所有我们应该修改这个路径。

• 创建临时目录：

    [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo mkdir -p /opt/data/tmp

•  

• 将临时目录的所有者修改为hadoop

[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown –R hadoop:hadoop /opt/data/tmp

•  

• 修改hadoop.tmp.dir

1. <property>
2. <name>hadoop.tmp.dir</name>
3. <value>/opt/data/tmp</value>
4. </property>

•  
•  

十六、配置、格式化、启动HDFS

1、 配置hdfs-site.xml

[hadoop@bigdata-senior01 hadoop-2.5.0]$ vim ${HADOOP_HOME}/etc/hadoop/hdfs-site.xml

•  

1. <property>
2. <name>dfs.replication</name>
3. <value>1</value>
4. </property>

•  

dfs.replication配置的是HDFS存储时的备份数量，因为这里是伪分布式环境只有一个节点，所以这里设置为1。

2、 格式化HDFS

[hadoop@bigdata-senior01 ~]$ hdfs namenode –format

•  

格式化是对HDFS这个分布式文件系统中的DataNode进行分块，统计所有分块后的初始元数据的存储在NameNode中。

格式化后，查看core-site.xml里hadoop.tmp.dir（本例是/opt/data目录）指定的目录下是否有了dfs目录，如果有，说明格式化成功。

注意：

1. 格式化时，这里注意hadoop.tmp.dir目录的权限问题，应该hadoop普通用户有读写权限才行，可以将/opt/data的所有者改为hadoop。 
   [hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown -R hadoop:hadoop /opt/data
2. 查看NameNode格式化后的目录。

   [hadoop@bigdata-senior01 ~]$ ll /opt/data/tmp/dfs/name/current

•  

fsimage是NameNode元数据在内存满了后，持久化保存到的文件。

fsimage*.md5 是校验文件，用于校验fsimage的完整性。

seen_txid 是hadoop的版本

vession文件里保存：

• namespaceID：NameNode的唯一ID。
• clusterID:集群ID，NameNode和DataNode的集群ID应该一致，表明是一个集群。

1. #Mon Jul 04 17:25:50 CST 2016
2. namespaceID=2101579007
3. clusterID=CID-205277e6-493b-4601-8e33-c09d1d23ece4
4. cTime=0
5. storageType=NAME_NODE
6. blockpoolID=BP-1641019026-127.0.0.1-1467624350057
7. layoutVersion=-57

•  

3、 启动NameNode

1. [hadoop@bigdata-senior01 hadoop-2.5.0]$ ${HADOOP_HOME}/sbin/hadoop-daemon.sh start namenode
2. starting namenode, logging to /opt/modules/hadoop-2.5.0