零基础搭建Hadoop集群

一、配置虚拟机网络（NAT 模式）

宿主机ipconfig截图：

Vmnet8网络配置：

虚拟机网络配置：

二、配置一个单节点环境

2.1 上传文件到CentOS并配置Java和Hadoop环境

上传安装包到服务器：

上传成功后，看到两个压缩包：

解压两个压缩包：

给文件重新命名，方便之后配置环境变量：

配置jdk+hadoop环境变量：

查看jdk环境变量是否配置成功：

查看hadoop环境变量是否配置成功：

---------------------------------------------------------------------------------------

至此jdk和hadoop已经安装好，接下来修改一些配置文件

2.2 修改CentOS主机名

默认主机名：

查看和修改主机名：

永久修改主机名，修改配置文件执行命令： vi /etc/sysconfig/network：

2.3 绑定hostname与IP

绑定hostname和ip, 执行命令：vi /etc/hosts

2.4 关闭防火墙

2.5 Hadoop目录结构

1、查看Hadoop目录结构，执行命令：ll

2、重要目录

（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行操作的脚本

（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件

（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）

（4）sbin目录：存放启动或停止Hadoop相关服务的脚本

（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例

三、Hadoop三种运行模式

Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。

Hadoop官方网站：hadoop.apache.org/

模式一：本地运行模式

官方Grep案例

1. 创建在hadoop2.8.5文件下面创建一个input文件夹

[root@node hadoop2.8.5]$ mkdir input

2. 将Hadoop的xml配置文件复制到input

[root@node hadoop2.8.5]$ cp etc/hadoop/*.xml input

3. 执行share目录下的MapReduce程序

[root@node hadoop2.8.5]$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jargrep input output 'dfs[a-z.]+'

4. 查看输出结果

[root@node hadoop2.8.5]$ cat output/*

控制台结果展示：

官方WordCount案例

1. 创建在hadoop2.8.5文件下面创建一个wcinput文件夹

[root@node hadoop2.8.5]$ mkdir wcinput

2. 在wcinput文件下创建一个wc.input文件

[root@node hadoop2.8.5]$ cd wcinput
[root@node hadoop2.8.5]$ touch wc.input

3. 编辑wc.input文件

[root@node hadoop2.8.5]$ vi wc.input

在文件中输入如下内容

hadoop

mapreduce

yarn

保存退出：：wq

4. 回到Hadoop目录/opt/module/hadoop2.8.5

5. 执行程序

[root@node hadoop2.8.5]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount wcinput wcoutput

6. 查看结果

[root@node hadoop2.8.5]$ cat wcoutput/part-r-00000

hadoop 2

mapreduce 1

yarn 1

案例结果展示：

模式二：伪分布式运行模式

启动HDFS并运行MapReduce程序

1. 配置集群

（1）配置：hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.8/

（2）配置：core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
   <name>fs.defaultFS</name>
   <value>hdfs://node:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
   <name>hadoop.tmp.dir</name>
   <value>/usr/java/hadoop2.8.5/data/tmp</value>
</property>

（3）配置：hdfs-site.xml

<!-- 指定HDFS副本的数量 -->
<property>
   <name>dfs.replication</name>
   <value>3</value>
</property>

2. 启动集群

（1）格式化NameNode（第一次启动时格式化，以后就不要总格式化）

[root@node hadoop2.8.5]$ hdfs namenode -format

（2）启动NameNode

[root@node hadoop2.8.5]$ hadoop-daemon.sh start namenode

（3）启动DataNode

[root@node hadoop2.8.5]$ hadoop-daemon.sh
start datanode

3. 查看集群

（1）查看是否启动成功, 执行命令jps

注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps

（2）web端查看HDFS文件系统

http://node:50070

注意：在Windows环境通过URL访问，需要在C:\Windows\System32\drivers\etc\hosts,在其中添加192.168.158.128 node即可。

（3）查看产生的Log日志

本地查看日志：

web端查看日志：

（4）思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？

[root@node hadoop2.8.5]$ cd data/tmp/dfs/name/current/
[root@node hadoop2.8.5]$ cat VERSION

clusterID=clusterID=CID-1e77ad8f-5b3f-4647-a13a-4ea3f01b6d65

[root@node hadoop2.8.5]$ cd data/tmp/dfs/data/current/

clusterID=clusterID=CID-1e77ad8f-5b3f-4647-a13a-4ea3f01b6d65

注意：格式化NameNode，会产生新的集群id,导致NameNode和DataNode的集群id不一致，集群找不到已往数据。所以，格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。

4. 操作集群

（1）在HDFS文件系统上创建一个input文件夹

执行命令： hdfs dfs -mkdir -p /usr/java/hadoop/input

（2）将本地测试文件内容上传到文件系统上

执行命令：hdfs dfs -put wcinput/wc.input /user/java/hadoop/input/

（3）查看上传的文件是否正确

执行命令：hdfs dfs -cat /usr/java/hadoop/input/wc.input

（4）运行MapReduce程序

执行命令：hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount /usr/java/hadoop/input/ /usr/java/hadoop/output

（5）查看输出结果

执行命令：hdfs dfs -cat /usr/java/hadoop/output/*

（6）将测试文件内容下载到本地

执行命令：hdfs dfs -get /usr/java/hadoop/output/part-r-00000 wcoutput/

（7）删除输出结果

执行命令：hdfs dfs -rm -f /usr/java/hadoop/output

启动YARN并运行MapReduce程序

1. 配置集群

（1）配置yarn-env.sh

（2）配置yarn-site.xml

<!-- Reducer获取数据的方式-->
<property>
     <name>yarn.nodemanager.aux-services</name>
     <value>mapreduce_shuffle</value>
</property>
 
<!-- 指定YARN的ResourceManager的地址-->
<property>
   <name>yarn.resourcemanager.hostname</name>
   <value>node</value>
</property>

（3）配置：mapred-env.sh

（4）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml

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

2. 启动集群

（1）启动前必须保证NameNode和DataNode已经启动

（2）启动ResourceManager

执行命令：yarn-daemon.sh start resourcemanager

（3）启动NodeManager

执行命令：yarn-daemon.sh start nodemanager

3. 集群操作

（1）YARN的浏览器页面查看，如图2-35所示

http://node:8088/cluster

（2）删除文件系统上的output文件

执行命令：hdfs dfs -rm -f /usr/java/hadoop/output

（3）执行MapReduce程序

执行命令：hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.5.jar wordcount /usr/java/hadoop/input/ /usr/java/hadoop/output

（4）查看运行结果

模式三：完全分布式运行模式

1. 克隆虚拟机

2. 修改配置文件

（1）vi /etc/sysconfig/network-scripts/ifcfg-ens33

(2) vi /etc/sysconfig/network

(3) vi /etc/hosts

3. 集群部署规划

node

node1

node2

HDFS

NameNode

DataNode

SecondaryNameNode

DataNode

YARN

NodeManager

ResourceManager

NodeManager

4. 配置集群

（1）配置core-site.xml

<!-- 指定HDFS中NameNode的地址-->
<property>
     <name>fs.defaultFS</name> 
     <value>hdfs://node:9000</value>
</property>
 
<!-- 指定Hadoop运行时产生文件的存储目录-->
<property>
     <name>hadoop.tmp.dir</name>
     <value>/usr/java/hadoop2.8.5/data/tmp</value>
</property>

（2）HDFS配置文件

配置hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.8/

配置hdfs-site.xml

<property>
     <name>dfs.replication</name>
     <value>3</value>
</property>
 
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
     <name>dfs.namenode.secondary.http-address</name>
     <value>node2:50090</value>
</property>

（3）YARN配置文件

配置yarn-env.sh

export JAVA_HOME=/usr/java/jdk1.8/

配置yarn-site.xml

<!-- Reducer获取数据的方式-->
<property>
     <name>yarn.nodemanager.aux-services</name>
     <value>mapreduce_shuffle</value>
</property>
 
<!-- 指定YARN的ResourceManager的地址-->
<property>
     <name>yarn.resourcemanager.hostname</name>
     <value>node1</value>
</property>

（4）MapReduce配置文件

配置mapred-env.sh

export JAVA_HOME=/usr/java/jdk1.8/

配置mapred-site.xml

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

5. 节点之间免密通信: ssh配置免密登录

6. 群起集群

启动HDFS：start-dfs.sh

启动yarn: start-yarn.sh

[node] jps

[node1] jps

[node2] jps

集群命令：

启动/停止HDFS

start-dfs.sh / stop-dfs.sh

启动/停止YARN

start-yarn.sh / stop-yarn.sh

全部启动/全部停止

start-all.sh / stop-all.sh