学习搭建Hadoop集群（完全分布式模式）

链接：https://pan.baidu.com/s/1wwTKk-XxHbccHjE-Xk2PTA 
提取码：q7j7

在SecurityCRT 或者在 Xshell 进行虚拟机链接

（这里使用Xshell ）

在hadoop001里配置

如果没有 /opt目录下创建software、module就先创建

（software 用于存储软件安装包，module 用于存放安装包解压后的文件）

mkdir +路径/文件名

打开目录 /opt/software

上传压缩包（网盘里有压缩包）

一、安装 jdk

先进入，命令：cd /opt/software

cd /opt/software

命令：tar -zxvf jdk-8u161-linux-x64.tar.gz -C /opt/module/

tar -zxvf jdk-8u161-linux-x64.tar.gz -C /opt/module/

查看：ls /opt/module/

ls /opt/module/

查看路径（克隆新会话）

进入：cd /opt/module/jdk1.8.0_161/

cd /opt/module/jdk1.8.0_161/

输入：pwd

配置path

命令：vi /etc/profile

vi /etc/profile

添加下面内容，保存退出（最好不复制输入）

export JAVA_HOME=/opt/module/jdk1.8.0_161

export PATH=$PATH:$JAVA_HOME/bin

export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin

执行配置文件生效：source /etc/profile

查看：java -version

source /etc/profile

java -version

注意：（hadoop出现这种情况也可以这样的方法解决）

       如果配置文件生效不了可以输入命令：reboot -n 客户机重启 ，然后重新编辑：vi /etc/profile  添加以下内容：（最好不复制输入）

export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin

保存退出，执行配置文件生效：source /etc/profile  ，查看：java -version

source /etc/profile
java -version

      如果很着急使用可以直接在命令行输入以下内容：（最好不复制输入）

export JAVA_HOME=/opt/module/jdk1.8.0_161export PATH=$PATH:$JAVA_HOME/bin

然后输入 java -version 查看

java -version

二、安装 Hadoop

先进入，命令：cd /opt/software

cd /opt/software

命令：tar -zxvf hadoop-2.7.4.tar.gz -C /opt/module/

tar -zxvf hadoop-2.7.4.tar.gz -C /opt/module/

查看：ls /opt/module

ls /opt/module

查看路径（克隆新会话）

进入：cd /opt/module/ hadoop-2.7.4/

cd /opt/module/ hadoop-2.7.4/

输入：pwd

配置path

命令：vi /etc/profile

vi /etc/profile

添加下面内容，保存退出（最好不复制输入）

export HADOOP_HOME=/opt/module/hadoop-2.7.4

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

export HADOOP_HOME=/opt/module/hadoop-2.7.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

执行配置文件生效：source /etc/profile

查看：hadoop version

source /etc/profilehadoop version

 进入hadoop查看目录结构

进入hadoop命令：cd /opt/module/hadoop-2.7.4

cd /opt/module/hadoop-2.7.4

三、Hadoop 集群配置

可以只使用一台虚拟机（这里使用hadoop001）hadoop002和hadoop003保持连接状态

1、配置 Hadoop 集群主节点

进入 hadoop安装位置

cd $HADOOP_HOME

进入hadoop 

cd etc/hadoop

（1）修改 hadoop-env.sh 文件

vim hadoop-env.sh

或者（vi   vim  都可以） 

​vi hadoop-env.sh

修改export JAVA_HOME=路径

查路径，先克隆新会话

echo $JAVA_HOME

然后修改 hadoop-env.sh 文件，保存退出

（2）修改 core-site.xml 文件

vim core-site.xml

       该文件是Hadoop的核心配置文件，其目的是配置 HDFS 地址、端口号，以及临时文件目录。配置文件中配置了 HDFS 的主进程NameNode运行主机（也就是此次Hadoop集群的主节点位置）同时配置了Hadoop运行时生成数据的临时文件。

添加以下内容
<property><!--用于设置Hadoop的文件系统，由URL指定--><name>fs.defaultFS</name><!--用于指定namenode地址在hadoop001机器上--><value>hdfs://hadoop001:9000</value>
</property>
<!--配置Hadoop的临时目录,默认/tmp/hadoop-${user.name}-->
<property><name>hadoop.tmp.dir</name><!--Hadoop安装路径--><value>/opt/module/hadoop-2.7.4/data</value>
</property>

（3）修改 hdfs-site.xml 文件

vi hdfs-site.xml

      该文件作用于设置 HDFS 的NameNode 和 DataNode 两大进程。

添加以下内容
<property><!--指定 HDFS 副本的数量--><name>dfs.replication</name><value>3</value>
</property>
<!--secondary namenode 所在主机的IP和端口-->
<property><name>dfs.namenode.secondary.http-address</name><value>hadoop02:50090</value>
</property>

（4）修改 mapred-site.xml 文件

如果vi出了新文件，要重命名文件夹名：

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

vi mapred-site.xml

      该文件时 MapReduce 的核心配置文件，用于指定  MapReduce 运行时框架

添加以下内容
<!--指定 MapReduce 运行时框架,这里指定在 YARN上,默认是 local-->
<property><name>mapreduce.framework.name</name><value>yarn</value>
</property>

（5）修改 yarn-site.xml 文件

vi yarn-site.xml

      本文件是 YARN 框架的核心配置文件，需要指定 YARN 集群的管理者。 在配置文件中配置 YARN 的主进程 ResourceManager 运行主机为hadoop001，同时配置了 NodeManager 运行时的附属服务，需要配置为 mapreduce_shuffle 才能正常运行 MapReduce 默认程序。

添加以下内容
<property><!--指定 YARN集群的管理者(ResourceManager)的地址--><name>yarn.resourcemanager.hostname</name><!-- 主机名--><value>hadoop001</value>
</property>
<property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value>
</property>

（6）修改 slaves 文件

      该文件用于记录 Hadoop 集群所有从节点（HDFS 的 DataNode 和 YARN 的 NodeManager 所在主机）的主机名，用来配合一键启动集群从节点（并且还需要验证关联节点配置了 SSH 免密登录）。打开该配置，先文件删除里面的内容

vi slaves

配置如下 

      配置文件配置了 Hadoop集群所有从节点的主机名为 hadoop001、hadoop002 和 hadoop003（这是因为此次在该3台机器上搭建 Hadoop 集群，同时前面的配置文件 hdfs-site.xml 指定了 HDFS 服务副本数量为3 ）。

2、将集群主节点的配置文件分发到其他子节点

       完成 Hadoop 集群主节点 hadoop001 的配置后，还需要将系统环境配置文件、JDK安装目录和 Hadoop安装目录分发到其他子节点 hadoop002 和 hadoop003上。

scp /etc/profile hadoop002:/etc/profile
scp /etc/profile hadoop003:/etc/profile这个为安装hadoop的路径 /opt/module/
scp -r /opt/module/ hadoop002:/opt/
scp -r /opt/module/ hadoop003:/opt/

一堆码一直在刷就成功了，不用把他停住，给他自己停

      执行完上述所有指定后，还需要在其他子节点 hadoop002、hadoop003 上分别执行

source /etc/profile

立即刷新配置文件。

四、Hadoop 集群测试

格式化文件系统

      通过 Hadoop 集群的安装和配置。此时还不能直接启动集群，因为在初次启动 HDFS 集群时，必须对主节点进行格式化处理

hdfs namenode -format

或者

hadoop namenode -format

       执行上述任意一条都可以对 Hadoop 集群进行格式化。执行命令后，必须出现有 successfully formatted 信息才表示格式化成功

       如果没有出现请检查一下Hadoop 安装和配置文件是否正确 ，如果都正确，则需要删除所有主机的 /hadoop-2.7.4 目录下的 tmp文件夹，重新执行格式化命令，对 Hadoop 集群进行格式化。

注意：格式化只能进行一次，如果多此进行可能会导致服务器运行的java进程不完全

五、启动集群服务

1、在主节点hadoop001上使用以下指令启动所有 HDFS 服务进程

start-dfs.sh

2、在主节点hadoop001上使用以下指令启动所有 YARN 服务进程

start-yarn.sh

或者在主节点 hadoop001上执行以下命令，直接启动整个 Hadoop 集群服务

start-all.sh

3、查看 Hadoop 集群服务是否启动成功

      在各自机器上使用 jps 指令查看各节点的服务进程启动情况

hadoop001

hadoop002

hadoop003

六、通过 UI 查看 Hadoop 运行状态

（1）查看HDFS 集群状态

      通过浏览器分别访问http://hadoop001:50070（集群服务IP+端口号），查看HDFS 集群状态

（2）查看YARN 集群状态

      通过浏览器分别访问http://hadoop001:8088  ，查看YARN 集群状态

      Hadoop默认开设HDFS端口号为9000，监控HDFS集群端口号为50070，监控YARN集群端口号为8088。

七、Hadoop集群初体验

进入HDFS 集群状态

进入这里后

在主节点hadoop001上执行以下命令

创建/export/data，并进入

mkdir -p /export/data
cd /export/data

新建一个word.txt文件，并且编辑以下内容

vi word.txt

添加以下内容（可随意添加）
hello itcast
hello itheima
hello hadoop

查看word.txt文件内容：

cat word.txt

      在HDFS上创建 /wordcount/input 目录，并将 word.txt 文件上传至该目录下

hadoop fs -mkdir -p /wordcount/input
hadoop fs -put word.txt /wordcount/input

刷新一下HDFS集群状态 

进入 /share/hadoop/mapreduce目录下，使用 ll 指令查看文件夹内容

cd $HADOOP_HOME/share/hadoop/mapreduce 

      图中这个 jar包中包含了计算机单词个数、计算Pi值等功能。可以用来对HDFS的 word.txt文件进行单词统计，通过以下命令执行

hadoop jar hadoop-mapreduce-examples-2.7.4.jar wordcount /wordcount/input /wordcount/output

如果要重新执行要在后面添加第几次

例如：hadoop jar hadoop-mapreduce-examples-2.7.4.jar wordcount /wordcount/input /wordcount/output4

      刷新YARN 集群状态，如果未出现以下情况，重新查看一下  mapred-site.xml文件是否编写正确

刷新查看HDFS的UI

下载part-r-00000文件

      打开查看是否执行成功，由图可知道已执行成功

 八、解决 jps 查看不了完整的 java 服务器进程

（1）缺少 datanode 进程

      原因：多次格式化可能会导致，输入jps出现的java进程服务不完全

      当初始化成功的时候，会产生一个集群ID，分布在这三个地方：NameNode、seondary NameNode、DataNode

       第二次初始化时，只会更新 NameNode的集群ID

解决：

进入hadoop001、hadoop002和hadoop03将这data个文件删除

在hadoop001主节点上

先将集群服务关闭 stop-all.sh

stop-all.sh

进行格式化：hdfs namenode -format

hdfs namenode -format

重启服务 start-all.sh

 start-all.sh

如果还是不能解决，检查一下配置 hadoop集群主节点的文件是否正确，输入 jps 命令查看

（2）SecondaryNameNode 位置错了，在 001 上启动，在 002 上没有

vi hdfs-site.sh

scp hdfs-site.xml hadoop002:/opt/module/hadoop-2.7.4/etc/hadoop/
scp hdfs-site.xml hadoop003:/opt/module/hadoop-2.7.4/etc/hadoop/​

start-all.sh

systemctl stop firewalld.service
systemctl disable firewalld.service

systemctl status firewalld