Hadoop2.0完全分布式集群搭建方法（CentOS7+Hadoop2.7.7）
Hadoop2.0完全分布式集群搭建方法（CentOS7+Hadoop2.7.7）
本文详细介绍搭建4个节点的完全分布式Hadoop集群的方法，Linux系统版本是CentOS 7，Hadoop版本是2.7.7，JDK版本是1.8。
一、准备环境
1. 在VMware workstations上创建4个Linux虚拟机，并配置其静态IP。
如何在VMware workstation上创建Linux虚拟机
准备使用Linux虚拟机部署Hadoop集群，故在win10系统上安装了VMware workstation，具体安装非常简单，在此不做阐述。本文主要介绍如何在VMware workstation上创建Linux虚拟机。
步骤：
1. 如下图，在VMware workstation中，点击【创建新的虚拟机】。
2. Linux虚拟机的具体配置如下：
有关【克隆Linux虚拟机及配置网络】，请参考这里。
2. 配置DNS（每个节点）
编辑配置文件，添加主节点和从节点的映射关系。
#vim /etc/hosts 192.168.44.3 hadoop01 192.168.44.4 hadoop02 192.168.44.5 hadoop03 192.168.44.6 hadoop04
3. 关闭防火墙（每个节点）
#关闭服务 [root@hadoop01 opt]# systemctl stop firewalld #关闭开机自启动 [root@hadoop01 opt]# systemctl disable firewalld Removed symlink /etc/systemd/system/multi-user.target.wants/firewalld.service. Removed symlink /etc/systemd/system/dbus-org.Fedoraproject.FirewallD1.service.
4. 配置免密码登录 有关【配置免密码登录方法】，请参考这里 https://www.linuxidc.com/Linux/2019-02/156882.htm。
5. 配置Java环境（每个节点）
本文详细介绍Linux系统下配置Java环境的方法，使用JDK1.8版本。
1. 从官网上下载Java8版本。
2. 上传Java包到Linux系统。
使用rz命令将Java tar包上传到Linux系统。（有关rz命令用法，请参考这里）
3. 解压Java安装包
[root@hadoop01 opt]# ls jdk-8u101-linux-x64.tar.gz [root@hadoop01 opt]# tar -zxvf jdk-8u101-linux-x64.tar.gz ... jdk1.8.0_101/man/ja_JP.UTF-8/man1/javapackager.1 jdk1.8.0_101/man/ja_JP.UTF-8/man1/jstat.1 [root@hadoop01 opt]# ls jdk1.8.0_101 jdk-8u101-linux-x64.tar.gz
4. 配置Java环境变量
#vim /etc/profile# Javaexport JAVA_HOME=/opt/jdk1.8.0_101 # 该路径为java安装路径export CLASSPATH=JAVA_HOME/lib/export PATH=PATH:
# :wq保存后，使配置文件生效 #source /etc/profile
5. 验证Java安装状态
[root@hadoop01 jdk1.8.0_101]# java -version java version "1.8.0_101" Java(TM) SE Runtime Environment (build 1.8.0_101-b13) Java HotSpot(TM) 64-Bit Server VM (build 25.101-b13, mixed mode)
在各个节点上安装与配置Hadoop的过程都基本相同，因此可以在每个节点上安装好Hadoop后，在主节点master上进行统一配置，然后通过scp 命令将修改的配置文件拷贝到各个从节点上即可。
1. 下载Hadoop安装包，解压，配置Hadoop环境变量
有关【Hadoop安装包下载方法】。
Hadoop3.0版本的诞生，引入了很多新功能，为了验证Hadoop2.0与3.0版本的性能，需下载Hadoop的不同版本。故下文演示如何下载Hadoop安装包的方法。
1. 进入Apache Hadoop官网：http://hadoop.apache.org/
2. 点击左侧【Download】按钮，进入如下下载页面：
可点击当前界面上显示的Binary安装包进入下载，亦可点击【mirror site】进入镜像页面，选择要安装的版本进行下载。
本文下载的Hadoop版本是2.7.7，指定一个目录（比如：/opt），使用rz命令上传Hadoop安装包到Linux系统，解压到指定目录，配置Hadoop环境变量，并使其生效。实现命令如下：
#配置Hadoop环境变量[root@hadoop02 opt]# vim /etc/profile#Hadoopexport HADOOP_HOME=/opt/hadoop-2.7.7 # 该目录为解压安装目录export PATH=PATH:HADOOP_HOME/binexport PATH=PATH:HADOOP_HOME/sbinexport HADOOP_CONF_DIR=
#保存后，使profile生效 [root@hadoop02 opt]# source /etc/profile
2. 配置Hadoop环境脚本文件中的JAVA_HOME参数
#进入Had安装目录下的etc/hadoop目录 [root@hadoop01 ~]#cd /opt/hadoop-2.7.7/etc/hadoop
#分别在hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中添加或修改如下参数：
[root@hadoop01 hadoop]# vim hadoop-env.sh [root@hadoop01 hadoop]# vim mapred-env.sh [root@hadoop01 hadoop]# vim yarn-env.sh export JAVA_HOME="/opt/jdk1.8.0_101" # 路径为jdk安装路径
3. 修改Hadoop配置文件
Hadoop安装目录下的etc/hadoop目录中，需修改core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves(3.0之后为workers)文件，根据实际情况修改配置信息。
（1）core-site.xml
<configuration> <property> <!-- 配置hdfs地址 --> <name>fs.defaultFS</name> <value>hdfs://hadoop01:9000</value> </property> <property> <!-- 保存临时文件目录，需先在/opt/hadoop-2.7.7下创建tmp目录 --> <name>hadoop.tmp.dir</name> <value>/opt/hadoop-2.7.7/tmp</value> </property>
<property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property> </configuration>
（2）hdfs-site.xml
<configuration> <property> <!-- 主节点地址 --> <name>dfs.namenode.http-address</name> <value>hadoop01:50070</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/opt/hadoop/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/opt/hadoop/dfs/data</value> </property> <property> <!-- 备份份数 --> <name>dfs.replication</name> <value>2</value> </property> <property> <!-- 第二节点地址 --> <name>dfs.namenode.secondary.http-address</name> <value>hadoop02:9001</value> </property> <property> <name>dfs.webhdfs.enabled</name> <value>true</value> </property> <property> <name>dfs.permissions</name> <value>false</value> <description>配置为false后，可以允许不要检查权限就生成dfs上的文件，需防止误删操作</description> </property> </configuration>
（3）mapred-site.xml
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>hadoop01:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>hadoop01:19888</value> </property> </configuration>
（4）yarn-site.xml
<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>hadoop01:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>hadoop01:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>hadoop01:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>hadoop01:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>hadoop01:8088</value> </property> <property> <name>yarn.nodemanager.resource.memory-mb</name> <!-- NodeManager中的配置，这里配置过小可能导致nodemanager启动不起来 大小应该大于 spark中 executor-memory + driver的内存 --> <value>6144</value> </property> <property> <!-- RsourceManager中配置 大小应该大于 spark中 executor-memory + driver的内存 --> <name>yarn.scheduler.maximum-allocation-mb</name> <value>61440</value> </property> <property> <!-- 使用核数 --> <name>yarn.nodemanager.resource.cpu-vcores</name> <value>2</value> </property>
<property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</value> <description>忽略虚拟内存的检查，如果你是安装在虚拟机上，这个配置很有用，配上去之后后续操作不易出问题。</description> </property> <property> <!-- 调度策略，设置为公平调度器 --> <name>yarn.resourcemanager.scheduler.class</name> <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value> </property> </configuration>
（5）slaves文件
#增加从节点地址（若配置了hosts，可直接使用主机名，亦可用IP地址） [root@hadoop01 hadoop]# vim slaves hadoop02 hadoop03 hadoop04
4. 将配置好的文件夹拷贝到其他从节点
[root@hadoop01 hadoop-2.7.7]# scp -r /opt/hadoop-2.7.7 root@hadoop02:/opt/ [root@hadoop01 hadoop-2.7.7]# scp -r /opt/hadoop-2.7.7 root@hadoop03:/opt/ [root@hadoop01 hadoop-2.7.7]# scp -r /opt/hadoop-2.7.7 root@hadoop04:/opt/
5. 初始化 & 启动
#格式化 [root@hadoop01 hadoop-2.7.7]# bin/hdfs namenode -format
#启动 [root@hadoop01 hadoop-2.7.7]# sbin/start-dfs.sh [root@hadoop01 hadoop-2.7.7]# sbin/start-yarn.sh
6. 验证Hadoop启动成功
#主节点 [root@hadoop01 hadoop-2.7.7]# jps 5895 Jps 5624 ResourceManager 5356 NameNode
#从节点 [root@hadoop02 hadoop]# jps 5152 SecondaryNameNode 5085 DataNode 5245 NodeManager 5357 Jps
[root@hadoop03 opt]# jps 5080 DataNode 5178 NodeManager 5278 Jps
[root@hadoop04 opt]# jps 5090 NodeManager 5190 Jps 4991 DataNode
7. Web端口访问
注：先开放端口或直接关闭防火墙
# 查看防火墙状态 firewall-cmd --state # 临时关闭 systemctl stop firewalld # 禁止开机启动 systemctl disable firewalld
在浏览器输入：http://hadoop01:8088打开Hadoop Web页面。
在浏览器输入：http://hadoop01:50070打开Hadoop Web页面。
Hadoop基本操作命令
#hadoop dfsadmin -report 查看hdfs集群的存储空间使用情况。 #hadoop fs -du -h 目录 查看当前目录下各个文件占得内存 #hadoop fs –rmr /tmp/aaa删除一个目录 #hadoop fs –put文件 hdfs文件目录上传一个文件 #hadoop fs –get hdfs文件下载地址目录下载一个文件 #hadoop fs –moveFromLocal文件hdfs文件目录上传一个文件同时删除本地文件 #haddop fs –text hdfs目录查看文件内容 #haddopfs –cat hdfs目录查看文件内容 #hadoop job –list获取任务列表 #hadoop job –kill job-id杀死一个job #hadoop-daemon.sh start datanoe加入一个新的节点 #hadoop mradmin/dfsadmin –refreshnones删除一个节点 #yarn application -kill application_任务id：停止在yarn上运行的spark任务，在resourcemanager上执行 #hadoop fs -ls .Trash/Current （显示Current目录） #hadoop fs -rm -r .Trash/Current （删除Current目录及其子目录）