1. 基本环境
1.1 操作系统
操作系统：CentOS7.3
1.2 三台虚拟机
172.20.20.100 master
172.20.20.101 slave1
172.20.20.102 slave2
1.3 软件包
jdk-8u121-linux-x64.gz
hadoop-2.8.4.tar.gz
2. 环境配置
2.1 新建hadoop用户
useradd hadoop
通过passwd命令修改hadoop用户密码，启用hadoop用户。
passwd hadoop
2.2 配置ssh免密码登录
root和hadoop用户都进行ssh配置以方便主机间操作
详细配置参考另外一篇文章：ssh多台主机实现互相认证
2.3 修改hosts文件
需要在root用户下操作，hadoop用户没有修改权限
修改master主机hosts文件
vi /etc/hosts
添加以下内容：
172.20.20.100 master
172.20.20.101 slave1
172.20.20.102 slave2
2.4 同步hosts文件到其他主机
需要在root用户下操作，hadoop用户没有修改权限
2.1 步骤已经实现了ssh无密码登录，通过scp命令拷贝master主机hosts文件到slave1、slave2主机。
2.5 关闭主机防火墙
每台主机均需操作
# 关闭防火墙
systemctl stop firewalls.service
#禁止防火墙开机启动
systemctl disable firewalls.service
2.6 关闭 selinux
每台主机均需操作
setenforce 0
vi /etc/sysconfig/selinux
修改 SELINUX 值为disabled
getenforce 命令查看 selinux状态为disabled
2.7 安装Java JDK
（1）oracle官网下载 jdk-8u121-linux-x64.gz，版本可以根据自己情况做调整。
（2）解压 jdk-8u121-linux-x64.gz 到 /opt/java 目录下。
（3）配置 jdk环境变量。修改/etc/profile 文件，追加以下内容：
#Java export JAVA_HOME=/opt/java/jdk1.8.0_121 export PATH=$PATH:${JAVA_HOME}/bin export CLASSPATH=.:${JAVA_HOME}/jre/lib/rt.jar:${JAVA_HOME}/lib/dt.jar:${JAVA_HOME}/lib/tools.jar
修改完毕后，执行 source /etc/profile，通过 java -version 命令查看是否安装成功。
（4）在每台机器上都安装jdk（也可同通过scp命令拷贝/etc/profile 和 /opt/java 实现），hadoop集群要求每台运行主机必须安装jdk。
3. Hadoop 安装
3.1 服务器功能规划
| master | slave1 | slave2 |
|---|---|---|
| NameNode | ResourceManage | |
| DataNode | DataNode | DataNode |
| NodeManager | NodeManager | NodeManager |
| HistoryServer | SecondaryNameNode |
3.2 在master主机上安装hadoop
注意:切换到hadoop用户
(1) 解压hadoop-2.8.4.tar.gz至 /opt目录下
tar -zxvf hadoop-2.8.4.tar.gz
(2) 配置Hadoop JDK路径
修改 hadoop 解压缩后 etc目录下 hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中的JDK路径
export JAVA_HOME=/opt/java/jdk1.8.0_121
(3) 配置core-site.xml
<configuration>
<!-- 指定NameNode主机和hdfs端口 --> <property> <name>fs.defaultFS</name> <value>hdfs://master:8020</value> </property> <!-- 指定tmp文件夹路径 --> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop/data/tmp</value> </property> </configuration>
fs.defaultFS 为 NameNode 的地址，hadoop.tmp.dir 为hadoop临时目录的地址，默认情况下，NameNode和DataNode的数据文件都会存在这个目录下的对应子目录下。应该保证此目录是存在的，如果不存在，先创建。
(4) 配置hdfs-site.xml
<property> <name>dfs.replication</name> <value>3</value> </property> <property> <name>dfs.namenode.secondary.http-address</name> <value>slave2:50090</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/data/dfs/namenode</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/home/hadoop/data/dfs/datanode</value> </property>
dfs.namenode.secondary.http-address是指定secondaryNameNode的http访问地址和端口号，因为在规划中，我们将slave2规划为SecondaryNameNode服务器。所以这里设置为：slave2:50090；dfs.namenode.name.dir 指定 NameNode 数据存放路径；dfs.datanode.data.dir 指定 DataNode 数据存放路径；注意，要提前创建好/home/hadoop/data/dfs 文件夹。
(5) 配置slaves
修改hadoop etc目录下slaves文件
vi slaves
修改其内容为：
master
slave1
slave2
slaves文件是指定HDFS DataNode 工作节点。
(6) 配置 yarn-site.xml
vi yarn-site.xml
添加以下属性：
<property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.resourcemanager.hostname</name> <value>slave1</value> </property> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>106800</value> </property>
根据规划yarn.resourcemanager.hostname这个指定resourcemanager服务器指向slave1。
yarn.log-aggregation-enable是配置是否启用日志聚集功能。
yarn.log-aggregation.retain-seconds是配置聚集的日志在HDFS上最多保存多长时间。
(7) 配置mapred-site.xml
从mapred-site.xml.template复制一个mapred-site.xml文件。
<property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>master:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>master:19888</value> </property>
mapreduce.framework.name设置mapreduce任务运行在yarn上。
mapreduce.jobhistory.address是设置mapreduce的历史服务器安装在master机器上。
mapreduce.jobhistory.webapp.address是设置历史服务器的web页面地址和端口号。
(8) 分发Hadoop文件
master主机hadoop解压目录为 /opt/software，在slave1和slave2 分别新建目录 /opt/software
mkdir /opt/software
然后通过scp分发hadoop安装文件。
scp -r /opt/software/hadoop-2.8.4 slave1:/opt/software/ scp -r /opt/software/hadoop-2.8.4 slave2:/opt/software/
(9) 配置Hadoop 环境变量
su root vi /etc/profile
添加如下配置：
#hadoop export HADOOP_HOME=/opt/software/hadoop-2.8.4 export PATH=$PATH:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin
修改完成，保存后执行 source /etc/profile 命令，然后scp命令，拷贝/etc/profile 文件至 slave1和 slave2 主机。
scp /etc/profile slave1:/etc/profile scp /etc/profile slave2:/etc/profile
同样在slave1和slave2 主机上执行 source /etc/profile 重新加载配置信息。
(10) NameNode 格式化
在NameNode机器上执行格式化
$HADOOP_HOME/bin/hdfs namenode –format
注意：
如果需要重新格式化NameNode,需要先将原来NameNode和DataNode下的文件全部删除，不然会报错，NameNode和DataNode所在目录是在hdfs-site.xml中hadoop.tmp.dir、dfs.namenode.name.dir、dfs.datanode.data.dir属性配置的。
<property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop/data/dfs/namenode</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/home/hadoop/data/dfs/datanode</value> </property>
因为每次格式化，默认是创建一个集群ID，并写入NameNode和DataNode的VERSION文件中（VERSION文件所在目录为dfs/name/current 和 dfs/data/current），重新格式化时，默认会生成一个新的集群ID,如果不删除原来的目录，会导致NameNode中的VERSION文件中是新的集群ID,而DataNode中是旧的集群ID，不一致时会报错。
另一种方法是格式化时指定集群ID参数，指定为旧的集群ID。
4. 启动集群
4.1 启动HDFS
[hadoop@master ~]$ $HADOOP_HOME/sbin/start-dfs.sh
jps 命令查看进程启动情况，能看到master主机启动了 NameNode 和 DataNode进程。
从启动输出信息可以看出NameNode、DataNode和 SecondaryNameNode 启动情况。
4.2 启动YARN
ssh连接到slave1主机，ResourceManager 服务运行主机。
ssh slave1 $HADOOP_HOME/sbin/start-yarn.sh
jps命令，查看slave1主机运行进程。
注意，如果不在ResourceManager主机上运行 $HADOOP_HOME/sbin/start-yarn.sh 命令的话，ResourceManager 进程将不会启动，需要到 ResourceManager 主机上执行yarn-daemon.sh start resourcemanager 命令来启动ResourceManager进程。
$HADOOP_HOME/sbin/yarn-daemon.sh start resourcemanager
4.3 启动日志服务器
因为我们规划的是在master服务器上运行MapReduce日志服务，所以要在slave2上启动。
[hadoop@master ~]$ $HADOOP_HOME/sbin/mr-jobhistory-daemon.sh start historyserver
4.4 查看HDFS Web页面
地址为 NameNode 进程运行主机ip，端口为50070，http://172.20.20.100:50070 。
4.5 查看YARN Web页面
地址为ResourceManager 进程运行主机，http://172.20.20.101:8088
4.6 查看JobHistory Web 页面
地址为JobHistoryServer 进程运行主机ip，端口为19888，通过配置文件查看自己的JobHistory web端口，http://172.20.20.100:19888
至此，已经完成Hadoop 分布式安装。
5. 测试Job
5.1 准备mapreduce输入文件wc.input
[hadoop@master ~]$ cat wc.input hadoop mapreduce hive hbase spark storm sqoop hadoop hive spark hadoop
5.2 在HDFS创建输入目录input
[hadoop@master ~]$ $HADOOP_HOME/bin/hdfs dfs -mkdir input
5.3 将wc.input 上传到HDFS
[hadoop@master ~]$ $HADOOP_HOME/bin/hdfs dfs -put wc.input /input
5.4 运行hadoop自带的mapreduce Demo
[hadoop@master ~]$ yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.8.4.jar wordcount /input/wc.input /output
因为/etc/profile文件中已配置过hadoop环境变量，所以可以直接运行yarn命令，如下所示为执行结果。
5.5 查看输出文件
[hadoop@master ~]$ hdfs dfs -ls /output/ [hadoop@master ~]$ hdfs dfs -cat /output/part-r-00000
