Hadoop运行环境搭建
更改为阿里的Centos7的yum源
#下载wget
yum -y install wget
#echo 下载阿里云的yum源配置 Centos-7.repo
wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
yum clean all
yum makecache
环境配置
关闭防火墙
关闭防火墙：systemctl stop firewalld.service
禁用防火墙：systemctl disable firewalld.service
查看防火墙：systemctl status firewalld.service
关闭Selinux：vi /etc/selinux/config
将SELINUX=enforcing改为SELINUX=disabled
修改IP
善用Tab键
vi /etc/sysconfig/network-scripts/ifcfg-ens33
BOOTPROTO=static
ONBOOT=yes
IPADDR=192.168.X.51
GATEWAY=192.168.X.2
DNS1=8.8.8.8
NETMASK=255.255.255.0
vi /etc/resolv.conf
nameserver 8.8.8.8
重启网卡：servie network restart Centos7
重启网卡：iptable service restart Centos6
注：如果出现失败的情况，执行如下命令
systemctl stop NetworkManager
systemctl disable NetworkManager
然后重启网卡。servie network restart
修改主机名
hostnamectl set-hostname 主机名 ==> Centos 7
IP和主机名关系映射
vi /etc/hosts
192.168.1.51 master
192.168.1.52 slave1
192.168.1.53 slave2
在windows的C:WindowsSystem32driversetc路径下找到hosts并添加
192.168.1.51 master
192.168.1.52 slave1
192.168.1.53 slave2
连接Xshell
输入IP、用户名和密码
在opt目录下创建文件（此步可选）
创建chenchuan用户
adduser chenchuan
passwd chenchuan
设置chenchuan用户具有root权限
vi /etc/sudoers 92行 找到root ALL=(ALL) ALL
复制一行：chenchuan ALL=(ALL) ALL
安装jdk
卸载现有jdk
(1) 查询是否安装java软件：
rpm -qa|grep java
(2) 如果安装的版本低于1.7，卸载该jdk：
rpm -e 软件包名字
在/opt目录下创建两个子文件
mkdir /opt/module /opt/software
解压jdk到/opt/module目录下
tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/
配置jdk环境变量
vi /etc/profile
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin
source /etc/profile
测试jdk安装成功
java -version
java version "1.8.0_144"
Hadoop运行模式
伪/完全分布式部署Hadoop
SSH无密码登录
生成公钥和私钥：ssh-keygen -t rsa
然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
将公钥拷贝到要免密登录的目标机器上
ssh-copy-id 主机名1
ssh-copy-id 主机名2
ssh-copy-id 主机名3
注：在另外两台机器上分别执行，共执行9遍
.ssh文件夹下的文件功能解释
（1）~/.ssh/known_hosts ：记录ssh访问过计算机的公钥(public key)
（2）id_rsa ：生成的私钥
（3）id_rsa.pub ：生成的公钥
（4）authorized_keys ：存放授权过得无秘登录服务器公钥
配置集群(表格版)
1） 集群部署规划:
|
|
bigdata111 |
bigdata112 |
bigdata113 |
|
HDFS
|
NameNode SecondaryNameNode DataNode |
DataNode |
DataNode |
|
YARN |
ResourceManager NodeManager |
NodeManager |
NodeManager |
2） 配置文件：
|
文件 |
配置 |
|
core-site.xml |
<!-- 指定HDFS中NameNode的地址 --> <property> <name>fs.defaultFS</name> <value>hdfs://master: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>/opt/module/hadoop-2.8.4/data/tmp</value> </property> |
|
hdfs-site.xml |
<!--数据冗余数--> <property> <name>dfs.replication</name> <value>3</value> </property> <!--secondary的地址--> <property> <name>dfs.namenode.secondary.http-address</name> <value>slave1:50090</value> </property> <!--关闭权限--> <property> <name>dfs.permissions</name> <value>false</value> </property> |
|
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>slave1</value> </property> <!-- 日志聚集功能使能 --> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <!-- 日志保留时间设置7天(秒) --> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> |
|
mapred-site.xml |
<!-- 指定mr运行在yarn上--> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <!--历史服务器的地址--> <property> <name>mapreduce.jobhistory.address</name> <value>slave1:10020</value> </property> <!--历史服务器页面的地址--> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>slave1:19888</value> </property> |
|
hadoop-env.sh、yarn-env.sh、mapred-env.sh（分别在这些的文件中添加下面的路径）
export JAVA_HOME=/opt/module/jdk1.8.0_144（注：是自己安装的路径） |
|
|
slaves |
master、slave1、slave2（自己设置的主机名） |
格式化Namenode：
hdfs namenode -format
为什么要格式化？
NameNode主要被用来管理整个分布式文件系统的命名空间(实际上就是目录和文件)的元数据信息，同时为了保证数据的可靠性，还加入了操作日志，所以，NameNode会持久化这些数据(保存到本地的文件系统中)。对于第一次使用HDFS，在启动NameNode时，需要先执行-format命令，然后才能正常启动NameNode节点的服务。
格式化做了哪些事情？
在NameNode节点上，有两个最重要的路径，分别被用来存储元数据信息和操作日志，而这两个路径来自于配置文件，它们对应的属性分别是dfs.name.dir和dfs.name.edits.dir，同时，它们默认的路径均是/tmp/hadoop/dfs/name。格式化时，NameNode会清空两个目录下的所有文件，之后，会在目录dfs.name.dir下创建文件
hadoop.tmp.dir 这个配置，会让dfs.name.dir和dfs.name.edits.dir会让两个目录的文件生成在一个目录里
启动集群的命令：
Namenode的主节点：sbin/start-dfs.sh
Yarn的主节点：sbin/stop-yarn.sh
注意：Namenode和ResourceManger如果不是同一台机器，不能在NameNode上启动 yarn，应该在ResouceManager所在的机器上启动yarn。
scp文件传输
实现两台远程机器之间的文件传输（master主机文件拷贝到slave1主机上）
scp -r [文件] 用户@主机名：绝对路径
注：伪分布式是一台、完全分布是三台
完全分布式
步骤：
1）克隆2台客户机（关闭防火墙、静态ip、主机名称）
2）安装jdk
3）配置环境变量
4）安装hadoop
5）配置环境变量
6）安装ssh
7）配置集群
8）启动测试集群
注：此配置直接使用虚拟机克隆伪分布式两台即可
自带官方wordcount案例
随意上传一个文本文件
上传命令：hadoop fs -put 文件名 /
执行命令：
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.X.X.jar wordcount /入 /出
命令解析：
hadoop jar 路径的jar包 全类名 输入路径 输出路径
查看结果：
hadoop fs -cat 路径
Hadoop启动和停止命令：
以下命令都在$HADOOP_HOME/sbin下，如果直接使用，记得配置环境变量
|
启动/停止历史服务器 |
mr-jobhistory-daemon.sh start|stop historyserver |
|
启动/停止总资源管理器 |
yarn-daemon.sh start|stop resourcemanager |
|
启动/停止节点管理器 |
yarn-daemon.sh start|stop nodemanager |
|
启动/停止 NN 和 DN |
start|stop-dfs.sh |
|
启动/停止 RN 和 NM |
start|stop-yarn.sh |
|
启动/停止 NN、DN、RN、NM |
start|stop-all.sh |
|
启动/停止 NN |
hadoop-daemon.sh start|stop namenode |
|
启动/停止 DN |
hadoop-daemon.sh start|stop datanode |