Hadoop官方指导传送门传送门

截止当前（2020年01月08日），Hadoop最新版本是3.2.1，本文依据3.2.1部署安装

本篇文章只介绍了如何安装和配置范围从几个节点到具有数千个节点的超大型Hadoop集群。
要快速体验使用Hadoop，可能只需要将其安装在单台服务器上。

本篇文章不涉及hadoop安全或高可用性等高级话题。

服务器准备

服务器规划，提供四台服务器，OS 为centos 7

修改主机名

hostnamectl set-hostname centos-x

x 为我们每台服务器

完成我们的主机如下

主机名	IP	预备分配服务
centos-1	10.211.55.11	`DataNode` `NodeManager` `NameNode`
centos-2	10.211.55.12	`DataNode` `NodeManager` `SecondaryNameNode`
centos-3	10.211.55.13	`DataNode` `NodeManager` `ResourceManager`
centos-4	10.211.55.14	`DataNode` `NodeManager` `HistoryServer`

服务器ip

服务器服务分配

安装openJDK-8

通过yum安装jdk

yum update
yum install java-1.8.0-openjdk-devel -y

修改环境变量

vim /etc/profile

在尾部新增

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
export PATH=$JAVA_HOME/bin:$PATH

配置服务器静态IP

静态IP

vim /etc/sysconfig/network-scripts/ifcfg-enp0s5

完整配置如下

TYPE="Ethernet"
PROXY_METHOD="none"
BROWSER_ONLY="no"
BOOTPROTO="static" # 修改dhcp 为 static
DEFROUTE="yes"
IPV4_FAILURE_FATAL="no"
IPV6INIT="yes"
IPV6_AUTOCONF="yes"
IPV6_DEFROUTE="yes"
IPV6_FAILURE_FATAL="no"
IPV6_ADDR_GEN_MODE="stable-privacy"
NAME="enp0s5"
UUID="e2bda9d6-dc4f-4513-adbc-fdf3a1e2f384"
DEVICE="enp0s5"
ONBOOT="yes"

# 新增
GATEWAY=10.211.55.1 # 修改网关，虚拟机需要注意修改nat
IPADDR=10.211.55.12 # 分配IP地址
NETMASK=255.255.255.0 # 子网掩码
DNS1=223.5.5.5 # 使用阿里公共DNS1
DNS2=223.6.6.6 # 使用阿里公共DNS2

增加 dhfs 用户

通常，建议HDFS和YARN以单独的用户身份运行。

在大多数安装中，HDFS进程以“hdfs”执行。YARN通常使用“yarn”帐户

adduser hdfs
passwd hdfs # 修改密码

设置SSH无密码登录

四台服务器全部设置

ssh-keygen -t rsa

分配ssh key

ssh-copy-id centos-1
ssh-copy-id centos-2
ssh-copy-id centos-3
ssh-copy-id centos-4

安装部署Hadoop

切换至 hdfs 用户

su - hdfs

下载

curl http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-3.2.1/hadoop-3.2.1.tar.gz -O

解压

这里直接解压到/usr/local/下

tar -zxf hadoop-3.2.1.tar.gz  -C /usr/local/hadoop-3.2.1

修改环境变量

sudo vim /etc/profile

修改原先配置为

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))
export HADOOP_HOME=/usr/local/hadoop-3.2.1

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

修改配置

这里我们进入$HADOOP_HOME文件夹开始操作

mkdir -p $HADOOP_HOME/hdfs/data
mkdir -p $HADOOP_HOME/tmp

配置hadoop-env.sh

sudo vim $HADOOP_HOME/etc/hadoop/hadoop-env.sh

增加或修改

export JAVA_HOME=$(dirname $(dirname $(readlink $(readlink $(which javac)))))

配置core-site.xml

vim etc/hadoop/core-site.xml

configuration配置如下

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://10.211.55.11:4000</value>
        <description>HDFS的URI，文件系统://namenode标识:端口号</description>
    </property>
    
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop-3.2.1/tmp</value>
        <description>namenode上本地的hadoop临时文件夹</description>
    </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。

配置hdfs-site.xml

vim etc/hadoop/hdfs-site.xml

<configuration>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>10.211.55.12:50090</value>
    </property>
    <property>
        <name>dfs.http.address</name>
        <value>10.211.55.11:50070</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop-3.2.1/hdfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop-3.2.1/hdfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
</configuration>

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centos-2规划为SecondaryNameNode服务器。

dfs.http.address配置的是本机默认的dfs地址，有些服务器可以不用配置，我的试过了，必须加上，不然后续网页打不开。 dfs.namenode.name.dir 指定name文件夹，dfs.datanode.data.dir 指定data文件夹 dfs.datanode.data.dir 指定副本数，一般小于服务器数，我们设置为3

配置workers

在hadoop2.x中叫做slaves，在3.x版本中改名workers。用来指定HDFS上有哪些DataNode节点，以及各个节点使用ip地址或者主机名，用换行分隔。

vim etc/hadoop/workers

这里我们就使用主机名

centos-1
centos-2
centos-3
centos-4

配置yarn-site.xml

vim etc/hadoop/yarn-site.xml

配置如下

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>centos-3</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</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>
</configuration>

按照规划使用centos-3做为 resourcemanager 使用yarn.log-aggregation-enable开启日志聚合，yarn.log-aggregation.retain-seconds配置聚集的日志在HDFS上最多保存多长时间。

配置mapred-site.xml

vim etc/hadoop/mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>centos-4:10020</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>centos-4:19888</value>
    </property>
</configuration>

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centos-4上。 mapreduce.jobhistory.webapp.address是设置历史服务器的web页面地址和端口号。 yarn.app.mapreduce.am.env,mapreduce.map.env,mapreduce.reduce.env需要设置为HADOOP_MAPRED_HOME=${HADOOP_HOME}，否则在运行yarn程序的时候会出现jar包未找到的错误。

启动 hadoop集群

完成上述所有必要的配置后，将文件分发到所有服务器的HADOOP_CONF_DIR目录下(/user/local)。在所有计算机上，该目录应该是相同的目录。

格式化

要启动Hadoop集群，需要同时启动HDFS和YARN集群。首次启动HDFS时，必须对其进行格式化。将新的分布式文件系统格式化为hdfs.

$HADOOP_HOME/bin/hdfs namenode -format <群集名称>

集群名称可以不填写，不出意外，执行完成后$HADOOP_HOME/hdfs/data中就有东西了。

启动 HDFS

如果配置了workers和ssh互信我们可以

$HADOOP_HOME/sbin/start-dfs.sh

启动 YARN

如果配置了workers和ssh互信我们可以

$HADOOP_HOME/sbin/start-yarn.sh

若上面没有配置的workers和ssh互信我们可以

启动namenode

$HADOOP_HOME/bin/hdfs --daemon start namenode

启动DataNode

$HADOOP_HOME/bin/hdfs --daemon start datanode

启动 NodeManager

规划在centos-4上，因此我们在centos-4上执行

$HADOOP_HOME/bin/yarn --daemon start nodemanager

启动 ResourceManager

规划在centos-3上，因此我们在centos-3上执行

$HADOOP_HOME/bin/yarn --daemon start resourcemanager

启动 HistoryServer

规划在centos-4上，因此我们在centos-4上执行

$HADOOP_HOME/bin/mapred --daemon start historyserver

查看HDFS Web页面

位于centos的50070端口:http://centos-1:50070/ HDFS Web

查看YARN Web 页面

位于centos-3的8088端口:http://centos-3:8088/ YARN Web

查看历史WEB页面

位于centos-4的19888端口:http://centos-4:19888/

历史WEB

测试

为了测试我们使用 wordcount 来测试

新建文件

sudo vim /opt/word.txt

文本内容

hadoop mapreduce hive
hbase spark storm
sqoop hadoop hive
spark hadoop

新建hadoop里文件夹demo

hadoop fs -mkdir /demo

文件写入

hdfs dfs -put /opt/word.txt /demo/word.txt

执行输入到hadoop的/output

yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar wordcount /demo/word.txt /output

查看文件列表

hdfs dfs -ls /output

Found 2 items
-rw-r--r--   3 hdfs supergroup          0 2020-01-07 02:20 /output/_SUCCESS
-rw-r--r--   3 hdfs supergroup         60 2020-01-07 02:20 /output/part-r-00000

查看文件中内容

hdfs dfs -cat /output/part-r-00000

2020-01-07 16:40:19,951 INFO sasl.SaslDataTransferClient: SASL encryption trust check: localHostTrusted = false, remoteHostTrusted = false
hadoop	3
hbase	1
hive	2
mapreduce	1
spark	2
sqoop	1
storm	1

Hadoop 完全分布式安装与部署

服务器准备

修改主机名

安装openJDK-8

配置服务器静态IP

增加 dhfs 用户

设置SSH无密码登录

安装部署Hadoop

下载

解压

修改环境变量

修改配置

配置hadoop-env.sh

配置core-site.xml

配置hdfs-site.xml

配置workers

配置yarn-site.xml

配置mapred-site.xml

启动 hadoop集群

格式化

启动 HDFS

启动 YARN

启动 NodeManager

启动 ResourceManager

启动 HistoryServer

查看HDFS Web页面

查看YARN Web 页面

查看历史WEB页面

测试