[大数据]Hadoop 3.1.3 分布式集群搭建，超详细，保姆级教程

1.环境准备

大家可以根据自己的需要，进行下载。
需要用的环境是：

1.VMware 15
2.CentOS-7.5
3.Xshell 6 Xftp 6
4.jdk 1.8
5.hadoop-3.1.3 jar包 hadoop下载链接

2 jdk1.8安装

2.1 卸载虚拟机自带的JDK

注意：如果虚拟机时安装的桌面版本的linux。需要卸载虚拟机中的JDK。这是安装桌面版本自带的。如果你的虚拟机是最小化安装不需要执行这一步。

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e 
--nodeps

重启虚拟机：

[root@hadoop100 ~]# reboot

解释字段：

1. rpm -qa：查询所安装的所有 rpm 软件包
2. grep -i：忽略大小写
3. xargs -n1：表示每次只传递一个参数
4. rpm -e –nodeps：强制卸载软件

2.2 安装JDK1.8

0.用 XShell 传输工具将 JDK 导入到虚拟机中的文件夹下面
我个人习惯在当前用户下建立二个文件夹，一个用来存放安装包，一个是安装软件。
1.将JDK安装包上传到存放安装包路径中：
2.在Linux目录下查看是否上传成功：

[abc@hadoop102 ~]$ ls /opt/software/

3. 解压 JDK 到/opt/module 目录下

[abc@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

4.配置 JDK 环境变量
（1）新建/etc/profile.d/my_env.sh 文件

[abc@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

（2）添加如下内容

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

（3）保存后退出

:wq

（4）source 一下/etc/profile 文件，让新的环境变量 PATH 生效

[abc@hadoop102 ~]$ source /etc/profile

5.测试 JDK 是否安装成功

[abc@hadoop102 ~]$ java -version

出现以下结果表示安装成功：

3.在 hadoop102 安装Hadoop集群

3.1集群安装准备

注意：安装前，请确保自己有3台虚拟机，并且没有问题。jdk都存在。可以直接将hadoop102上的虚拟机复制也可以。需要更改下主机名和主机ip
注意：克隆时，要先关闭 hadoop102
1.修改克隆机 IP，以下以 hadoop103 举例说明
修改克隆虚拟机的静态 IP。确保横线部分和配置网络ip一致

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

改成
2.修改克隆机主机名，以下以 hadoop102 举例说明
（1）修改主机名称

[root@hadoop100 ~]# vim /etc/hostname

3.重启虚拟机

[root@hadoop100 ~]# reboot

3.2 安装hadoop

Hadoop 下载地址：
链接地址：hadoop3.1.3下载地址
https://archive.apache.org/dist/hadoop/common/hadoop-3.1.3/
1.用 XShell 文件传输工具将 hadoop-3.1.3.tar.gz 导入到 opt 目录下面的 software 文件夹下面
2.在Linux目录下查看：
命令：/opt/software

3.将hadoop-3.1.3解压到module目录下：

[abc@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

4.查看是否解压成功

[abc@hadoop102 software]$ ls /opt/module/hadoop-3.1.3

5.将 Hadoop 添加到环境变量
（1）获取 Hadoop 安装路径

[abc@hadoop102 hadoop-3.1.3]$ pwd 

（2）打开/etc/profile.d/my_env.sh 文件

[abc@hadoop102 hadoop-3.1.3]$ sudo vim/etc/profile.d/my_env.sh

（3）将一下内容添加文件中

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

（4） 查看结果
（5）让修改后的文件生效

[abc@hadoop102 hadoop-3.1.3]$ source /etc/profile

（6）测试是否安装成功

[abc@hadoop102 hadoop-3.1.3]$ hadoop version

3.3 hadoop运行模式

1.Hadoop 官方网站：官方地址
http://hadoop.apache.org/
2.Hadoop 运行模式包括：
本地模式、伪分布式模式以及完全分布式模式。

1. 本地模式：单机运行，只是用来演示一下官方案例。生产环境不用。
2. 伪分布式模式：也是单机运行，但是具备 Hadoop 集群的所有功能，一台服务器模拟一个分布式的环境。个别缺钱的公司用来测试，生产环境不用。
3. 完全分布式模式：多台服务器组成分布式环境。生产环境使用。

3.4 完全分布式运行模式（开发重点）

安装所需要的条件：
1.准备 3 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

3.4.1 编写集群分发脚本 xsync

1. 在/home/atguigu/bin 目录下创建 xsync 文件

[abc@hadoop102 opt]$ cd /home/atguigu
[abc@hadoop102 ~]$ mkdir bin
[abc@hadoop102 ~]$ cd bin
[abc@hadoop102 bin]$ vim xsync

在文件中编写以下内容：

#!/bin/bash

if [ $# -lt 1 ]
then
echo "No Args Input..." exit ;
fi

case $1 in
 "start")
        echo " =================== 启动 hadoop 集群 ==================="

        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
        ;;
"stop")
        echo " =================== 关闭 hadoop 集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs  ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
        ;;
*)
        echo "Input Args Error. "
;;
esac

2. 修改脚本 xsync 具有执行权限

[abc@hadoop102 bin]$ chmod +x xsync

3. 测试脚本

[abc@hadoop102 ~]$ xsync /home/atguigu/bin

4. 将脚本复制到/bin 中，以便全局调用

[abc@hadoop102 bin]$ sudo cp xsync /bin/

5. 同步环境变量配置（root 所有者）

[abc@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

注意：如果用了 sudo，那么 xsync 一定要给它的路径补全。
让环境变量生效

[abc@hadoop103 bin]$ source /etc/profile
[abc@hadoop104 opt]$ source /etc/profile

3.4.2 ssh免密配置

1.生产密钥命令：ssh-keygen -t rsa

出现一下情况一直按回车就解决：

生产密钥结束：
2.将密钥拷贝到hadoop103 hadoop104：

[abc@hadoop102 .ssh]$ ssh-copy-id hadoop102
[abc@hadoop102 .ssh]$ ssh-copy-id hadoop103
[abc@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：
还需要在 hadoop103 上采用 atguigu 账号配置一下无密登录hadoop102、hadoop103、hadoop104 服务器上。
还需要在 hadoop104 上采用 atguigu 账号配置一下无密登录hadoop102、hadoop103、hadoop104 服务器上。
还需要在 hadoop102 上采用 root 账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

3.4.3 集群配置

注意：
NameNode 和 SecondaryNameNode 不要安装在同一台服务器
ResourceManager 也很消耗内存，不要和 NameNode\SecondaryNameNode 配置在同一台机器上。

1.配置文件说明
Hadoop 配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
（1）默认配置文件：
要获取的默认文件 文件存放在 Hadoop 的 jar 包中的位置

（2）自定义配置文件：
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml 四个配置文件存放在$HADOOP_HOME/etc/hadoop 这个路径上，用户可以根据项目需求重新进行修改配置。
2.配置集群

（1）核心配置文件 vim core-site.xml

<configuration>
 <!-- 指定 NameNode 的地址 -->
 <property>
  <name>fs.defaultFS</name>
  <value>hdfs://hadoop102:8020</value>
 </property>
 <!-- 指定 hadoop 数据的存储目录 -->
 <property>
  <name>hadoop.tmp.dir</name>
  <value>/opt/module/hadoop-3.1.3/data</value>
 </property>
 <!-- 配置 HDFS 网页登录使用的静态用户为 atguigu -->
 <property>
  <name>hadoop.http.staticuser.user</name>
  <value>abc</value>
 </property>
</configuration>

（2）HDFS 配置文件vim hdfs-site.xml

<configuration>
<!-- nn web 端访问地址-->
<property>
  <name>dfs.namenode.http-address</name>
  <value>hadoop102:9870</value>
 </property>
<!-- 2nn web 端访问地址-->
 <property>
  <name>dfs.namenode.secondary.http-address</name>
  <value>hadoop104:9868</value>
 </property>
</configuration>

（3）YARN 配置文件vim yarn-site.xml

<configuration>
 <!-- 指定 MR 走 shuffle -->
 <property>
  <name>yarn.nodemanager.aux-services</name>
  <value>mapreduce_shuffle</value>
 </property>
 <!-- 指定 ResourceManager 的地址-->
 <property>
  <name>yarn.resourcemanager.hostname</name>
  <value>hadoop103</value>
 </property>
 <!-- 环境变量的继承 -->
 <property>
 <name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CO
NF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAP
RED_HOME</value>
 </property>
</configuration>

（4）MapReduce 配置文件vim mapred-site.xml

<configuration>
<!-- 指定 MapReduce 程序运行在 Yarn 上 -->
 <property>
  <name>mapreduce.framework.name</name>
  <value>yarn</value>
 </property>
</configuration>

(5）配置 workers vim workers
注意：不能有空行

hadoop102
hadoop103
hadoop104

3.在集群上分发配置好的 Hadoop 配置文件

[abc@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

4.去 103 和 104 上查看文件分发情况

[atguigu@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

[atguigu@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

3.4.4 启动集群

1. 如果集群是第一次启动，需要在 hadoop102 节点格式化 NameNode

注意：格式化 NameNode，会产生新的集群 id，导致 NameNode 和 DataNode 的集群 id 不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化 NameNode 的话，一定要先停 止 namenode 和 datanode 进程，并且要删除所有机器的 data 和 logs 目录，然后再进行格式化。
格式化命令：

[abc@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

2. 启动 HDFS

[abc@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

3. 在配置了 ResourceManager 的节点（hadoop103）启动 YARN

[abc@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

4. Web 端查看 HDFS 的 NameNode
   （a）浏览器中输入：http://hadoop102:9870
   （b）查看 HDFS 上存储的数据信息

5. Web 端查看 YARN 的 ResourceManager
   （a）浏览器中输入：http://hadoop103:8088
   （b）查看 YARN 上运行的 Job 信息。

6. 集群搭建完成。使用jps命令查看进程：jps

[abc@hadoop102 ~]$ jps
[abc@hadoop103 ~]$ jps
[abc@hadoop104 ~]$ jps

hadoop102上进程：
hadoop103进程：
Hadoop104进程：
如果出现这几个进程代表安装完成；恭喜大家

3.5 测试集群：

首先确保集群在启动状态下，在hadoop的当前目录下创建一个文件。请确保一下命令君在hadoop102上运行；

1. 命令：

vim /opt/module/hadoop-3.1.3/word.txt

2. 给word.txt中写一些数据。
   举例子写的一下代码：

hadoop yarn
hadoop mapreduce
hello
hello yarn

保存退出；（按 esc 后，按大写ZZ退出）

3. 将word.txt上传到hdfs中
   命令：

hadoop fs -put /opt/module/hadoop-3.1.3/word.txt /

上hdfs上查看：

4. 利用hadoop自带的测试类运行：
   解释：运行wordcount程序，将hdfs跟目录下的word.txt运行，并分类，然后输出到dhfs根目录下的output文件夹

 hadoop jar /opt/module/hadoop-3.1.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /word.txt /output

运行过程截图：
结束时候的运行状况：

5. 在hdfs网页端查看结果：
   查看输出的内容：（按序号点击就可查看）
   到这里已经安装完成了。如果本篇文章，对大家有帮助，希望大家给点个赞。非常感谢。如果有任何疑问，请评论区提问，感谢大家