Hadoop 集群搭建
1.基础集群环境准备

Hadoop 集群环境安装

集群初步使用

Linux版本



Centos 6.5 (64位)



Hadoop版本



Hadoop 2.7.3



其他所需软件



java (1.7+) [安装、配置，参考 http://blog.csdn.net/molaifeng/article/details/50160929]
ssh [安装、配置，参考 http://blog.csdn.net/molaifeng/article/details/51684086]
vim [安装，yum install -y vim]



集群概况


  
皆为虚拟机，网络为桥接




10.254.21.30 Master
10.254.21.122 Slave1
10.254.21.29 Slave2
10.254.21.35 Slave3




添加用户

添加用户



useradd hadoop

设置密码



passwd

拥有管理员权限



vim /etc/sudoers
hadoop  ALL=(ALL) ALL 



配置网络和主机名



配置网络

在/etc/hosts里加上



10.254.21.30 Master
10.254.21.122 Slave1
10.254.21.29 Slave2
10.254.21.35 Slave3


同时，需查看localhost对应的是127.0.0.1



127.0.0.1 localhost

即



127.0.0.1 localhost
10.254.21.30 Master
10.254.21.122 Slave1
10.254.21.29 Slave2
10.254.21.35 Slave3




修改主机名

四台服务器修改主机名分别为Master、Slave1、Slave2、Slave3



vim /etc/sysconfig/network
HOSTNAME=Master

重启



reboot

查看主机名



hostname

在Master服务器上，显示Master则成功了。



SSH无密码登录

切换到hadoop用户



su hadoop

设置无密码登录



cd ~/.ssh/
ssh-keygen -t rsa              # 只管按按回车即可
cat id_rsa.pub >> authorized_keys  # 加入本机授权
chmod 600 authorized_keys  

配置好后，ssh localhost便不用输入密码了，其余三台服务器都操作。最后把Master服务器上的id_rsa.pub文件内容追加到三台Slave服务器上的authorized_keys，使得Master无需密码即可登录三台Slave服务器。


  
注：如果在ssh登录过程中出现“Permanently added (RSA) to the list of known hosts”提示，进入/etc/ssh/ssh_config，把StrictHostKeyChecking no及UserKnownHostsFile /dev/null给注释了即可。




关闭防火墙



sudo service iptables stop

或是不让其开启



sudo chkconfig iptables off



安装、配置Hadoop



安装

也可以到官网去下载稳定版本.



cd /usr/localhost
sudo wget http://mirrors.cnnic.cn/apache/hadoop/common/stable/hadoop-2.7.3.tar.gz
sudo tar zxf hadoop-2.7.3.tar.gz
sudo mv hadoop-2.7.3 hadoop
sudo chown hadoop.hadoop hadoop -R

由于下载的是编译的版本，因此可以开箱即用，先看看版本，检查下是否可用



cd /usr/local/hadoop
./bin/hadoop version

出现版本信息说明可用



Hadoop 2.7.3
Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r baa91f7c6bc9cb92be5982de4719c1c8af91ccff
Compiled by root on 2016-08-18T01:41Z
Compiled with protoc 2.5.0
From source with checksum 2e4ce5f957ea4db193bce3734ff29ff4
This command was run using /usr/local/hadoop/share/hadoop/common/hadoop-common-2.7.3.jar



配置

修改环境变量，将hadoop加进去，其余三台服务器都要操作
sudo vim /etc/profile
export HADOOP_HOME = /usr/local/hadoop
export PATH = $JAVA_HOme/bin:$HADOOP_HOME/bin:$PATH


  
在命令行输入. /etc/profile并回车使其生效


修改配置文件【/usr/local/hadoop/etc/hadoop/】
slaves，去掉localhost，添加Slave，即NameNode为Master服务器，DataNode为三台Slave服务器



Slave1
Slave2
Slave3

hadoop-env.sh



export JAVA_HOME='/usr/lib/jvm/java-1.8.0-openjdk.x86_64'

core-site.xml



<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://Master:9000</value>
    </property>
</configuration>


  
若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。由于默认的安装包没有tmp目录，因此需要手动添加， sudo mkdir /usr/local/hadoop/tmp


hdfs-site.xml，其中dfs.replication为3，因为有三个DataNode节点



<property>
     <name>dfs.namenode.secondary.http-address</name>
     <value>Master:50090</value>
</property>
<property>
     <name>dfs.replication</name>
     <value>3</value>
</property>
<property>
     <name>dfs.namenode.name.dir</name>
     <value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
     <name>dfs.datanode.data.dir</name>
     <value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>

mapred-site.xml



<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>

yarn-site.xml



<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>Master</value>
</property>
<property>
   <name>yarn.nodemanager.aux-services</name>
   <value>mapreduce_shuffle</value>
</property>

打包hadoop目录，发送给三台Slave服务器



sudo tar -zcf ~/hadoop.master.tar.gz /user/local/hadoop 
scp ~/hadoop.master.tar.gz hadoop@Slave1:/home/hadoop

在Slave1服务器上解压、修改权限



tar -zxf ~/hadoop.master.tar.gz -C /usr/local
sudo chown hadoop.hadoop hadoop -R

其余Slave两台服务器操作也一样。至此，Master、Slave服务器上环境都配好了，接下来就是在Master服务器上启动Hadoop。



start-dfs.sh
start-yarn.sh
mr-jobhistory-daemon.sh start historyserver

分别在Master和Slave服务器上输入jps，查看运行的JAVA进程

Master



[hadoop@Master hadoop]$ jps
6096 NameNode
6704 JobHistoryServer
6281 SecondaryNameNode
6427 ResourceManager
29535 Jps

Slave1



[hadoop@Slave1 hadoop]$ jps
83617 Jps
56530 DataNode
56635 NodeManager

在Master服务器上输入hdfs dfsadmin -report查看DataNode是否正常启动



Configured Capacity: 55574487040 (51.76 GB)
Present Capacity: 16329748480 (15.21 GB)
DFS Remaining: 16329654272 (15.21 GB)
DFS Used: 94208 (92 KB)
DFS Used%: 0.00%
Under replicated blocks: 0
Blocks with corrupt replicas: 0
Missing blocks: 0
Missing blocks (with replication factor 1): 0

-------------------------------------------------
Live datanodes (3):

Name: 10.254.21.35:50010 (Slave3)
Hostname: Slave3
Decommission Status : Normal
Configured Capacity: 18569568256 (17.29 GB)
DFS Used: 28672 (28 KB)
Non DFS Used: 11105554432 (10.34 GB)
DFS Remaining: 7463985152 (6.95 GB)
DFS Used%: 0.00%
DFS Remaining%: 40.19%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Thu Oct 27 11:16:56 CST 2016


Name: 10.254.21.29:50010 (Slave2)
Hostname: Slave2
Decommission Status : Normal
Configured Capacity: 18569568256 (17.29 GB)
DFS Used: 32768 (32 KB)
Non DFS Used: 11105423360 (10.34 GB)
DFS Remaining: 7464112128 (6.95 GB)
DFS Used%: 0.00%
DFS Remaining%: 40.20%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Thu Oct 27 11:16:56 CST 2016


Name: 10.254.21.122:50010 (Slave1)
Hostname: Slave1
Decommission Status : Normal
Configured Capacity: 18435350528 (17.17 GB)
DFS Used: 32768 (32 KB)
Non DFS Used: 17033760768 (15.86 GB)
DFS Remaining: 1401556992 (1.31 GB)
DFS Used%: 0.00%
DFS Remaining%: 7.60%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Thu Oct 27 11:16:56 CST 2016

也可以在浏览器上输入http://10.254.21.110:50070查看NameNode和DataNode信息。 




运行DEMO

在Master服务器上创建 HDFS 上的用户目录



hdfs dfs -mkdir -p /user/hadoop

查看



[hadoop@Master hadoop]$  hdfs dfs -ls /user
Found 1 items
drwxr-xr-x   - hadoop supergroup          0 2016-10-21 17:46 /user/hadoop

创建Hadoop用户的input目录



hdfs dfs -mkdir input

上传到input目录



./bin/hdfs dfs -put ./etc/hadoop/*.xml input

查看



[hadoop@Master hadoop]$ hdfs dfs -ls input
Found 9 items
-rw-r--r--   1 hadoop supergroup       4436 2016-10-24 10:03 input/capacity-scheduler.xml
-rw-r--r--   1 hadoop supergroup       1072 2016-10-24 10:03 input/core-site.xml
-rw-r--r--   1 hadoop supergroup       9683 2016-10-24 10:03 input/hadoop-policy.xml
-rw-r--r--   1 hadoop supergroup       1322 2016-10-24 10:03 input/hdfs-site.xml
-rw-r--r--   1 hadoop supergroup        620 2016-10-24 10:03 input/httpfs-site.xml
-rw-r--r--   1 hadoop supergroup       3518 2016-10-24 10:03 input/kms-acls.xml
-rw-r--r--   1 hadoop supergroup       5511 2016-10-24 10:03 input/kms-site.xml
-rw-r--r--   1 hadoop supergroup       1134 2016-10-24 10:03 input/mapred-site.xml
-rw-r--r--   1 hadoop supergroup        930 2016-10-24 10:03 input/yarn-site.xml

运行实例



./bin/hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'



在Master服务器上关闭 Hadoop 集群



stop-yarn.sh
stop-dfs.sh
mr-jobhistory-daemon.sh stop historyserver



遇到的坑

由于是在虚拟机上安装、配置，时间上是不一致的，需要同步时间



ntpdate pool.ntp.org

当命令行报WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable此警告时，无需担心，因为下的二进制包，若是碍眼，可以去官网下载源码包，安装、编译即可。

当启动Hadoop遇到DataNode没起来时，可以在Slave服务器上删除tmp目录，之后再重新启动。



sudo rm -rf tmp
sudo rm -rf logs/*
hdfs namenode -format



参考资料

Hadoop Cluster Setup

Hadoop集群安装配置教程_Hadoop2.6.0_Ubuntu/CentOS

【Hadoop】搭建完全分布式的hadoop

事先说明一下哈，我这一个hadoop集群搭建，是参考视频教学搭建而来的。

hadoop2.0已经发布了稳定版本了，增加了很多特性，比如HDFS HA、YARN等，所以我们这一次搭建时使用hadoop 2.2.0版本。

注意：apache提供的hadoop-2.2.0的安装包是在32位操作系统编译的，因为hadoop依赖一些C++的本地库，

所以如果在64位的操作上安装hadoop-2.2.0就需要重新在64操作系统上重新编译

（建议第一次安装用32位的系统，我将编译好的64位的也上传到群共享里了，如果有兴趣的可以自己编译一下）

前期准备

1.修改Linux主机名
2.修改IP
3.修改主机名和IP的映射关系
    ######注意######如果你们公司是租用的服务器或是使用的云主机（如华为用主机、阿里云主机等）
    /etc/hosts里面要配置的是内网IP地址和主机名的映射关系   
4.关闭防火墙
5.ssh免登陆
6.安装JDK，配置环境变量等1.修改Linux主机名

集群规划


    主机名      IP               安装的软件                    运行的进程
    it01    192.168.1.201    jdk、hadoop                   NameNode、DFSZKFailoverController
    it02    192.168.1.202    jdk、hadoop                   NameNode、DFSZKFailoverController
    it03    192.168.1.203    jdk、hadoop                   ResourceManager
    it04    192.168.1.204    jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain
    it05    192.168.1.205    jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain
    it06    192.168.1.206    jdk、hadoop、zookeeper        DataNode、NodeManager、JournalNode、QuorumPeerMain


集群工作说明

    在hadoop2.0中通常由两个NameNode组成，一个处于active状态，另一个处于standby状态。Active NameNode对外提供服务，而Standby NameNode则不对外提供服务，仅同步active namenode的状态，以便能够在它失败时快速进行切换。
    hadoop2.0官方提供了两种HDFS HA的解决方案，一种是NFS，另一种是QJM。这里我们使用简单的QJM。在该方案中，主备NameNode之间通过一组JournalNode同步元数据信息，一条数据只要成功写入多数JournalNode即认为写入成功。通常配置奇数个JournalNode
    这里还配置了一个zookeeper集群，用于ZKFC（DFSZKFailoverController）故障转移，当Active NameNode挂掉了，会自动切换Standby NameNode为active状态

安装步骤（开始安装了！！！）

 1.安装配置zooekeeper集群
        1.1解压
            tar -zxvf zookeeper-3.4.5.tar.gz -C /itcast/
        1.2修改配置
            cd /itcast/zookeeper-3.4.5/conf/
            cp zoo_sample.cfg zoo.cfg
            vim zoo.cfg
            修改：dataDir=/it/zookeeper-3.4.5/tmp
            在最后添加：
            server.1=it04:2888:3888
            server.2=it05:2888:3888
            server.3=it06:2888:3888
            保存退出
            然后创建一个tmp文件夹
            mkdir /it/zookeeper-3.4.5/tmp
            再创建一个空文件
            touch /it/zookeeper-3.4.5/tmp/myid
            最后向该文件写入ID
            echo 1 > /it/zookeeper-3.4.5/tmp/myid
        1.3将配置好的zookeeper拷贝到其他节点(首先分别在it05、it06根目录下创建一个it目录：mkdir /it)
            scp -r /it/zookeeper-3.4.5/ it05:/it/
            scp -r /it/zookeeper-3.4.5/ it06:/it/

            注意：修改it05、it06对应/it/zookeeper-3.4.5/tmp/myid内容
            it05：
                echo 2 > /it/zookeeper-3.4.5/tmp/myid
            it06：
                echo 3 > /it/zookeeper-3.4.5/tmp/myid

    2.安装配置hadoop集群
        2.1解压
            tar -zxvf hadoop-2.2.0.tar.gz -C /it/
        2.2配置HDFS（hadoop2.0所有的配置文件都在$HADOOP_HOME/etc/hadoop目录下）
            #将hadoop添加到环境变量中
            vim /etc/profile
            export JAVA_HOME=/usr/java/jdk1.7.0_60
            export HADOOP_HOME=/itcast/hadoop-2.2.0
            export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin

            #hadoop2.0的配置文件全部在$HADOOP_HOME/etc/hadoop下
            cd /it/hadoop-2.2.0/etc/hadoop

            2.2.1修改hadoo-env.sh
                export JAVA_HOME=/usr/java/jdk1.7.0_60

            2.2.2修改core-site.xml
                <configuration>
                    <!-- 指定hdfs的nameservice为ns1 -->
                    <property>
                        <name>fs.defaultFS</name>
                        <value>hdfs://ns1</value>
                    </property>
                    <!-- 指定hadoop临时目录 -->
                    <property>
                        <name>hadoop.tmp.dir</name>
                        <value>/it/hadoop-2.2.0/tmp</value>
                    </property>
                    <!-- 指定zookeeper地址 -->
                    <property>
                        <name>ha.zookeeper.quorum</name>
                        <value>it04:2181,it05:2181,it06:2181</value>
                    </property>
                </configuration>

            2.2.3修改hdfs-site.xml
                <configuration>
                    <!--指定hdfs的nameservice为ns1，需要和core-site.xml中的保持一致 -->
                    <property>
                        <name>dfs.nameservices</name>
                        <value>ns1</value>
                    </property>
                    <!-- ns1下面有两个NameNode，分别是nn1，nn2 -->
                    <property>
                        <name>dfs.ha.namenodes.ns1</name>
                        <value>nn1,nn2</value>
                    </property>
                    <!-- nn1的RPC通信地址 -->
                    <property>
                        <name>dfs.namenode.rpc-address.ns1.nn1</name>
                        <value>it01:9000</value>
                    </property>
                    <!-- nn1的http通信地址 -->
                    <property>
                        <name>dfs.namenode.http-address.ns1.nn1</name>
                        <value>it01:50070</value>
                    </property>
                    <!-- nn2的RPC通信地址 -->
                    <property>
                        <name>dfs.namenode.rpc-address.ns1.nn2</name>
                        <value>it02:9000</value>
                    </property>
                    <!-- nn2的http通信地址 -->
                    <property>
                        <name>dfs.namenode.http-address.ns1.nn2</name>
                        <value>it02:50070</value>
                    </property>
                    <!-- 指定NameNode的元数据在JournalNode上的存放位置 -->
                    <property>
                        <name>dfs.namenode.shared.edits.dir</name>
                        <value>qjournal://it04:8485;it05:8485;it06:8485/ns1</value>
                    </property>
                    <!-- 指定JournalNode在本地磁盘存放数据的位置 -->
                    <property>
                        <name>dfs.journalnode.edits.dir</name>
                        <value>/it/hadoop-2.2.0/journal</value>
                    </property>
                    <!-- 开启NameNode失败自动切换 -->
                    <property>
                        <name>dfs.ha.automatic-failover.enabled</name>
                        <value>true</value>
                    </property>
                    <!-- 配置失败自动切换实现方式 -->
                    <property>
                        <name>dfs.client.failover.proxy.provider.ns1</name>
                        <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
                    </property>
                    <!-- 配置隔离机制方法，多个机制用换行分割，即每个机制暂用一行-->
                    <property>
                        <name>dfs.ha.fencing.methods</name>
                        <value>
                            sshfence
                            shell(/bin/true)
                        </value>
                    </property>
                    <!-- 使用sshfence隔离机制时需要ssh免登陆 -->
                    <property>
                        <name>dfs.ha.fencing.ssh.private-key-files</name>
                        <value>/root/.ssh/id_rsa</value>
                    </property>
                    <!-- 配置sshfence隔离机制超时时间 -->
                    <property>
                        <name>dfs.ha.fencing.ssh.connect-timeout</name>
                        <value>30000</value>
                    </property>
                </configuration>

            2.2.4修改mapred-site.xml
                <configuration>
                    <!-- 指定mr框架为yarn方式 -->
                    <property>
                        <name>mapreduce.framework.name</name>
                        <value>yarn</value>
                    </property>
                </configuration>   

            2.2.5修改yarn-site.xml
                <configuration>
                    <!-- 指定resourcemanager地址 -->
                    <property>
                        <name>yarn.resourcemanager.hostname</name>
                        <value>it03</value>
                    </property>
                    <!-- 指定nodemanager启动时加载server的方式为shuffle server -->
                    <property>
                        <name>yarn.nodemanager.aux-services</name>
                        <value>mapreduce_shuffle</value>
                    </property>
                </configuration>


            2.2.6修改slaves(slaves是指定子节点的位置，因为要在it01上启动HDFS、在it03启动yarn，所以it01上的slaves文件指定的是datanode的位置，it03上的slaves文件指定的是nodemanager的位置)
                it04
                it05
                it06

            2.2.7配置免密码登陆
                #首先要配置it01到it02、it03、it04、it05、it06的免密码登陆
                #在it01上生产一对钥匙
                ssh-keygen -t rsa
                cp id_rsa.pub authorized_keys

                cp authorized_keys it02:/root/.ssh/
                cp authorized_keys it03:/root/.ssh/
                cp authorized_keys it04:/root/.ssh/
                cp authorized_keys it05:/root/.ssh/
                cp authorized_keys it06:/root/.ssh/

                #配置it03到it04、it05、it06的免密码登陆
                #在it03上生产一对钥匙
                ssh-keygen -t rsa
                cat id_rsa.pub >> authorized_keys
                #将公钥拷贝到其他节点
                cp authorized_keys it04:/root/.ssh/
                cp authorized_keys it05:/root/.ssh/
                cp authorized_keys it06:/root/.ssh/

                #注意：两个namenode之间要配置ssh免密码登陆，别忘了配置it02到it01的免登陆
                在it02上生产一对钥匙
                ssh-keygen -t rsa
                cat id_rsa.pub >> authorized_keys
                

        2.4将配置好的hadoop拷贝到其他节点
            scp -r /it/ it02:/
            scp -r /it/ it03:/
            scp -r /it/hadoop-2.2.0/ root@it04:/it/
            scp -r /it/hadoop-2.2.0/ root@it05:/it/
            scp -r /it/hadoop-2.2.0/ root@it06:/it/

        ###注意：严格按照下面的步骤
        2.5启动zookeeper集群（分别在it04、it05、it06上启动zk）
            cd /it/zookeeper-3.4.5/bin/
            ./zkServer.sh start
            #查看状态：一个leader，两个follower
            ./zkServer.sh status

        2.6启动journalnode（在it01上启动所有journalnode，注意：是调用的hadoop-daemons.sh这个脚本，注意是复数s的那个脚本）
            cd /it/hadoop-2.2.0
            sbin/hadoop-daemons.sh start journalnode
            #运行jps命令检验，it04、it05、it06上多了JournalNode进程
           {建议在it04/05/06分别启动 journalnode}

        2.7格式化HDFS
            #在it01上执行命令:
            hdfs namenode -format
            #格式化后会在根据core-site.xml中的hadoop.tmp.dir配置生成个文件，这里我配置的是/it/hadoop-2.2.0/tmp，然后将/it/hadoop-2.2.0/tmp拷贝到it02的/it/hadoop-2.2.0/下。
            scp -r tmp/ it02:/it/hadoop-2.2.0/

        2.8格式化ZK(在it01上执行即可，会在it04/05/06文件系统生成hadoop-ha)
            hdfs zkfc -formatZK

        2.9启动HDFS(在it01上执行)
            sbin/start-dfs.sh

        2.10启动YARN(#####注意#####：是在it03上执行start-yarn.sh，把namenode和resourcemanager分开是因为性能问题，因为他们都要占用大量资源，所以把他们分开了，他们分开了就要分别在不同的机器上启动)
            sbin/start-yarn.sh

测试hadoop集群工作情况    

到此，hadoop2.2.0配置完毕，可以统计浏览器访问:
        http://192.168.1.201:50070
        NameNode 'it01:9000' (active)
        http://192.168.1.202:50070
        NameNode 'it02:9000' (standby)

验证HDFS HA
        首先向hdfs上传一个文件
        hadoop fs -put /etc/profile /profile
        hadoop fs -ls /
        然后再kill掉active的NameNode
        kill -9 <pid of NN>
        通过浏览器访问：http://192.168.1.202:50070
        NameNode 'it02:9000' (active)
        这个时候it02上的NameNode变成了active
        在执行命令：
        hadoop fs -ls /
        -rw-r--r--   3 root supergroup       1926 2014-02-06 15:36 /profile
        刚才上传的文件依然存在！！！
        手动启动那个挂掉的NameNode
        sbin/hadoop-daemon.sh start namenode
        通过浏览器访问：http://192.168.1.201:50070
        NameNode 'it01:9000' (standby)

    验证YARN：
        运行一下hadoop提供的demo中的WordCount程序：
        hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /profile /out

文章最后，给大家推荐一些受欢迎的技术博客链接：

Hadoop相关技术博客链接
	
Spark 核心技术链接
	
JAVA相关的深度技术博客链接
	
超全干货--Flink思维导图，花了3周左右编写、校对
	
深入JAVA 的JVM核心原理解决线上各种故障【附案例】
	
请谈谈你对volatile的理解？--最近小李子与面试官的一场“硬核较量”
	
聊聊RPC通信，经常被问到的一道面试题。源码+笔记，包懂
 

欢迎扫描下方的二维码或 搜索 公众号“10点进修”，我们会有更多、且及时的资料推送给您，欢迎多多交流！

                                           

       

OK，恭喜你。大功告成！！！

前面说到使用单机搭建hadoop  伪分布式集群，这篇文章讲的是怎么搭建hadoop集群。 

这里我是用3台虚拟机 

192.168.1.221 spark1 

192.168.1.222 spark2 

192.168.1.223 spark3 

如果不会搭建虚拟机的同学可以参考这篇文章 
http://www.haha174.top/article/details/255136

一.配置jdk 

如果不会可以参考这篇文章 
http://www.haha174.top/article/details/259178

二.修改主机名 

分别登陆到三台虚拟机 去修改主机名 

vi /etc/hostname 

    spark1（修改为ip地址对应的名字） 

配置 host 

vi /etc/hosts 

    192.168.1.221 spark1 

    192.168.1.222 spark2 

    192.168.1.223 spark3 

vi /etc/sysconfig/network 

    NETWORKING=yes 

    HOSTNAME=spark1(修改为ip地址对应的名字) 

重启虚拟机 
三.免密登陆 

配置自身免密登陆  三台都要执行 

    ssh-keygen -t rsa 

    cd /root/.ssh 

    cp id_rsa.pub authorized_keys 

执行完上述三条命令后 可以ssh  自身的hostname  测试 

如测试在spark1  上面可以直接ssh  spark1  测试时候成功 

相互免密登陆（三台机器都要设置） 

假设现在在spark1  上面则执行 

ssh-copy-id -i spark2 

ssh-copy-id -i spark3 

然后可以 ssh  spark2 测试 

ssh spark3 测试 

以此类推将spark2  和spark 3  都执行了 
三.修改配置 

主要修改下面几个文件 

1.core.site.xml 

添加



 <property>
      <name>fs.defaultFS</name>
      <value>hdfs://spark1:8020</value>
   </property>

hdfs-site.xml 

添加
   <property>
             <name>dfs.replication</name>
             <value>3</value>
        </property>
         <property>
             <name>dfs.name.dir</name>
             <value>/home/hadoop/app/namenode</value>
        </property>
        <property>
             <name>dfs.data.dir</name>
             <value>/home/hadoop/app/datanode</value>
        </property>
        <property>
             <name>dfs.tmp.dir</name>
             <value>/home/hadoop/app/tmp</value>
        </property>

mapred-site.xml
 <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
        </property>

yarn-site.xml
 <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>

<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>spark1</value>
</property>


四.同步 

以上的配置只需要在一个节点配置好即可。 

我是在spark1 上面配置的只需要通过命令 

scp -r hadoop root@spark2 : /soft/ 

scp -r hadoop root@spark3: /soft/ 
5.启动 

下面的命令只需要在spark1  执行即可 

在启动之前  

hdfs namenode -format  需要先格式化一下 

然后   sh start-dfs.sh 

然后查看启动状态  jps 

spark1 



spark2 


spark3 


输入下面的链接查看状态 
http://spark1:50070/dfshealth.html#tab-datanode 


这样就成功了 

文章地址：http://www.haha174.top/article/details/258782