Hadoop完全分布式搭建学习指南
Hadoop版本：Hadoop2.X
JDK版本：JDK1.8
一、准备工作
-
设置主机名和IP
在三台CentOS 7.4机器上分别设置主机名和IP：
- node1: 192.168.14.10
- node2: 192.168.14.20
- node3: 192.168.14.30
修改主机名（以node1为例）：
hostnamectl set-hostname node1配置网络（依据具体网络环境和系统不同，配置方法可能有所不同）。
-
配置hosts文件
在三台机器上的
/etc/hosts文件中都添加以下内容，以便机器之间能通过主机名互相访问：192.168.14.10 node1 192.168.14.20 node2 192.168.14.30 node3 -
关闭防火墙和SELinux
systemctl stop firewalld systemctl disable firewalld setenforce 0 -
配置SSH免密登录
在node1上生成SSH密钥对，并将公钥分发到其他两个节点，实现免密登录（node2和node3上也需进行类似操作，以便日后维护）。
ssh-keygen ssh-copy-id node1 ssh-copy-id node2 ssh-copy-id node3
二、安装Java环境
-
下载并解压JDK
下载JDK压缩包到
/opt，然后解压。cd /opt tar -zxvf jdk-xxx-linux-x64.tar.gz -
配置环境变量
编辑
/etc/profile，添加以下内容：export JAVA_HOME=/opt/jdk1.8.0_xxx export PATH=$PATH:$JAVA_HOME/bin使环境变量生效：
source /etc/profile
三、安装Hadoop
-
下载并解压Hadoop
从Apache官网下载Hadoop压缩包到
/opt，然后解压。cd /opt tar -zxvf hadoop-x.x.x.tar.gz -
配置Hadoop环境变量
编辑
/etc/profile，添加：export HADOOP_HOME=/opt/hadoop-x.x.x export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin使环境变量生效：
source /etc/profile -
配置Hadoop
需要配置的文件主要有
hadoop-env.sh、core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml和slaves。-
hadoop-env.sh：设置Java环境。export JAVA_HOME=/opt/jdk1.8.0_xxx -
core-site.xml：配置HDFS的地址。<configuration><property><name>fs.defaultFS</name><value>hdfs://node1:9000</value></property><property><name>hadoop.tmp.dir</name><value>/opt/hadoop-x.x.x/tmp</value></property> </configuration> -
hdfs-site.xml：配置HDFS的副本数等参数。<configuration><property><name>dfs.replication</name><value>2</value></property><property><name>dfs.namenode.name.dir</name><value>/opt/hadoop-x.x.x/hdfs/namenode</value></property><property><name>dfs.datanode.data.dir</name><value>/opt/hadoop-x.x.x/hdfs/datanode</value></property> </configuration>-
yarn-site.xml：配置YARN的资源管理器等参数。<configuration><property><name>yarn.resourcemanager.hostname</name><value>node1</value></property><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property> </configuration> -
mapred-site.xml（如果不存在，可复制mapred-site.xml.template并重命名为mapred-site.xml）：配置MapReduce的运行框架为YARN。<configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property> </configuration> -
slaves：配置DataNode所在的节点。node1 node2 node3
-
-
-
分发Hadoop到其他节点
使用
scp命令将配置好的Hadoop目录分发到其他两个节点。scp -r /opt/hadoop-x.x.x node2:/opt/ scp -r /opt/hadoop-x.x.x node3:/opt/ -
格式化HDFS
在node1上执行以下命令来格式化HDFS。
hdfs namenode -format -
启动Hadoop
在node1上启动Hadoop集群。
start-dfs.sh start-yarn.sh -
验证Hadoop是否启动成功
通过Web界面访问
http://node1:50070/来查看HDFS的状态，访问http://node1:8088/来查看YARN的状态。同时，也可以通过jps命令在各个节点上查看运行的Hadoop进程。
以下是将Hadoop完全分布式配置下各节点的进程以表格形式展现的示例：
| 节点 | 进程 |
|---|---|
| node1 | NameNode |
| SecondaryNameNode | |
| ResourceManager | |
| DataNode | |
| NodeManager | |
| node2 | DataNode |
| NodeManager | |
| node3 | DataNode |
| NodeManager |
各文件详细配置内容
core-site.xml
<configuration><!-- 指定Hadoop集群中的默认文件系统为HDFS --><property><name>fs.defaultFS</name><value>hdfs://node1:9000</value></property><!-- 配置Hadoop临时目录，用于存放MapReduce作业执行过程中的中间数据 --><property><name>hadoop.tmp.dir</name><value>/opt/hadoop-x.x.x/tmp</value></property>
</configuration>
hdfs-site.xml
<configuration><!-- 指定NameNode的存储路径，即NameNode元数据的存放位置 --><property><name>dfs.namenode.name.dir</name><value>/opt/hadoop-x.x.x/hdfs/namenode</value></property><!-- 指定DataNode的存储路径，即实际数据存储的位置 --><property><name>dfs.datanode.data.dir</name><value>/opt/hadoop-x.x.x/hdfs/datanode</value></property><!-- 配置HDFS的副本数，即每个数据块会被复制多少份，通常设置为3 --><property><name>dfs.replication</name><value>3</value></property>
</configuration>
yarn-site.xml
<configuration><!-- 指定ResourceManager的地址，YARN作业提交到这里进行资源分配和调度 --><property><name>yarn.resourcemanager.hostname</name><value>node1</value></property><!-- 配置NodeManager提供的辅助服务，mapreduce_shuffle是MapReduce作业必须的服务 --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><!-- （可选）配置ResourceManager的Web界面地址和端口 --><property><name>yarn.resourcemanager.webapp.address</name><value>node1:8088</value></property>
</configuration>
mapred-site.xml
<configuration><!-- 指定MapReduce作业的运行框架为YARN --><property><name>mapreduce.framework.name</name><value>yarn</value></property>
</configuration>
slaves
# 指定DataNode所在的节点，每行一个节点名
node1 //结点1
node2 //结点2
node3 //结点3
)
)
