【超详细】最新VirtualBox+CentOS7+Hadoop2.8.5手把手搭建完全分布式Hadoop集群（从小白逐步进阶）

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/adamlinsfz/article/details/84333389

在前一篇文章中我们已经了解了如何在Virtual Box中安装CentOS的Linux系统，并且实现各虚拟机的互通及与宿主机和外网的互通。如果没有配置完成，请先完成这个步骤。详见：Windows下安装Virtual Box后安装CentOS7并设置双网卡实现宿主机与虚拟机互相访问

所需软件：

Virtual Box 5.2.22
CentOS-7-x86_64-Everything-1804
Hadoop2.8.5
JDK1.8.1_191

安装Virtual Box及Centos7的环境并且调通网络环境

参考前一篇文章：Windows下安装Virtual Box后安装CentOS7并设置双网卡实现宿主机与虚拟机互相访问

Hadoop集群设计思路

注意：以下操作分为在Master环境上（hp-master）操作及在Slave环境上（hp-slave1, hp-slave2, hp-slave3）操作。请注意区别。

首先，先在Master环境上操作。
启动Master，可以用"无界面启动”

通过Xshell连接并登陆Master环境。

第一步：配置JDK环境

A. 下载JDK JDK1.8.1_191
B. 通过Xftp传输到hp-master下的 /opt/目录里

C. 解压jdk文件

tar -zxvf jdk-8u191-linux-x64.tar.gz

解压完成后多出一个jdk1.8.0_191的文件夹

在/usr/里创建文件夹/java/。（注：关于为什么要将JDK安装在/usr/java/文件中，请参考我的文章： Linux CentOS环境下软件到底安装在哪里?/opt or /usr or /usr/local）

mkdir /usr/java 

将解压的文件夹移动到该文件夹中

mv /opt/jdk1.8.0_191 /usr/java

D. 配置Java环境
进入系统 环境参数配置文件

vi /etc/profile

在合适的地方写入下面的环境配置参数后，按Esc，:wq保存退出。*对vi操作不熟悉的可以去看一下Linux Vi使用方法。

JAVA_HOME=/usr/java/jdk1.8.0_191
JRE_HOME=$JAVA_HOME/jre
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin

export JAVA_HOME JRE_HOME CLASS_PATH PATH

之后重新应用系统环境变量

source /etc/profile

成功后检查是否环境配置成功

java -version

出现下面截图内容时，说明配置成功。

第二步：在另外的三台Slave机器上（hp-slave1,hp-slave2,hp-slave3）重复第一步的操作，都配置好Java环境

*此处是因为已经把三台机器的连通性及IP都配置好了，所以需要在三台机器上做三次。如果熟练的话，仅需要做好Master，之后直接用Virtual Box的复制功能复制三份虚拟机后，修改一下每个机器的ip地址，也是一样的。

第三步：修改机器名称

如果不希望每次都是使用ip地址来进行操作，更好的方式是给每个机器命名。
A. 首先我们查看一下当前虚拟机的名称

hostname 

B. 查看后，按照我们在集群设计思路中的要求，对机器名称进行变更。
首先，我们在Master上进行变更，更新为hp-master

hostnamectl set-hostname hp-master

之后，分别在每台Slave机器上进行修改

hostnamectl set-hostname hp-slave1
hostnamectl set-hostname hp-slave2
hostnamectl set-hostname hp-slave3

第四步：修改机器Hosts

在hp-master上修改/etc/hosts文件

vi /etc/hosts

在文件中加入下面的配置

192.168.168.101 hp-master
192.168.168.102 hp-slave1
192.168.168.103 hp-slave2
192.168.168.104 hp-slave3

修改后如下图

之后在每台Slave机器上进行修改hosts信息。
测试一下是否从hp-master上可以ping通过机器名连通每个机器，Ping成功后即可进入下一步

第五步：配置SSH免密码登录

首先，在hp-master上进行如下操作。
A. 防火墙的设置
关闭防火墙

systemctl disable firewalld.service 

检查防火墙状态

systemctl status firewalld.service 

B. 生成加密密钥
用rsa算法产生公钥和私钥，并生成.ssh目录，过程中会提是确认信息，一路回车完成。

ssh-keygen -t rsa

通过命令进入/root/.ssh/目录查看已经有两个文件生成了(id_rsa 和id_rsa.pub)。

cd /root/.ssh/

其次，在hp-slave1,hp-slave2,hp-slave3上重复A和B的操作，使得每台机器都生成ssh的密钥。
之后，我们从hp-master上创建一个通用的公钥authorized_keys，并将这个公钥发送给每个Slave机器，且hp-master向各机器之间互信公钥，免密访问。
C. 在hp-master上创建公钥authorized_keys

cat id_rsa.pub >> authorized_keys

回车后使用ls命令查看/root/.ssh/目录，发现多了一个文件。通过vi查看该文件，发现其内容与id_rsa.pub一样。
D. 修改authorized_keys的权限

chmod 644 authorized_keys

重启sshd的服务

systemctl restart sshd.service

试一下通过ssh链接hp-master当前主机，已经不需要登陆密码了。

ssh hp-master

E. 同步密钥到各Slave机器中

scp /root/.ssh/authorized_keys hp-slave1:/root/.ssh 
scp /root/.ssh/authorized_keys hp-slave2:/root/.ssh 
scp /root/.ssh/authorized_keys hp-slave3:/root/.ssh 

每一个步骤在第一次的时候可能需要各Slave机器的root登陆密码，输入即可。只有即可实现从hp-master向各Slave机器的ssh免密连通，如下图。

F. 实现各机器的互通（此步骤可以不做）
心血来潮，既然使用hp-master对各Slave进行ssh的免密连通，这个是单向的。那么各Slave之间和他们与Master是不是也可以呢？当然，有两个方式。方式一是通过命令完成，方式二需要工具完成。
方式一：
当我们从hp-master上把authorized_keys传给hp-slave1之后，在hp-slave1上也输入

 cat id_rsa.pub >> authorized_keys
 chmod 644 authorized_keys

之后，在hp-slave1上打开authorized_keys，会发现里面多了一份hp-slave1的id_rsa.pub的公钥。
同理，将这个文件继续发送给hp-slave2，也执行上述命令。同理，发给hp-slave3，也执行上述命令。
最后，再将hp-slave3做完后的authorized_keys再回传给hp-master,hp-slave1,hp-slave2.

scp /root/.ssh/authorized_keys hp-slave1:/root/.ssh 
scp /root/.ssh/authorized_keys hp-slave2:/root/.ssh 
scp /root/.ssh/authorized_keys hp-master:/root/.ssh 

至此，各机器之前的互通就完成了。

第六步：Hadoop环境配置

A. 下载并传输文件到hp-master的opt目录下

B. 解压文件
在opt目录下生成一个hadoop的文件夹

tar  -xvf   hadoop-2.8.5.tar.gz

C. 为hadoop创建一个目录
我这里创建在/usr/local/下，并将刚才解压的文件夹移动到这里

mkdir /usr/local/hadoop
mv /opt/hadoop-2.8.5 /usr/local/hadoop

D. 为hadoop进行系统的环境参数配置
在hp-master上先进行环境变量的配置

vi /etc/profile

进入系统环境变量配置后，在之前JDK配置的后面，新增下面的配置。

export HADOOP_HOME=/usr/local/hadoop/hadoop-2.8.5
export PATH=$PATH:$HADOOP_HOME/sbin
export PATH=$PATH:$HADOOP_HOME/bin

保存退出后，重新应用环境变量

 source /etc/profile

E. 为hadoop进行应用的环境参数配置
首先进入hadoop的配置文件夹

cd /usr/local/hadoop/hadoop-2.8.5/etc/hadoop/

编辑 hadoop-env.sh

   vi hadoop-env.sh

在配置文件最后加上

export JAVA_HOME=/usr/java/jdk1.8.0_191

编辑 yarn-env.sh

vi yarn-env.sh

在配置文件最后加上

export JAVA_HOME=/usr/java/jdk1.8.0_191 

F. 对Hadoop里的配置文件进行修改。

修改core-site.xml

        
        
                fs.default.name
                hdfs://hp-master:9000
        

        
        
                hadoop.tmp.dir
                /usr/local/hadoop/tmp
        

        
        fs.checkpoint.period
        3600

修改hdfs-site.xml

        
        
                dfs.replication
                2
        

        
        
                dfs.namenode.name.dir
                file:/usr/local/hadoop/dfs/name
        

        
        
                dfs.datanode.data.dir
                file:/usr/local/hadoop/dfs/data
      

修改mapred-site.xml：

        
        
                mapreduce.framework.name
                yarn
        

        
                mapreduce.jobhistory.address
                hp-master:10020
        

        
                mapreduce.jobhistory.webapp.address
                hp-master:19888
        

        
　　　　        mapred.job.tracker
                hp-master:9001
        

修改yarn-site.xml：

    
        
                yarn.nodemanager.aux-services
                mapreduce_shuffle
        
    
        
                 yarn.resourcemanager.hostname
                 hp-master
        
    
        
                yarn.log-aggregation-enable
                true
        

        
                yarn.nodemanager.aux-services.mapreduce.shuffle.class
                org.apache.hadoop.mapred.ShuffleHandler
        

        
                yarn.resourcemanager.address
                hp-master:8032
        

        
                yarn.resourcemanager.scheduler.address
                hp-master:8030
        

        
                yarn.resourcemanager.resource-tracker.address
                hp-master:8031
        

        
                yarn.resourcemanager.admin.address
                hp-master:8033
        

        
                yarn.resourcemanager.webapp.address
                hp-master:8088
        

修改slaves文件

vi slaves

清空里面的内容，并填入下面的配置

hp-slave1
hp-slave2
hp-slave3

G. 从hp-master上将hadoop分发到各个Slave节点

scp -r /usr/local/hadoop hp-slave1:/usr/local/hadoop 
scp -r /usr/local/hadoop hp-slave2:/usr/local/hadoop 
scp -r /usr/local/hadoop hp-slave3:/usr/local/hadoop 

H. 验证hadoop配置
在hp-master上进行查看

hadoop version

出现下面的内容，说明配置成功了。

第七步：启动hadoop

hadoop分布式里有namenood和datanood的区分，在之前的参数配置中有配置namenood就是我们的hp-master虚拟机。所以我们在hp-master进行操作即可启动集群。
A. 对hp-master的hadoop进行初始化
首先进入hadoop的bin目录下

cd /usr/local/hadoop/hadoop-2.8.5/bin

执行namenood的初始化命令

./hadoop  namenode  -format

命令需要执行几秒钟，之后看到有提示“Exiting with status 0”就是成功初始化了。
B. 在namenode上执行启动命令
首先进入hadoop的sbin目录下

cd /usr/local/hadoop/hadoop-2.8.5/sbin

执行namenood的启动命令

 ./start-all.sh

第一次操作时，会提示需要确认，输入yes确认即可。
如果需要停止namenood，则输入

   ./stop-all.sh

C. 访问Hadoop
因为我们安装的hadoop里的namenode是hp-master，对应的ip是192.168.168.101，所以我们在宿主机的浏览器里访问下面的地址
http://192.168.168.101:50070/
当你看到下面的页面时，说明已经进入hadoop的管理
在datanode里可以看到4个node（1个namenode，3个datanode已经启动了）

查看ResourceManager状况
http://192.168.168.101:8088/


到这里hadoop的集群环境就已经搭建好了!