Hadoop集群配置以及伪分布式、完全分布式

安装好配置好虚拟机后将IP地址进行截图，并在secureCRT中输入相应IP地址进行连接（此处CRT我用的是绿色免安装版本所以可以直接连接）

以下是虚拟机IP以及主机名截图（bigdata1后改成了bigdata129）

1.关闭防火墙（虚拟机直接禁用，不然格式化以后运行不成功）
systemctl disable firewalld 禁止防火墙

2.SecureCRT 【File（文件）】→【Connect SFTP Session（连接SFTP会话）】并将jdk以及hadoop安装包传送从主机到当前路径（虚拟机Linux系统）
put jdk-8u121-linux-x64.tar.gz
put hadoop-2.7.3.tar.gz
显示100%后可以用ls命令查看文件是否存在
tar -zxvf jdk-8u121-linux-x64.tar.gz -C /opt/module 解压安装
tar -zxvf hadoop-2.7.3.tar.gz -C /opt/module 解压安装

3.配置hadoop并使用source /etc/profile配置生效
vi /etc/profile文件添加：
export HADOOP_HOME=/root/hadoop-2.7.3（/root是你自己的文件目录，我的是root）
export PATH=$HADOO{P}_{H}OME/bin:$HADOOP_HOME/sbin:$PATH
Esc :wq!保存并退出
运行命令hadoop，检验是否成功

vi /root/hadoop-2.7.3/etc/hadoop/hadoop-env.sh文件修改
显示行号 Esc :set number 取消行号Esc :set nonumber
修改第25行export JAVA_HOME=/root/jdk1.8.0_121
Esc :wq!保存并退出

开始实行伪分布式配置
（（bigdata129是虚拟机设置的主机名））
在与之间添加如下property：（打开文件先找到修改位置并按一下i键再输入，不然容易出错）
①core-site.xml

fs.defaultFS hdfs://bigdata129:9000 hadoop.tmp.dir /root/hadoop-2.7.3/tmp ②hdfs-site.xml dfs.replication 1 dfs.namenode.secondary.http-address bigdata129:50090 ③mapred-site.xml(该配置文件不存在，先复制) cp mapred-site.xml.template mapred-site.xml mapreduce.framework.name yarn ④yarn-site.xml yarn.resourcemanager.hostname bigdata129 yarn.nodemanager.aux-services mapreduce_shuffle ⑤Slaves文件里使用默认localhost，或者添加 bigdata129（既是NameNode又是DataNode） 注：如果Slaves文件为空，就没有DataNode和NodeManager。 ⑥修改\etc\hosts配置文件 运行命令 vi \etc hosts 注释掉已有内容，添加虚拟机的ip及对应主机名： 192.168.78.129 bigdata129（虚拟机设置的IP地址以及主机名，理论上128也可以，但完全分布式我用128出错所以换成129，截图还是128） ⑦修改\etc\hostname配置文件 运行命令 vi \etc hostname 添加虚拟机的主机名： bigdata129 重启虚拟机，主机名生效 格式化hdfs namenode -format （如果不是第一次格式化，格式化之前先删除/opt/module/hadoop-2.7.3/下面的tmp、logs两个目录） 启动start-all.sh （如果启动之前已经启动过，启动之前先停止stop-all.sh） cd /root/hadoop-2.7.3/tmp/dfs 执行jps，NameNode、DataNode、SecondaryNameNode、ResourceManager、NodeManager如果全部启动，伪分布式配置成功，如下图

(此处我并未修改主机名，还是128，之前用IP用128在伪分布式可以成功，但完全分布式报错，找了一整天才找到问题，一定要注意！！！)

web控制台访问：http://192.168.78.129:50070 、http://192.168.78.129:8088
页面正常显示，伪分布成功

wordcount
cd /root/hadoop-2.7.3/share/hadoop/mapreduce 转入wordcount所在路径。
运行touch in.txt，创建In.txt文件，作为输入文件。（文件内容自己输入）
（如果in.txt是空文件，运行vi in.txt，输入内容作为被统计词频的输入文件）
输出目录/output必须不存在，程序运行后自动创建。
运行wordcount：
hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/
运行成功之后，进入/output目录，打开文件part-r-00000查看计数结果

总结：伪分布式配置不是很困难，只要IP地址链接得上，没有问题，文件配置不出错就能出来，但是伪分布式出来不代表完全分布式也能出来，还是要注意IP问题

SSH免密码登陆（解决每次启动hadoop输入用户密码问题）
生成公、私密钥对：ssh-keygen -t rsa 按3次回车键
查看：cd ~/.ssh路径下面的rd_rsa和rd_rsa.pub
复制：ssh-copy-id -i ~/.ssh/id_rsa.pub root@bigdata129
查看生成authorized_keys

开始完全分布式配置
完全分布式容易出错，尤其是IP地址出问题连接不上都不报错但就是出不来，所以一定要注意
1.克隆虚拟机，加上主机一共三台
前述伪分布式的虚拟机（bigdata128）作为master主节点，克隆另外两个虚拟机（bigdata129、bigdata131）作为slaves子节点

修改以下配置文件
①slaves配置文件
三台虚拟机分别都运行命令 vi /root/hadoop-2.7.3/etc/hadoop slaves
修改slaves为：
bigdata130
bigdata131
②修改\etc\hosts配置文件
三台虚拟机分别都运行命令 vi \etc hosts（etc找不到可以cd后cd …再ls就可以看到了）
注释已有内容，添加集群三台虚拟机的ip及对应主机名：
192.168.163.129 bigdata129
192.168.163.130 bigdata130
192.168.163.131 bigdata131
③修改\etc\hostname配置文件
三台虚拟机分别都运行命令 vi \etc hostname
添加各自的主机名bigdata129或者bigdata130或者bigdata131。
重启全部虚拟机，主机名生效

在主节点bigdata129上面输入格式化命令（hdfs namenode -format），格式化集群。
注：如果不是第一次格式化，三台虚拟机都删除\root\hadoop-2.7.3\下面的tmp、logs目录：rm –rf \root\hadoop-2.7.3\tmp rm –rf \root\hadoop-2.7.3\logs
注：如果格式化之前启动过集群，先在主节点bigdata129上面停止集群（stop-all.sh），再格式化
在主节点bigdata129上面输入启动命令（start-all.sh），启动集群。
注：如果启动之前启动过集群，先在主节点bigdata129上面停止集群（stop-all.sh），再启动
输入jps如下显示成功

web控制台访问：http://192.168.78.129:50070 、http://192.168.78.129:8088
页面正常显示，则成功

Wordcount
hdfs dfs -put in.txt /adir 上传本地当前路径下的in.txt文件 到hdfs的/adir目录下。
运行hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount /adir/in.txt output/。
在http://192.168.78.129:50070 查看/user/root/output/part-r-00000文件里的词频统计结果（此处没截图）

总结：在做伪分布式的时候因为没有先按i键输入所以后来出错，重新做了一遍才出来。完全分布式耗了我一整天，因为连接不上没有报错，找了很久才发现是IP地址的问题，好在最后圆满解决