3. Hadoop分布式集群部署

3. Hadoop分布式集群

1. 集群配置

此前使用的是伪分布式的单机模式，本篇使用分布式的集群配置。
配置方案如下：

	bigdata1	bigdata2	bigdata3
HDFS	NameNode SecondaryNameNode DataNode	DataNode	DataNode
YARN	nodeManager	ResourceManger NodeManager	nodeManager

修改对应的配置文件即可。
同时更改hadoop的/etc目录下的slaves，添加三个节点的hostname。
(配置很多，配好一个scp同步给另外两台服务器即可)
如果此前使用了单机伪分布式集群的模式，注意此时要删除data目录和logs目录，重新format，否则后续启动会报错。

2. 配置免密登陆

为什么配置免密登陆？
不配置免密登陆，hadoop集群间的很多操作都需要输入密码，十分不方便
设置方式：

1. 在三台服务器上分别生成公私钥

ssh-keygen -t rsa

生成过程中不需要输入任何二次密码，全部回车确认
2. 分别复制公钥到指定服务器

ssh-copy-id bigdata1
ssh-copy-id bigdata2
ssh-copy-id bigdata3

以上完成免密登陆配置

3. 启动集群

在分布式集群环境中，hdfs和yarn，都需要在配置中指定的namenode和resourcemanager服务器启动-主节点。其他从节点会自动启动
首先启动hdfs系统，在data1服务器上使用指令

sbin/start-dfs.sh

第二步，启动yarn ResourceManager，在data2上执行

sbin/start-yarn.sh

注意：不能再使用start-all脚本，该脚本会启动当前节点的所有功能。
启动后，通过web控制端访问可以看到如下页面，则集群搭建成功

测试上传文件，看到3个副本

4. Hadoop的Demo测试

Hadoop的share/hadoop/mapreduce目录下，官方提供了一些例子，使用wordcount进行测试（统计text文件中的单词个数）
使用指令-解析test.txt输出到out目录

hadoop jar hadoop-mapreduce-examples-2.8.4.jar wordcount /test.txt /out

通过web端和命令行都可以看到执行结果

注意：在使用虚拟机过程中，一定要先关闭hadoop再关闭虚拟机，否则会造成datanode异常