Apache Hadoop 完全分布式集群搭建
软件和操作系统版本：
- Hadoop框架是采用Java语言编写，需要java环境（jvm）
- JDK版本：JDK8版本
Hadoop搭建方式
- 单机模式：单节点模式，非集群，生产不会使用这种方式
- 单机伪分布式模式：单节点，多线程模拟集群的效果，生产不会使用这种方式
- 完全分布式模式：多台节点，真正的分布式Hadoop集群的搭建（生产环境建议使用这种方式）
本次介绍如何使用三台虚拟机，进行hadoop集群的搭建
1、虚拟机环境准备
（1）三台虚拟机（静态IP，关闭防火墙，修改主机名，配置免密登录，集群时间同步）
具体操作详见：
Linux修改主机名_悠然予夏的博客-CSDN博客
Linux机器时钟同步_悠然予夏的博客-CSDN博客
三台linux机器免密登录_悠然予夏的博客-CSDN博客
Linux系统下安装JDK_悠然予夏的博客-CSDN博客
安装Linux_悠然予夏的博客-CSDN博客
（2）在/opt目录下创建文件夹
mkdir -p /opt/lagou/software --软件安装包存放目录
mkdir -p /opt/lagou/servers --软件安装目录
（3）Hadoop下载地址：
Index of /dist/hadoop/common/hadoop-2.9.2
Hadoop官网地址：
Apache Hadoop
（4）上传hadoop安装文件到/opt/lagou/software
2、集群规划
| 框架 | linux121 | linux122 | linux123 |
| HDFS | NameNode、DataNode | DataNode | SecondaryNameNode、DataNode |
| YARN | NodeManager | NodeManager | NodeManager、ResourceManager |
linux121、linux122、linux123这些是主机名，尽量和我保持一致。
3、安装Hadoop
登录linux121节点；进入/opt/lagou/software,解压安装文件到/opt/lagou/servers
tar -zxvf hadoop-2.9.2.tar.gz -C /opt/lagou/servers
查看是否解压成功
ll /opt/lagou/servers/hadoop-2.9.2
添加Hadoop到环境变量 vim /etc/profile
##HADOOP_HOME
export HADOOP_HOME=/opt/lagou/servers/hadoop-2.9.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
使环境变量生效
source /etc/profile
验证hadoop
hadoop目录
drwxr-xr-x. 2 root root 194 Nov 13 2018 bin
drwxr-xr-x. 3 root root 20 Nov 13 2018 etc
drwxr-xr-x. 2 root root 106 Nov 13 2018 includedrwxr-xr-x. 3 root root 20 Nov 13 2018 lib
drwxr-xr-x. 2 root root 239 Nov 13 2018 libexec
-rw-r--r--. 1 root root 106210 Nov 13 2018 LICENSE.txt
-rw-r--r--. 1 root root 15917 Nov 13 2018 NOTICE.txt
-rw-r--r--. 1 root root 1366 Nov 13 2018 README.txt
drwxr-xr-x. 3 root root 4096 Nov 13 2018 sbin
drwxr-xr-x. 4 root root 31 Nov 13 2018 share
- bin目录:对Hadoop进行操作的相关命令，如hadoop,hdfs等
- etc目录：Hadoop的配置文件目录，入hdfs-site.xml,core-site.xml等
- lib目录：Hadoop本地库（解压缩的依赖）
- sbin目录：存放的是Hadoop集群启动停止相关脚本，命令
- share目录：Hadoop的一些jar,官方案例jar，文档等
3.1、集群配置
Hadoop集群配置 = HDFS集群配置 + MapReduce集群配置 + Yarn集群配置
HDFS集群配置
- 将JDK路径明确配置给HDFS（修改hadoop-env.sh）
- 指定NameNode节点以及数据存储目录（修改core-site.xml）
- 指定SecondaryNameNode节点（修改hdfs-site.xml）
- 指定DataNode从节点（修改etc/hadoop/slaves文件，每个节点配置信息占一行）
MapReduce集群配置
- 将JDK路径明确配置给MapReduce（修改mapred-env.sh）
- 指定MapReduce计算框架运行Yarn资源调度框架（修改mapred-site.xml）
Yarn集群配置
- 将JDK路径明确配置给Yarn（修改yarn-env.sh）
- 指定ResourceManager老大节点所在计算机节点（修改yarn-site.xml）
- 指定NodeManager节点（会通过slaves文件内容确定）
集群配置具体步骤：
（1）HDFS集群配置
cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop
配置：hadoop-env.sh（将JDK路径明确配置给HDFS，结合自己jdk的安装路径）
vim hadoop-env.sh
添加下面内容
export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
指定NameNode节点以及数据存储目录（修改core-site.xml）
vim core-site.xml
fs.defaultFS hdfs://linux121:9000 hadoop.tmp.dir /opt/lagou/servers/hadoop-2.9.2/data/tmp 注意：在configuration标签中添加上述内容，后面不在赘述
core-site.xml的默认配置：
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-common/coredefault.xml
指定secondarynamenode节点(修改hdfs-site.xml)
vim hdfs-site.xml
dfs.namenode.secondary.http-address linux123:50090 dfs.replication 3
官方默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-project-dist/hadoop-hdfs/hdfsdefault.xml
指定datanode从节点(修改slaves文件，每个节点配置信息占一行)
vim slaves
linux121
linux122
linux123
注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。
（2）MapReduce集群配置
指定MapReduce使用的jdk路径（修改mapred-env.sh）
vim mapred-env.sh
export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
指定MapReduce计算框架运行Yarn资源调度框架(修改mapred-site.xml)
mv mapred-site.xml.template mapred-site.xml
vim mapred-site.xmlmapreduce.framework.name yarn
mapred-site.xml默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-mapreduce-client/hadoop-mapreduceclient-core/mapred-default.xml
（3）Yarn集群配置
指定JDK路径
vim yarn-env.sh
export JAVA_HOME=/opt/lagou/servers/jdk1.8.0_231
指定ResourceMnager的master节点信息(修改yarn-site.xml)
vim yarn-site.xml
yarn.resourcemanager.hostname linux123 yarn.nodemanager.aux-services mapreduce_shuffle
yarn-site.xml的默认配置
https://hadoop.apache.org/docs/r2.9.2/hadoop-yarn/hadoop-yarn-common/yarndefault.xml
指定NodeManager节点（slaves文件已修改）
注意：
Hadoop安装目录所属用户和所属用户组信息，默认是501 dialout，而我们操作Hadoop集群的用户使用的是虚拟机的root用户，所以为了避免出现信息混乱，修改Hadoop安装目录所属用户和用户组！！
chown -R root:root /opt/lagou/servers/hadoop-2.9.2
3.2、分发配置
编写集群分发脚本rsync-script
rsync 远程同步工具
- rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。
- rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。
基本语法
rsync -rvl $pdir/$fname $user@$host:$pdir/$fname
命令 选项参数 要拷贝的文件路径/名称 目的用户@主机:目的路径/名称
选项参数说明
| 选项 | 功能 |
| -r | 递归 |
| -v | 显示复制过程 |
| -l | 拷贝符号连接 |
rsync案例
- 三台虚拟机安装rsync (执行安装需要保证机器联网)
yum install -y rsync
- 把linux121机器上的/opt/lagou/software目录同步到linux122服务器的root用户下的/opt/目录
rsync -rvl /opt/lagou/software/
这个时候我们进入发现linux122，已经拥有了linux121的这个文件，说明拷贝完成
集群分发脚本编写
- 需求：循环复制文件到集群所有节点的相同目录下
- rsync命令原始拷贝：rsync -rvl /opt/module root@linux123:/opt/
- 期望脚本：脚本+要同步的文件名称
说明：
在/usr/local/bin这个目录下存放的脚本，root用户可以在系统任何地方直接执行。
脚本实现
（1）在/usr/local/bin目录下创建文件rsync-script，文件内容如下：
[root@linux121 bin]$ touch rsync-script
[root@linux121 bin]$ vim rsync-script
（2）在文件中编写shell代码
#!/bin/bash
#1 获取命令输入参数的个数，如果个数为0，直接退出命令
paramnum=$#
if((paramnum==0)); then
echo no params;
exit;
fi
#2 根据传入参数获取文件名称
p1=$1
file_name=`basename $p1`
echo fname=$file_name
#3 获取输入参数的绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir
#4 获取用户名称
user=`whoami`
#5 循环执行rsync
for((host=121; host<124; host++)); do
echo ------------------- linux$host --------------
rsync -rvl $pdir/$file_name $user@linux$host:$pdir
done（3）修改脚本 rsync-script 具有执行权限
[root@linux121 bin]$ chmod 777 rsync-script
（4）调用脚本形式：rsync-script 文件名称
[root@linux121 bin]$ rsync-script /home/root/bin
（5）调用脚本分发Hadoop安装目录到其它节点
[root@linux121 bin]$ rsync-script /opt/lagou/servers/hadoop-2.9.2
4、启动集群
注意：如果集群是第一次启动，需要在Namenode所在节点格式化NameNode，非第一次不用执行格式化Namenode操作！！
4.1、单节点启动
[root@linux121 hadoop-2.9.2]$ hadoop namenode -format
格式化命令执行效果：
格式化后创建的文件：/opt/lagou/servers/hadoop-2.9.2/data/tmp/dfs/name/current
在linux121上启动NameNode
[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start namenode
[root@linux121 hadoop-2.9.2]$ jps
注意：主机名不能带有'_'，否则会启动失败。
在linux121、linux122以及linux123上分别启动DataNode
[root@linux121 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux121 hadoop-2.9.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[root@linux122 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux122 hadoop-2.9.2]$ jps
3190 DataNode
3279 Jps
[root@linux123 hadoop-2.9.2]$ hadoop-daemon.sh start datanode
[root@linux123 hadoop-2.9.2]$ jps
3237 Jps
3163 DataNode
jps命令是用来查看Java进程的
web端查看Hdfs界面
http://linux121:50070/dfshealth.html#tab-overview
如果使用主机名访问失败，则可以修改本地电脑的hosts文件
C:\Windows\System32\drivers\etc
查看HDFS集群正常节点：
Yarn集群单节点启动
[root@linux123 servers]# yarn-daemon.sh start resourcemanager
[root@linux123 servers]# jps
7881 ResourceManager
8094 Jps
[root@linux122 servers]# yarn-daemon.sh start nodemanager
[root@linux122 servers]# jps
8166 NodeManager
8223 Jps
[root@linux121 servers]# yarn-daemon.sh start nodemanager
[root@linux121 servers]# jps
8166 NodeManager
8223 Jps
思考：Hadoop集群每次需要一个一个节点的启动，如果节点数增加到成千上万个怎么办？
4.2、集群群起
（1）如果已经单节点方式启动了Hadoop,可以先停止之前的启动的Namenode与Datanode进程,如果之前Namenode没有执行格式化，这里需要执行格式化!!!!
hadoop namenode -format
只能执行一次，否则造成版本号不一致，引发一系列问题
（2）启动HDFS
[root@linux121 hadoop-2.9.2]$ sbin/start-dfs.sh
[root@linux121 hadoop-2.9.2]$ jps
4166 NameNode
4482 Jps
4263 DataNode
[root@linux122 hadoop-2.9.2]$ jps
3218 DataNode
3288 Jps
[root@linux123 hadoop-2.9.2]$ jps
3221 DataNode
3283 SecondaryNameNode
3364 Jps
（3）启动YARN
[root@linux123 hadoop-2.9.2]$ sbin/start-yarn.sh
注意：NameNode和ResourceManger不是在同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。
4.3、Hadoop集群启动停止命令汇总
各个服务组件逐一启动/停止
（1）分别启动/停止HDFS组件
hadoop-daemon.sh start / stop namenode / datanode / secondarynamenode
（2）启动/停止YARN
yarn-daemon.sh start / stop resourcemanager / nodemanager
各个模块分开启动/停止（配置ssh是前提）常用
（1）整体启动/停止HDFS
start-dfs.sh / stop-dfs.sh
（2）整体启动/停止YARN
start-yarn.sh / stop-yarn.sh
5、集群测试
5.1、HDFS 分布式存储初体验
从linux本地文件系统上传下载文件验证HDFS集群工作正常
hdfs dfs -mkdir -p /test/input
#本地hoome目录创建一个文件
cd /root
vim test.txt
hello hdfs（添加的内容）
#上传linxu文件到Hdfs
hdfs dfs -put /root/test.txt /test/input
#从Hdfs下载文件到linux本地
hdfs dfs -get /test/input/test.txt
5.2、MapReduce 分布式计算初体验
在HDFS文件系统根目录下面创建一个wcinput文件夹
[root@linux121 hadoop-2.9.2]$ hdfs dfs -mkdir /wcinput
在/root/目录下创建一个wc.txt文件(本地文件系统)
[root@linux121 hadoop-2.9.2]$ cd /root/
[root@linux121 wcinput]$ touch wc.txt
编辑wc.txt文件
[root@linux121 wcinput]$ vi wc.txt
在文件中输入如下内容
hadoop mapreduce yarn
hdfs hadoop mapreduce
mapreduce yarn lagou
lagou
lagou
保存退出
: wq!
上传wc.txt到Hdfs目录/wcinput下
hdfs dfs -put wc.txt /wcinput
- 回到Hadoop目录/opt/lagou/servers/hadoop-2.9.2
- 执行程序
[root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.2.jar wordcount / wcinput /wcoutput （wcoutput文件夹在hdfs中不能存在，必须通过其自动生成）
查看结果
[root@linux121 hadoop-2.9.2]$ hdfs dfs -cat /wcoutput/part-r-00000
hadoop 2
hdfs 1
lagou 3
mapreduce 3
yarn 2
yarn界面访问地址：ip:8088
6、配置历史服务器
在Yarn中运行的任务产生的日志数据不能查看，为了查看程序的历史运行情况，需要配置一下历史日志服务器。具体配置步骤如下：cd /opt/lagou/servers/hadoop-2.9.2/etc/hadoop/
6.1、配置mapred-site.xml
[root@linux121 hadoop]$ vi mapred-site.xml
在该文件里面增加如下配置。
mapreduce.jobhistory.address
linux121:10020
mapreduce.jobhistory.webapp.address
linux121:19888
6.2、分发mapred-site.xml到其它节点
rsync-script mapred-site.xml
6.3、启动历史服务器
[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
6.4、查看历史服务器是否启动
[root@linux121 hadoop-2.9.2]$ jps
6.5、查看JobHistory
http://linux121:19888/jobhistory
7、配置日志的聚集
- 日志聚集：应用(Job)运行完成以后，将应用运行日志信息从各个task汇总上传到HDFS系统上。
- 日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。
注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager。
开启日志聚集功能具体步骤如下：
7.1、配置yarn-site.xml
[root@linux121 hadoop]$ vi yarn-site.xml
在该文件里面增加如下配置。
yarn.log-aggregation-enable
true
yarn.log-aggregation.retain-seconds
604800
yarn.log.server.url
http://linux121:19888/jobhistory/logs
7.2、分发yarn-site.xml到集群其它节点
rsync-script yarn-site.xml
7.3、关闭NodeManager 、ResourceManager和HistoryManager
[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop resourcemanager
[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh stop nodemanager
[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver
7.4、启动NodeManager 、ResourceManager和HistoryManager
[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start resourcemanager
[root@linux121 hadoop-2.9.2]$ sbin/yarn-daemon.sh start nodemanager
[root@linux121 hadoop-2.9.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
7.5、删除HDFS上已经存在的输出文件
[root@linux121 hadoop-2.9.2]$ bin/hdfs dfs -rm -R /wcoutput
7.6、 执行WordCount程序
[root@linux121 hadoop-2.9.2]$ hadoop jar share/hadoop/mapreduce/hadoopmapreduce-examples-2.9.2.jar wordcount /wcinput /wcoutput
7.7、查看日志，如图所示
http://linux121:19888/jobhistory
