Hadoop集群搭建教程（详细）

需要的安装包：

1.jdk压缩包

2.hadoop压缩包

请前往百度云上上下载相关安装包(密码：8op1)

开始搭建hadoop集群

一.使用VMvare创建两个虚拟机，我使用的是ubuntu16.04版本的,并关闭全部虚拟机的防火墙

1.因为默认的虚拟机主机名都是ubuntu，所以为了便于虚拟机的识别，创建完成虚拟机后我们对虚拟机名进行修改，我们把用于主节点的虚拟机名称设为master(按自己的喜好创建)，把用于从节点的虚拟机名称设为slave1

• 修改主机名的命令:sudo gedit /etc/hostname

• 把原主机名ubuntu改为master（在从主机上则改为slave1)

2.为了虚拟机之间能ping通，需要修改虚拟机的ip地址（这里以在master机器操作为例子，从节点的虚拟机也要进行一致的操作）

命令：sudo gedit /etc/hosts

把/etc/hosts中yangcx-virtual-machine修改为刚刚改过的主机名master，同时将前面的ip地址改为实际的ip地址

怎么知道自己虚拟机的ip地址

命令：ifconfig -a

上图红框标记的就是虚拟机的真实ip地址，因此我们把/etc/hosts中的内容修改为：

slave1的ip地址就是从虚拟机slave1的真实ip地址。同样，我们在slave1虚拟机上也要进行这一步操作。

3.关闭虚拟机的防火墙

一般来说，ubuntu默认都是安装防火墙软件ufw的，使用命令 sudo ufw version,如果出现ufw的版本信息，则说明已有ufw

使用命令 sudo ufw status查看防火墙开启状态：如果是active则说明开启，如果是inactive则说明关闭

开启/关闭防火墙 (默认设置是’disable’)

sudo ufw enable|disable

我们使用sudo ufw disble来关闭防火墙，并再次用sudo ufw status 查看防火墙是否关闭

二.安装jdk(所有虚拟机都要安装配置)

将jdk的压缩文件拖进master和slave1虚拟机中，压缩(右键文件，extract here)，或者用命令行

tar -zxvf jdk1.8.0_161.tar.gz(使用自己的压缩文件名)

配置环境jdk环境：

命令：sudo gedit /etc/profile

将jdk的路径添加到文件后面(根据自己的文件路径来，我这里jdk1.8.0_161文件夹的路径是/home/hadoop/java)

export JAVA_HOME=/home/hadoop/java/jdk1.8.0_161
export JRE_HOME=/home/hadoop/java/jdk1.8.0_161/jre
export CLASSPATH=.:$JAVA\_HOME/lib:$JRE_HOME/lib:$CLASSPATH

export PATH=$JAVA\_HOME/bin:$JRE_HOME/bin:$JAVA\_HOME:$PATH

保存退出，为了使配置立即生效，键入命令:source /etc/profile,或者重启虚拟机,命令：shutdown -r now

检查路径jdk是否安装成功，键入命令：java -version

如果出现了版本信息，则恭喜配置成功；

三.安装SSH服务

1.首先确保虚拟机能连上网

2.更新源列表：sudo apt-get update

3.安装ssh:输入"sudo apt-get install openssh-server"–>回车–>输入"y"–>回车–>安装完成。

4.查看ssh服务是否启动

打开"终端窗口"，输入"sudo ps -e |grep ssh"–>回车–>有sshd,说明ssh服务已经启动，如果没有启动，输入"sudo service ssh start"–>回车–>ssh服务就会启动。

四、建立ssh无密码登录本机

ssh生成密钥有rsa和dsa两种生成方式，默认情况下采用rsa方式。

1、创建ssh-key，，这里我们采用rsa方式

1. ssh-keygen-trsa-P"“//(P是要大写的，后面跟”")

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MHoDj79a-1648961909132)(https://leanote.com/api/file/getImage?fileId=59083b63ab64414416004549)]

（注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）

2、进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys授权文件中，开始是没有authorized_keys文件的

1. cd~/.ssh

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QDUFJU33-1648961909133)(https://leanote.com/api/file/getImage?fileId=59083bb7ab644140e40044bd)]

1. catid_rsa.pub>>authorized_keys

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vtscfMpf-1648961909134)(https://leanote.com/api/file/getImage?fileId=59083bd8ab644140e40044c2)]

完成后就可以无密码登录本机了。

3、登录localhost

1. sshlocalhost

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-deRFeIRB-1648961909134)(https://leanote.com/api/file/getImage?fileId=59083c3eab64414416004559)]

( 注：当ssh远程登录到其它机器后，现在你控制的是远程的机器，需要执行退出命令才能重新控制本地主机。)

4、执行退出命令

1. exit?

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EyUdSEbM-1648961909135)(https://leanote.com/api/file/getImage?fileId=59083c83ab644140e40044df)]

1~4步在master和slave1两台虚拟机上都是配置

5.配置master无密码登陆slave1

mater主机中输入命令复制一份公钥到home中

cp .ssh/id_rsa.pub ~/id_rsa_master.pub

• 1

把master的home目录下的id_rsa_master.pub拷到slave1的home下(我的做法是先拖到windows桌面上，在拖进slave1虚拟机中)

slave1的home目录下分别输入命令

cat id_rsa_master.pub >> .ssh/authorized_keys

• 1

至此实现了mater对slave1的无密码登陆

以下的步骤只在master上进行（除了hadoop的环境变量

配置在slave1上也要进行）

五.安装hadoop

1.将hadoop压缩包拖进master虚拟机中，解压(我这里解压的路径是/home/hadoop/hadoop-2.7.3)

2.在hadoop-2.7.3文件夹里面先创建4个文件夹：

• hadoop-2.7.3/hdfs
• hadoop-2.7.3/hdfs/tmp
• hadoop-2.7.3/hdfs/name
• hadoop-2.7.3/hdfs/data

3.配置 hadoop的配置文件

先进入配置文件的路径：cd /home/hadoop/hadoop-2.7.3/etc/hadoop(再次强调，使用自己的路径)

输入：ls

查看该路径下的文件列表

被红框框住的文件是我们要进程配置的文件

1.首先配置core-site.xml文件

sudo gedit core-site.xml

在中加入以下代码：

   hadoop.tmp.dir
   file:/home/hadoop/hadoop-2.7.3/hdfs/tmp
   A base for other temporary directories.
 
 
  io.file.buffer.size
   131072
 
 
   fs.defaultFS
   hdfs://master:9000
 

注意：第一个属性中的value和我们之前创建的/hadoop-2.7.3/hdfs/tmp路径要一致。

2.配置hadoop-env.sh文件

sudo gedit hadoop-env.sh

将JAVA_HOME文件配置为本机JAVA_HOME路径

3.配置 yarn-env.sh

sudo gedit yarn-env.sh

将其中的JAVA_HOME修改为本机JAVA_HOME路径(先把这一行的#去掉)

4.配置hdfs-site.xml

sudo gedit hdfs-site.xml

在中加入以下代码

 dfs.replication
   1
 
 
   dfs.namenode.name.dir
   file:/home/hadoop/hadoop-2.7.3/hdfs/name
   true

 
   dfs.datanode.data.dir
   file:/home/hadoop/hadoop-2.7.3/hdfs/data
   true
 
 
  dfs.namenode.secondary.http-address
   master:9001
 
 
   dfs.webhdfs.enabled
   true
 
 
   dfs.permissions
   false
 

注意(其中第二个dfs.namenode.name.dir和dfs.datanode.data.dir的value和之前创建的/hdfs/name和/hdfs/data路径一致；因为这里只有一个从主机slave1，所以dfs.replication设置为1)

5 .复制mapred-site.xml.template文件，并命名为mapred-site.xml

cp mapred-site.xml.template mapred-site.xml

配置 mapred-site.xml,在标签中添加以下代码

   mapreduce.framework.name
   yarn
 

6.配置yarn-site.xml

sudo gedit yarn-site.xml

在标签中添加以下代码

?yarn.resourcemanager.address
? ?master:18040
?
?
? ?yarn.resourcemanager.scheduler.address
? ?master:18030
?
?
? ?yarn.resourcemanager.webapp.address
? ?master:18088
?
?
? ?yarn.resourcemanager.resource-tracker.address
? ?master:18025
?
?
? ?yarn.resourcemanager.admin.address
? ?master:18141
?
?
? ? yarn.nodemanager.aux-services
? ? mapreduce_shuffle
?
?
?????yarn.nodemanager.auxservices.mapreduce.shuffle.class
?????org.apache.hadoop.mapred.ShuffleHandler
?

7.配置slaves 文件

sudo gedit slaves

把原本的localhost删掉，改为slave1

8.配置hadoop的环境，就像配置jdk一样

sudo gedit /etc/profile

根据hadoop文件夹的路径配置，以我的路径/home/hadoop/hadoop-2.7.3 为例

export HADOOP_HOME=/home/hadoop/hadoop-2.7.3
export PATH="$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH"
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

键入命令 source /etc/profile 使配置立即生效

9.接下来，将hadoop传到slave1虚拟机上面去

scp -r hadoop-2.7.1 hadoop@slave1:~/ 

注意：hadoop是虚拟机的用户名，创建slave1时设定的

传过去后，在slave1上面同样对hadoop进行路径配置，和第8步一样

9.初始化hadoop

hdfs name -format

10.开启hadoop

两种方法：

• start-all.sh
• 先start-dfs.sh,再start-yarn.sh

如果在mater上面键入jps后看到

在slave1上键入jps后看到

则说明集群搭建成功

六：最后用自带的样例测试hadoop集群能不能正常跑任务

使用命令

hadoop   jar   /home/hadoop/hadoop-2.7.3/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar  pi 10 10

用来求圆周率，pi是类名，第一个10表示Map次数，第二个10表示随机生成点的次数(与计算原理有关)

最后出现结果

则，恭喜你，hadoop集群搭建完成

成