链接：https://www.jianshu.com/p/0d4a365ef350
第一部分：Linux环境安装
Hadoop是运行在Linux，虽然借助工具也可以运行在Windows上，但是建议还是运行在Linux系统上，第一部分介绍Linux环境的安装、配置、Java JDK安装等。
第二部分：Hadoop本地模式安装
Hadoop 本地模式只是用于本地开发调试，或者快速安装体验 Hadoop，这部分做简单的介绍。
第三部分：Hadoop伪分布式模式安装
学习 Hadoop 一般是在伪分布式模式下进行。这种模式是在一台机器上各个进程上运行 Hadoop 的各个模块，伪分布式的意思是虽然各个模块是在各个进程上分开运行的，但是只是运行在一个操作系统上的，并不是真正的分布式。
第四部分：完全分布式安装
完全分布式模式才是生产环境采用的模式，Hadoop 运行在服务器集群上，生产环境一般都会做HA，以实现高可用。
第五部分：Hadoop HA安装
HA是指高可用，为了解决Hadoop单点故障问题，生产环境一般都做HA部署。这部分介绍了如何配置Hadoop2.x的高可用，并简单介绍了HA的工作原理。
第一部分 ：Linux环境安装
1. 服务器规划
| hostname | ip | name |
|---|---|---|
| bigdata-senior01 | 192.168.0.101 | CentOSSerer01 |
| bigdata-senior02 | 192.168.0.102 | CentOSSerer02 |
| bigdata-senior03 | 192.168.0.103 | CentOSMYsqlDB_master |
2. 环境配置
一、修改 Hostname
- 临时修改 hostname
[root@localhost Desktop]# hostname bigdata-senior01.chybinmy.com
这种修改方式，系统重启后就会失效。
- 永久修改 hostname
想永久修改，应该修改配置文件 /etc/sysconfig/network。
命令：[root@bigdata-senior01 ~] vim /etc/sysconfig/network
打开文件后，
NETWORKING=yes #使用网络
HOSTNAME=bigdata-senior01.chybinmy.com #设置主机名
二、配置Host
命令：[root@bigdata-senior01 ~] vim /etc/hosts
添加hosts: 192.168.0.101 bigdata-senior01
三、关闭防火墙
四、关闭selinux
selinux是Linux一个子安全机制，学习环境可以将它禁用。
sudo vim /etc/sysconfig/selinux
五、安装JDK
- 删除centos自带的openjdk
[wj@master hadoop]$ rpm -qa | grep java
java-1.7.0-openjdk-1.7.0.191-2.6.15.5.el7.x86_64
python-javapackages-3.4.1-11.el7.noarch
java-1.7.0-openjdk-headless-1.7.0.191-2.6.15.5.el7.x86_64
java-1.8.0-openjdk-headless-1.8.0.181-7.b13.el7.x86_64
tzdata-java-2018e-3.el7.noarch
javapackages-tools-3.4.1-11.el7.noarch
java-1.8.0-openjdk-1.8.0.181-7.b13.el7.x86_64
[root@master ~]# rpm -e --nodeps python-javapackages-3.4.1-11.el7.noarch
[root@master ~]# rpm -e --nodeps java-1.7.0-openjdk-headless-1.7.0.191-2.6.15.5.el7.x86_64
[root@master ~]# rpm -e --nodeps java-1.8.0-openjdk-headless-1.8.0.181-7.b13.el7.x86_64
[root@master ~]# rpm -e --nodeps tzdata-java-2018e-3.el7.noarch
[root@master ~]# rpm -e --nodeps javapackages-tools-3.4.1-11.el7.noarch
[root@master ~]# rpm -e --nodeps java-1.8.0-openjdk-1.8.0.181-7.b13.el7.x86_64
安装参考https://www.jianshu.com/p/a30b42bbfc09
第二部分：Hadoop安装
一、 Hadoop 所用的用户设置
1. 创建一个名字为 hadoop 的普通用户
2. 给 hadoop 用户 sudo 权限
设置权限，学习环境可以将 hadoop 用户的权限设置的大一些，但是生产环境一定要注意普通用户的权限限制。
注意：如果root用户无权修改sudoers文件，先手动为root用户添加写权限。
3. 切换到hadoop用户
[root@bigdata-senior01 ~]# su - hadoop[hadoop@bigdata-senior01 ~]$
4. 创建存放hadoop文件的目录
- 将hadoop文件夹的所有者指定为hadoop用户
如果存放hadoop的目录的所有者不是hadoop，之后hadoop运行中可能会有权限问题，那么就讲所有者改为hadoop。
二、
解压Hadoop目录文件
1. 复制 hadoop-2.5.0.tar.gz 到/opt/modules目录下。
- 解压 hadoop-2.5.0.tar.gz
十五、配置 Hadoop
1. 配置 Hadoop 环境变量
追加配置：
export HADOOP_HOME="/opt/modules/hadoop-2.10.0"
export PATH=$HADDOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
执行：source /etc/profile 使得配置生效
验证 HADOOP_HOME 参数：
- 配置 hadoop-env.sh、mapred-env.sh、yarn-env.sh 文件的 JAVA_HOME参数
3. 配置 core-site.xml
[hadoop@bigdata-senior01 ~]{HADOOP_HOME}/etc/hadoop/core-site.xml
fs.defaultFS
hdfs://bigdata-senior01:8020
hadoop.tmp.dir
/opt/data/tmp
（1） fs.defaultFS 参数配置的是HDFS的地址。
（2） hadoop.tmp.dir配置的是Hadoop临时目录，比如HDFS的NameNode数据默认都存放这个目录下，查看*-default.xml等默认配置文件，就可以看到很多依赖${hadoop.tmp.dir}的配置。
默认的hadoop.tmp.dir是/tmp/hadoop-${user.name},此时有个问题就是 NameNode 会将 HDFS 的元数据存储在这个/tmp目录下，如果操作系统重启了，系统会清空 /tmp 目录下的东西，导致NameNode元数据丢失，是个非常严重的问题，所有我们应该修改这个路径。
- 创建临时目录：
- 将临时目录的所有者修改为 hadoop
- 修改 hadoop.tmp.dir
十六、配置、格式化、启动 HDFS
1. 配置 hdfs-site.xml
dfs.replication
1
dfs.namenode.http-address
bigdata-senior01:9000
dfs.replication 配置的是 HDFS存 储时的备份数量，因为这里是伪分布式环境只有一个节点，所以这里设置为1。
2. 格式化 HDFS
格式化是对 HDFS 这个分布式文件系统中的 DataNode 进行分块，统计所有分块后的初始元数据的存储在 NameNode 中。
格式化后，查看 core-site.xml 里 hadoop.tmp.dir（本例是 /opt/data 目录）指定的目录下是否有了 dfs 目录，如果有，说明格式化成功。
注意：
格式化时，这里注意 hadoop.tmp.dir 目录的权限问题，应该 hadoop 普通用户有读写权限才行，可以将 /opt/data 的所有者改为 hadoop。
[hadoop@bigdata-senior01 hadoop-2.5.0]$ sudo chown -R hadoop:hadoop /opt/data查看 NameNode 格式化后的目录。
fsimage 是 NameNode 元数据在内存满了后，持久化保存到的文件。
fsimage*.md5 是校验文件，用于校验 fsimage 的完整性。
seen_txid 是 hadoop 的版本
vession 文件里保存：
namespaceID：NameNode 的唯一 ID。
clusterID：集群 ID，NameNode 和 DataNode 的集群 ID 应该一致，表明是一个集群。
3. 启动 NameNode
4. 启动 DataNode
5. 启动 SecondaryNameNode
- JPS 命令查看是否已经启动成功，有结果就是启动成功了。
7. HDFS 上测试创建目录、上传、下载文件
HDFS 上创建目录
上传本地文件到 HDFS 上
读取 HDFS 上的文件内容
从 HDFS上 下载文件到本地
[hadoop@bigdata-senior01 hadoop-2.5.0]$ bin/hdfs dfs -get /demo1/core-site.xml
十七、配置、启动YARN
1. 配置mapred-site.xml
默认没有mapred-site.xml文件，但是有个mapred-site.xml.template配置模板文件。复制模板生成mapred-site.xml。
添加配置如下：
指定 mapreduce 运行在 yarn 框架上。
mapreduce.framwork.name
yarn
2. 配置 yarn-site.xml
添加配置如下：
yarn.nodemanager.aux-services
mapreduce_shuffle
yarn.resourcemanager.hostname
bigdata-senior01
yarn.nodemanager.aux-services 配置了 yarn 的默认混洗方式，选择为 mapreduce 的默认混洗算法。
yarn.resourcemanager.hostname 指定了 Resourcemanager 运行在哪个节点上。
3. 启动 Resourcemanager
4. 启动 nodemanager
5. 查看是否启动成功
可以看到 ResourceManager、NodeManager 已经启动成功了。
6. YARN 的 Web 页面
YARN 的 Web 客户端端口号是 8088，通过 http://192.168.100.10:8088/ 可以查看。
八、运行 MapReduce Job
在 Hadoop 的 share 目录里，自带了一些 jar 包，里面带有一些 mapreduce 实例小例子，位置在 share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0.jar，可以运行这些例子体验刚搭建好的Hadoop平台，我们这里来运行最经典的 WordCount 实例。
1. 创建测试用的 Input 文件
创建输入目录:
./bin/hdfs dfs -mkdir -p /wordcountdemo/input
创建原始文件:
在本地 /opt/data 目录创建一个文件 wc.input，内容如下。
hadoop mapreduce hive
hbase spark hadoop
hive spart
将 wc.input 文件上传到 HDFS 的 /wordcountdemo/input 目录中:
[hadoop@bigdata-senior01 hadoop-2.10.0]$ ./bin/hdfs dfs -put /opt/data/wc.input /wordcountdemo/input
2. 运行 WordCount MapReduce Job
[hadoop@bigdata-senior01 hadoop-2.10.0]$ ./bin/yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.0.jar wordcount /wordcountdemo/input /wordcountdemo/output
- 查看输出结果目录
./bin/hdfs dfs -ls /wordcountdemo/output
[hadoop@bigdata-senior01 hadoop-2.10.0]$ ./bin/hdfs dfs -ls /wordcountdemo/output1
Found 2 items
-rw-r--r-- 1 hadoop supergroup 0 2020-06-17 15:47 /wordcountdemo/output1/_SUCCESS
-rw-r--r-- 1 hadoop supergroup 52 2020-06-17 15:47 /wordcountdemo/output1/part-r-00000
output 目录中有两个文件，_SUCCESS 文件是空文件，有这个文件说明Job执行成功。
part-r-00000文件是结果文件，其中-r-说明这个文件是 Reduce 阶段产生的结果，mapreduce 程序执行时，可以没有 reduce 阶段，但是肯定会有 map 阶段，如果没有 reduce 阶段这个地方有是-m-。
一个 reduce 会产生一个 part-r- 开头的文件。
查看输出文件内容。
[hadoop@bigdata-senior01 hadoop-2.10.0]$ ./bin/hdfs dfs -cat /wordcountdemo/output/part-r-00000
hadoop 2
hbase 1
hive 2
mapreduce 1
spark 1
spart 1
结果是按照键值排好序的。
十九、停止 Hadoop
二十、 Hadoop 各个功能模块的理解
- HDFS模块
HDFS 负责大数据的存储，通过将大文件分块后进行分布式存储方式，突破了服务器硬盘大小的限制，解决了单台机器无法存储大文件的问题，HDFS 是个相对独立的模块，可以为 YARN 提供服务，也可以为 HBase 等其他模块提供服务。
- YARN 模块
YARN 是一个通用的资源协同和任务调度框架，是为了解决 Hadoop1.x 中MapReduce 里 NameNode 负载太大和其他问题而创建的一个框架。
YARN 是个通用框架，不止可以运行 MapReduce，还可以运行Spark、Storm等其他计算框架。
- MapReduce 模块
MapReduce 是一个计算框架，它给出了一种数据处理的方式，即通过 Map 阶段、Reduce阶段来分布式地流式处理数据。它只适用于大数据的离线处理，对实时性要求很高的应用不适用。
第七步 开启历史服务
二十一、历史服务介绍
Hadoop 开启历史服务可以在 web 页面上查看 Yarn 上执行 job 情况的详细信息。可以通过历史服务器查看已经运行完的 Mapreduce 作业记录，比如用了多少个 Map、用了多少个 Reduce、作业提交时间、作业启动时间、作业完成时间等信息。
二十二、开启历史服务
开启后，可以通过 Web 页面查看历史服务器：
http://bigdata-senior01.chybinmy.com:19888/
二十三、Web 查看 job 执行历史
1. 运行一个 mapreduce 任务
- job 执行中
3. 查看 job 历史
历史服务器的 Web 端口默认是19888，可以查看Web界面。
但是在上面所显示的某一个 Job 任务页面的最下面，Map 和 Reduce 个数的链接上，点击进入 Map 的详细信息页面，再查看某一个 Map 或者 Reduce 的详细日志是看不到的，是因为没有开启日志聚集服务。
二十四、开启日志聚集
4. 日志聚集介绍
MapReduce是在各个机器上运行的，在运行过程中产生的日志存在于各个机器上，为了能够统一查看各个机器的运行日志，将日志集中存放在HDFS上，这个过程就是日志聚集。
- 开启日志聚集
配置日志聚集功能：
Hadoop 默认是不启用日志聚集的。在 yarn-site.xml 文件里配置启用日志聚集。
yarn.log-aggregation-enable：是否启用日志聚集功能。
yarn.log-aggregation.retain-seconds：设置日志保留时间，单位是秒。
将配置文件分发到其他节点：
重启 Yarn 进程：
重启 HistoryServer 进程：
6. 测试日志聚集
运行一个 demo MapReduce，使之产生日志：
查看日志：
运行 Job 后，就可以在历史服务器 Web 页面查看各个 Map 和 Reduce 的日志了。