Hadoop学习总结（搭建Hadoop集群(完全分布式模式)）
学习搭建Hadoop集群（完全分布式模式）
链接：https://pan.baidu.com/s/1wwTKk-XxHbccHjE-Xk2PTA
提取码：q7j7
在SecurityCRT 或者在 Xshell 进行虚拟机链接
（这里使用Xshell ）
在hadoop001里配置
如果没有 /opt目录下创建software、module就先创建
（software 用于存储软件安装包，module 用于存放安装包解压后的文件）
mkdir +路径/文件名
打开目录 /opt/software
上传压缩包（网盘里有压缩包）
一、安装 jdk
先进入，命令：cd /opt/software
cd /opt/software命令：tar -zxvf jdk-8u161-linux-x64.tar.gz -C /opt/module/
tar -zxvf jdk-8u161-linux-x64.tar.gz -C /opt/module/查看：ls /opt/module/
ls /opt/module/
查看路径（克隆新会话）
进入：cd /opt/module/jdk1.8.0_161/
cd /opt/module/jdk1.8.0_161/输入：pwd
配置path
命令：vi /etc/profile
vi /etc/profile
添加下面内容，保存退出（最好不复制输入）
export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin
export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin
执行配置文件生效：source /etc/profile
查看：java -version
source /etc/profilejava -version
注意：（hadoop出现这种情况也可以这样的方法解决）
如果配置文件生效不了可以输入命令：reboot -n 客户机重启 ，然后重新编辑：vi /etc/profile 添加以下内容：（最好不复制输入）
export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin保存退出，执行配置文件生效：source /etc/profile ，查看：java -version
source /etc/profile
java -version
如果很着急使用可以直接在命令行输入以下内容：（最好不复制输入）
export JAVA_HOME=/opt/module/jdk1.8.0_161
export PATH=$PATH:$JAVA_HOME/bin然后输入 java -version 查看
java -version二、安装 Hadoop
先进入，命令：cd /opt/software
cd /opt/software命令：tar -zxvf hadoop-2.7.4.tar.gz -C /opt/module/
tar -zxvf hadoop-2.7.4.tar.gz -C /opt/module/查看：ls /opt/module
ls /opt/module
查看路径（克隆新会话）
进入：cd /opt/module/ hadoop-2.7.4/
cd /opt/module/ hadoop-2.7.4/输入：pwd
配置path
命令：vi /etc/profile
vi /etc/profile
添加下面内容，保存退出（最好不复制输入）
export HADOOP_HOME=/opt/module/hadoop-2.7.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_HOME=/opt/module/hadoop-2.7.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
执行配置文件生效：source /etc/profile
查看：hadoop version
source /etc/profile
hadoop version
进入hadoop查看目录结构
进入hadoop命令：cd /opt/module/hadoop-2.7.4
cd /opt/module/hadoop-2.7.4
三、Hadoop 集群配置
可以只使用一台虚拟机（这里使用hadoop001）hadoop002和hadoop003保持连接状态
1、配置 Hadoop 集群主节点
进入 hadoop安装位置
cd $HADOOP_HOME进入hadoop
cd etc/hadoop
（1）修改 hadoop-env.sh 文件
vim hadoop-env.sh或者（vi vim 都可以）
vi hadoop-env.sh 
修改export JAVA_HOME=路径
查路径，先克隆新会话
echo $JAVA_HOME
然后修改 hadoop-env.sh 文件，保存退出
（2）修改 core-site.xml 文件
vim core-site.xml该文件是Hadoop的核心配置文件，其目的是配置 HDFS 地址、端口号，以及临时文件目录。配置文件中配置了 HDFS 的主进程NameNode运行主机（也就是此次Hadoop集群的主节点位置）同时配置了Hadoop运行时生成数据的临时文件。
添加以下内容
fs.defaultFS
hdfs://hadoop001:9000
hadoop.tmp.dir
/opt/module/hadoop-2.7.4/data
（3）修改 hdfs-site.xml 文件
vi hdfs-site.xml该文件作用于设置 HDFS 的NameNode 和 DataNode 两大进程。
添加以下内容
dfs.replication
3
dfs.namenode.secondary.http-address
hadoop02:50090
（4）修改 mapred-site.xml 文件
如果vi出了新文件，要重命名文件夹名：
cp -R mapred-site.xml.template mapred-site.xmlvi mapred-site.xml
该文件时 MapReduce 的核心配置文件，用于指定 MapReduce 运行时框架
添加以下内容
mapreduce.framework.name
yarn
（5）修改 yarn-site.xml 文件
vi yarn-site.xml本文件是 YARN 框架的核心配置文件，需要指定 YARN 集群的管理者。 在配置文件中配置 YARN 的主进程 ResourceManager 运行主机为hadoop001，同时配置了 NodeManager 运行时的附属服务，需要配置为 mapreduce_shuffle 才能正常运行 MapReduce 默认程序。
添加以下内容
yarn.resourcemanager.hostname
hadoop001
yarn.nodemanager.aux-services
mapreduce_shuffle
（6）修改 slaves 文件
该文件用于记录 Hadoop 集群所有从节点（HDFS 的 DataNode 和 YARN 的 NodeManager 所在主机）的主机名，用来配合一键启动集群从节点（并且还需要验证关联节点配置了 SSH 免密登录）。打开该配置，先文件删除里面的内容
vi slaves
配置如下
配置文件配置了 Hadoop集群所有从节点的主机名为 hadoop001、hadoop002 和 hadoop003（这是因为此次在该3台机器上搭建 Hadoop 集群，同时前面的配置文件 hdfs-site.xml 指定了 HDFS 服务副本数量为3 ）。
2、将集群主节点的配置文件分发到其他子节点
完成 Hadoop 集群主节点 hadoop001 的配置后，还需要将系统环境配置文件、JDK安装目录和 Hadoop安装目录分发到其他子节点 hadoop002 和 hadoop003上。
scp /etc/profile hadoop002:/etc/profile
scp /etc/profile hadoop003:/etc/profile
这个为安装hadoop的路径 /opt/module/
scp -r /opt/module/ hadoop002:/opt/
scp -r /opt/module/ hadoop003:/opt/
一堆码一直在刷就成功了，不用把他停住，给他自己停
执行完上述所有指定后，还需要在其他子节点 hadoop002、hadoop003 上分别执行
source /etc/profile立即刷新配置文件。
四、Hadoop 集群测试
格式化文件系统
通过 Hadoop 集群的安装和配置。此时还不能直接启动集群，因为在初次启动 HDFS 集群时，必须对主节点进行格式化处理
hdfs namenode -format或者
hadoop namenode -format执行上述任意一条都可以对 Hadoop 集群进行格式化。执行命令后，必须出现有 successfully formatted 信息才表示格式化成功
如果没有出现请检查一下Hadoop 安装和配置文件是否正确 ，如果都正确，则需要删除所有主机的 /hadoop-2.7.4 目录下的 tmp文件夹，重新执行格式化命令，对 Hadoop 集群进行格式化。
注意：格式化只能进行一次，如果多此进行可能会导致服务器运行的java进程不完全
五、启动集群服务
1、在主节点hadoop001上使用以下指令启动所有 HDFS 服务进程
start-dfs.sh2、在主节点hadoop001上使用以下指令启动所有 YARN 服务进程
start-yarn.sh或者在主节点 hadoop001上执行以下命令，直接启动整个 Hadoop 集群服务
start-all.sh3、查看 Hadoop 集群服务是否启动成功
在各自机器上使用 jps 指令查看各节点的服务进程启动情况
hadoop001
hadoop002
hadoop003
六、通过 UI 查看 Hadoop 运行状态
（1）查看HDFS 集群状态
通过浏览器分别访问http://hadoop001:50070（集群服务IP+端口号），查看HDFS 集群状态
（2）查看YARN 集群状态
通过浏览器分别访问http://hadoop001:8088 ，查看YARN 集群状态
Hadoop默认开设HDFS端口号为9000，监控HDFS集群端口号为50070，监控YARN集群端口号为8088。
七、Hadoop集群初体验
进入HDFS 集群状态
进入这里后
在主节点hadoop001上执行以下命令
创建/export/data，并进入
mkdir -p /export/data
cd /export/data
新建一个word.txt文件，并且编辑以下内容
vi word.txt添加以下内容（可随意添加）
hello itcast
hello itheima
hello hadoop 
查看word.txt文件内容：
cat word.txt
在HDFS上创建 /wordcount/input 目录，并将 word.txt 文件上传至该目录下
hadoop fs -mkdir -p /wordcount/input
hadoop fs -put word.txt /wordcount/input
刷新一下HDFS集群状态
进入 /share/hadoop/mapreduce目录下，使用 ll 指令查看文件夹内容
cd $HADOOP_HOME/share/hadoop/mapreduce 
图中这个 jar包中包含了计算机单词个数、计算Pi值等功能。可以用来对HDFS的 word.txt文件进行单词统计，通过以下命令执行
hadoop jar hadoop-mapreduce-examples-2.7.4.jar wordcount /wordcount/input /wordcount/output
如果要重新执行要在后面添加第几次
例如：hadoop jar hadoop-mapreduce-examples-2.7.4.jar wordcount /wordcount/input /wordcount/output4
刷新YARN 集群状态，如果未出现以下情况，重新查看一下 mapred-site.xml文件是否编写正确
刷新查看HDFS的UI
下载part-r-00000文件
打开查看是否执行成功，由图可知道已执行成功
八、解决 jps 查看不了完整的 java 服务器进程
（1）缺少 datanode 进程
原因：多次格式化可能会导致，输入jps出现的java进程服务不完全
当初始化成功的时候，会产生一个集群ID，分布在这三个地方：NameNode、seondary NameNode、DataNode
第二次初始化时，只会更新 NameNode的集群ID
解决：
进入hadoop001、hadoop002和hadoop03将这data个文件删除
在hadoop001主节点上
先将集群服务关闭 stop-all.sh
stop-all.sh进行格式化：hdfs namenode -format
hdfs namenode -format重启服务 start-all.sh
start-all.sh如果还是不能解决，检查一下配置 hadoop集群主节点的文件是否正确，输入 jps 命令查看
（2）SecondaryNameNode 位置错了，在 001 上启动，在 002 上没有
vi hdfs-site.shscp hdfs-site.xml hadoop002:/opt/module/hadoop-2.7.4/etc/hadoop/
scp hdfs-site.xml hadoop003:/opt/module/hadoop-2.7.4/etc/hadoop/
start-all.sh（3）启动报错
（4）所有的进程都正常，但是无法访问网站
systemctl stop firewalld.service
systemctl disable firewalld.service查看防火墙状态
systemctl status firewalld