超详细的基于docker搭建hadoop集群

环境：

1. Ubuntu20
2. Hadoop 3.1.4
3. Jdk 1.8_301

搭建主要步骤

1. 拉取最新版本ubuntu镜像
2. 利用挂载将jdk,hadoop等安装包通过xftp或者使用命令行scp命令传到挂载目录。
3. 进入ubuntu镜像容器

• docker exec -it 容器id /bin/bash

4. 更新apt-get系统源

• apt-get update
• 更新完后可以下载一些必须工具，如vim

5. 安装sshd

• 在开启分布式Hadoop时，需要用到ssh连接slave节点
• apt-get install ssh
• 然后运行如下脚本即可开启sshd服务器:
  ​ /etc/init.d/ssh start
  这样在开启镜像时，都需要手动开启sshd服务，可以把这条命令写进~/.bashrc文件，保存后每次进入容器会自动启动sshd服务**(这一句一定要放在最后，一定要，不然后面会启动异常！）**

6. 配置免密登录（这里我试了一下，在容器里使用ssh localhost输入密码会拒绝登录）

• cd ~/.ssh
• ssh-keygen -t rsa 一路按回车
• 最后输入 cat ./id_rsa.pub >> ./authorized_keys
  ​ 接下来就可以直接输入ssh localhost登录本机了

7. 配置jdk，和前面单机版配置一样。
8. 安装hadoop,将hadoop解压到自己指定的目录
9. 配置hadoop集群

(1)打开hadoop_env.sh，修改JAVA_HOME
(2)打开core-site.xml，输入

<configuration>
   <property>
      <name>hadoop.tmp.dirname>
      <value>file:/usr/local/hadoop/tmpvalue>
    <description>Abase for other temporary directories.description>
   property>
   <property>
      <name>fs.defaultFSname>
      <value>hdfs://master:9000value>
   property>
configuration>  

(3)打开hdfs-site.xml输入

<configuration>
  <property>
     <name>dfs.namenode.name.dirname>
     <value>file:/usr/local/hadoop/namenode_dir
      value>
  property>
  <property>
     <name>dfs.datanode.data.dirname>
     <value>file:/usr/local/hadoop/datanode_dir
     value>
  property>
  <property>
     <name>dfs.replicationname>
     <value>3value>
  property>
configuration>

（4）打开mapred-site.xml输入

<configuration>
 <property>
    <name>mapreduce.framework.namename>
    <value>yarnvalue>
 property>
<property>
  <name>yarn.app.mapreduce.am.envname>//这里的路径是你安装hadoop的路径
  <value>HADOOP_MAPRED_HOME=/usr/local/hadoopvalue>
property>
<property>
  <name>mapreduce.map.envname>
  <value>HADOOP_MAPRED_HOME=/usr/local/hadoopvalue>
property>
<property>
  <name>mapreduce.reduce.envname>
  <value>HADOOP_MAPRED_HOME=/usr/local/hadoopvalue>
property>
configuration>

（5）打开yarn-site.xml输入

<configuration>
 
   <property>
      <name>yarn.nodemanager.aux-servicesname>
      <value>mapreduce_shufflevalue>
   property>
   <property>
      <name>yarn.resourcemanager.hostnamename>
      <value>mastervalue>
   property>
 configuration>

配置完后hadoop集群的基本环境已经配置完毕！保存修改后的镜像

docker commit保存镜像 输入docker images可以查看保存镜像。

配置集群：

我用1个节点作master，3个节点作slave。(博主只是配着好玩，真实环境请搭建单数节点集群），namenode与secondnamenode同一节点。

1. 分别打开四个终端，每个终端界面运行刚刚修改后的镜像。分别表示Hadoop集群中的master,s01、s02和s03

docker run -it -h Master --name Master...

2. 输入 cat /etc/hosts查看当前容器的ip，如查看master IP为172.17.0.3

3. 编辑4个容器的hosts，把每一个主机和ip保存进去

4. 在master主机输入ssh s01 等测试master能否正常连接slave(这里建议全部ssh一遍,避免后面启动hadoop要输入yes或者报警告)

5. 到这里，还差最后一个配置就要完成hadoop集群配置了，打开master上的workers文件**(在hadoop安装目录下的etc/hadoop下）**，hadoop2版本这个文件叫做slaves，把原先的默认值localhost删掉，输入三个slave的主机名:s03,s02,s03.
   

6. 启动集群

在master终端输入start-all.sh启动集群（第一次启动，务必要format一下namenode，后面再启动就不需要format了）

格式化namenode

启动集群

这里直接启动集群可能会报错

在hadoop-env.sh添加一下内容

添加后：再次启动集群

在master节点输入jps

在slave节点输入jps

运行hadoop自带的词频统计的例子

查看结果

至此，基于docker的hadoop集群搭建成功。搭建过程中有遇到问题的同学，欢迎留言一起讨论！