Hadoop大数据集群搭建（超详细）
实验环境： Vmware workstation + CentOS 7 + Hadoop 3.1.3
目录
第一步：安装虚拟机
第二步：虚拟机克隆
第三步：网络配置
第四步：ssh服务配置
第五步：安装JDK
第六步：安装Hadoop
第七步：Hadoop集群配置
第八步：格式化文件系统
第九步：启动和关闭hadoop集群
第十步：通过UI界面查看hadoop运行状态
第十一步：hadoop集群初体验
第一步：安装虚拟机
下载地址：下载 VMware Workstation Pro | CN
点击自定义硬件，如果点击弹框有问题，就先点击完成，然后在外边点击自定义硬件（见第二个图）
以上就完成虚拟机的安装了
进去后，创建文件夹
mkdir -p /export/data
mkdir -p /export/servers
mkdir -p /export/software
第二步：虚拟机克隆
搭建集群需要3个虚拟机，hadoop01，hadoop02，hadoop03，已经安装了hadoop01，剩下两个需要用到虚拟机克隆
相同的方法克隆hadoop03
第三步：网络配置
三个虚拟机的ip分别为
192.168.121.134 hadoop01
192.168.121.135 hadoop02
192.168.121.136 hadoop03
1.配置网络的准备工作
编辑-虚拟网络编辑器
然后点击确定，再点确定
设置本机网络（win10举例）
2. 开启3台虚拟机， 配置主机名
vi /etc/hostname
修改hadoop02和hadoop03的hostname为 hadoop02 和 hadoop03
（注：这是CentOS7的修改方法，CentOS6修改/etc/sysconfig/network）
3. 配置ip映射
vi /etc/hosts
在文件末尾添加以下3行
192.168.121.134 hadoop01
192.168.121.135 hadoop02
192.168.121.136 hadoop03
同时修改hadoop02和hadoop03
4. 修改静态ip
在hadoop01上（如果文件中的参数都没有引号“”，则需要去掉）
vi /etc/sysconfig/network-scripts/ifcfg-ens33
BOOTPROTO="static"
ONBOOT="yes"
新增以下ip设置
IPADDR="192.168.121.134"
NETMASK="255.255.255.0"
GATEWAY="192.168.121.2"
DNS1="114.114.114.114"
然后在hadoop02和hadoop03上分别设置成121.135和121.136
5. 重启虚拟机
reboot
完成重启后测试下网络是否OK，命令ping www.baidu.com
第四步：ssh服务配置
1. 确认ssh服务已开启（默认已开启）
ps -e | grep sshd
2. 三台机器生成公钥和私钥
ssh-keygen -t rsa
执行该命令，按3下回车
3. 拷贝公钥到另外两台机器
在hadoop01，hadoop02和hadoop03上分别执行以下三行
ssh-copy-id hadoop01
ssh-copy-id hadoop02
ssh-copy-id hadoop03
都执行完毕后，三台机器就可以使用ssh连接而无需输入密码了
测试一下：
在hadoop02上输入ssh hadoop03，能够免密登录
然后exit退出回来hadoop02
========================== 快照 ==================================
第五步：安装JDK
1. 下载JDK
在jave网站上下载
Java Archive Downloads - Java SE 8
jdk-8u161-linux-x64.tar.gz（网站上下载需要注册，可以从群共享里获取）
2. 安装JDK
上传JDK到linux（SecureCRT工具里使用SecureFXPortable，MobaxTerm里使用自带的tftp功能，注意上传位置，是 /export/software/）
使用MobaxTerm里使用自带的tftp功能
执行解压缩操作：解压到 /export/servers
cd /export/software/
tar -zxvf jdk-8u161-linux-x64.tar.gz -C /export/servers/
cd /export/servers/
重命名为jdk
mv jdk1.8.0_161/ jdk
3. 配置JDK环境变量
vim /etc/profile
添加如下内容
export JAVA_HOME=/export/servers/jdk
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
修改完成之后记得使用命令source /etc/profile，使修改生效
4. JDK环境验证
java -version
第六步：安装Hadoop
1. 下载Hadoop 3.1.3
Index of /dist/hadoop/common
2. 安装Hadoop
同样通过mobaxterm的上的SFTP功能（或其他工具）上传到/export/software目录下，然后解压到/export/servers目录下
cd /export/software
mobaxterm的上的SFTP功能
tar -zxvf hadoop-3.1.3.tar.gz -C /export/servers/
3. 配置Hadoop系统环境变量
vim /etc/profile
配置环境变量
export HADOOP_HOME=/export/servers/hadoop-3.1.3
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
同时添加hadoop为root用户，否则启动的HDFS的时候可能会报错
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
执行source /etc/profile命令,让配置生效
4. 验证Hadoop环境
hadoop version
========================== 快照 ==================================
第七步：Hadoop集群配置
集群配置如下：
1、配置Hadoop集群主节点
（1）修改hadoop-env.sh文件
cd /export/servers/hadoop-3.1.3/etc/hadoop
vim hadoop-env.sh
找到export JAVA_HOME的位置修改
export JAVA_HOME=/export/servers/jdk
（2）修改core-site.xml文件
主要是配置主进程NameNode的运行主机和运行生成数据的临时目录
vim core-site.xml
写入以下内容
（3）修改hdfs-site.xml文件
设置HDFS数据块的副本数量以及second namenode的地址
vim hdfs-site.xml
写入以下内容
（4）修改mapred-site.xml文件
设置MapReduce的运行时框架
vim mapred-site.xml
写入以下内容
（5）修改yarn-site.xml文件
设置yarn集群的管理者
vim yarn-site.xml
写入以下内容
（6）修改workers文件
该文件用来记录从节点的主机名（hadoop 2.x中为slaves文件）
打开该配置文件，先删除里面的内容（默认localhost），然后配置如下内容。
vim workers
删除默认内容，添加以下内容
hadoop01
hadoop02
hadoop03
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hadoop01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hadoop02和hadoop03上，具体指令：
scp /etc/profile hadoop02:/etc/profile
scp /etc/profile hadoop03:/etc/profile
scp -r /export/ hadoop02:/
scp -r /export/ hadoop03:/
传完之后要在hadoop02和hadoop03上分别执行 source /etc/profile 命令，来刷新配置文件
如果使用scp时需要输入密码，请重新检查ssh配置！
第八步：格式化文件系统
初次启动HDFS集群时，必须对主节点进行格式化处理。在hadoop01上执行
格式化文件系统指令如下：
hdfs namenode -format
不要多次格式化主节点！
第九步：启动和关闭hadoop集群
脚本一键启动：
hadoop01主节点上执行：
start-dfs.sh
可以通过jps看到
在主节点上执行
start-yarn.sh
如果想要关闭，输入stop-dfs.sh即可（不要执行）
第十步：通过UI界面查看hadoop运行状态
1. 关闭防火墙功能
在3台虚拟机上均执行以下命令
本次临时关闭防火墙、永久关闭防火墙
systemctl stop firewalld.service
systemctl disable firewalld.service
2. 修改windows下ip映射
打开C:\Windows\System32\drivers\etc下的hosts文件,添加以下内容（注：如果没有notepad++这类软件，可以通过记事本保存在其他位置，然后拖动到该文件夹下）
192.168.121.134 hadoop01
192.168.121.135 hadoop02
192.168.121.136 hadoop03
在浏览器输入
http://hadoop01:9870
http://hadoop01:8088
即可访问HDFS和Yarn
========================== 快照 ==================================
第十一步：hadoop集群初体验
统计word.txt中各单词出现的次数
在Hadoop01创建如下目录，并添加测试文件
mkdir -p /export/data
cd /export/data
vi word.txt
写入下列内容
hello world
hello hadoop
hello students
在HDFS上创建 /wordcount/input目录
hadoop fs -mkdir -p /wordcount/input
创建完成后可以在HDFS的网站上看到
将word.txt上传到该目录下
hadoop fs -put /export/data/word.txt /wordcount/input
执行该程序（参考下文中可能遇到的问题，问题1、2为必现问题，建议直接修改）
cd /export/servers/hadoop-3.1.3/share/hadoop/mapreduce
hadoop jar hadoop-mapreduce-examples-3.1.3.jar wordcount /wordcount/input /wordcount/output
查看结果如下：
注意：
可能遇到的问题1:
找不到或无法加载主类 org.apache.hadoop.mapreduce.v2.app.MRAppMaster
解决方法：
输入 hadoop classpath
复制返回的信息
修改yarn-site.xml
cd /export/servers/hadoop-3.1.3/etc/hadoop
vim yarn-site.xml
新增以下内容
可能遇到的问题2：
Container killed on request. Exit code is 143
解决方法：
cd /export/servers/hadoop-3.1.3/etc/hadoop
vim mapred-site.xml
可能遇到的问题3：
无法找到路由
解决方法：
关闭hadoop02和hadoop03的防火墙
可能遇到的问题4：
A JNI error has occured，please check your installation and try again
解决方法：
Hadoop的JAVA_HOME版本设置未更改，例如未去掉注释等，三台虚拟机全都改好后重启hdfs和yarn
cd /export/servers/hadoop-3.1.3/etc/hadoop
vim hadoop-env.sh
可能遇到的问题5：
part-r-00000 下载不成功
解决方法：
windows下ip映射有问题
可能遇到的问题6：
ERROR: Cannot set priority of namenode process XXXXXX
解决方法：
仔细检查xml文件，一般是前边第七步的xml文件写错了，或者修改了hadoop01没有同时修改hadoop02/03导致的