[超超超超超超详细] Linux Centos7搭建Hadoop集群及运行MapReduce分布式集群

版本：Centos 7 Hadoop 3.2.0 JDK 1.8
虚拟机信息：内存3.2G 处理器 2*2 内存50G
ISO：Centos-7-x86_64-DVD-2009

一、在虚拟机上搭建Linux Centos7

略

二、选择root登录并管理防火墙

systemctl stop direwalld # 关闭防火墙
systemctl disable firewalld # 关闭开机自启
systemctl status firewalld # 查看防火墙状态

三、实现ssh免密码登录

配置ssh的无密码访问

ssh-keygen -t rsa

连续按回车

cd ~/.ssh
cat id_rsa.pub >> authorized_keys
vi ~/.bashrc # ssh服务开机自启

在文件最末尾加上：

/etc/init.d/ssh start

立即生效

source ~/.bashrc

四、Centos 7 安装 JDK 1.8

安装之前先查看系统是否自带jdk，有的话先卸载

rpm -qa | grep jdk # 查询
rpm -e --nodeps # 卸载
rpm -qa | grep java # 检查是否卸载干净
java -version 

卸载完重新安装jdk1.8

yum list java* # 查看可安装版本
yum -y install java-1.8.0-openjdk* # 安装1.8版本的openjdk

查看安装位置

rpm -qa | grep java
rpm -ql java-1.8.0-openjdk-1.8.0.352.b08-2.el7_9.x86_64

配置全局变量

vi ~/.bashrc # 当前用户
vi /etc/profile # 全局用户

添加

export JAVA_HOME=/usr/lib/jvm/java-openjdk
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin

执行

source ~/.bashrc
source /etc/profile

验证安装

which java
java -version

五、下载Hadoop

我是用的Hadoop版本是3.2.0
Hadoop下载地址

上传文件并解压缩，并在opt目录下创建一个名为hadoop的目录，并将下载好的hadoop-3.2.0.tar解压到该目录

mkdir /opt/hadoop
tar -zxvf hadoop-3.2.0-tar.gz

配置Hadoop环境变量

vim ~/.bashrc

添加Hadoop环境变量

export JAVA_HOME=/usr/lib/jvm/java-openjdk
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin:/opt/hadoop/hadoop-3.2.0/bin:/opt/hadoop/hadoop-3.2.0/sbin
export HADOOP_HOME=/opt/hadoop/hadoop-3.2.0
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

tips:这里的$PATH:$JAVA_HOME/bin:/opt/hadoop/hadoop-3.2.0/bin:/opt/hadoop/hadoop-3.2.0/sbin表示在保留原来的$PATH环境变量的基础上，再增加$JAVA_HOME/bin和/opt/hadoop/hadoop-3.2.0/bin和/opt/hadoop/hadoop-3.2.0/sbin这些路径作为新的$PATH环境变量。

source ~/.bashrc # 使修改生效

六、 Hadoop配置文件修改

新建目录

mkdir /root/hadoop
mkdir /root/hadoop/tmp
mkdir /root/hadoop/var
mkdir /root/hadoop/dfs
mkdir /root/hadoop/dfs/name
mkdir /root/hadoop/dfs/data

修改etc/hadoop中的一系列配置文件

 vi /opt/hadoop/hadoop-3.2.0/etc/hadoop/core-site.xml

在节点内加入配置

 
        hadoop.tmp.dir</name>
        /root/hadoop/tmp</value>
        Abase for other temporary directories.</description>
   </property>
   
        fs.default.name</name>
        hdfs://master:9000</value>
   </property>
   </configuration>

修改hadoop-env.sh

vi /opt/hadoop/hadoop-3.2.0/etc/hadoop/hadoop-env.sh

修改hdfs-site.xml

vi /opt/hadoop/hadoop-3.2.0/etc/hadoop/hdfs-site.xml 

在节点内加入配置

   dfs.name.dir</name>
   /root/hadoop/dfs/name</value>
   Path on the local filesystem where theNameNode stores the namespace and transactions logs persistently.
   </description>
</property>


   dfs.data.dir</name>
   /root/hadoop/dfs/data</value>
   Comma separated list of paths on the localfilesystem of a DataNode where it should store its blocks.
   </description>
</property>


   dfs.replication</name>
   2</value>
</property>


   dfs.permissions</name>
   false</value>
   need not permissions</description>
</property>
</configuration>

新建并修改mapred-site-xml

vi /opt/hadoop/hadoop-3.2.0/etc/hadoop/mapred-site.xml

在节点内加入配置

<!-- 配置mapReduce在Yarn上运行(默认本地运行) -->

   mapreduce.framework.name</name>
   yarn</value>
</property>
</configuration>

修改workers文件

vi /opt/hadoop/hadoop-3.2.0/etc/hadoop/workers

将里面的localhost删除，添加以下内容（master和node1节点都要修改）

master
node1

tips:这里面不能有多余空格，文件中不允许有空行

7、 xsync命令直接分发集群具体配置（可跳过）

xsync是对rsync脚本的二次封装,需要给每台服务器下载rsync

yum install -y rsync

修改/usr/local/bin/下得xsync文件，如果没有就新建

cd /usr/local/bin/
vim xsync

文件中加入以下内容

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)) 
then
        echo no args
        exit
fi
 
 
#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname
 
 
#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir
 
 
#4 获取当前用户名称
user=`whoami`
 
 
#5 循环
for((host=20; host<=21;host++))
do
        echo ------------------- @192.168.95.$host --------------
        rsync -rvl $pdir/$fname $user@192.168.95.$host:$pdir/
done

给脚本文件可执行权限

chomod 777 xsync
sudo cp xsync /bin # 拷贝到系统目录bin下
xsync /opt/hadoop/hadoop-3.2.0/etc # 使用xsync命令分发配置

7.1 修改yarm-site.xml文件

hadoop classpath
vi /opt/hadoop/hadopp-3.2.0/etc/hadoop/yarn-site.xml

添加一个配置

        yarn.application.classpath</name>
        hadoop classpath返回信息</value>
</property>

查看我得yarn-site.xml配置

        
            yarn.nodemanager.aux-services</name>
            mapreduce_shuffle</value>
        </property>
        
            yarn.resourcemanager.hostname</name>
            master</value>
        </property>
        
            yarn.application.classpath</name>
            /opt/hadoop/hadoop-3.2.0/etc/hadoop:/opt/hadoop/hadoop-3.2.0/share/hadoop/common/lib/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/common/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/hdfs:/opt/hadoop/hadoop-3.2.0/share/hadoop/hdfs/lib/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/hdfs/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/mapreduce/lib/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/mapreduce/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/yarn:/opt/hadoop/hadoop-3.2.0/share/hadoop/yarn/lib/*:/opt/hadoop/hadoop-3.2.0/share/hadoop/yarn/*</value>
        </property>
</configuration>

配置hadoop-3.2.0/sbin/目录下start-dfs.sh、start-yarn.sh、stop-dfs.sh、stop-yarn.sh文件

cd /opt/hadoop/hadoop-3.2.0 # 服务启动权限配置
vi sbin/start-dfs.sh # 配置start-dfs 和 stop-dfs.sh 文件
vi sbin/stop-dfs.sh

加入下面内容

HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

配置start-yarn.sh与stop-yarn.sh文件

vi sbin/start-yarn.sh
vi sbin/stop-yarn.sh

加入下面内容

YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

配置好基础设置（SSH、JDK、Hadooop、环境变量、Hadoop和MapReduce配置信息）后，克隆虚拟机，获得从机node1节点

如果已经复制master为node1节点虚拟机了，但是node1节点的Hadoop配置文件信息还没修改，那么我们直接可以在master节点中运行下面这条命令，将已经配置好的Hadoop配置信息分发给集群各节点，这样我们就不用再修改其它节点的Hadoop配置文件了：xsync /opt/hadoop/hadoop-3.2.0/etc/hadoop

8、克隆master主机后的设置

修改网卡信息

vim /etc/sysconfig/network-scripts/ifcfg-ens33

修改node1节点主机名

vi /etc/hostname

修改node1节点对应的ip和主机名

vim /etc/hosts

master节点和node1节点连接

ssh node1
ssh master

互联成功，exit退出

九、启动Hadoop

进入到master主机的/opt/hadoop/hadoop-3.2.0/bin目录

cd /opt/hadoop/hadoop-3.2.0/bin
./hadoop nameode -format # 执行初始化脚本
./sbin/start-all.sh # 执行启动进程
jps # 查看启动情况

运行结果
访问http://192.168.95.20:9870/
我忘了截图 略

使用以下命令配置

./bin/hdfs dfs -mkdir -p /home/hadoop/myx/wordcount/input # 在hdfs上建立一个目录存放文件
./bin/hdfs dfs -ls /home/hadoop/myx/wordcount/input # 查看分发复制是否正常

十、运行MapReduce集群

在hdfs上简历一个目录存放文件

./bin/hdfs dfs -mkdir -p /home/hadoop/myx/wordcount/input

简单写两个文件测试以下

vim text1

加入下面内容

hadoop is very good
mapreduce is very good

将两个文件存入hdfs并用wordcount进行处理

./bin/hdfs dfs -put text1 //home/hadoop/myx/wordcount/input

查看分发情况

运行MapReduce用WordCount处理

./bin/hadoop jar /opt/hadoop/hadoop-3.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.0.jar  wordcount /home/hadoop/myx/wordcount/input /home/hadoop/myx/wordcount/output

最终结果会存储在指定的输出目录中，查看输出目录里面可以看到以下内容

./bin/hdfs dfs -cat /home/hadoop/myx/wordcount/output/part-r-00000*

web端查看

http://192.168.95.20:9870/explorer.html#/home/hadoop/myx/wordcount/output

十一、运行测试程序WordCount

新建文件夹WordCount

mkdir WordCount
ls
cd WordCount
vim file1.txt

file1.txt file2.txt文件内容为

This is the first hadoop test program!
This  program is not very difficult,but this program is a common hadoop program!

在Hadoop文件系统HDFS中/home目录下新建文件夹input

cd /opt/hadoop/hadoop-3.2.0
./bin/hadoop fs -mkdir /input
./bin/hadoop fs -ls /

在浏览器端查看

http://192.168.95.20:9870/explorer.html#/input

将WordCount文件夹中file1.txt\file2.txt文件上传到刚刚创建的“input”文件夹

./bin/hadoop fs -put /opt/hadoop/hadoop-3.2.0/WordCount/*.txt  /input

运行Hadoop的示例程序,设置输出的目录为/output

./bin/hadoop jar /opt/hadoop/hadoop-3.2.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.0.jar  wordcount  /input /output

查看结果

./bin/hadoop fs -ls /output
./bin/hdfs dfs -cat /output/part-r-00000*
http://192.168.95.20:9870/explorer.html#/output # web端查看

以上实验结束
Hadoop3.0x版本的重要服务进行端口号

Hadoop3.0x	对应端口号
HDFS NameNode 内部通信端口	8020 / 9000 / 9820
HDFS NameNode对用户的查询端口HTTP UI	9870
MapReduce查看执行任务的端口	8088
历史服务通信端口	19888

希望此教程有所帮助，各环境配置和操作没问题的话，基本都能部署完成，可以根据自己需要增加3台或者更多node节点，节点配置信息修改的操作都是一样的，直接复制虚拟机改主机名ip一些基本配置就行了。