搭建Hadoop集群

1，准备环节

Hadoop完全分布式集群式（master/slave）主从架构。

因为Hadoop是由java编写的，所以需要Java的环境支持，作为开发者我们需要安装jdk。

安装jdk的教程http://t.csdn.cn/6qJKg

下载Hadoop的安装包

Hadoop官网：http://hadoop.apache.org/

Hadoop版本下载地址：http://archive.apache.org/dist/hadoop/core/hadoop-3.3.1/hadoop-3.3.1.tar.gz

安装jdk之后再克隆

设置节点

节点192.168.184.136

[root@192.168.184.136 ~]# hostnamectl set-hostname master
[root@192.168.184.136 ~]# reboot
[root@master ~]# 
[root@master ~]# vi /etc/hosts
192.168.184.136 master hadoop.master.com
192.168.184.137 slave01 hadoop.slave01.com
192.168.184.138 slave02 hadoop.slave02.com
192.168.184.139 slave03 hadoop.slave03.com

节点192.168.184.137

[root@192.168.184.137 ~]# hostnamectl set-hostname slave01
[root@192.168.184.137 ~]# reboot
[root@slave01 ~]#
[root@slave01 ~]# vi /etc/hosts
192.168.184.136 master hadoop.master.com
192.168.184.137 slave01 hadoop.slave01.com
192.168.184.138 slave02 hadoop.slave02.com
192.168.184.139 slave03 hadoop.slave03.com

节点192.168.184.138

[root@192.168.184.138 ~]# hostnamectl set-hostname slave02

[root@192.168.184.138 ~]# reboot
[root@slave02 ~]# 
[root@slave02 ~]# vi /etc/hosts
192.168.184.136 master hadoop.master.com
192.168.184.137 slave01 hadoop.slave01.com
192.168.184.138 slave02 hadoop.slave02.com
192.168.184.139 slave03 hadoop.slave03.com

节点192.168.184.139

[root@192.168.184.139 ~]# hostnamectl set-hostname slave03
[root@192.168.184.139 ~]# reboot
[root@slave03 ~]# 
[root@slave03 ~]# vi /etc/hosts
192.168.184.136 master hadoop.master.com
192.168.184.137 slave01 hadoop.slave01.com
192.168.184.138 slave02 hadoop.slave02.com
192.168.184.139 slave03 hadoop.slave03.com

关闭防火墙

systemctl stop firewalld	

设计集群ssh免登录

[root@master ~]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):
Created directory '/root/.ssh'.
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
SHA256:83y1SQv5wiYdQFuHuTvnWeSRGfhZJYLjs+za+mdkt+4 root@master
The key's randomart image is:
+---[RSA 2048]----+
|          ..oo+ o|
|         .ooo+ o.|
|         .o. .. *|
|          o... *.|
|        S. o+.oo.|
|         +oo=*o+o|
|         .+o*==+ |
|         ..+o.+  |
|        o+oo oE  |
+----[SHA256]-----+

将公钥复制到其他机器中

[root@master ~]# ssh-copy-id -i /root/.ssh/id_rsa.pub master
[root@master ~]# ssh-copy-id -i /root/.ssh/id_rsa.pub slave01
[root@master ~]# ssh-copy-id -i /root/.ssh/id_rsa.pub slave02
[root@master ~]# ssh-copy-id -i /root/.ssh/id_rsa.pub slave03

验证ssh是否能够免密登录，

[root@master ~]# ssh slave01
Last login: Tue May 23 16:01:11 2023 from master
[root@slave01 ~]# exit
登出
Connection to slave01 closed.
[root@master ~]# ssh slave02
Last login: Tue May 23 15:57:48 2023 from slave01
[root@slave02 ~]# exit
登出
Connection to slave02 closed.
[root@master ~]# ssh slave03
Last login: Tue May 23 15:58:01 2023 from slave01
[root@slave03 ~]# exit
登出
Connection to slave03 closed

2，安装环节

主要在 master节点中安装即可，安装完毕可以通过scp命令直接拷贝文件分发到不同的节点中。赋予用户/data/hadoop目录的读写权限：

进入文件夹

[root@master ~]# cd /usr/local

存放安装包

安装包：hadoop-3.3.1.tar.gz放置在/usr/local文件夹中

[root@master local]# ls
hadoop-3.3.1.tar.gz  jdk1.8.0_291  jdk-8u291-linux-x64.tar.gz

解压

[root@ master hadoop]# tar -zxvf hadoop-3.3.1.tar.gz

更改环境变量

[root@ master ~]# vi /etc/profile
# 最后添加一下代码
export HADOOP_HOME=/usr/local/hadoop-3.3.1
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
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

更新环境变量

[root@ master ~]# source /etc/profile

验证安装

主要在 master节点中安装即可，安装完毕可以通过scp命令直接拷贝文件分发到不同的节点中。赋予用户/data/hadoop目录的读写权限：

[root@ master ~]# hadoop version
# 有以下信息说明安装成功
Hadoop 3.3.1
Source code repository https://github.com/apache/hadoop.git -r a3b9c37a397ad4188041dd80621bdeefc46885f2
Compiled by ubuntu on 2021-06-15T05:13Z
Compiled with protoc 3.7.1
From source with checksum 88a4ddb2299aca054416d6b7f81ca55
This command was run using /usr/local/hadoop/hadoop-3.3.1/share/hadoop/common/hadoop-common-3.3.1.jar

修改配置文件

[root@master ~]# cd /usr/local/hadoop-3.3.1/etc/hadoop/
[root@master hadoop]# ll
总用量 176
-rw-r--r--. 1 1000 1000  9213 6月  15 2021 capacity-scheduler.xml
-rw-r--r--. 1 1000 1000  1335 6月  15 2021 configuration.xsl
-rw-r--r--. 1 1000 1000  2567 6月  15 2021 container-executor.cfg
-rw-r--r--. 1 1000 1000   774 6月  15 2021 core-site.xml
-rw-r--r--. 1 1000 1000  3999 6月  15 2021 hadoop-env.cmd
-rw-r--r--. 1 1000 1000 16654 6月  15 2021 hadoop-env.sh
-rw-r--r--. 1 1000 1000  3321 6月  15 2021 hadoop-metrics2.properties
-rw-r--r--. 1 1000 1000 11765 6月  15 2021 hadoop-policy.xml
-rw-r--r--. 1 1000 1000  3414 6月  15 2021 hadoop-user-functions.sh.example
-rw-r--r--. 1 1000 1000   683 6月  15 2021 hdfs-rbf-site.xml
-rw-r--r--. 1 1000 1000   775 6月  15 2021 hdfs-site.xml
-rw-r--r--. 1 1000 1000  1484 6月  15 2021 httpfs-env.sh
-rw-r--r--. 1 1000 1000  1657 6月  15 2021 httpfs-log4j.properties
-rw-r--r--. 1 1000 1000   620 6月  15 2021 httpfs-site.xml
-rw-r--r--. 1 1000 1000  3518 6月  15 2021 kms-acls.xml
-rw-r--r--. 1 1000 1000  1351 6月  15 2021 kms-env.sh
-rw-r--r--. 1 1000 1000  1860 6月  15 2021 kms-log4j.properties
-rw-r--r--. 1 1000 1000   682 6月  15 2021 kms-site.xml
-rw-r--r--. 1 1000 1000 13700 6月  15 2021 log4j.properties
-rw-r--r--. 1 1000 1000   951 6月  15 2021 mapred-env.cmd
-rw-r--r--. 1 1000 1000  1764 6月  15 2021 mapred-env.sh
-rw-r--r--. 1 1000 1000  4113 6月  15 2021 mapred-queues.xml.template
-rw-r--r--. 1 1000 1000   758 6月  15 2021 mapred-site.xml
drwxr-xr-x. 2 1000 1000    24 6月  15 2021 shellprofile.d
-rw-r--r--. 1 1000 1000  2316 6月  15 2021 ssl-client.xml.example
-rw-r--r--. 1 1000 1000  2697 6月  15 2021 ssl-server.xml.example
-rw-r--r--. 1 1000 1000  2681 6月  15 2021 user_ec_policies.xml.template
-rw-r--r--. 1 1000 1000    10 6月  15 2021 workers
-rw-r--r--. 1 1000 1000  2250 6月  15 2021 yarn-env.cmd
-rw-r--r--. 1 1000 1000  6329 6月  15 2021 yarn-env.sh
-rw-r--r--. 1 1000 1000  2591 6月  15 2021 yarnservice-log4j.properties
-rw-r--r--. 1 1000 1000   690 6月  15 2021 yarn-site.xml

修改core-site.xml文件

# 查看本机名称
[root@ master hadoop]# hostname
 master
[root@ master hadoop]# vi core-site.xml

添加如下代码

<configuration>
      <property>
                <name>fs.defaultFS</name>
                <value>hdfs://master:8020</value>
        </property>
        
        <property>
                <name>hadoop.tmp.dir</name>
                <value>/data/hadoop/temp</value>
        </property>
</configuration>

• fs.defaultFS：nameNode的HDFS协议的文件系统通信地址
• hadoop.tmp.dir：Hadoop集群在工作的时候存储的一些临时文件的目录

修改hadoop-env.sh文件

[root@master hadoop]# vi hadoop-env.sh
export JAVA_HOME=/usr/local/jdk1.8.0_291

修改yarn-env.sh文件

[root@master hadoop]# vi yarn-env.sh
export JAVA_HOME=/usr/local/jdk1.8.0_291

修改hdfs-site.xml文件

[root@hadoop1 hadoop]# vi hdfs-site.xml

添加如下代码：

<configuration>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///data/hadoop/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///data/hadoop/dfs/data</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.nomenode.secondary.http-address</name>
        <value>master:50090</value>
    </property>
    <property>
        <name>dfs.http.address</name>
        <value>192.168.184.136:50070</value>
    </property>
</configuration>

• dfs.namenode.name.dir：NameNode的数据存放目录
• dfs.datanode.data.dir：DataNode的数据存放目录
• dfs.replication：HDFS的副本数
• dfs.secondary.http.address：SecondaryNameNode节点的HTTP入口地址
• dfs.http.address：通过HTTP访问HDFS的Web管理界面的地址

修改mapred-site.xml文件

[root@ master hadoop]# vi mapred-site.xml

添加如下代码：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>master:10020</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>master:19888</value>
    </property>
    <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
</configuration>

• mapreduce.framework.name：选用yarn，也就是MR框架使用YARN进行资源调度。

修改yarn-site.xml文件

[root@ master hadoop]# vi yarn-site.xml

添加如下代码：

<configuration>
    <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
  <name>yarn.resourcemanager.address</name>
    <value>192.168.184.136:8032</value>
  </property>
  <property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>192.168.184.136:8030</value>
  </property>
  <property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>192.168.184.136:8031</value>
  </property>
  <property>
    <name>yarn.resourcemanager.admin.address</name>
    <value>192.168.184.136:8033</value>
  </property>
  <property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>192.168.184.136:8088</value>
  </property>
    <property>
    <!--开启日志聚集功能-->
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
  </property>
</configuration>

• yarn.resourcemanager.hostname：指定ResourceManager所在的主机名
• yarn.nodemanager.aux-services：指定YARN集群为MapReduce程序提供Shuffle服务

修改workers文件

[root@master hadoop]# vi workers
# 删除localhost
# 添加
slave01
slave02
slave03

修改start-dfs.sh和stop-dfs.sh

[root@master ~]# cd /usr/local/hadoop-3.3.1/sbin/
[root@master sbin]# vi start-dfs.sh
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

[root@master sbin]# vi stop-dfs.sh
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

修改start-yarn.sh和stop-yarn.sh

[root@master sbin]# vi start-yarn.sh
YARN_RESOURCEmANAGER_USER=root
HADOOP_SECURE_DE_USER=yarn
YARN_NODEMANAGER_USER=root


[root@master sbin]# vi stop-yarn.sh
YARN_RESOURCEmANAGER_USER=root
HADOOP_SECURE_DE_USER=yarn
YARN_NODEMANAGER_USER=root
	

分发Hadoop安装包到其他节点

• 所有节点的Hadoop安装包位置和配置信息必须一致

在节点 master使用scp命令进行分发：

[root@ master ~]# scp -r /usr/local/hadoop-3.3.1 hadoop@hadoop01:/usr/local
[root@ master ~]# scp -r /usr/local/hadoop-3.3.1 hadoop@hadoop02:/usr/local

[root@ master ~]# scp -r /usr/local/hadoop-3.3.1 hadoop@hadoop03:/usr/local

初始化文件系统

[root@hadoop1 hadoop]# hdfs namenode -format

出现下以下情况说明成功

修改宿主机的host文件地址

C:WindowsSystem32driversetchost

host是一个没有扩展名的系统文件，起作用是将一些常用的域名与其对应的ip地址建立一个关联，

192.168.184.136 master hadoop.master.com
192.168.184.137 slave01 hadoop.slave01.com
192.168.184.138 slave02 hadoop.slave02.com
192.168.184.139 slave03 hadoop.slave03.com

启动hdfs和启动yarn

[root@master hadoop]# start-dfs.sh
[root@master hadoop]# start-yarn.sh

[root@master hadoop]# jps
4150 SecondaryNameNode
5053 Jps
3886 NameNode
3498 resourcemanager
# 查看三个三台从机的信息
[root@slave01 hadoop]# jps
1376 DataNode
1656 Jps
7655 NodeManager
[root@slave02 hadoop]# jps
1378 DataNode
1610 Jps
7659 NodeManager
[root@slave03 hadoop]# jps
1380 DataNode
1661 Jps
7658 NodeManager

http://master:5007

http://master:8088/cluster