Hadoop之完全分布式集群

 首先准备三台客户机(hadoop102，hadoop103，hadoop104)，关闭防火墙，修改为静态ip和ip地址映射

[[278009]]

配置集群

编写集群分发脚本

1. 创建一个远程同步的脚本xsync，并放到当前用户下新建的bin目录下，配置到PATH中，使得此脚本在任何目录下都可以执行
2. 脚本实现

[kocdaniel@hadoop102 ~]$ mkdir bin 
[kocdaniel@hadoop102 ~]$ cd bin/ 
[kocdaniel@hadoop102 bin]$ vim xsync 

在文件中编写如下脚本代码

#!/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 –P指向实际物理地址，防止软连接 
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=103; host<105; host++)); do 
        echo ------------------- hadoop$host -------------- 
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir 
done 

1. 修改脚本xsync具有执行权限，并调用脚本，将脚本复制到103和104节点

[kocdaniel@hadoop102 bin]$ chmod 777 xsync 
[kocdaniel@hadoop102 bin]$ xsync /home/atguigu/bin 

集群配置

1.集群部署规划

由于计算机配置有限，只能使用三台虚拟机，工作环境中根据需要规划集群

2.配置集群

切换到hadoop安装目录/etc/hadoop/

• 配置core-site.xml

[kocdaniel@hadoop102 hadoop]$ vim core-site.xml 
# 在文件中写入如下内容 
<!-- 指定HDFS中NameNode的地址 --> 
<property> 
    <name>fs.defaultFS</name> 
      <value>hdfs://hadoop102:9000</value> 
</property> 
 
<!-- 指定Hadoop运行时产生文件的存储目录 --> 
<property> 
        <name>hadoop.tmp.dir</name> 
        <value>/opt/module/hadoop-2.7.2/data/tmp</value> 
</property>

• HDFS配置文件

配置hadoop-env.sh

[kocdaniel@hadoop102 hadoop]$ vim hadoop-env.sh 
export JAVA_HOME=/opt/module/jdk1.8.0_144 

export JAVA_HOME=/opt/module/jdk1.8.0_144

注意：我们已经在/etc/profile文件中配置了JAVA_HOME，这里为什么还需要配置JAVA_HOME?

答：因为Hadoop运行是守护进程(守护进程是一个在后台运行并且不受任何终端控制的进程。--摘自百度百科))，正是因为它后台运行，不接受任何终端控制，所以它读取不到我们配置好的环境变量，所以这里需要单独配置一下。

• 配置hdfs-site.xml

[kocdaniel@hadoop102 hadoop]$ vim hdfs-site.xml 
# 写入如下配置 
<!-- 配置副本数量为3，默认也为3，所以这个也可以删掉 --> 
<property> 
        <name>dfs.replication</name> 
        <value>3</value> 
</property> 
 
<!-- 指定Hadoop辅助名称节点主机配置 --> 
<property> 
      <name>dfs.namenode.secondary.http-address</name> 
      <value>hadoop104:50090</value> 
</property> 

• YARN配置文件

配置yarn-env.sh

[kocdaniel@hadoop102 hadoop]$ vim yarn-env.sh 
export JAVA_HOME=/opt/module/jdk1.8.0_144 

配置yarn-site.xml

[kocdaniel@hadoop102 hadoop]$ vi yarn-site.xml 
# 增加如下配置 
<!-- Reducer获取数据的方式 --> 
<property> 
        <name>yarn.nodemanager.aux-services</name> 
        <value>mapreduce_shuffle</value> 
</property> 
 
<!-- 指定YARN的ResourceManager的地址 --> 
<property> 
        <name>yarn.resourcemanager.hostname</name> 
        <value>hadoop103</value> 
</property> 

• MapReduce配置文件

配置mapred-env.sh

[kocdaniel@hadoop102 hadoop]$ vim mapred-env.sh 
export JAVA_HOME=/opt/module/jdk1.8.0_144 

配置mapred-site.xml

# 如果是第一次配置的话，需要先将mapred-site.xml.template重命名为mapred-site.xml 
[kocdaniel@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml 
[kocdaniel@hadoop102 hadoop]$ vim mapred-site.xml 
# 在文件中增加如下配置 
<!-- 指定MR运行在Yarn上 --> 
<property> 
        <name>mapreduce.framework.name</name> 
        <value>yarn</value> 
</property> 

3.将配置好的文件利用集群分发脚本同步到hadoop103和hadoop104节点

[kocdaniel@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/ 

• 最好在同步完成之后检查一下同步结果，避免错误

单点启动

1.如果是第一次启动，需要格式化namenode，否则跳过此步

[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop namenode -format 

• 格式化需要注意的问题：

1. 只有第一次启动需要格式化，以后不要总是格式化，否则会出现namenode和datanode的集群id不一致的情况，导致datanode启动失败
2. 正确的格式化姿势：

• 在执行第一次格式化时会在hadoop安装目录下产生data文件夹，里面会生成namenode的信息
• 在启动namenode和datanode后，还会在同样的目录下产生logs的日志文件夹
• 所以在格式化之前需要先将这两个文件夹删除，然后再格式化，最后启动namenode和datanode

2.在hadoop102上启动namenode

[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode 
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps 
3461 NameNode 

3.在hadoop102、hadoop103以及hadoop104上分别启动DataNode

[kocdaniel@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode 
[kocdaniel@hadoop102 hadoop-2.7.2]$ jps 
3461 NameNode 
3608 Jps 
3561 DataNode 
[kocdaniel@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode 
[kocdaniel@hadoop103 hadoop-2.7.2]$ jps 
3190 DataNode 
3279 Jps 
[kocdaniel@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode 
[kocdaniel@hadoop104 hadoop-2.7.2]$ jps 
3237 Jps 
3163 DataNode 

4.访问hadoop102:50070查看结果

• 但是以上单点启动有一个问题：

每次都一个一个节点启动，如果节点数增加到1000个怎么办?

配置ssh免密登录

1.配置ssh

ssh 另一个节点的ip 就可以切换到另一台机器，但是得输入密码

2.免密ssh配置

免密登录原理

• 在配置namenode的主机hadoop102上生成私钥和公钥

切换目录到/home/用户名/.ssh/

[kocdaniel@hadoop102 .ssh]$ ssh-keygen -t rsa 

- 然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥） 
 - 将公钥拷贝到要免密登录的目标机器上 
 
 ```shell 
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop103 
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop104 
 # 注意：ssh访问自己也需要输入密码，所以我们需要将公钥也拷贝给102 
 [kocdaniel@hadoop102 .ssh]$ ssh-copy-id hadoop102 
  
 ``` 

• 同样，在配置resourcemanager的主机hadoop103上执行同样的操作，然后就可以群起集群了

群起集群

1.配置slaves

• 切换目录到：hadoop安装目录/etc/hadoop/
• 在目录下的slaves文件中添加如下内容

[kocdaniel@hadoop102 hadoop]$ vim slaves 
# 注意结尾不能有空格，文件中不能有空行 
hadoop102 
hadoop103 
hadoop104 

• 同步所有节点的配置文件

[kocdaniel@hadoop102 hadoop]$ xsync slaves 

2.启动集群

• 同样，如果是第一次启动，需要格式化
• 启动HDFS

[kocdaniel@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh 
 
# 查看启动结果，和集群规划（配置文件中）的一致 
[atguigu@hadoop102 hadoop-2.7.2]$ jps 
4166 NameNode 
4482 Jps 
4263 DataNode 
 
[atguigu@hadoop103 hadoop-2.7.2]$ jps 
3218 DataNode 
3288 Jps 
 
[atguigu@hadoop104 hadoop-2.7.2]$ jps 
3221 DataNode 
3283 SecondaryNameNode 
3364 Jps 

• 启动YARN

# 注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN 
[kocdaniel@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh 

3.web端查看相关信息