搭建Hadoop完全分布式集群（三台虚拟机）_三台虚拟机怎么建立

经常查阅资料搭建Hadoop集群进行hadoop生态组件的学习，于是打算自己做一套完整的资料，方便以后查阅。

一、模板机准备

1.安装虚拟机

模板机安装前置工作。

2.三处ip配置

第一处：虚拟机ip

改好这个后在改下面的 

[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33

改成

DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2
 
IPADDR=192.168.10.100
GATEWAY=192.168.10.2
DNS1=192.168.10.2

第二处：windows ip

第三处：修改主机名和映射文件

修改主机名：

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

修改Linux映射文件：添加如下内容              

[root@hadoop100 ~]# vim /etc/hosts
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

 重启虚拟机   

[root@hadoop100 ~]# reboot

   重启后查看自己的ip，并且查看是否可以联网

       

 

  修改windows映射文件：

（1）如果操作系统是window7，可以直接修改

（a）进入C:\Windows\System32\drivers\etc路径

（b）打开hosts文件并添加如下内容，然后保存

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

（2）如果操作系统是window10，先拷贝出来，修改保存以后，再覆盖即可

• （a）进入C:\Windows\System32\drivers\etc路径
• （b）拷贝hosts文件到桌面
• （c）打开桌面hosts文件并添加如下内容

192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108

（d）将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件   

2.安装epel-release

注：Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）

[root@hadoop100 ~]# yum install -y epel-release

3.关闭防火墙，关闭防火墙开机自启

[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service

4.创建big用户，并修改big用户的密码

[root@hadoop100 ~]# useradd big
[root@hadoop100 ~]# passwd big

5.配置big用户具有root权限，方便后期加sudo执行root权限的命令

[root@hadoop100 ~]# vim /etc/sudoers

修改/etc/sudoers文件，在%wheel这行下面添加一行，如下所示

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
 
## Allows people in group wheel to run all commands
%wheel  ALL=(ALL)       ALL
big   ALL=(ALL)     NOPASSWD:ALL

注意：atguigu这一行不要直接放到root行下面，因为所有用户都属于wheel组，你先配置了atguigu具有免密功能，但是程序执行到%wheel行时，该功能又被覆盖回需要密码。所以atguigu要放到%wheel这行下面。

6.在/opt目录下创建文件夹，并修改所属主和所属组

（1）在/opt目录下创建module、software文件夹

[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software

（2）修改module、software文件夹的所有者和所属组均为big用户

[root@hadoop100 ~]# chown big:big /opt/module
 
[root@hadoop100 ~]# chown big:big /opt/software

（3）查看module、software文件夹的所有者和所属组

[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12
drwxr-xr-x. 2 big big 4096 5月  28 17:18 module
drwxr-xr-x. 2 root    root    4096 9月   7 2017 rh
drwxr-xr-x. 2 big big 4096 5月  28 17:18 software

7.卸载虚拟机自带的JDK

[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps

8.重启虚拟机

[root@hadoop100 ~]# reboot

9.安装JDK

（1）用XShell传输工具将JDK导入到opt目录下面的software文件夹下面，并 解压安装文件到/opt/module下面

[big@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

（2）配置JDK环境变量

（a）新建/etc/profile.d/my_env.sh文件

[big@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh

添加如下内容

#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

（b）保存后退出

（c）source一下/etc/profile文件，让新的环境变量PATH生效

[big@hadoop102 ~]$ source /etc/profile

（3）测试JDK是否安装成功

[big@hadoop102 ~]$ java -version

如果能看到以下结果，则代表Java安装成功。

java version "1.8.0_212"

注意：重启（如果java -version可以用就不用重启）

[big@hadoop102 ~]$ sudo reboot

10.安装Hadoop

（1）用XShell传输工具将Hadoop导入到opt目录下面的software文件夹下面,并解压安装文件到/opt/module下面

[big@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/

（2）打开/etc/profile.d/my_env.sh文件

[big@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh

（3）将Hadoop添加到环境变量

#HADOOP_HOME
 
export HADOOP_HOME=/opt/module/hadoop-3.1.3
 
export PATH=$PATH:$HADOOP_HOME/bin
 
export PATH=$PATH:$HADOOP_HOME/sbin

• 在my_env.sh文件末尾添加如下内容：（shift+g）
• 保存并退出

 （4）让修改后的文件生效

[big@hadoop102 hadoop-3.1.3]$ source /etc/profile

（5）测试是否安装成功

[atguigu@hadoop102 hadoop-3.1.3]$ hadoop version 
Hadoop 3.1.3

（6）重启（如果Hadoop命令不能用再重启虚拟机）

[big@hadoop102 hadoop-3.1.3]$ sudo reboot

二.克隆三台虚拟机

1.修改静态IP

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

2.修改主机名

[root@hadoop100 ~]# vim /etc/hostname
hadoop102

3.分别重启三台虚拟机

4.配置ssh无密登入

（1）基本语法

ssh 另一台电脑的IP地址

（2）ssh连接时出现Host key verification failed的解决方法

[big@hadoop102 ~]$ ssh hadoop103

• 如果出现如下内容

Are you sure you want to continue connecting (yes/no)?

• 输入yes，并回车

（3）退回到hadoop102

[big@hadoop103 ~]$ exit

（4）无密钥配置

a）免密登录原理

b）生成公钥和私钥

[big@hadoop102 .ssh]$ pwd
 
/home/big/.ssh

[big@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）

c）将公钥拷贝到要免密登录的目标机器上

[big@hadoop102 .ssh]$ ssh-copy-id hadoop102
[big@hadoop102 .ssh]$ ssh-copy-id hadoop103
[big@hadoop102 .ssh]$ ssh-copy-id hadoop104

注意：

还需要在hadoop103上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop104上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。

还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；

5.编写集群分发脚本xsync

（1）期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径）

[big@hadoop102 ~]$ echo $PATH

/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/big/.local/bin:/home/big/bin:/opt/module/jdk1.8.0_212/bin

将脚本文件放在/home/big/bin里面

（2）在/home/big/bin目录下创建xsync文件

[big@hadoop102 opt]$ cd /home/big
[big@hadoop102 ~]$ mkdir bin
[big@hadoop102 ~]$ cd bin
[big@hadoop102 bin]$ vim xsync

在该文件中编写如下代码

#!/bin/bash
 
#1. 判断参数个数
if [ $# -lt 1 ]
then
    echo Not Enough Arguement!
    exit;
fi
 
#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
    echo ====================  $host  ====================
    #3. 遍历所有目录，挨个发送
 
    for file in $@
    do
        #4. 判断文件是否存在
        if [ -e $file ]
            then
                #5. 获取父目录
                pdir=$(cd -P $(dirname $file); pwd)
 
                #6. 获取当前文件的名称
                fname=$(basename $file)
                ssh $host "mkdir -p $pdir"
                rsync -av $pdir/$fname $host:$pdir
            else
                echo $file does not exists!
        fi
    done
done

（3）修改脚本 xsync 具有执行权限

[big@hadoop102 bin]$ chmod +x xsync

（4）分发脚本

[big@hadoop102 ~]$ xsync /home/big/bin

（5）将脚本复制到/bin中，以便全局调用

[big@hadoop102 bin]$ sudo cp xsync /bin/

（6）同步环境变量配置（root所有者）

[big@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh

注意：如果用了sudo，那么xsync一定要给它的路径补全。

让环境变量生效

[big@hadoop103 bin]$ source /etc/profile
[big@hadoop104 opt]$ source /etc/profile

6.集群配置

（1）集群部署规划

         注意：

• NameNode和SecondaryNameNode不要安装在同一台服务器
• ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。

(2）配置文件说明

Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。

（a）默认配置文件：

（b）自定义配置文件：

       core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。

(3）核心配置文件

配置core-site.xml

[big@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
 
[big@hadoop102 hadoop]$ vim core-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
 
<configuration>
    <!-- 指定NameNode的地址 -->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:8020</value>
    </property>
 
    <!-- 指定hadoop数据的存储目录 -->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-3.1.3/data</value>
    </property>
 
    <!-- 配置HDFS网页登录使用的静态用户为big -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>big</value>
    </property>
</configuration>

（4）HDFS配置文件

配置hdfs-site.xml

[big@hadoop102 hadoop]$ vim hdfs-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
 
<configuration>
	<!-- nn web端访问地址-->
	<property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
	<!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>hadoop104:9868</value>
    </property>
</configuration>

（5）YARN配置文件

配置yarn-site.xml

[big@hadoop102 hadoop]$ vim yarn-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
 
<configuration>
    <!-- 指定MR走shuffle -->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
 
    <!-- 指定ResourceManager的地址-->
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
    </property>
 
    <!-- 环境变量的继承 -->
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

（6）MapReduce配置文件

配置mapred-site.xml

[big@hadoop102 hadoop]$ vim mapred-site.xml

文件内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
 
<configuration>
	<!-- 指定MapReduce程序运行在Yarn上 -->
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

（7）在集群上分发配置好的Hadoop配置文件

[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/

（8）去103和104上查看文件分发情况

[big@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[big@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml

7.群起集群

（1）配置workers

[big@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

在该文件中增加如下内容：

hadoop102
hadoop103
hadoop104

注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

同步所有节点配置文件

[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc

（2）启动集群

（a）如果集群是第一次启动，需要在hadoop102节点格式化NameNode（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。）

[big@hadoop102 hadoop-3.1.3]$ hdfs namenode -format

（3）启动HDFS

[big@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh

（4）在配置了ResourceManager的节点（hadoop103）启动YARN

[big@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh

（5）Web端查看HDFS的NameNode

（a）浏览器中输入：http://hadoop102:9870

（b）查看HDFS上存储的数据信息

（6）Web端查看YARN的ResourceManager

（a）浏览器中输入：http://hadoop103:8088

（b）查看YARN上运行的Job信息

8.编写Hadoop集群常用脚本

（1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh

[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim myhadoop.sh

输入以下内容

#!/bin/bash
 
if [ $# -lt 1 ]
then
    echo "No Args Input..."
    exit ;
fi
 
case $1 in
"start")
        echo " =================== 启动 hadoop集群 ==================="
 
        echo " --------------- 启动 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="
 
        echo " --------------- 关闭 historyserver ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

• 保存后退出，然后赋予脚本执行权限

[big@hadoop102 bin]$ chmod +x myhadoop.sh

（2）查看三台服务器Java进程脚本：jpsall

[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim jpsall

• 输入如下内容

#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
        echo =============== $host ===============
        ssh $host jps
done

• 保存后退出，然后赋予脚本执行权限

[big@hadoop102 bin]$ chmod +x jpsall

（3）分发/home/big/bin目录，保证自定义脚本在三台机器上都可以使用

[big@hadoop102 ~]$ xsync /home/big/bin/

9.配置历史服务器

为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：

（1）配置mapred-site.xml

[big@hadoop102 hadoop]$ vim mapred-site.xml

在该文件里面增加如下配置。

<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>hadoop102:19888</value>
</property>

（2）分发配置

[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

（3）在hadoop102启动历史服务器

[big@hadoop102 hadoop]$ mapred --daemon start historyserver

（4）查看历史服务器是否启动

[big@hadoop102 hadoop]$ jps

（5）查看JobHistory

http://hadoop102:19888/jobhistory

10.配置日志的聚集

 （1）配置yarn-site.xml

[big@hadoop102 hadoop]$ vim yarn-site.xml

在该文件里面增加如下配置。

<!-- 开启日志聚集功能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>  
    <name>yarn.log.server.url</name>  
    <value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

（2）分发配置

[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

（3）关闭NodeManager 、ResourceManager和HistoryServer

[big@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[big@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver

（4）启动NodeManager 、ResourceManage和HistoryServer

[big@hadoop103 ~]$ start-yarn.sh
[big@hadoop102 ~]$ mapred --daemon start historyserver

（5）删除HDFS上已经存在的输出文件

[big@hadoop102 ~]$ hadoop fs -rm -r /output

（6）查看日志

（a）历史服务器地址

http://hadoop102:19888/jobhistory

 

集群时间同步（duck不必）

如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准；

如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。

以上就是搭建如上hadoop集群的步骤，下面让我们看看运行情况：

成功运行，基于此集群，相信你对hadoop生态的学习应该会更加轻松。