VMware创建Linux虚拟机之（三）Hadoop安装与配置及搭建集群

Hello，world！

🐒本篇博客使用到的工具有：VMware16 ，Xftp7

若不熟悉操作命令，推荐使用带GUI页面的CentOS7虚拟机

我将使用带GUI页面的虚拟机演示

虚拟机（Virtual Machine）

指通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。在实体计算机中能够完成的工作在虚拟机中都能够实现。在计算机中创建虚拟机时，需要将实体机的部分硬盘和内存容量作为虚拟机的硬盘和内存容量。每个虚拟机都有独立的CMOS、硬盘和操作系统，可以像使用实体机一样对虚拟机进行操作。

【确保服务器集群安装和配置已经完成！】可参考我的上篇博客：

VMware创建Linux虚拟机之（一）实现免密登录_Vim_飞鱼的博客-CSDN博客

VMware创建Linux虚拟机之（二）下载安装JDK与配置Java环境变量_Vim_飞鱼的博客-CSDN博客

前言

请根据读者的自身情况，进行相应随机应变。

我的三台CentOS7服务器：
主机：master（192.168.149.101）
从机：slave1（192.168.149.102）
从机：slave2（192.168.149.103）

每一个节点的安装与配置是相同的，在实际工作中，通常在master节点上完成安装和配置后，然后将安装目录通过 scp 命令复制到其他节点即可。

注意：所有操作都是root用户权限，需要我们登陆时选择root用户登录。

下载Hadoop安装包

Hadoop官网：Apache Hadoophttp://hadoop.apache.org/
我这里用的Hadoop版本下载地址：Apache Hadoophttps://hadoop.apache.org/release/3.3.4.html

在下一篇博客中，我将下载安装 jdk-8u261-linux-x64.tar 推荐大家使用，目前 jdk17 与 hadoop 3并不兼容，别问我怎么是知道的🙂

解压Hadoop安装包（只在master做）

首先，需要确保 network 网络已经配置好，使用 Xftp 等类似工具进行上传，把 hadoop-3.3.4.tar.gz 上传到 /opt/hadoop 目录内。
上传完成后，在 master 主机上执行以下代码：

cd /opt/hadoop

进入/opt/hadoop目录后，执行解压缩命令：

tar -zxvf hadoop-3.3.4.tar.gz

回车后系统开始进行解压，屏幕会不断滚动解压过程，执行成功后，系统在 hadoop 目录自动创建 hadoop-3.3.4 子目录。

然后修改文件夹名称为“hadoop”，即hadoop安装目录，执行修改文件夹名称命令：

mv hadoop-3.3.4 hadoop

注意：也可用Xftp查看相应目录是否存在，确保正确完成。

我们进入安装目录，查看一下安装文件，如果显示如图文件列表，说明压缩成功

配置env文件（只在master做）

请先看如下命令（希望可以记住它们，后续操作会经常使用）
A. 进入编辑状态：insert
B. 删除：delete
C. 退出编辑状态：ctrl+[
D. 进入保存状态：ctrl+]
E. 保存并退出：" :wq " 注意先输入英文状态下冒号
F. 不保存退出：" :q! " 同上

大概执行顺序：A→B→C→D→E

配置bashrc文件

执行命令输入：

vi /etc/bashrc

在bashrc文件末尾加入：

#hadoop config
export HADOOP_HOME=/opt/hadoop/hadoop
export CLASSPATH=$CLASSPATH:$($HADOOP_HOME/bin/hadoop classpath)
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib:$HADOOP_COMMON_LIB_NATIVE_DIR"

输入source命令，进行配置刷新：

source /etc/bashrc

配置jdk文件

执行命令：

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

找到 “ export JAVA_HOME ” 这行，用来配置jdk路径

修改为：export JAVA_HOME=/usr/local/java/jdk1.8.0_162/

如下图所示：(位于54行，gui页面可查看)

配置核心组件文件（只在master做）

Hadoop 的核心组件文件是 core-site.xml，位于 /opt/hadoop/hadoop/etc/hadoop 子目录下，用vi编辑 core-site.xml 文件，需要将下面的配置代码放在文件的 <configuration>和</configuration> 之间。

执行编辑 core-site.xml 文件的命令：

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

需要在<configuration>和</configuration>之间加入的代码：

<property>
	<name>fs.defaultFS</name>
	<value>hdfs://master:9000</value>
</property>
<property>
	<!-- Hadoop 数据存放的路径，namenode,datanode 数据存放路径都依赖本路径，不要使用 file:/ 开头，使用绝对路径即可
            namenode 默认存放路径 ：file://${hadoop.tmp.dir}/dfs/name
            datanode 默认存放路径 ：file://${hadoop.tmp.dir}/dfs/data
        -->
	<name>hadoop.tmp.dir</name>
	<value>/opt/hadoop/hadoop/hadoopdata</value>
</property>

如下图所示：

编辑完成后，保存退出即可！

配置文件系统（只在master做）

Hadoop 的文件系统配置文件是 hdfs-site.xml ，位于 /opt/hadoop/hadoop/etc/hadoop 子目录下，用vi编辑该文件，需要将以下代码放在文件的<configuration>和</configuration>之间。

执行编辑hdfs-site.xml文件的命令：

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

需要在<configuration>和</configuration>之间加入的代码：

<property>
	<name>dfs.namenode.http-address</name>
	<!-- Master为当前机器名或者IP地址 -->
	<value>master:9001</value>
</property>
<property>
	<name>dfs.namenode.name.dir</name>
	<!-- 以下为存放节点命名的路径 -->
	<value>file:/opt/hadoop/hadoop/hadoopdata/dfs/name</value>
</property>
<property>
	<name>dfs.datanode.data.dir</name>
	<!-- 以下为存放数据命名的路径 -->
	<value>file:/opt/hadoop/hadoop/hadoopdata/dfs/data</value>
</property>
<property>
	<name>dfs.replication</name>
	<!-- 备份次数，因为有2台DataNode-->
	<value>2</value>
</property>
<property>
	<name>dfs.webhdfs.enabled</name>
	<!-- Web HDFS-->
	<value>true</value>
</property>
<property>
	<name>dfs.permissions</name>
	<value>false</value>
</property>

<property>
	<name>dfs.namenode.secondary.http-address</name>
	<value>Master:50090</value>
</property>

如下图所示：

编辑完成后，保存退出即可！

配置 yarn-site.xml 文件（只在master做）

yarn 的站点配置文件是 yarn-site.xml ，位于 /opt/hadoop/hadoop/etc/hadoop 子目录下，依然用vi编辑该文件，将以下代码放在文件的<configuration>和</configuration>之间。

执行编辑yarn-site.xml文件的命令：

vi /opt/hadoop/hadoop/etc/hadoop/yarn-site.xml

需要在<configuration>和</configuration>之间加入的代码：

        <property>
            <name>yarn.resourcemanager.hostname</name>
             <!-- Master为当前机器名或者ip号 -->
             <value>master</value>
        </property>
        <property>
              <name>yarn.nodemanager.aux-services</name>
              <!-- Node Manager辅助服务 -->
              <value>mapreduce_shuffle</value>
         </property>
        <property>
              <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
              <!-- Node Manager辅助服务类 -->
              <value>org.apache.hadoop.mapred.ShuffleHandler</value>
        </property>
        <property>
              <name>yarn.nodemanager.resource.cpu-vcores</name>
              <!-- CPU个数，需要根据当前计算机的CPU设置-->
              <value>1</value>
         </property>
        <property>
              <name>yarn.resourcemanager.admin.address</name>
              <!-- Resource Manager管理地址 -->
              <value>master:8033</value>
         </property>
        <property>
              <name>yarn.resourcemanager.webapp.address</name>
              <!-- Resource Manager Web地址 -->
              <value>master:8088</value>
         </property>

如下图所示：

编辑完成后，保存退出即可！

配置MapReduce计算框架文件（只在master做）

在 /opt/hadoop/hadoop/etc/hadoop 子目录下，系统已经有一个 mapred-site.xml.template 文件，我们需要将其复制并改名，位置不变。

执行复制和改名操作命令：

cp /opt/hadoop/hadoop/etc/hadoop/mapred-site.xml.template /opt/hadoop/hadoop/etc/hadoop/mapred-site.xml

可直接创建

然后用 vi 编辑 mapred-site.xml 文件，需要将下面的代码填充到文件的<configuration>和</configuration>之间。

执行命令：

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

需要在<configuration>和</configuration>之间加入的代码：

        <property>
            <name>mapreduce.framework.name</name>
             <!-- MapReduce Framework -->
             <value>yarn</value>
        </property>
        <property>
              <name>mapreduce.jobhistory.address</name>
              <!-- MapReduce JobHistory, 当前计算机的IP -->
              <value>master:10020</value>
         </property>
        <property>
              <name>mapreduce.jobhistory.webapp.address</name>
              <!-- MapReduce Web App JobHistory, 当前计算机的IP -->
              <value>master:19888</value>
        </property>
        <property>
              <name>yarn.app.mapreduce.am.env</name>
              <value>HADOOP_MAPRED_HOME=/opt/hadoop/hadoop</value>
        </property>
        <property>
              <name>mapreduce.map.env</name>
              <value>HADOOP_MAPRED_HOME=/opt/hadoop/hadoop</value>
        </property>
	  <property>
              <name>mapreduce.reduce.env</name>
              <value>HADOOP_MAPRED_HOME=/opt/hadoop/hadoop</value>
        </property>

如下图所示：

编辑完毕，保存退出即可！

配置master的slaves文件（只在master做）

workers 文件给出了Hadoop集群的 slave节点列表，该文件十分的重要，因为启动Hadoop的时候，系统总是根据当前 workers 文件中的 slave 节点名称列表启动集群，不在列表中的 slave 节点便不会被视为计算节点。

执行编辑slaves文件命令：

vi /opt/hadoop/hadoop/etc/hadoop/workers

注意：用vi编辑slaves文件，应该根据读者您自己所搭建集群的实际情况进行编辑。
例如：我这里已经安装了slave1和slave2，并且计划将它们全部投入Hadoop集群运行。

所以应当加入以下代码：

slave1
slave2

如下图所示：

注意：删除slaves文件中原来localhost那一行！

编辑完成，保存退出即可！

复制master上的Hadoop到slave节点（只在master做）

通过复制master节点上的hadoop，能够大大提高系统部署效率，假设我们有200台需要配置…笔者岂不白头，话不多说直接 scp

由于我这里有slave1和slave2，所以复制两次。

复制命令：执行命令即可

scp -r /opt/hadoop root@slave1:/opt
scp -r /opt/hadoop root@slave2:/opt

Hadoop集群的启动-配置操作系统环境变量（三个节点都做master+slave1/2）

回到用户目录命令：

cd /opt/hadoop

然后用vi编辑.bash_profile文件，命令：

vi /etc/profile

最后把以下代码追加到文件的尾部：

#HADOOP
export HADOOP_HOME=/opt/hadoop/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

如下图所示：

保存退出后，执行命令：

source /etc/profile

source /etc/profile 命令是使上述配置变量生效(刷新)

提示：在slave1和slave2使用上述相同的配置方法，进行三个节点全部配置。

创建Hadoop数据目录（只在master做）

创建数据目录，命令是：

mkdir /opt/hadoop/hadoopdata

通过Xftp可查看该hadoopdata

如下图所示：

格式化文件系统（只在master做）

执行格式化文件系统命令：

hadoop namenode -format

或者执行：（推荐使用）

hdfs namenode -format

启动和关闭Hadoop集群（只在master做）

首先进入安装主目录，命令是：

cd /opt/hadoop/hadoop/sbin

提示：目前文件位置可在Xshell顶部栏观察

然后启动，命令是：

start-all.sh

执行命令后，系统提示 ” Are you sure want to continue connecting（yes/no）”，输入yes，之后系统即可启动。

如下图所示：（未进入sbin目录，也并无大碍）

注意：可能会有些慢，千万不要以为卡掉了，然后强制关机，这是错误的。

如果要关闭Hadoop集群，可以使用命令：

stop-all.sh

如下图所示：

下次启动Hadoop时，无须NameNode的初始化，只需要使用 start-dfs.sh 命令即可，然后接着使用 start-yarn.sh 启动yarn。

实际上，Hadoop建议放弃（deprecated）使用start-all.sh和stop-all.sh一类的命令，而改用start-dfs.sh和start-yarn.sh命令。

start-dfs.sh

start-yarn.sh

验证Hadoop集群是否启动成功

读者您可以在终端执行jps命令查看Hadoop是否启动成功。

在master节点（名称节点），执行：

jps

如果显示：SecondaryNameNode、 ResourceManager、 Jps 和NameNode这四个进程，则表明主节点master启动成功

如下图所示：

然后分别在slave0和slave1节点下执行命令：

jps

如果成功显示：NodeManager、Jps 和 DataNode，这三个进程，则表明从节点即数据节点（slave1和slave2）启动成功

如下图所示：

显示上述页面即表示我们的hadoop集群，全部且完全搭建成功！💪

注意：

hdfs namenode -format
每次格式化都会重新你创建一个namenodeId，而在默认情况下tmp/dfs/data下包含了上次format下的id，格式化不会清空datanode下的数据，导致启动失败。

因此，避免重复多次修改配置文件，避免Hadoop多次格式化。

下次登陆，直接输入 start-dfs.sh 与start-yarn.sh 即可。

写到此处，此篇博客就完全结束了，如果各位大佬发现其中错误，欢迎指出！🙇‍

至此，此篇内容，完美结束！感谢浏览，发现问题，希望指正！💪