Linux搭建Hadoop集群（详细步骤）

前言

Hadoop是一个由Apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
说白了就是实现一个任务可以在多个电脑上计算的过程。

一：准备工具

1.1 VMware
1.2Linux服务器（两台，创建一个克隆一个即可）
1.3 hadoop-2.7.3.tar（Hadoop的安装文件）
1.4 jdk-8u65-linux-x64.t.gz（hadoop是基于java的，要有java的jdk）
1.5.SSH服务（远程连接工具）
1.6Xshell或者 winSCP（远程传输工具）

VMware的安装下载和Linux服务器的创建请参考这篇文章；
虚拟机开启SSH服务以及Xshell连接服务器请参考这篇文章。
两个安装文件，大家可以在网盘自行获取：

通过网盘分享的文件：jdk及Hadoop
链接: https://pan.baidu.com/s/1tnHohO3GHNFAuWZqiq51lg?pwd=2rxu 提取码: 2rxu

二：Linux服务器的配置

最好是一开始就切换到管理员模式（输入su，回车后输入登录密码），便于后续对文件的操作。
目前是两台服务器，你需要确定一台为主节点，另一台为子节点。这个待会我们会修改主机名称来区分两个节点，我这里一台命名为hadoop01，一台是hadoop02（这些是创建主机时设置的名字，随时都可以重命名）。

2.1 服务器IP的查看

刚创建的服务器的IP分配一般都是DHCP模式，这时可以查看到网卡中的IP信息，每个人的IP地址是不同的，你需要根据自己的IP地址进行配置。
在命令行输入

ifconfig

接下来需要进行静态IP的配置，并检查两台服务器是否可以上网，可以和本地机通信。最好是都配置成静态IP，防止重启时IP变化，出现无法连接的情况。

2.2静态IP的配置

刚才我们查看了IP地址，网关查看步骤点击VMware工作台左上角"编辑“——》虚拟网络编辑器——》NET设置——》网关IP（每个人的网关也不同）

根据自己的IP和网关，可以提前在记事本上写上以下配置信息

#Hadoop01：
IPADDR=192.168.132.128
NETMASK=255.255.255.0
GATEWAY=192.168.132.2（网关可以在虚拟网络上设置上查看，一般都是xxx.xxx.xxx.2）
DNS1：8.8.8.8
#和hadoop01一样，我们配置hadoop02的网卡信息
Hadoop02：
IPADDR=192.168.132.129
NETMASK=255.255.255.0
GATEWAY=192.168.132.2
DNS1：8.8.8.8

然后进入一个文件夹，然后查看当前目录下是否有你的网卡文件，我们要进入网卡中修改IP地址信息

cd /etc/sysconfig/network-scripts

我这边的网卡文件是ifcfg-ens160，进入这个文件中

vi  ifcfg-ens160

我们看到原始的信息，接下来在需要修改我标注的地方（进入该文件中需要按“i”键盘，进入编辑模式，修改完成后按“ Esc”键，退出编辑模式，然后输入“ :wq”保存并退出）。

同样的操作，我们也把hadoop02的静态IP配置好。
修改完成后reboot重启，两台都要重启（当然你也可以按照接下来的步骤修改完主机映射后再重启）。
为了保证我们的主机都能上网，需要再在本地机的控制面板中修改VMnet8中配置IP地址和网关：控制面板——》网络和共享中心——》更改适配器设置——》双击VMnet8——》属性——》找到TCP/ipv4——》使用下面的IP地址。
更改完成后确定。

然后测试两台主机能否上网，直接ping百度。如果有问题的话，可以参考这篇文章，希望能有所帮助。

2.3Xshell连接服务器（接下来的操作均在Xshell上完成）

为了便于后续传输文件给服务器，我们使用远程传输工具Xshell（这个你可以自行选择，winSCP也可以），连接两台服务器。

2.4修改主机名

我这里时hadoop01为主节点，hadoop02是子节点。名字的修改是为了区分这两个节点

hostnamectl set-hostname（空格）主机名

2.5修改主机名称以及主机映射

由于后面的步骤我们会多次使用到IP地址，因此这里修改IP地址和主机名的映射会方便我们后续的操作。

vi /etc/hosts

i键进入编辑模式，输入以下信息后保存退出。

192.168.132.128 hadoop01
192.168.132.129 hadoop02

同样的，hadoop02也是这样的操作

操作完成之后重启主机

reboot

那么重启之后，我们会发现主机名称已经完成更改了，此时我们就可以直接ping 主机名，就可以测试通信了。

你也可以用本地机直接ping虚拟机服务器名

2.6配置免密登录

首先关闭防火墙

systemctl stop firewalld.service

回到根目录

cd /

生成公钥和私钥（前提是你的主机已经安装了ssh服务，并且已经开此服务。如果没有安装ssh，请参考这篇文章）
执行命令，生成公钥私钥

ssh-keygen -t rsa

一直回车即可

拷贝密钥到主节点

ssh-copy-id hadoop01

复制分发放置公钥的文件给其他虚拟机（hadoop02）

scp /root/.ssh/authorized_keys hadoop02:/root/.ssh

目前主机的配置工作就完成了，接下来我们就需要往主机上传一些安装包。

三：上传并配置jdk

（以下是两台主机都需要操作，有需要一台主机的我会标注）。在上传安装包之前，我们先在两台主机上创建几个文件夹，用来存放我们解压出的数据

3.1创建文件夹

Hadoop01和hadoop02都要创建
放置数据

mkdir -p /export/data

软件安装目录

mkdir -p /export/servers

放置软件包

mkdir -p /export/software

3.2 下载一个rz的插件，我们待会上传文件时需要用到

前提是你已经安装了yum源，才可以通过yum来下载安装rz插件

yum install lrzszcd -y

如果输入命令后报错，应该就是没有安装yum，可以参考以下操作。

yum的安装

直接使用wget下载（前提是你的虚拟机上中的服务器是可以正常联网的）

#进入系统YUM源的目录，查看该目录下有多少yum源
cd /etc/yum.repos.d

我的只有一个之前安装过的yum源，但是很多软件都无法安装了，因此下载一个新的yum源

本文我们用的是阿里源，阿里源的网址是：https://mirrors.aliyun.com/repo/，你可以找到适合自己的版本进行下载，以下是下载命令，你只需要将后面的版本改成自己的而即可。

wget -O /etc/yum.repos.d/CentOS-Base.repo https://mirrors.aliyun.com/repo/Centos-vault-8.5.2111.repo

安装完成以后你可以查看当前目录下yum的个数

然后你就可以使用yum安装工具啦

比如你可以下载lrzsz插件，实现本地文件通过Xshell上传到虚拟机。

yum install lrzsz

你在Xshell中输入rz，即可打开你的本地文件夹，你可以选取需要上传到服务器的文件。

3.3 查看主机上是否安装有jdk

java -version

搜索目前的jdk

rpm -qa | grep jdk

没有的话就不需要再卸载了

如果有的话，需要进行卸载

rpm -e –nodeps 搜索得到的jdk名

注意，这个是需要一条一条的卸载的。卸载完成可以执行搜索命令查看下有没有没卸载的。

3.4 安装jdk（以下操作主节点hadoop01配置即可）

先切换到我们刚才创建的software目录下

cd /export/software

然后输入rz命令，通过Xshell将jdk包传入

点击关闭即可

3.5解压jdk

解压到我们创建好的servers文件夹中

tar -zxvf jdk-8u65-linux-x64.t.gz -C /export/servers/

切换路径

cd /export/servers/

重命名为jdk

mv jdk1.8.0_65 jdk

3.6配置jdk变量

vi /etc/profile

添加以下内容,写的是你的jdk路径(注意等号的前后不要有空格，否则无法识别)

export JAVA_HOME=/export/servers/jdk
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

保存退出后我们重新加载一下环境变量

source /etc/profile

然后检查下Java版本

java -version

如果是提示权限不够，可以输入以下命令增加权限

chmod -R +x /export/servers/jdk/bin/java

3.7将主节点hadoop01配置完成的jdk文件分发给hadoop02节点

在当前目录下输入ll，查看jdk的路径以及名称
然后切换到jdk目录

cd jdk

然后输入命令查看当前完整路径

pwd

然后切换到/export/servers/

cd /export/servers/

再将jdk文件给hadoop02节点

scp -r /export/servers/jdk hadoop02:$PWD

回车执行后可能需要输入密码，输入即可

3.8分发环境变量配置

hadoop01

scp /etc/profile root@hadoop02:/etc/profile

将hadoop02切换到创建好的software目录，结合hadoop02加载环境变量，再用java -version验证是否成功
hadoop02

source /etc/profile

到此为止，两台主机的jdk文件及其环境变量配置完成，接下来安装Hadoop文件，并完成对其的文件和环境变量的配置。

四：Hadoop的安装和配置

4.1上传Hadoop安装包（以下操作主节点hadoop01配置即可）

进入下列目录

cd /export/software

然后rz上传Hadoop安装包

对安装包进行解压安装，解压路径为创建的servers目录

tar -zxvf hadoop-2.7.3.tar.gz -C /export/servers/

解压完成之后，切换目录

cd /export/servers/

给Hadoopjdk文件重命名

mv hadoop-2.7.3 hadoop

4.2配置Hadoop的系统环境变量

进入编辑模式

vi /etc/profile

添加以下内容

export HADOOP_HOME=/export/servers/hadoop
export PATH=:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

保存退出后，加载环境变量

source /etc/profile

检查是否安装成功

hadoop version

安装成功！

4.3 修改Hadoop配置文件

（1）hadoop-env.sh文件

切换目录

cd /export/servers/hadoop/etc/hadoop/

进入编辑模式

vi hadoop-env.sh

修改内容如下（将jdk的路径修改成自己的）

export JAVA_HOME=/export/servers/jdk

保存退出

（2）修改core-site.xml文件

进入编辑模式

vi core-site.xml

添加内容为：

<property><name>fs.defaultFS</name>#写成你的主节点主机名<value>hdfs://hadoop01:9000</value>
</property>
<property><name>hadoop.tmp.dir</name>#代表后面我们格式化文件的路径，如果是格式化多次，需要将该目录删掉<value>/export/servers/hadoop/tmp</value>
</property>

保存退出

（3）修改hdfs-site.xml 文件

进入编辑模式

vi hdfs-site.xml

添加以下内容

<property><name>dfs.replication</name>#代表你的子节点个数，也就是我这里的hadoop02<value>1</value>
</property>
<property><name>dfs.namenode.secondary.http.address</name>#子节点的主机名<value>hadoop02:50090</value>
</property>

保存退出

（4）修改mapred-site.xml文件

修改之前需要先拷贝一下mapred-site.xml.template文件，命名为mapred-site.xml

输入命令

cp mapred-site.xml.template mapred-site.xml

进入编辑

vi mapred-site.xml

输入以下命令

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

（5）修改yarn-site.xml文件

进入编辑模式

vi yarn-site.xml

添加以下命令

#将含端口的value标签中的节点名改成你自己的主节点名字
<property><name>yarn.resourcemanager.address</name><value>hadoop01:8032</value>
</property>
<property><name>yarn.resourcemanager.scheduler.address</name><value>hadoop01:8030</value>
</property>
<property><name>yarn.resourcemanager.resource-tracker.address</name><value>hadoop01:8031</value>
</property>
<property><name>yarn.resourcemanager.admin.address</name><value>hadoop01:8033</value>
</property>
<property><name>yarn.resourcemanager.webapp.address</name><value>hadoop01:8088</value>
</property>
<property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value>
</property>
<property><name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>

（6）修改 slaves文件

该文件十分重要，因为启动Hadoop 的时候，系统总是根据当前 slaves 文件中 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。
进入编辑模式

vi slaves

修改内容为两台虚拟机的主机名（也就是你的主节点和子节点的名字）
保存退出

4.4将配置好的环境分发给另一台主机

scp /etc/profile hadoop02:/etc/profile
scp -r /export/ hadoop02:/

由于hadoop中配置的文件较多，因此分发时比较慢

4.5 在hadoop02上重新加载下环境

source /etc/profile

4.6格式化集群（hadoop01主节点完成）

本次格式化只需要第一次启动集群时进行
使用命令

hdfs namenode -format

4.7开启集群服务（hadoop01主节点完成）

先关闭防火墙(两台都要关闭)

systemctl stop firewalld

关闭防火墙开机自启

systemctl disable firewalld

开启集群服务

start-dfs.sh  或 stop-dfs.sh
#一键开启集群服务
start-all.sh  或  stop-all.sh

查看jps，可以先将权限设为777

chmod 777 /export/servers/jdk/bin/jps

可以看到，目前主节点显示的是五个进程

4.8查看子节点进程

子节点hadoop02的进程：

你也可以查看集群报告：

hdfs dfsadmin -report

停止集群报告

stop-all.sh

到此为止，Hadoop的集群环境已经配置完毕，接下来检测下能否在浏览器中正常访问端口。

五：验证Hadoop是否配置成功

本地浏览器输入

hadoop01:50070

出现以下图片就说明你的Hadoop集群环境搭建成功啦！

你也可以访问8088端口

hadoop01:8088

以上就是Hadoop环境的搭建步骤，如有不足，感谢补充。

六：参考

从零开始Hadoop安装和配置，图文手把手教你，定位错误（已部署成功）
视频参考