最新版hadoop-3.4.0集群安装和配置（目前论坛的都是老古董了，看我的准没错！！！）这里以三台服务器为例

一.在ali-nginx-vm配置免密登录，ali-nginx-vm–>Redis集群三个服务器方向可免密，三台服务器互相切换可免密（步骤相同不做赘述）反过来未配置

1.在ali-nginx-vm使用如下命令

ssh-keygen -t rsa

2.双击两次回车生成公钥

3.分别发送到如下三台机器，用如下命令

ssh-copy-id [email protected]

4.依次发送输入密码：

5.测试免密登录成功

可以略过，将所需要的集群服务器配置免密即可

6.三台服务器配置jdk，使用scp命令将ali-business-vm1服务器上的jdkrpm文件分别复制到对应三台服务器，作为hadoop的Java环境

7.切换服务器查看复制成功

8.在三台服务器分别解压（其余两台类似不做赘述）：

命令：

 rpm -ivh jdk-8u421-linux-x64.rpm  #默认解压到/usr/java目录

9.修改/etc/profile文件配置环境变量：

export JAVA_HOME=/usr/java/jdk1.8.0-x64
export PATH=$JAVA_HOME/bin:$PATH

10.使变量生效

source /etc/profile

并使用

java  -version

查看配置成功：

11.在主节点vm1下载hadooptar包

12.配置主机映射

vim  /etc/hosts

13.分别复制到其余两台服务器并检验成功

14.在主节点根目录创建hadoop目录

15，将hadoop解压到hadoop目录之下：

tar -zxvf  hadoop-3.4.0.tar.gz  -C /hadoop

16.进入hadoop目录查看是否解压成功

17.在主节点上编辑Hadoop配置文件（

/hadoop/hadoop-3.4.0/etc/hadoop/

）：

• hadoop-env.sh：设置JAVA_HOME和其他环境变量。
• core-site.xml：配置文件系统的默认FS和IO设置。
• hdfs-site.xml：配置HDFS的副本策略和数据存储。
• mapred-site.xml：配置MapReduce作业的运行。
• yarn-site.xml：配置YARN的资源管理。
• workers（较低版本是slaves）：列出所有从节点的IP地址或主机名。

18.各文件配置信息如下（某些配置不是必须的，可以依据个人作业情况增删相关配置）：

hadoo-env.sh

加入一行 ：export JAVA_HOME=/usr/java/jdk1.8.0-x64   #为Java的环境路径（换成自己的）

core-site.xml

<configuration>
 <property>
    <name>fs.defaultFS</name>
    <value>hdfs://ali-kafka-vm1:9000</value>  #//后面的主机名端口可自定义
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/hadoop/tmp</value>    #临时文件目录可自定义
  </property>
</configuration>

hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>2</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/hadoop/hdfs/namenode</value>    #设置NameNode存储文件系统镜像的路径。
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/hadoop/hdfs/datanode</value>       #设置DataNode存储数据块的路径。
  </property>
</configuration>

mapred-site.xml

<configuration>
 <property>
    <name>mapreduce.framework.name</name>     #指定MapReduce作业运行在YARN上。
    <value>yarn</value>
  </property>
  #以下配置用于在任务执行过程中定位 Hadoop MapReduce 相关的类和资源。例如，如果任务需要引用 Hadoop MapReduce 的库或者使用 Hadoop 的一些脚本，它们可以通过 HADOOP_MAPRED_HOME 环境变量来找到正确的路径。
   <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=/hadoop/hadoop-3.4.0</value>   #设置了 ApplicationMaster 的环境变量
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=/hadoop/hadoop-3.4.0</value>  #设置了 Map 任务的环境变量。
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=/hadoop/hadoop-3.4.0</value>  #设置了 Reduce 任务的环境变量
    </property>
</configuration>

yarn-site.xml

<configuration>
  <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>ali-kafka-vm1</value>                    #指定ResourceManager的主机名或IP地址
  </property>
   <property>
    <name>yarn.nodemanager.aux-services</name>     #设置NodeManager上运行的辅助服务
    <value>mapreduce_shuffle</value>
  </property>
</configuration>
                

wokers

ali-kafka-vm2       #列出所有从节点的主机名或IP
ali-kafka-vm3

17.使用scp命令将hadoop目录复制到其余两台服务器

 scp -r /hadoop root@ali-kafka-vm3:/hadoop

1. 三台服务器均修改/etc/profile添加hadoop环境变量如下，并sourceexport HADOOP_HOME=/hadoop/hadoop-3.4.0export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbinexport HDFS_NAMENODE_USER=rootexport HDFS_DATANODE_USER=rootexport HDFS_SECONDARYNAMENODE_USER=rootexport YARN_RESOURCEMANAGER_USER=rootexport YARN_NODEMANAGER_USER=root
2. 查看是否配置成功（其余两节点操作相同）
3. 格式化HDFS，在主节点执行以下命令

hdfs namenode -format

格式化成功

21.在主节点上执行以下命令启动所有守护进程：

start-dfs.sh

start-yarn.sh

22.主节点jps查看

23.从节点jps查看

24.用hadoop提供的测试jar包运行作业测试

①在主节点hadoop目录下创建text文件内容如下

②创建已经成功，之后上传到hdfs

上传命令：

hdfs dfs -put /hadoop/text /input

使用命令查看上传成功：

hdfs dfs -ls /input

②使用 Hadoop 自带的示例程序（如

wordcount

）来测试 MapReduce 作业是否能够正常运行（这个作业会统计单词出现的次数）：

 hadoop jar /hadoop/hadoop-3.4.0/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.4.0.jar wordcount /input /output

执行成功：

③查看输出目录：

可以看到输出数字2，与预期结果一致，至此hadoop3.4.0版本集群搭建成功，觉得有用的点个免费的赞吧！懂得掌声！