【Hadoop伪集群安装——生产实习Day1】

生产实习Day1–Hadoop伪集群安装

Hadoop核心组件

• Hadoop Common：支持其他Hadoop模块的通用工具
• Hadoop Distributed File System (HDFS)：HDFS实现将文件分布式存储在很多的服务器上
• Hadoop YARN：YARN实现集群资源管理以及作业的调度分布式计算框架
• Hadoop MapReduce：MapReduce是基于YARN的、可以实现在多机器上分布式并行计算的系统

Hadoop3单机伪分布集群安装

• 配置SSH免密钥登录

​ 要安装部署Hadoop3，除了安装JDK外，还要进行SSH免密钥登录功能的配置，这是为了方便进行集群主机间的通信，配置SSH免密钥登录的步骤如下：

（1）在需要进行集群统一管理的虚拟机上输入ssh-keygen -t rsa命令生成密钥（根据提示可以不用输入任何内容，连续按4次Enter键确认即可）。

（2）生成密钥操作默认会在root目录下生成一个包含有密钥文件的.ssh隐藏目录。执行cd /root/.ssh命令进入.ssh隐藏目录，在该目录下执行ll -a命令查看当前目录下的所有文件。其中，id_rsa和id_rsa.pub这两个文件分别是私钥文件和公钥文件。

（3）为了便于文件配置和虚拟机通信，通常会对主机名和IP做映射配置，在虚拟机执行vi /etc/hosts命令编辑映射文件hosts，在映射文件中添加如下内容：

​ 虚拟机IP 主机名

（4）在虚拟机上执行"ssh-copy-id 主机名"命令，将公钥复制到相关联的虚拟机（包括自身）
5）在本虚拟机上执行"ssh 目标机器"命令连接到目标机器上，进行验证免密钥登录操作，此时无需输入密码便可直接登录目标虚拟机进行操作，如需返回本虚拟机，执行exit命令即可。

• 关闭防火墙查看防火墙状态：

firewall-cmd --state

​ 停止防火墙服务：

systemctl stop firewalld

​ 禁用防火墙服务，确保其在系统重新启动后不会自动启动

systemctl disable firewalld

• Hadoop 伪分布集群安装

​ 下面开始在 1 台 linux 虚拟机上开始安装 Hadoop3 伪分布环境，在这里我们使用 hadoop3.2.0 版本：hadoop-3.2.0.tar.gz

（1）把 hadoop-3.2.0.tar.gz 安装包上传到 linux 机器的/export/software/ 目录下

（2）解压 hadoop 安装包到/export/servers目录下

（3）进入配置文件所在目录 cd hadoop-3.2.0/etc/hadoop/

（4）修改 hadoop-env.sh 文件，增加环境变量信息
（4）修改 hadoop-env.sh 文件，增加环境变量信息

export JAVA_HOME=/export/servers/jdk1.8.0_161
export HADOOP_LOG_DIR=/export/data/hadoop_repo/logs/hadoop

注意：需要先创建/export/data/hadoop_repo/logs/hadoop日志目录。

（5）修改 core-site.xml 文件，注意 fs.defaultFS 属性中的主机名需要和你配置的主机名保持一致

<configuration>
   <property>
       <name>fs.defaultFS</name>
       <value>hdfs://my2308-host:9000</value>
   </property>
   <property>
       <name>hadoop.tmp.dir</name>
       <value>/export/data/hadoop_repo</value>
   </property>
</configuration>

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/0a13900b6e7543e2aa8c858720ecf373.png#pic_center
（6）修改 hdfs-site.xml 文件，把 hdfs 中文件副本的数量设置为 1，因为现在伪分布集群只有一个节点

<configuration>
    <property>
       <name>dfs.replication</name>
       <value>1</value>
    </property>
</configuration>

（7）修改 mapred-site.xml，设置 mapreduce 使用的资源调度框架

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

（8）修改 yarn-site.xml，设置 yarn 上支持运行的服务和环境变量白名单

<configuration>

<!-- Site specific YARN configuration properties -->
   <property>
       <name>yarn.nodemanager.aux-services</name>
       <value>mapreduce_shuffle</value>
   </property>
   <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>

（9）格式化 namenode

cd /export/servers/hadoop-3.2.0

bin/hdfs namenode -format

如果在后面的日志信息中能看到这一行，则说明 namenode 格式化成功。
common.Storage: Storage directory xxx has been successfully
formatted.

（10）修改start-dfs.sh文件（在hadoop-3.2.0/sbin目录下），在文件前面增加如下内容

HDFS_DATANODE_USER=root
HDFS_DATANODE_SECURE_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

（11）修改stop-dfs.sh文件（在hadoop-3.2.0/sbin目录下），在文件前面增加如下内容

HDFS_DATANODE_USER=root
HDFS_DATANODE_SECURE_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

（12）修改 start-yarn.sh文件（在hadoop-3.2.0/sbin目录下），在文件前面增加如下内容

YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

（13）修改stop-yarn.sh 文件（在hadoop-3.2.0/sbin目录下），在文件前面增加如下内容

YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

（14）启动 hadoop 集群

sbin/start-all.sh

（15）验证集群进程信息

执行 jps 命令可以查看集群的进程信息，除了jps 这个进程之外还需要有 5 个进程才说明集群是正常启动的

还可以通过 webui 界面来验证集群服务是否正常:

hdfs webui 界面：http://虚拟机IP:9870
yarn webui 界面：http://虚拟机IP:8088

（16）停止hadoop集群

sbin/stop-all.sh