开发重点，Hadoop完全分布式搭建
** 1. 将hadoop100上的拷贝到101和102上**
** 2. ssh免密登录**
** 3. 集群配置**
** 4. **制作并使用xsync分发脚本（可忽略）
** 5. 群起集群并测试**
1. 将hadoop100上的拷贝到101和102上
**** （1）scp（secure copy）安全****拷贝
scp可以实现服务器与服务器之间的数据拷贝。（from server1 to server2）
（2）基本语法
**scp -r $pdir/$fname $user@$host:$pdir/$fname**
** 命令 递归 要拷贝的文件路径/名称 目的地用户@主机:目的地路径/名称**
（3）案例实操（可以从hadoop100上推到101和102上，对应下列（a）操作，也可以在101和102上从hadoop100上拉取，对应下列（b）操作，其实a，b任选一个即可）
**（a）在hadoop100上，将hadoop100中/opt/module/jdk1.8.0_212目录拷贝到hadoop101，hadoop102上。**
# 都在hadoop100上操作，将jdk和hadoop分别推给101和102
sudo scp -r jdk1.8.0_212/ [用户名]@hadoop101:/opt/module
sudo scp -r hadoop-3.1.3/ [用户名]@hadoop101:/opt/module
sudo scp -r jdk1.8.0_212/ [用户名]@hadoop102:/opt/module
sudo scp -r hadoop-3.1.3/ [用户名]@hadoop102:/opt/module
注意：这个地方可能会报一个错误说没有权限，那么我们需要登录到目标机器上也就是101上，修改权限。102同理
sudo chmod 777 module
sudo chmod 777 software
**（b）在hadoop101和102上，将hadoop100中/opt/module/hadoop-3.1.3目录拷贝到hadoop101，102上。**
# 在hadoop101上操作，将100上的jdk和hadoop拉了过来
scp -r [用户名]@hadoop100:/opt/module/hadoop-3.1.3 ./
scp -r [用户名]@hadoop100:/opt/module/hadoop-3.1.3 ./
# 在hadoop102上操作，将100上的jdk和hadoop拉了过来
scp -r [用户名]@hadoop100:/opt/module/hadoop-3.1.3 ./
scp -r [用户名]@hadoop100:/opt/module/hadoop-3.1.3 ./
2. ssh免密登录
（1）免密登录原理
（2）生成公钥和私钥
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）
（3）将公钥拷贝到要免密登录的目标机器上
ssh-copy-id hadoop100
ssh-copy-id hadoop101
ssh-copy-id hadoop102
注意：
还需要在hadoop103上配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop104上配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop102上配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
（4）.ssh文件夹下（~/.ssh）的文件功能解释
known_hosts
记录ssh访问过计算机的公钥（public key）
id_rsa
生成的私钥
id_rsa.pub
生成的公钥
authorized_keys
存放授权过的无密登录服务器公钥
3. 集群配置
**** （1）****集群部署规划
注意：
1. NameNode和SecondaryNameNode不要安装在同一台服务器
2. ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
hadoop100
hadoop101
hadoop102
HDFS
NameNode
DataNode
DataNode
SecondaryNameNode
DataNode
YARN
NodeManager
ResourceManager
NodeManager
NodeManager
**** （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。
（1）默认配置文件：
要获取的默认文件
文件存放在Hadoop的jar包中的位置
[core-default.xml]
hadoop-common-3.1.3.jar/core-default.xml
[hdfs-default.xml]
hadoop-hdfs-3.1.3.jar/hdfs-default.xml
[yarn-default.xml]
hadoop-yarn-common-3.1.3.jar/yarn-default.xml
[mapred-default.xml]
hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml
（2）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）配置集群****
（1）核心配置文件：配置core-site.xml
cd /opt/module/hadoop-3.1.3/etc/hadoop
vim core-site.xml
# 配置内容如下
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址，这个配置的是三台服务器之间的内部通讯地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop100:8020</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atguigu -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>[用户名]</value>
</property>
</configuration>
（2） HDFS配置文件：配置hdfs-site.xml
cd /opt/module/hadoop-3.1.3/etc/hadoop
vim hdfs-site.xml
<?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>hadoop100:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop102:9868</value>
</property>
</configuration>
（3）YARN配置文件： 配置yarn-site.xml
cd /opt/module/hadoop-3.1.3/etc/hadoop
vim yarn-site.xml
<?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>hadoop101</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>
（4）MapReduce配置文件：配置mapred-site.xml
默认是在本地运行，通过自定义的配置让mapredece在YARN的资源调度下运行
cd /opt/module/hadoop-3.1.3/etc/hadoop
vim mapred-site.xml
<?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>
目前我们只是在hadoop100上将自定义的文件进行了配置，而101和102上并没有，那么我们需要将配置好的文件分别分发到101和102上。
（5）配置workers
vim /opt/module/hadoop-3.1.3/etc/hadoop/workers
**注意：这个配置文件中，千万不要又空格或者空行 **
4. 制作并使用xsync分发脚本****（如果大家想要在每个机子上自己手动修改这四个配置文件，那么可以忽略这一步，只是为了简便操作）
我们期望写一个xsync的脚本，在任何路径下都可以使用，也就是全局的环境变量，那么我们只需要打印看一下全局的环境变量都有哪些，然后找一个目录下边进行创建即可。
查看所有的全局环境变量： echo $PATH
发现在我们的用户目录下即可
脚本实现：
在/home/[用户名]/bin目录下创建xsync文件
cd /home/[用户名]
mkdir bin
cd 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 hadoop100 hadoop101 hadoop102
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
# 修改脚本 xsync 具有执行权限
chmod +x xsync
# 测试脚本，同步分发一个bin目录尝试一下，这个自定义的命令能不能使用
xsync /home/[用户名]/bin
*！ 注意此时的xsync命令虽然可以分发，但是如果一些需要传输权限的为文件还没有解决
同步分发脚本做完以后，将我们刚才在hadoop100上修改的**配置文件**同时分发到101和102服务器上。同时把修改的**workers**也分发给每个机器
# 分发修改完的hadoop配置文件
xsync /opt/module/hadoop-3.1.3/etc/hadoop/
# 查看是否分发成功，在101和102机子上输入
cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
# 分发修改完的workers
xsync /opt/module/hadoop-3.1.3/etc
5. 群起集群并测试
** （1）启动集群**
1）****如果集群是第一次启动****，需要在hadoop100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，集群找不到以往数据。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。）
# 格式化namenode
hdfs namenode -format
2）启动HDFS：进入到hadoop-3.1.3目录下执行 **sbin/start-dfs.sh**
注意：再此启动阶段报了错如下图：
明明已经配置了jdk呀，每个机子也都能查到，如果小伙伴们碰到了同样问题
解决方法：
在hadoop-env.sh中，再显示地重新声明一遍JAVA_HOME
成功！！！
（3）Web端查看HDFS的NameNode
（a）浏览器中输入：http://hadoop100:9870
（b）查看HDFS上存储的数据信息
（4）****在配置了ResourceManager的节点（********hadoop101********）****启动YARN： sbin/start-yarn.sh
（5）Web端查看YARN的ResourceManager
（a）浏览器中输入：http://hadoop101:8088
（b）查看YARN上运行的Job信息
当我们设置完成了以后可以跟我们得需求图对比一下：
hadoop100
hadoop101
hadoop102
HDFS
NameNode
DataNode
DataNode
SecondaryNameNode
DataNode
YARN
NodeManager
ResourceManager
NodeManager
NodeManager
**** （2）集群基本测试****
1）上传文件到集群
# 在根目录下创建一个input
hadoop fs -mkdir /wcinput
# 把word.txt上传上去
hadoop fs -put /opt/module/hadoop-3.1.3/wcinput/word.txt /wcinput
那么这只是一个页面的显示，而实际的数据是存储在这个路径下的。
3）执行wordcount程序（还是以wordcount为例，只不过这次我们使用集群的方式）
hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output
**注意这个地方在使用集群的方式运行wordcount的时候又又又出错了，报错信息如下图**
这个提示也很明显说java环境不好使了，提供一下我得解决办法
cd etc/hadoop
vim hadoop-env.sh
# 添加一个全局的java环境变量
export JAVA_HOME=/opt/module/jdk1.8.0_212
本文转载自: https://blog.csdn.net/qq_58165390/article/details/124562073
版权归原作者 Xiaoduan~ 所有， 如有侵权，请联系我们删除。
版权归原作者 Xiaoduan~ 所有， 如有侵权，请联系我们删除。