Hadoop 2.0完全分布式集群搭建方法（CentOS7+Hadoop 2.7.7）

本文详细介绍搭建4个节点的完全分布式Hadoop集群的方法，Linux系统版本是CentOS 7，Hadoop版本是2.7.7，JDK版本是1.8。

一、准备环境

1. 在VMware workstations上创建4个Linux虚拟机，并配置其静态IP。

有关【创建Linux虚拟机及配置网络】，请参考这里。

2. 配置DNS（每个节点）

编辑配置文件，添加主节点和从节点的映射关系。

#vim /etc/hosts
192.168.44.3 hadoop01
192.168.44.4 hadoop02
192.168.44.5 hadoop03
192.168.44.6 hadoop04

3. 关闭防火墙（每个节点）

#关闭服务
[root@hadoop01 opt]# systemctl stop firewalld
#关闭开机自启动
[root@hadoop01 opt]# systemctl disable firewalld
Removed symlink /etc/systemd/system/multi-user.target.wants/firewalld.service.
Removed symlink /etc/systemd/system/dbus-org.fedoraproject.FirewallD1.service.

4. 配置免密码登录
有关【配置免密码登录方法】，请参考这里。

5. 配置Java环境（每个节点）
有关【配置java环境方法】，请参考这里。

二、搭建Hadoop完全分布式集群

在各个节点上安装与配置Hadoop的过程都基本相同，因此可以在每个节点上安装好Hadoop后，在主节点master上进行统一配置，然后通过scp 命令将修改的配置文件拷贝到各个从节点上即可。

1. 下载Hadoop安装包，解压，配置Hadoop环境变量

有关【Hadoop安装包下载方法】，请参考这里。

本文下载的Hadoop版本是2.7.7，指定一个目录（比如：/opt），使用rz命令上传Hadoop安装包到Linux系统，解压到指定目录，配置Hadoop环境变量，并使其生效。实现命令如下：

#解压到/opt目录
[root@hadoop01 opt]# tar -zxvf hadoop-2.7.7.tar.gz

#链接/opt/hadoop-2.7.7到/opt/hadoop，方便后续配置
[root@hadoop01 opt] #ln -s hadoop-2.7.7 hadoop

#配置Hadoop环境变量
[root@hadoop02 opt]# vim /etc/profile
#Hadoop
export HADOOP_HOME=/opt/hadoop # 该目录为解压安装目录
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop

#保存后，使profile生效
[root@hadoop02 opt]# source /etc/profile

 2. 配置Hadoop环境脚本文件中的JAVA_HOME参数

#进入Hadoop安装目录下的etc/hadoop目录
[root@hadoop01 ~]#cd /opt/hadoop/etc/hadoop

#分别在hadoop-env.sh、mapred-env.sh、yarn-env.sh文件中添加或修改如下参数：

[root@hadoop01 hadoop]# vim hadoop-env.sh
[root@hadoop01 hadoop]# vim mapred-env.sh
[root@hadoop01 hadoop]# vim yarn-env.sh

export JAVA_HOME="/opt/jdk"  # 路径为jdk安装路径

3. 修改Hadoop配置文件

Hadoop安装目录下的etc/hadoop目录中，需修改core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、slaves(3.0之后为workers)文件，根据实际情况修改配置信息。

（1）core-site.xml

 <configuration>
 <property>
     <!-- 配置hdfs地址 -->
     <name>fs.defaultFS</name>
     <value>hdfs://hadoop01:9000</value>
 </property>
 <property>
     <!-- 保存临时文件目录，需先在/opt/hadoop-2.7.7下创建tmp目录 -->
     <name>hadoop.tmp.dir</name>
     <value>/opt/hadoop-2.7.7/tmp</value>
 </property>

 <property>
     <name>hadoop.proxyuser.root.hosts</name>
     <value>*</value>
 </property>
 <property>
     <name>hadoop.proxyuser.root.groups</name>
     <value>*</value>
 </property>
 </configuration>

更多配置信息，请参考core-site.xml。

（2）hdfs-site.xml

 <configuration>
     <property>
         <!-- 主节点地址 -->
         <name>dfs.namenode.http-address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>dfs.namenode.name.dir</name>
         <value>file:/opt/hadoop/dfs/name</value>
     </property>
     <property>
         <name>dfs.datanode.data.dir</name>
         <value>file:/opt/hadoop/dfs/data</value>
     </property>
     <property>
         <!-- 备份份数 -->
         <name>dfs.replication</name>
         <value></value>
     </property>
     <property>
         <!-- 第二节点地址 -->
         <name>dfs.namenode.secondary.http-address</name>
         <value>hadoop02:</value>
     </property>
     <property>
     <name>dfs.webhdfs.enabled</name>
     <value>true</value>
     </property>
     <property>
         <name>dfs.permissions</name>
         <value>false</value>
         <description>配置为false后，可以允许不要检查权限就生成dfs上的文件，需防止误删操作</description>
     </property>
 </configuration>

更多配置信息，请参考hdfs-site.xml。

（3）mapred-site.xml

 <configuration>
     <property>
         <name>mapreduce.framework.name</name>
         <value>yarn</value>
     </property>
     <property>
         <name>mapreduce.jobhistory.address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>mapreduce.jobhistory.webapp.address</name>
         <value>hadoop01:</value>
     </property>
 </configuration>

更多配置信息，请参考mapred-site.xml。

（4）yarn-site.xml

 <configuration>
     <property>
         <name>yarn.nodemanager.aux-services</name>
         <value>mapreduce_shuffle</value>
     </property>
     <property>
         <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
         <value>org.apache.hadoop.mapred.ShuffleHandler</value>
     </property>
     <property>
         <name>yarn.resourcemanager.address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.scheduler.address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.resource-tracker.address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.admin.address</name>
         <value>hadoop01:</value>
     </property>
     <property>
         <name>yarn.resourcemanager.webapp.address</name>
         <value>hadoop01:</value>
     </property>

     <property>
         <name>yarn.nodemanager.resource.memory-mb</name>
         <!-- NodeManager中的配置，这里配置过小可能导致nodemanager启动不起来
                           大小应该大于 spark中 executor-memory + driver的内存 -->
         <value></value>
     </property>
     <property>
         <!-- RsourceManager中配置
                           大小应该大于 spark中 executor-memory + driver的内存 -->
         <name>yarn.scheduler.maximum-allocation-mb</name>
         <value></value>
     </property>
     <property>
         <!-- 使用核数 -->
         <name>yarn.nodemanager.resource.cpu-vcores</name>
         <value></value>
     </property>

     <property>
         <name>yarn.log-aggregation-enable</name>
         <value>true</value>
     </property>
     <property>
         <name>yarn.log-aggregation.retain-seconds</name>
         <value></value>
     </property>
     <property>
         <name>yarn.nodemanager.vmem-check-enabled</name>
         <value>false</value>
         <description>忽略虚拟内存的检查，如果你是安装在虚拟机上，这个配置很有用，配上去之后后续操作不易出问题。</description>
     </property>
     <property>
        <!-- 调度策略，设置为公平调度器 -->
        <name>yarn.resourcemanager.scheduler.class</name>
        <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>
     </property>
 </configuration>

更多配置信息，请参考yarn-site.xml。

（5）slaves文件

#增加从节点地址（若配置了hosts，可直接使用主机名，亦可用IP地址）
[root@hadoop01 hadoop]# vim slaves
hadoop02
hadoop03
hadoop04

 4. 将配置好的文件夹拷贝到其他从节点

[root@hadoop01 hadoop-2.7.]# scp -r /opt/hadoop-2.7. root@hadoop02:/opt/
[root@hadoop01 hadoop-2.7.7]# scp -r /opt/hadoop-2.7.7 root@hadoop03:/opt/
[root@hadoop01 hadoop-2.7.7]# scp -r /opt/hadoop-2.7.7 root@hadoop04:/opt/

5. 初始化 & 启动

#格式化
[root@hadoop01 hadoop-2.7.]# bin/hdfs namenode -format

#启动
[root@hadoop01 hadoop-2.7.]# sbin/start-dfs.sh
[root@hadoop01 hadoop-2.7.]# sbin/start-yarn.sh

6. 验证Hadoop启动成功

#主节点
[root@hadoop01 hadoop-2.7.]# jps
 Jps
 ResourceManager
 NameNode

#从节点
[root@hadoop02 hadoop]# jps
 SecondaryNameNode
 DataNode
 NodeManager
 Jps

[root@hadoop03 opt]# jps
 DataNode
 NodeManager
 Jps

[root@hadoop04 opt]# jps
 NodeManager
 Jps
 DataNode

7. Hadoop Web端口访问

注：先开放端口或直接关闭防火墙

# 查看防火墙状态
firewall-cmd --state
# 临时关闭
systemctl stop firewalld
# 禁止开机启动
systemctl disable firewalld

在浏览器输入：http://hadoop01:8088，打开Hadoop Web管理页面。

在浏览器输入：http://hadoop01:50070打开Hadoop Web页面。

注意：如果输入主节点名称无法打开Web页面，则需要配置Windows上的hosts，路径如下：

C:\Windows\System32\drivers\etc\hosts

192.168.44.5 hadooop01
192.168.44.6 hadooop02
192.168.44.7 hadooop03
192.168.44.8 hadooop04