Hadoop伪分布集群配置（我用的是VMwareWorkstation）

1.虚拟机环境准备：

        1.0）首先准备好一台已经安装好了的虚拟机(我这里用的是Centos)

        2.0）安装 vim 编辑器 使用 yum -y install vim,也可以直接用vi

注意：安装好了vim,一定要执行yum -y update来更新数据源，之后重启reboot虚拟机。

        3.0）配置静态 IP 前，先关闭虚拟机，在编辑里找到虚拟网络编辑器并点击。

 

        需要记住这两个值，后面可以要用。

        4.0）开机进入终端查看ip,①可以通过ip addr查看，②用ifconfig,但前提你要先执行载 yum -y   install net-tools,否则会出现这个情况

      

        这里看到了ip,但是却是动态的，接下来我们开始配置它。

        在终端进入cd /etc/sysconfig/network-scripts/,用ls查看我们要配置的文件名字.（一般是第一个且后面带有很多数字）

接着输入vim  ifcfg-eno16777736, 可以输入ifcfg-e用旁边的Tab键补齐。 

           

         这个dhcp是动态ip,即每次进去都可能会不一样，我们把它改成static静态的。  接着添加下面代码： 

BOOTPROTO="static"

 #之前记住的ip,后面是128，设置为主机 IP在128至254之间即可

IPADDR=192.168.150.130 

#此处与 netmask=255.255.255.0 等效
PREFIX=24

#网关设置
GATEWAY=192.168.150.2   

#域名解析器 默认与网关相同
DNS1=192.168.150.2         

编辑完后，先点击电脑的Esc键后使用Shift和：组合键，再输入wq!保存并退出编辑vim。然后输入source  ifcfg-eno16777736后并输入reboot达到重启虚拟机。

        5.0）这里为了方便后面上传文件和编辑用Xshell和Xftp进行。这里我把这两个文件和jdk,hadoop都放在这里,有需要的小伙伴可以下载。

链接：https://pan.baidu.com/s/1Zw72OdkNej6cdOVU6GRo2A?pwd=gabw 

提取码：gabw

用Xshell连接先在终端关闭防火墙，指令systemctl stop firewalld,然后在进入Xshell创建一个

会话。

主机就是你刚刚设置的ip,然后直接点击连接。 

双击新建的会话并选择接受并保存（这里箭头错了）

 

 

这里用户名统一是root,密码则是你自己设置的开机进入登录密码，最好两个都选择记住，为了下次登录方便。

        6.0）安装好了Xshell和Xftp才可以点击这个绿色的图标

 

这个也应该是点击接受并保存，其实这两种都差不多。 

 

2 .开始安装jdk和hadoop：

        1.0）首先新建两个空目录来放置它们，这里我进入在/opt 目录下创建 software、module

        2.0）把软件把上传到 software 目录下 

 

         3.0）检测是否安装jdk及其配置

        #解压 JDK并检验jdk,这里解压到/opt/module下

tar  -zxvf  jdk-8u301-linux-x64.tar.gz   -C  /opt/module/

 

#配置环境变量，使其生效并检查 。新建 my_path.sh 文件，因为后期我们的环境比较多，所以单独放在一个文件中

# vim  /etc/profile.d/my_path.sh

#JAVA_HOME    

export

JAVA_HOME=/opt/module/jdk1.8.0_301
export

PATH=$PATH:$JAVA_HOME/bin

 

编辑完后，先点击电脑的Esc键后使用Shift和：组合键，再输入wq!保存并退出编辑vim        

        #使配置生效，并检查

        使用source /etc/profile后输入java  -version来检验其版本

#使配置生效，并检查

source  /etc/profile

java   -version

        4.0）安装hadoop并配置

        进入 Hadoop 安装包所在路径   cd /opt/software/       

         解压安装，并检查（建议小伙伴记一下解压命令，这是经常要用的）

tar  -zxvf  hadoop-3.1.3.tar.gz   -C  /opt/module/

 添加到环境变量，使配置生效并测试

#vim  /etc/profile.d/my_path.sh

#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin

 #使配置生效，并测试是否安装成功

source  /etc/profile和hadoop  version来检验其版本

#使配置生效，并检查

source  /etc/profile

hadoop    version

3.0伪分布 运行模式配置：伪分布式只需要修改 2 个配置文件即可运 行，core-site.xml 和 hdfs-site.xml

        1.0）SSH 免密登录

 #yum -y install   openssh-server

#vim /etc/hosts

192.168.150.130      master   #前面是自己本机ip,后面是你的hostname

[root@master hadoop]#ssh master  #其中 master 是主机名 此时 localhost 与其等效 #第一次登录会询问是否继续连接，输入 yes 即可，然后输入密码

[root@master ~]#exit      #退出

 然后在，用户家目录下会生成一个.ssh目录，进入.ssh目录下

[root@master ~]#cd /root/.ssh

#生成密钥对（公钥和私钥）

[root@master .ssh]#ssh-keygen -t rsa #按 3 下回车 

 #把公钥拷贝到需要免密登录的机器上

[root@master .ssh]#ssh-copy-id master           

         2.0) 修改配置文件

[root@master .ssh]#cd  /opt/module/hadoop-3.1.3/etc/hadoop/

[root@master hadoop]#vim  core-site.xml

#修改 core-site.xml 为以下内容

<!--指定 NameNode的地址 -->
<property>
        <name>fs.defaultFS</name>
        <value>hdfs://master: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root-->
<property>
        <name>hadoop.http.staticuser.user</name>
        <value>root</value>
</property>

         [root@master hadoop]#vim  hdfs-site.xml

        #修改 hdfs-site.xml 为以下内容

<!-- NameNode web 端访问地址 -->
<property>
        <name>dfs.namenode.http-address</name>
        <value>master:9870</value>
</property>
<!--文件数据副本数 -->
<property>
        <name>dfs.replication</name>
        <value>1</value>
</property>

         3.0）Hadoop 配置文件说明： Hadoop 的运行方式是由配置文件决定的，运行 hadoop 时会读取配置文件，因此如果需 要从伪分布式切换回单机模式，则需要删除配置文件中的配置项

首先把hadoop环境变量加入/etc/profile

export     HADOOP_HOME=/opt/module/hadoop-3.1.3

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

source  /etc/profile

NameNode 格式化

[root@master hadoop]#hdfs namenode -forma

vim /opt/module/hadoop-3.1.3/etc/hadoop/hadoop-env.sh 

#在 hadoop-env.sh 文件末尾加入以下内容  :

export HDFS_NAMENODE_USER=root

export HDFS_DATANODE_USER=root

export HDFS_SECONDARYNAMENODE_USER=root

使用Shif+G可以直接跳至最后一行第一个

启动 NameNode 和 DataNode

[root@master hadoop]#start-dfs.sh

        4.0）在浏览器地址栏输入http://192.168.150.130:9870/ 其中 192.168.150.130 为 主机 IP 地址，9870 为端口号

注意：在这一步之前必须关闭防火墙systemctl stop firewalld

        5.0）配置 Yarn 有些人可能注意到了，怎么没有 ResourceManager 和 NodeManager 即 Yarn，Yarn 是 Hadoop2.X 才有的，从 1.X 的 MapReduce 中分离出来的，负责资源管理与任务调度， Yarn 运行于 MapReduce 之上，提供了高可用性、高扩展性。 因为 Yarn 主要是为集群提供更好的资源管理和资源调度，在单个机器上体现不出价 值，而且 Yarn 很吃内存，所以伪分布式是否开启 Yarn 看个人兴趣 操作如下:修改 yarn-site.xml

[root@master hadoop-3.1.3]#vim etc/hadoop/yarn-site.xml

#添加以下内容

<!-- Site specific YARN configuration properties -->
<!--指定 mapreduce 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>master</value>                                  #这里的hostname就是master
</property>

修改 mapred-site.xml

[root@master hadoop-3.1.3]#vim etc/hadoop/mapred-site.xml

<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
</property>

在这里还需要指定用户，要不然会出错

#vim  /opt/module/hadoop-3.1.3/etc/hadoop/yarn-env.sh ，在这里添加下面代码：

export YARN_RESOURCEMANAGER_USER=root

export YARN_NODEMANAGER_USER=root

 启动Yarn

[root@master hadoop-3.1.3]#start-yarn.sh

 检查进程

[root@master hadoop-3.1.3]#jps

 不过可以在 ResourceManager 的 Web 端看到任务运行情况 http://192.168.150.130:8088/  主机 IP+8088 端口号

注意：这里我们之前是关闭了防护墙,如果没关闭是打不开的,当然我们这里是可以直接看到的

配置好 Yarn 后运行实例时，需要在 yarn-site.xml 加入以下内容:

<!-- 环境变量的继承 -->

<property>

<name>yarn.nodemanager.env-whitelist</name>

<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CO NF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOM E</value>

</property>

 不配置会报错找不到或无法加载主类，还可以用第二种方法解决。在命令行输入 hadoop classpath ，把输出的值添加到 yarn-site.xml 文件对应属 性 yarn.application.classpath 下面：

<property>

        <name>yarn.application.classpath</name>

<value>/opt/module/hadoop-3.1.3/etc/hadoop:/opt/module/hadoop-3.1.3/share/hadoop/c ommon/lib/*:/opt/module/hadoop-3.1.3/share/hadoop/common/*:/opt/module/hadoop-3 1.3/share/hadoop/hdfs:/opt/module/hadoop-3.1.3/share/hadoop/hdfs/lib/*:/opt/module/ hadoop-3.1.3/share/hadoop/hdfs/*:/opt/module/hadoop-3.1.3/share/hadoop/mapreduce/ lib/*:/opt/module/hadoop-3.1.3/share/hadoop/mapreduce/*:/opt/module/hadoop-3.1.3/s hare/hadoop/yarn:/opt/module/hadoop-3.1.3/share/hadoop/yarn/lib/*:/opt/module/hado op-3.1.3/share/hadoop/yarn/*</value>

</property>

 两种配置等效，第二种有点冗余，自由选择。 

修改配置后需要重启 Yarn

[root@master hadoop-3.1.3]#stop-yarn.sh

[root@master hadoop-3.1.3]#start-yarn

        6.0）配置历史服务器

               但是一旦重新启动 YARN 就无法看到之前运行过的程序的运行情况（输出结果依然 在），配置历史服务器就可以解决这一问题 ,操作如下 :

修改 mapred-site.xml

[root@master hadoop-3.1.3]#vim etc/hadoop/mapred-site.xml

<!-- 历史服务器端地址 -->
<property>
        <name>mapreduce.jobhistory.address</name>
        <value>master:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>master:19888</value>
</property>

 启动历史服务器:

[root@master hadoop-3.1.3]#mapred --daemon start historyserver

访问 http://192.168.150.130:19888/ 即主机 IP+19888 端 ,可以看到历史任务情况。

 至此 hadoop伪分布就完成了，当然这个只是个开端，真正的集群是不会只在一台虚拟机上的，应该是多台虚拟机共同完成，提高了效率和可修复性。