大数据技术之Hadoop安装（详细的惊人！）

Zephus

3.1 虚拟机环境准备

• 克隆虚拟机
  
• 修改克隆虚拟机的静态IP
  
• 修改主机名
  
• 关闭防火墙
  
• 创建huzan用户
  
• 配置huzan用户具有root权限
  7．在/opt目录下创建文件夹
  （1）在/opt目录下创建module、software文件夹
  [huzan@hadoop101 opt]$ sudo mkdir module
  [huzan@hadoop101 opt]$ sudo mkdir software
          （2）修改module、software文件夹的所有者cd
  [huzan@hadoop101 opt]$ sudo chown huzan:huzan module/ software/
  [huzan@hadoop101 opt]$ ll
  总用量 8
  drwxr-xr-x. 2 huzan huzan 4096 1月  17 14:37 module
  drwxr-xr-x. 2 huzan huzan 4096 1月  17 14:38 software
  3.2 安装JDK
  1.卸载现有JDK
  （1）查询是否安装Java软件：
  [huzan@hadoop101 opt]$ rpm -qa | grep java
  （2）如果安装的版本低于1.7，卸载该JDK：
  [huzan@hadoop101 opt]$ sudo rpm -e 软件包
  （3）查看JDK安装路径：
  [huzan@hadoop101 ~]$ which java
  2.        用SecureCRT工具将JDK导入到opt目录下面的software文件夹下面，如图2-28所示
  

图2-28  导入JDK
“alt+p”进入sftp模式，如图2-29所示




图2-29 进入sftp模式
选择jdk1.8拖入，如图2-30，2-31所示




图2-30 拖入jdk1.8




图2-31 拖入jdk1.8完成
在Linux系统下的opt目录中查看软件包是否导入成功
[huzan@hadoop101 opt]$ cd software/
[huzan@hadoop101 software]$ ls
hadoop-2.7.2.tar.gz  jdk-8u144-linux-x64.tar.gz
解压JDK到/opt/module目录下
[huzan@hadoop101 software]$ tar -zxvf jdk-8u144-linux-x64.tar.gz -C /opt/module/
5.        配置JDK环境变量
        （1）先获取JDK路径
[huzan@hadoop101 jdk1.8.0_144]$ pwd
/opt/module/jdk1.8.0_144
        （2）打开/etc/profile文件
[huzan@hadoop101 software]$ sudo vi /etc/profile
在profile文件末尾添加JDK路径
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin
        （3）保存后退出
:wq
        （4）让修改后的文件生效
[huzan@hadoop101 jdk1.8.0_144]$ source /etc/profile
6.        测试JDK是否安装成功
[huzan@hadoop101 jdk1.8.0_144]# java -version
java version "1.8.0_144"
          注意：重启（如果java -version可以用就不用重启）
[huzan@hadoop101 jdk1.8.0_144]$ sync
[huzan@hadoop101 jdk1.8.0_144]$ sudo reboot
3.3 安装Hadoop
0.  Hadoop下载地址：
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
用SecureCRT工具将hadoop-2.7.2.tar.gz导入到opt目录下面的software文件夹下面
切换到sftp连接页面，选择Linux下编译的hadoop jar包拖入，如图2-32所示




图2-32 拖入hadoop的tar包




图2-33 拖入Hadoop的tar包成功
进入到Hadoop安装包路径下
[huzan@hadoop101 ~]$ cd /opt/software/
解压安装文件到/opt/module下面
[huzan@hadoop101 software]$ tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
查看是否解压成功
[huzan@hadoop101 software]$ ls /opt/module/
hadoop-2.7.2
5.        将Hadoop添加到环境变量
        （1）获取Hadoop安装路径
[huzan@hadoop101 hadoop-2.7.2]$ pwd
/opt/module/hadoop-2.7.2
        （2）打开/etc/profile文件
[huzan@hadoop101 hadoop-2.7.2]$ sudo vi /etc/profile
在profile文件末尾添加JDK路径：（shitf+g）
##HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-2.7.2
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
（3）保存后退出
:wq
        （4）让修改后的文件生效
[huzan@ hadoop101 hadoop-2.7.2]$ source /etc/profile
6.        测试是否安装成功
[huzan@hadoop101 hadoop-2.7.2]$ hadoop version
Hadoop 2.7.2

• 重启(如果Hadoop命令不能用再重启)
  

[huzan@ hadoop101 hadoop-2.7.2]$ sync
[huzan@ hadoop101 hadoop-2.7.2]$ sudo reboot
3.4 Hadoop目录结构
1、查看Hadoop目录结构
[huzan@hadoop101 hadoop-2.7.2]$ ll
总用量 52
drwxr-xr-x. 2 huzan huzan  4096 5月  22 2017 bin
drwxr-xr-x. 3 huzan huzan  4096 5月  22 2017 etc
drwxr-xr-x. 2 huzan huzan  4096 5月  22 2017 include
drwxr-xr-x. 3 huzan huzan  4096 5月  22 2017 lib
drwxr-xr-x. 2 huzan huzan  4096 5月  22 2017 libexec
-rw-r--r--. 1 huzan huzan 15429 5月  22 2017 LICENSE.txt
-rw-r--r--. 1 huzan huzan   101 5月  22 2017 NOTICE.txt
-rw-r--r--. 1 huzan huzan  1366 5月  22 2017 README.txt
drwxr-xr-x. 2 huzan huzan  4096 5月  22 2017 sbin
drwxr-xr-x. 4 huzan huzan  4096 5月  22 2017 share
2、重要目录
（1）bin目录：存放对Hadoop相关服务（HDFS,YARN）进行操作的脚本
（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件
（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）
（4）sbin目录：存放启动或停止Hadoop相关服务的脚本
（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例
第4章 Hadoop运行模式
Hadoop运行模式包括：本地模式、伪分布式模式以及完全分布式模式。
Hadoop官方网站：http://hadoop.apache.org/
4.1 本地运行模式
4.1.1 官方Grep案例

• 创建在hadoop-2.7.2文件下面创建一个input文件夹
  [huzan@hadoop101 hadoop-2.7.2]$ mkdir input
  
• 将Hadoop的xml配置文件复制到input
  [huzan@hadoop101 hadoop-2.7.2]$ cp etc/hadoop/*.xml input
  
• 执行share目录下的MapReduce程序
  [huzan@hadoop101 hadoop-2.7.2]$ bin/hadoop jar
  share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar grep input output 'dfs[a-z.]+'
  
• 查看输出结果
  

[huzan@hadoop101 hadoop-2.7.2]$ cat output/*
4.1.2 官方WordCount案例

• 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹
  [huzan@hadoop101 hadoop-2.7.2]$ mkdir wcinput
  
• 在wcinput文件下创建一个wc.input文件
  [huzan@hadoop101 hadoop-2.7.2]$ cd wcinput
  [huzan@hadoop101 wcinput]$ touch wc.input
  
• 编辑wc.input文件
  [huzan@hadoop101 wcinput]$ vi wc.input
  在文件中输入如下内容
  hadoop yarn
  hadoop mapreduce
  huzan
  huzan
  保存退出：：wq
  
• 回到Hadoop目录/opt/module/hadoop-2.7.2
  
• 执行程序
  [huzan@hadoop101 hadoop-2.7.2]$ hadoop jar
  share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount wcinput wcoutput
  
• 查看结果
  

[huzan@hadoop101 hadoop-2.7.2]$ cat wcoutput/part-r-00000
huzan 2
hadoop  2
mapreduce       1
yarn    1
4.2 伪分布式运行模式
4.2.1 启动HDFS并运行MapReduce程序

• 分析
          （1）配置集群
          （2）启动、测试集群增、删、查
          （3）执行WordCount案例
  
• 执行步骤
  

（1）配置集群
                （a）配置：hadoop-env.sh
Linux系统中获取JDK的安装路径：
[huzan@ hadoop101 ~]# echo $JAVA_HOME
/opt/module/jdk1.8.0_144
修改JAVA_HOME 路径：
export JAVA_HOME=/opt/module/jdk1.8.0_144
（b）配置：core-site.xml

<!-- 指定HDFS中NameNode的地址 --><property><name>fs.defaultFS</name>    <value>hdfs://hadoop101:9000</value></property><!-- 指定Hadoop运行时产生文件的存储目录 --><property>        <name>hadoop.tmp.dir</name>        <value>/opt/module/hadoop-2.7.2/data/tmp</value></property>

（c）配置：hdfs-site.xml

<!-- 指定HDFS副本的数量 --><property>        <name>dfs.replication</name>        <value>1</value></property>

（2）启动集群
（a）格式化NameNode（第一次启动时格式化，以后就不要总格式化）
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs namenode -format
                （b）启动NameNode
[huzan@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start namenode
                （c）启动DataNode
[huzan@hadoop101 hadoop-2.7.2]$ sbin/hadoop-daemon.sh start datanode
（3）查看集群
                （a）查看是否启动成功
[huzan@hadoop101 hadoop-2.7.2]$ jps
13586 NameNode
13668 DataNode
13786 Jps
注意：jps是JDK中的命令，不是Linux命令。不安装JDK不能使用jps
                （b）web端查看HDFS文件系统
http://hadoop101:50070/dfshealth.html#tab-overview
注意：如果不能查看，看如下帖子处理
http://www.cnblogs.com/zlslch/p/6604189.html
                （c）查看产生的Log日志
  说明：在企业中遇到Bug时，经常根据日志提示信息去分析问题、解决Bug。
当前目录：/opt/module/hadoop-2.7.2/logs
[huzan@hadoop101 logs]$ ls
hadoop-huzan-datanode-hadoop.huzan.com.log
hadoop-huzan-datanode-hadoop.huzan.com.out
hadoop-huzan-namenode-hadoop.huzan.com.log
hadoop-huzan-namenode-hadoop.huzan.com.out
SecurityAuth-root.audit
[huzan@hadoop101 logs]# cat hadoop-huzan-datanode-hadoop101.log
（d）思考：为什么不能一直格式化NameNode，格式化NameNode，要注意什么？
[huzan@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/name/current/
[huzan@hadoop101 current]$ cat VERSION
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837
[huzan@hadoop101 hadoop-2.7.2]$ cd data/tmp/dfs/data/current/
clusterID=CID-f0330a58-36fa-4a2a-a65f-2688269b5837
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，集群找不到已往数据。所以，格式NameNode时，一定要先删除data数据和log日志，然后再格式化NameNode。
（4）操作集群
                （a）在HDFS文件系统上创建一个input文件夹
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -mkdir -p /user/huzan/input
                （b）将测试文件内容上传到文件系统上
[huzan@hadoop101 hadoop-2.7.2]$bin/hdfs dfs -put wcinput/wc.input
  /user/huzan/input/
                （c）查看上传的文件是否正确
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -ls  /user/huzan/input/
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat  /user/huzan/ input/wc.input
                （d）运行MapReduce程序
[huzan@hadoop101 hadoop-2.7.2]$ bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/huzan/input/ /user/huzan/output
                （e）查看输出结果
命令行查看：
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/huzan/output/*
浏览器查看，如图2-34所示


图2-34 查看output文件
                （f）将测试文件内容下载到本地
[huzan@hadoop101 hadoop-2.7.2]$ hdfs dfs -get /user/huzan/output/part-r-00000 ./wcoutput/
（g）删除输出结果
[huzan@hadoop101 hadoop-2.7.2]$ hdfs dfs -rm -r /user/huzan/output
4.2.2 YARN上运行MapReduce 程序

• 分析
          （1）配置集群YARN上运行
          （2）启动、测试集群增、删、查
          （3）在YARN上执行WordCount案例
  
• 执行步骤
  

        （1）配置集群
                （a）配置yarn-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
（b）配置yarn-site.xml
<!-- reducer获取数据的方式 -->
<property>
                <name>yarn.nodemanager.aux-services</name>
                <value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop101</value>
</property>
                （c）配置：mapred-env.sh
配置一下JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_144
                （d）配置： (对mapred-site.xml.template重新命名为) mapred-site.xml
[huzan@hadoop101 hadoop]$ mv mapred-site.xml.template mapred-site.xml
[huzan@hadoop101 hadoop]$ vi mapred-site.xml
<!-- 指定MR运行在YARN上 -->
<property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
</property>
（2）启动集群
（a）启动前必须保证NameNode和DataNode已经启动
（b）启动ResourceManager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
（c）启动NodeManager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
        （3）集群操作
（a）YARN的浏览器页面查看，如图2-35所示
http://hadoop101:8088/cluster


图2-35 YARN的浏览器页面
                （b）删除文件系统上的output文件
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/huzan/output
                （c）执行MapReduce程序
[huzan@hadoop101 hadoop-2.7.2]$ bin/hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/huzan/input  /user/huzan/output
（d）查看运行结果，如图2-36所示
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -cat /user/huzan/output/*


图2-36 查看运行结果
4.2.3 配置历史服务器
为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：

• 配置mapred-site.xml
  [huzan@hadoop101 hadoop]$ vi mapred-site.xml
  在该文件里面增加如下配置。
  <property>
  <name>mapreduce.jobhistory.address</name>
  <value>hadoop101:10020</value>
  </property>
  <property>
      <name>mapreduce.jobhistory.webapp.address</name>
      <value>hadoop101:19888</value>
  </property>
  
• 启动历史服务器
  [huzan@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
  
• 查看历史服务器是否启动
  [huzan@hadoop101 hadoop-2.7.2]$ jps
  
• 查看JobHistory
  

http://hadoop101:19888/jobhistory
4.2.4 配置日志的聚集
日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。
日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。
注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryManager。
开启日志聚集功能具体步骤如下：
配置yarn-site.xml
[huzan@hadoop101 hadoop]$ vi yarn-site.xml
在该文件里面增加如下配置。
<!-- 日志聚集功能使能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
关闭NodeManager 、ResourceManager和HistoryManager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop resourcemanager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh stop nodemanager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh stop historyserver
启动NodeManager 、ResourceManager和HistoryManager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start resourcemanager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/yarn-daemon.sh start nodemanager
[huzan@hadoop101 hadoop-2.7.2]$ sbin/mr-jobhistory-daemon.sh start historyserver
删除HDFS上已经存在的输出文件
[huzan@hadoop101 hadoop-2.7.2]$ bin/hdfs dfs -rm -R /user/huzan/output
执行WordCount程序
[huzan@hadoop101 hadoop-2.7.2]$ hadoop jar
share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/huzan/input /user/huzan/output
查看日志，如图2-37，2-38，2-39所示
http://hadoop101:19888/jobhistory


图2-37  Job History


图2-38 job运行情况


图2-39 查看日志
4.2.5 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：
表2-1

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-2.7.2.jar/ core-default.xml
[hdfs-default.xml]	hadoop-hdfs-2.7.2.jar/ hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-2.7.2.jar/ yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-2.7.2.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。
4.3 完全分布式运行模式（开发重点）
分析：
        1）准备3台客户机（关闭防火墙、静态ip、主机名称）
        2）安装JDK
        3）配置环境变量
        4）安装Hadoop
        5）配置环境变量
6）配置集群
7）单点启动
        8）配置ssh
        9）群起并测试集群
4.3.1 虚拟机准备
详见3.1章。
4.3.2 编写集群分发脚本xsync

• scp（secure copy）安全拷贝
  （1）scp定义：
  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              $user@hadoop$host:$pdir
  命令   递归       要拷贝的文件路径/名称    目的用户@主机:目的路径
  （3）案例实操
  （a）在hadoop101上，将hadoop101中/opt/module目录下的软件拷贝到hadoop102上。
  [huzan@hadoop101 /]$ scp -r /opt/module  root@hadoop102:/opt/module
  （b）在hadoop103上，将hadoop101服务器上的/opt/module目录下的软件拷贝到hadoop103上。
  [huzan@hadoop103 opt]$sudo scp -r huzan@hadoop101:/opt/module root@hadoop103:/opt/module
  （c）在hadoop103上操作将hadoop101中/opt/module目录下的软件拷贝到hadoop104上。
  [huzan@hadoop103 opt]$ scp -r huzan@hadoop101:/opt/module root@hadoop104:/opt/module
  注意：拷贝过来的/opt/module目录，别忘了在hadoop102、hadoop103、hadoop104上修改所有文件的，所有者和所有者组。sudo chown huzan:huzan -R /opt/module
  （d）将hadoop101中/etc/profile文件拷贝到hadoop102的/etc/profile上。
  [huzan@hadoop101 ~]$ sudo scp /etc/profile root@hadoop102:/etc/profile
  （e）将hadoop101中/etc/profile文件拷贝到hadoop103的/etc/profile上。
  [huzan@hadoop101 ~]$ sudo scp /etc/profile root@hadoop103:/etc/profile
  （f）将hadoop101中/etc/profile文件拷贝到hadoop104的/etc/profile上。
  [huzan@hadoop101 ~]$ sudo scp /etc/profile root@hadoop104:/etc/profile
  注意：拷贝过来的配置文件别忘了source一下/etc/profile，。
  
• rsync 远程同步工具
  rsync主要用于备份和镜像。具有速度快、避免复制相同内容和支持符号链接的优点。
  rsync和scp区别：用rsync做文件的复制要比scp的速度快，rsync只对差异文件做更新。scp是把所有文件都复制过去。
          （1）基本语法
  rsync    -rvl       $pdir/$fname              $user@hadoop$host:$pdir
  命令   选项参数   要拷贝的文件路径/名称    目的用户@主机:目的路径
            选项参数说明
  表2-2
  

选项	功能
-r	递归
-v	显示复制过程
-l	拷贝符号连接

（2）案例实操
                （a）把hadoop101机器上的/opt/software目录同步到hadoop102服务器的root用户下的/opt/目录
[huzan@hadoop101 opt]$ rsync -rvl /opt/software/ root@hadoop102:/opt/software

• xsync集群分发脚本
  

（1）需求：循环复制文件到所有节点的相同目录下
        （2）需求分析：
（a）rsync命令原始拷贝：
rsync  -rvl     /opt/module                   root@hadoop103:/opt/
                （b）期望脚本：
xsync要同步的文件名称
（c）说明：在/home/huzan/bin这个目录下存放的脚本，huzan用户可以在系统任何地方直接执行。
（3）脚本实现
（a）在/home/huzan目录下创建bin目录，并在bin目录下xsync创建文件，文件内容如下：
[huzan@hadoop102 ~]$ mkdir bin
[huzan@hadoop102 ~]$ cd bin/
[huzan@hadoop102 bin]$ touch xsync
[huzan@hadoop102 bin]$ vi xsync
在该文件中编写如下代码
#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi
#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname
#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir
#4 获取当前用户名称
user=`whoami`
#5 循环
for((host=102; host<105; host++)); do
        echo ------------------- hadoop$host --------------
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done
（b）修改脚本 xsync 具有执行权限
[huzan@hadoop102 bin]$ chmod 777 xsync
（c）调用脚本形式：xsync 文件名称
[huzan@hadoop102 bin]$ xsync /home/huzan/bin
注意：如果将xsync放到/home/huzan/bin目录下仍然不能实现全局使用，可以将xsync移动到/usr/local/bin目录下。
4.3.3 集群配置

• 集群部署规划
  表2-3
  

hadoop102	hadoop103	hadoop104
HDFS	NameNodeDataNode	DataNode	SecondaryNameNodeDataNode
YARN	NodeManager	ResourceManagerNodeManager	NodeManager

• 配置集群
  

        （1）核心配置文件
配置core-site.xml
[huzan@hadoop102 hadoop]$ vi core-site.xml
在该文件中编写如下配置
<!-- 指定HDFS中NameNode的地址 -->
<property>
      <name>fs.defaultFS</name>
      <value>hdfs://hadoop102:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
        <name>hadoop.tmp.dir</name>
        <value>/opt/module/hadoop-2.7.2/data/tmp</value>
</property>
        （2）HDFS配置文件
配置hadoop-env.sh
[huzan@hadoop102 hadoop]$ vi hadoop-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置hdfs-site.xml
[huzan@hadoop102 hadoop]$ vi hdfs-site.xml
在该文件中编写如下配置
<property>
        <name>dfs.replication</name>
        <value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
      <name>dfs.namenode.secondary.http-address</name>
      <value>hadoop104:50090</value>
</property>
（3）YARN配置文件
配置yarn-env.sh
[huzan@hadoop102 hadoop]$ vi yarn-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置yarn-site.xml
[huzan@hadoop102 hadoop]$ vi yarn-site.xml
在该文件中增加如下配置
<!-- reducer获取数据的方式 -->
<property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop103</value>
</property>
（4）MapReduce配置文件
配置mapred-env.sh
[huzan@hadoop102 hadoop]$ vi mapred-env.sh
export JAVA_HOME=/opt/module/jdk1.8.0_144
配置mapred-site.xml
[huzan@hadoop102 hadoop]$ cp mapred-site.xml.template mapred-site.xml
[huzan@hadoop102 hadoop]$ vi mapred-site.xml
在该文件中增加如下配置
<!-- 指定mr运行在yarn上 -->
<property>
                <name>mapreduce.framework.name</name>
                <value>yarn</value>
</property>
3．在集群上分发配置好的Hadoop配置文件
[huzan@hadoop102 hadoop]$ xsync /opt/module/hadoop-2.7.2/
4．查看文件分发情况
[huzan@hadoop103 hadoop]$ cat /opt/module/hadoop-2.7.2/etc/hadoop/core-site.xml
4.3.4 集群单点启动
（1）如果集群是第一次启动，需要格式化NameNode
[huzan@hadoop102 hadoop-2.7.2]$ hadoop namenode -format
（2）在hadoop102上启动NameNode
[huzan@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start namenode
[huzan@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
（3）在hadoop102、hadoop103以及hadoop104上分别启动DataNode
[huzan@hadoop102 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[huzan@hadoop102 hadoop-2.7.2]$ jps
3461 NameNode
3608 Jps
3561 DataNode
[huzan@hadoop103 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[huzan@hadoop103 hadoop-2.7.2]$ jps
3190 DataNode
3279 Jps
[huzan@hadoop104 hadoop-2.7.2]$ hadoop-daemon.sh start datanode
[huzan@hadoop104 hadoop-2.7.2]$ jps
3237 Jps
3163 DataNode
（4）思考：每次都一个一个节点启动，如果节点数增加到1000个怎么办？


        早上来了开始一个一个节点启动，到晚上下班刚好完成，下班？
4.3.5 SSH无密登录配置

• 配置ssh
  （1）基本语法
  ssh 另一台电脑的ip地址
  （2）ssh连接时出现Host key verification failed的解决方法
  [huzan@hadoop102 opt] $ ssh 192.168.1.103
  The authenticity of host '192.168.1.103 (192.168.1.103)' can't be established.
  RSA key fingerprint is cf:1e:de:d7:d0:4c:2d:98:60:b4:fd:ae:b1:2d:ad:06.
  Are you sure you want to continue connecting (yes/no)?
  Host key verification failed.
  （3）解决方案如下：直接输入yes
  
• 无密钥配置
  （2）生成公钥和私钥：
  [huzan@hadoop102 .ssh]$ 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
  [huzan@hadoop102 .ssh]$ ssh-copy-id hadoop102
  [huzan@hadoop102 .ssh]$ ssh-copy-id hadoop103
  [huzan@hadoop102 .ssh]$ ssh-copy-id hadoop104
  注意：
  还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；
  还需要在hadoop103上采用huzan账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
  
• .ssh文件夹下（~/.ssh）的文件功能解释
  

表2-4

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	存放授权过得无密登录服务器公钥

4.3.6 群起集群

• 配置slaves
  /opt/module/hadoop-2.7.2/etc/hadoop/slaves
  [huzan@hadoop102 hadoop]$ vi slaves
  在该文件中增加如下内容：
  hadoop102
  hadoop103
  hadoop104
  注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。
  
• 启动集群
          （1）如果集群是第一次启动，需要格式化NameNode
  [huzan@hadoop102 hadoop-2.7.2]$ bin/hdfs namenode -format
  （2）启动HDFS
  [huzan@hadoop102 hadoop-2.7.2]$ sbin/start-dfs.sh
  [huzan@hadoop102 hadoop-2.7.2]$ jps
  4166 NameNode
  4482 Jps
  4263 DataNode
  [huzan@hadoop103 hadoop-2.7.2]$ jps
  3218 DataNode
  3288 Jps
  [huzan@hadoop104 hadoop-2.7.2]$ jps
  3221 DataNode
  3283 SecondaryNameNode
  3364 Jps
  （3）启动YARN
  [huzan@hadoop103 hadoop-2.7.2]$ sbin/start-yarn.sh
  注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。
  （4）web端查看SecondaryNameNode
  （a）浏览器中输入：http://hadoop104:50090/status.html
                  （b）查看SecondaryNameNode信息，如图2-41所示。
  

图2-41 SecondaryNameNode的web端

• 集群基本测试
  

（1）上传文件到集群
          上传小文件
[huzan@hadoop102 hadoop-2.7.2]$ hadoop fs -mkdir -p /user/huzan/input
[huzan@hadoop102 hadoop-2.7.2]$ hadoop fs -put wcinput/wc.input /user/huzan/input
          上传大文件
[huzan@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -put
/opt/software/hadoop-2.7.2.tar.gz  /user/huzan/input
（2）上传文件后查看文件存放在什么位置
（a）查看HDFS文件存储路径
[huzan@hadoop102 subdir0]$ pwd
/opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
（b）查看HDFS在磁盘存储文件内容
[huzan@hadoop102 subdir0]$ cat blk_1073741825
hadoop yarn
hadoop mapreduce
huzan
huzan
（3）拼接
-rw-rw-r--. 1 huzan huzan 134217728 5月  23 16:01 blk_1073741836
-rw-rw-r--. 1 huzan huzan   1048583 5月  23 16:01 blk_1073741836_1012.meta
-rw-rw-r--. 1 huzan huzan  63439959 5月  23 16:01 blk_1073741837
-rw-rw-r--. 1 huzan huzan    495635 5月  23 16:01 blk_1073741837_1013.meta
[huzan@hadoop102 subdir0]$ cat blk_1073741836>>tmp.file
[huzan@hadoop102 subdir0]$ cat blk_1073741837>>tmp.file
[huzan@hadoop102 subdir0]$ tar -zxvf tmp.file
（4）下载
[huzan@hadoop102 hadoop-2.7.2]$ bin/hadoop fs -get
/user/huzan/input/hadoop-2.7.2.tar.gz ./
4.3.7 集群启动/停止方式总结

• 各个服务组件逐一启动/停止
          （1）分别启动/停止HDFS组件
                  hadoop-daemon.sh  start / stop  namenode / datanode / secondarynamenode
          （2）启动/停止YARN
                  yarn-daemon.sh  start / stop  resourcemanager / nodemanager
  
• 各个模块分开启动/停止（配置ssh是前提）常用
  

        （1）整体启动/停止HDFS
                start-dfs.sh   /  stop-dfs.sh
        （2）整体启动/停止YARN
                start-yarn.sh  /  stop-yarn.sh
4.3.8 集群时间同步
时间同步的方式：找一个机器，作为时间服务器，所有的机器与这台集群时间进行定时的同步，比如，每隔十分钟，同步一次时间。
配置时间同步实操：

• 时间服务器配置（必须root用户）
  （1）检查ntp是否安装
  [root@hadoop102 桌面]# rpm -qa|grep ntp
  ntp-4.2.6p5-10.el6.centos.x86_64
  fontpackages-filesystem-1.41-1.1.el6.noarch
  ntpdate-4.2.6p5-10.el6.centos.x86_64
  （2）修改ntp配置文件
  [root@hadoop102 桌面]# vi /etc/ntp.conf
  修改内容如下
  a）修改1（授权192.168.1.0网段上的所有机器可以从这台机器上查询和同步时间）
  #restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap为
  restrict 192.168.1.0 mask 255.255.255.0 nomodify notrap
                  b）修改2（集群在局域网中，不使用其他的网络时间）
  server http://0.centos.pool.ntp.org iburst
  server http://1.centos.pool.ntp.org iburst
  server http://2.centos.pool.ntp.org iburst
  server http://3.centos.pool.ntp.org iburst为
  #server http://0.centos.pool.ntp.org iburst
  #server http://1.centos.pool.ntp.org iburst
  #server http://2.centos.pool.ntp.org iburst
  #server http://3.centos.pool.ntp.org iburst
  c）添加3（当该节点丢失网络连接，依然可以作为时间服务器为集群中的其他节点提供时间同步）
  server 127.127.1.0
  fudge 127.127.1.0 stratum 10
  （3）修改/etc/sysconfig/ntpd 文件
  [root@hadoop102 桌面]# vim /etc/sysconfig/ntpd
  增加内容如下（让硬件时间与系统时间一起同步）
  SYNC_HWCLOCK=yes
  （4）重新启动ntpd
  [root@hadoop102 桌面]# service ntpd status
  ntpd 已停
  [root@hadoop102 桌面]# service ntpd start
  正在启动 ntpd：                                            [确定]
  （5）执行：
  [root@hadoop102 桌面]# chkconfig ntpd on
  
• 其他机器配置（必须root用户）
  

（1）在其他机器配置10分钟与时间服务器同步一次
[root@hadoop103桌面]# crontab -e
编写定时任务如下：
*/10 * * * * /usr/sbin/ntpdate hadoop102
（2）修改任意机器时间
[root@hadoop103桌面]# date -s "2017-9-11 11:11:11"
（3）十分钟后查看机器是否与时间服务器同步
[root@hadoop103桌面]# date
说明：测试的时候可以将10分钟调整为1分钟，节省时间。
第5章 Hadoop编译源码
5.1 前期准备工作

• CentOS联网
  配置CentOS能连接外网。Linux虚拟机ping http://www.baidu.com 是畅通的
  注意：采用root角色编译，减少文件夹权限出现问题
  
• jar包准备(hadoop源码、JDK8、maven、ant 、protobuf)
  

（1）hadoop-2.7.2-src.tar.gz
（2）jdk-8u144-linux-x64.tar.gz
（3）apache-ant-1.9.9-bin.tar.gz（build工具，打包用的）
（4）apache-maven-3.0.5-bin.tar.gz
（5）protobuf-2.5.0.tar.gz（序列化的框架）
5.2 jar包安装
注意：所有操作必须在root用户下完成
JDK解压、配置环境变量 JAVA_HOME和PATH，验证java-version(如下都需要验证是否配置成功)
[root@hadoop101 software] # tar -zxf jdk-8u144-linux-x64.tar.gz -C /opt/module/
[root@hadoop101 software]# vi /etc/profile
#JAVA_HOME：
export JAVA_HOME=/opt/module/jdk1.8.0_144
export PATH=$PATH:$JAVA_HOME/bin
[root@hadoop101 software]#source /etc/profile
验证命令：java -version
Maven解压、配置  MAVEN_HOME和PATH
[root@hadoop101 software]# tar -zxvf apache-maven-3.0.5-bin.tar.gz -C /opt/module/
[root@hadoop101 apache-maven-3.0.5]# vi conf/settings.xml
<mirrors>
    <!-- mirror
     | Specifies a repository mirror site to use instead of a given repository. The repository that
     | this mirror serves has an ID that matches the mirrorOf element of this mirror. IDs are used
     | for inheritance and direct lookup purposes, and must be unique across the set of mirrors.
     |
<mirror>
       <id>mirrorId</id>
       <mirrorOf>repositoryId</mirrorOf>
       <name>Human Readable Name for this Mirror.</name>
       <url>http://my.repository.com/repo/path</url>
      </mirror>
     -->
        <mirror>
                <id>nexus-aliyun</id>
                <mirrorOf>central</mirrorOf>
                <name>Nexus aliyun</name>
                <url>http://maven.aliyun.com/nexus/content/groups/public</url>
        </mirror>
</mirrors>
[root@hadoop101 apache-maven-3.0.5]# vi /etc/profile
#MAVEN_HOME
export MAVEN_HOME=/opt/module/apache-maven-3.0.5
export PATH=$PATH:$MAVEN_HOME/bin
[root@hadoop101 software]#source /etc/profile
验证命令：mvn -version
ant解压、配置  ANT _HOME和PATH
[root@hadoop101 software]# tar -zxvf apache-ant-1.9.9-bin.tar.gz -C /opt/module/
[root@hadoop101 apache-ant-1.9.9]# vi /etc/profile
#ANT_HOME
export ANT_HOME=/opt/module/apache-ant-1.9.9
export PATH=$PATH:$ANT_HOME/bin
[root@hadoop101 software]#source /etc/profile
验证命令：ant -version
安装  glibc-headers 和  g++  命令如下
[root@hadoop101 apache-ant-1.9.9]# yum install glibc-headers
[root@hadoop101 apache-ant-1.9.9]# yum install gcc-c++
安装make和cmake
[root@hadoop101 apache-ant-1.9.9]# yum install make
[root@hadoop101 apache-ant-1.9.9]# yum install cmake
解压protobuf ，进入到解压后protobuf主目录，/opt/module/protobuf-2.5.0，然后相继执行命令
[root@hadoop101 software]# tar -zxvf protobuf-2.5.0.tar.gz -C /opt/module/
[root@hadoop101 opt]# cd /opt/module/protobuf-2.5.0/
[root@hadoop101 protobuf-2.5.0]#./configure
[root@hadoop101 protobuf-2.5.0]# make
[root@hadoop101 protobuf-2.5.0]# make check
[root@hadoop101 protobuf-2.5.0]# make install
[root@hadoop101 protobuf-2.5.0]# ldconfig
[root@hadoop101 hadoop-dist]# vi /etc/profile
#LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/opt/module/protobuf-2.5.0
export PATH=$PATH:$LD_LIBRARY_PATH
[root@hadoop101 software]#source /etc/profile
验证命令：protoc --version
安装openssl库
[root@hadoop101 software]#yum install openssl-devel
安装 ncurses-devel库
[root@hadoop101 software]#yum install ncurses-devel
到此，编译工具安装基本完成。
5.3 编译源码

• 解压源码到/opt/目录
  [root@hadoop101 software]# tar -zxvf hadoop-2.7.2-src.tar.gz -C /opt/
  
• 进入到hadoop源码主目录
  [root@hadoop101 hadoop-2.7.2-src]# pwd
  /opt/hadoop-2.7.2-src
  
• 通过maven执行编译命令
  [root@hadoop101 hadoop-2.7.2-src]#mvn package -Pdist,native -DskipTests -Dtar
  等待时间30分钟左右，最终成功是全部SUCCESS，如图2-42所示。
  

图2-42 编译源码

• 成功的64位hadoop包在/opt/hadoop-2.7.2-src/hadoop-dist/target下
  [root@hadoop101 target]# pwd
  /opt/hadoop-2.7.2-src/hadoop-dist/target
  
• 编译源码过程中常见的问题及解决方案
  

（1）MAVEN install时候JVM内存溢出
处理方式：在环境配置文件和maven的执行文件均可调整MAVEN_OPT的heap大小。（详情查阅MAVEN 编译 JVM调优问题，如：http://outofmemory.cn/code-snippet/12652/maven-outofmemoryerror-method）
（2）编译期间maven报错。可能网络阻塞问题导致依赖库下载不完整导致，多次执行命令（一次通过比较难）：
[root@hadoop101 hadoop-2.7.2-src]#mvn package -Pdist,nativeN -DskipTests -Dtar
（3）报ant、protobuf等错误，插件下载未完整或者插件版本问题，最开始链接有较多特殊情况，同时推荐
2.7.0版本的问题汇总帖子 http://www.tuicool.com/articles/IBn63qf
第6章 常见错误及解决方案
1）防火墙没关闭、或者没有启动YARN
INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032
2）主机名称配置错误
3）IP地址配置错误
4）ssh没有配置好
5）root用户和huzan两个用户启动集群不统一
6）配置文件修改不细心
7）未编译源码
Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
17/05/22 15:38:58 INFO client.RMProxy: Connecting to ResourceManager at hadoop108/192.168.10.108:8032
8）不识别主机名称
java.net.UnknownHostException: hadoop102: hadoop102
        at java.net.InetAddress.getLocalHost(InetAddress.java:1475)
        at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:146)
        at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290)
        at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287)
        at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:415)
解决办法：
（1）在/etc/hosts文件中添加192.168.1.102 hadoop102
        （2）主机名称不要起hadoop  hadoop000等特殊名称
9）DataNode和NameNode进程同时只能工作一个。
10）执行命令不生效，粘贴word中命令时，遇到-和长–没区分开。导致命令失效
解决办法：尽量不要粘贴word中代码。
11）jps发现进程已经没有，但是重新启动集群，提示进程已经开启。原因是在linux的根目录下/tmp目录中存在启动的进程临时文件，将集群相关进程删除掉，再重新启动集群。
12）jps不生效。
原因：全局变量hadoop java没有生效。解决办法：需要source /etc/profile文件。
13）8088端口连接不上
[huzan@hadoop102 桌面]$ cat /etc/hosts
注释掉如下代码
#127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4
#::1         hadoop102