一、集群規(guī)劃

這里搭建一個(gè) 3 節(jié)點(diǎn)的 Hadoop 集群，其中三臺(tái)主機(jī)均部署 DataNode 和 NodeManager 服務(wù)，但只有 hadoop001 上部署 NameNode 和 ResourceManager 服務(wù)。

https://github.com/heibaiying

二、前置條件

Hadoop 的運(yùn)行依賴 JDK，需要預(yù)先安裝。其安裝步驟單獨(dú)整理至：

• Linux 下 JDK 的安裝

三、配置免密登錄

3.1 生成密匙

在每臺(tái)主機(jī)上使用 ssh-keygen 命令生成公鑰私鑰對(duì)：

ssh-keygen

3.2 免密登錄

將 hadoop001 的公鑰寫到本機(jī)和遠(yuǎn)程機(jī)器的 ~/ .ssh/authorized_key 文件中：

ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop001
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop002
ssh-copy-id -i ~/.ssh/id_rsa.pub hadoop003

3.3 驗(yàn)證免密登錄

ssh hadoop002
ssh hadoop003

四、集群搭建

3.1 下載并解壓

下載 Hadoop。這里我下載的是 CDH 版本 Hadoop，下載地址為：http://archive.cloudera.com/cdh5/cdh/5/

# tar -zvxf hadoop-2.6.0-cdh5.15.2.tar.gz 

3.2 配置環(huán)境變量

編輯 profile 文件：

# vim /etc/profile

增加如下配置：

export HADOOP_HOME=/usr/app/hadoop-2.6.0-cdh5.15.2
export  PATH=${HADOOP_HOME}/bin:$PATH

執(zhí)行 source 命令，使得配置立即生效：

# source /etc/profile

3.3 修改配置

進(jìn)入 ${HADOOP_HOME}/etc/hadoop 目錄下，修改配置文件。各個(gè)配置文件內(nèi)容如下：

1. hadoop-env.sh

# 指定JDK的安裝位置
export JAVA_HOME=/usr/java/jdk1.8.0_201/

2. core-site.xml

<configuration>
    <property>
        <!--指定 namenode 的 hdfs 協(xié)議文件系統(tǒng)的通信地址-->
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop001:8020</value>
    </property>
    <property>
        <!--指定 hadoop 集群存儲(chǔ)臨時(shí)文件的目錄-->
        <name>hadoop.tmp.dir</name>
        <value>/home/hadoop/tmp</value>
    </property>
</configuration>

3. hdfs-site.xml

<property>
      <!--namenode 節(jié)點(diǎn)數(shù)據(jù)（即元數(shù)據(jù)）的存放位置，可以指定多個(gè)目錄實(shí)現(xiàn)容錯(cuò)，多個(gè)目錄用逗號(hào)分隔-->
    <name>dfs.namenode.name.dir</name>
    <value>/home/hadoop/namenode/data</value>
</property>
<property>
      <!--datanode 節(jié)點(diǎn)數(shù)據(jù)（即數(shù)據(jù)塊）的存放位置-->
    <name>dfs.datanode.data.dir</name>
    <value>/home/hadoop/datanode/data</value>
</property>

4. yarn-site.xml

<configuration>
    <property>
        <!--配置 NodeManager 上運(yùn)行的附屬服務(wù)。需要配置成 mapreduce_shuffle 后才可以在 Yarn 上運(yùn)行 MapReduce 程序。-->
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <!--resourcemanager 的主機(jī)名-->
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop001</value>
    </property>
</configuration>

5. mapred-site.xml

<configuration>
    <property>
        <!--指定 mapreduce 作業(yè)運(yùn)行在 yarn 上-->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

5. slaves

配置所有從屬節(jié)點(diǎn)的主機(jī)名或 IP 地址，每行一個(gè)。所有從屬節(jié)點(diǎn)上的 DataNode 服務(wù)和 NodeManager 服務(wù)都會(huì)被啟動(dòng)。

hadoop001
hadoop002
hadoop003

3.4 分發(fā)程序

將 Hadoop 安裝包分發(fā)到其他兩臺(tái)服務(wù)器，分發(fā)后建議在這兩臺(tái)服務(wù)器上也配置一下 Hadoop 的環(huán)境變量。

# 將安裝包分發(fā)到hadoop002
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/  hadoop002:/usr/app/
# 將安裝包分發(fā)到hadoop003
scp -r /usr/app/hadoop-2.6.0-cdh5.15.2/  hadoop003:/usr/app/

3.5 初始化

在 Hadoop001 上執(zhí)行 namenode 初始化命令：

hdfs namenode -format

3.6 啟動(dòng)集群

進(jìn)入到 Hadoop001 的 ${HADOOP_HOME}/sbin 目錄下，啟動(dòng) Hadoop。此時(shí) hadoop002 和 hadoop003 上的相關(guān)服務(wù)也會(huì)被啟動(dòng)：

# 啟動(dòng)dfs服務(wù)
start-dfs.sh
# 啟動(dòng)yarn服務(wù)
start-yarn.sh

3.7 查看集群

在每臺(tái)服務(wù)器上使用 jps 命令查看服務(wù)進(jìn)程，或直接進(jìn)入 Web-UI 界面進(jìn)行查看，端口為 50070?？梢钥吹酱藭r(shí)有三個(gè)可用的 Datanode：

https://github.com/heibaiying

<BR/>

點(diǎn)擊 Live Nodes 進(jìn)入，可以看到每個(gè) DataNode 的詳細(xì)情況：

https://github.com/heibaiying

<BR/>

接著可以查看 Yarn 的情況，端口號(hào)為 8088 ：

https://github.com/heibaiying

五、提交服務(wù)到集群

提交作業(yè)到集群的方式和單機(jī)環(huán)境完全一致，這里以提交 Hadoop 內(nèi)置的計(jì)算 Pi 的示例程序?yàn)槔谌魏我粋€(gè)節(jié)點(diǎn)上執(zhí)行都可以，命令如下：

hadoop jar /usr/app/hadoop-2.6.0-cdh5.15.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar  pi  3  3

更多大數(shù)據(jù)系列文章可以參見 GitHub 開源項(xiàng)目： 大數(shù)據(jù)入門指南