一、 任务描述

要想深入的学习hadoop数据分析技术，首要的任务是必须要将hadoop集群环境搭建起来，可以将hadoop简化地想象成一个小软件，通过在各个物理节点上安装这个小软件，然后将其运行起来，就是一个hadoop分布式集群了。

二、任务目标

(1）学会hadoop完全分布式配置

(2）理解完全分布式配置的配置文件

三、 任务环境

本次环境是：Ubuntu16.04 + jdk1.8.0_73+hadoop-2.7.3

四、任务分析

Hadoop 集群的安装配置大致为如下流程:

 选定一台机器作为 master，在 master 节点上安装 Hadoop，配置网络环境和免密。将 master 节点上的 /simple/hadoop-2.7.3 复制到其他 slave 节点上。在 master 节点上开启 Hadoop服务，查看集群启动状态。

五、 任务实施

步骤1、网络配置

由于在实际环境中每次生成的主机名都不一致，为了命名的规范和简洁，需要修改每台虚拟机的主机名。在ip为192.168.0.2的虚拟机终端输入命令【vim /etc/hostname】，进入编辑页面输入“master”,编辑完成后保存退出。在终端输入命令【reboot】重启后，主机名就修改完成了。然后将ip为192.168.0.3的虚拟机的主机名修改slave1,ip为19.168.0.4的虚拟机的主机名修改为salve2。如图1所示。

图1 修改主机名

修改每台电脑的hosts文件。hosts文件和windows上的功能是一样的。存储主机名和ip地址的映射。在每台linux上，【vim /etc/hosts】 编写hosts文件。

将主机名和ip地址的映射填写进去。编辑完后，结果如图2所示：

图2 编辑hosts文件

配置完网络之后，可以通过ping命令进行测试是否能够连通，ping除了可以直接连接IP地址，也可以连接主机名，不过此时需要对配置文件hosts进行修改。

“etc/hosts“文件是用来配置主机用的DNS服务器信息，是记载LAN内接各主机名称和IP地址，当用户在连接网络时，首先查找该文件，

寻找对应的主机名和IP地址。这样就可以实现不同节点之间可以通过ip地址或主机名相互ping通。如图3所示

图3 测试机器之间的联通

完成以上操作即表示完成一个小的局域网络，为hadoop集群搭建准备好条件，由于每个节点之间需要相互配合，相互访问，为避免反复出现输入密码，

此时需要对各个节点之间配置免密码配置。 无密码登陆，效果也就是在master上，通过 ssh salve1 或 ssh salve2 就可以登陆到对方计算机上。而且不用输入密码进入ssh目录。下面开始配置免密，进入ssh目录并查看。如图4所示

图4 进入ssh目录

使用命令【ssh-keygen -t rsa】，一路按回车就行了。刚才的步骤主要是设置ssh的密钥和密钥的存放路径。 路径为~/.ssh下。

  打开~/.ssh 下面有三个文件

（1）authorized_keys，已认证的keys

  （2）id_rsa，私钥

  （3）id_rsa.pub，公钥三个文件。

  下面就是关键的地方了，（下面的操作为ssh认证。进行下面操作前，可以先搜关于认证和加密区别以及各自的过程。）在master上将公钥放到authorized_keys里。命令：【 cat ~/.ssh/id_rsa.pub >>~/.ssh/authorized_keys】。如图5所示

图5 生成公钥和私钥

如果有其他 slave 节点，也要执行将 master 公钥传输到 slave 节点、在 slave 节点上加入授权这两步。这样，在 master 节点上就可以无密码 SSH 到各个 slave 节点了，可在 master 节点上执行如下命令进行检验，如下图所示

 将master上的公钥放到其他虚拟机的~/.ssh目录下，并测试免密是否成功。下面是放到对slave1的免密配置，依次完成salve2。如图6所示。注意：在进行文件传输时需要密码为“Simplexue123“。上述的操作过程只是单向的，即此时，ssh root@slave1和ssh root@slave2是不需要密码的。而ssh root@master等反向仍然是需要密码的。执行【ssh slave1】后进入slave1节点，通过【ssh master】可以再次回到master节点。

图6 将公钥传给其他机器

♥ 温馨提示

  需要在所有节点上完成网络配置，如上面讲的是 master 节点的配置，而在其他的 slave 节点上，也要对/etc/hosts（跟 master 的配置一样）文件进行修改！

步骤2、解压Hadoop压缩包

在master节点执行命令【cd /simple/soft】进入软件包的所在文件夹中,并通过【ls】查看文件夹下所有软件。如图7所示。

图7 进入软件所在目录

  在simple目录下执行解压命令。如图8所示

图8 解压hadoop

步骤3、配置hadoop文件

  切换到配置文件所在目录下并查看。如图9所示

图9 查看配置文件

  在当前目录下执行命令：【vim hadoop-env.sh】，按i键之后进入编辑状态，在文件中添加如下内容: export JAVA_HOME=/simple/jdk1.8.0_73。

如图10所示。保存后在终端输入命令【vim yarn-env.sh】对yarn-env.sh进行同样的配置，如图11所示。

图10 配置hadoop-env.sh

图11 配置yarn-env.sh

  在当前目录下执行【vim core-site.xml】并修改配置文件core-site.xml的 内容如下(实际修改不需要写中文注释)。如果没有配置hadoop.tmp.dir参数

此时系统默认的临时文件为/tmp/Hadoop,而这个目录在每次重启机器后会删除，需要重新格式化，否则报错。

1.   <!-- 这个属性用来指定namenode的hdfs协议的文件系统通信地址，可以指定一个主机+端口，也可以指定为一个namenode服务（这个服务内部可以有多台namenode实现hadoop的namenode服务 -->
2.  <property>
3.         <name>fs.default.name</name>
4.         <value>hdfs://master:9000</value>
5.  </property>
6.  <property>
7.  <!-- 指定hadoop临时目录，前面用file:表示是本地目录。hadoop在运行过程中肯定会有临时文件或缓冲之类的，必然需要一个临时目录来存放，这里就是指定这个的 -->
8.       /**tmp提前创建好 */
9.          <name>hadoop.tmp.dir</name>
10.         <value>/simple/hadoop-2.7.3/tmp</value>
11. </property>
  在当前目录下执行【vim hdfs-site.xml】并修改配置文件hdfs-site.xml
1.  <!-- namenode数据的存放地点。也就是namenode元数据存放的地方，记录了hdfs系统中文件的元数据-->
2.  <property>
3.          <name>dfs.name.dir</name>
4.          <value>/simple/hadoop-2.7.3/hdfs/name</value>
5.  </property>
6.  <!-- datanode数据的存放地点。也就是block块存放的目录了-->
7.  <property>
8.          <name>dfs.data.dir</name>
9.          <value>/simple/hadoop-2.7.3/hdfs/data</value>
10. </property>
  在当前目录下执行编辑文件命令：【`vim mapred-site.xml`】并修改该文件内容
1.  <!-- 通知框架MR使用YARN -->
2.  <property>
3.          <name>mapreduce.framework.name</name>
4.          <value>yarn</value>
5.  </property>
6.  <!---- 指定mr框架jobhistory的内部通讯地址 -->
7.  <property>
8.          <name>mapreduce.jobhistory.address</name>
9.          <value>master:10020</value>
10. </property>
11. <!---- 指定mr框架web查看的地址 -->
12. <property>
13.          <name>mapreduce.jobhistory.webapp.address</name>
14.          <value>master:19888</value>
15. </property>
  在当前目录下执行【`vim yarn-site.xml`】,这个文件就是配置资源管理系统yarn了，其中主要指定了一些节点资源管理器nodemanager，以及总资源管理器resourcemanager的配置。 可以看到这个配置中，跟mapreduce框架是相关的。修改配置文件内容如下
  可见yarn首先是为了支持mapreduce这个模型，之后很多其他的框架都是基于mapreduce以及yarn的功能基础上开发出来的。
1.  <!--- 启用的资源调度器主类 -->
2.  <property>
3.      <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
4.      <value>org.apache.mapred.ShuffleHandler</value>
5.  </property>
6.  <!--- ResourceManager 对客户端暴露的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等 -->
7.  <property>
8.      <name>yarn.resourcemanager.address</name>
9.      <value>master:8032</value>
10. </property>
11. <!-- ResourceManager 对ApplicationMaster暴露的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等 -->
12. <property>
13.     <name>yarn.resourcemanager.scheduler.address</name>
14.     <value>master:8030</value>
15. </property>
16. <!-- ResourceManager 对NodeManager暴露的地址.。NodeManager通过该地址向RM汇报心跳，领取任务等 -->
17. <property>
18.     <name>yarn.resourcemanager.resource-tracker.address</name>
19.     <value>master:8031</value>
20. </property>
21. <!-- 对管理员暴露的访问地址。管理员通过该地址向RM发送管理命令等 -->
22. <property>
23.     <name>yarn.resourcemanager.admin.address</name>
24.     <value>master:8033</value>
25. </property>
26. <!-- ResourceManager对外web ui地址。用户可通过该地址在浏览器中查看集群各类信息 -->
27. <property>
28.     <name>yarn.resourcemanager.webapp.address</name>
29.     <value>master:8088</value>
30. </property>
31. <!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序 -->
32. <property>
33.     <name>yarn.nodemanager.aux-services</name>
34.     <value>mapreduce_shuffle</value>
35. </property>

在master节点上完成以上所有操作之后，需要把master上的hadoop分别远程拷贝到slave1，slave2上。例如：【scp –r hadoop-2.7.3/ slave1:/simple/】，如图12所示。然后使用命令【vim hadoop-2.7.3/etc/hadoop/slaves】修改文件slaves的内容，将原来的内容删掉替换为图13所示内容。

图12 将hadoop拷贝到子节点

图13 修改主节点的slaves文件

  执行【vim /etc/profile】。把hadoop的安装目录配置到环境变量中。如图14所示。注意：依次在slave1,slave2虚拟机上配置环境变量。

图14 配置环境变量

  这里为了方便可以通过命令【scp –r /etc/profile slave1:/etc/profile】将环境变量传到其它的虚拟机环境中。如图13所示。然后对slave2执行同样的操作。

图15 传输环境变量

  然后让配置文件生效:【source /etc/profile】，依次在slave1和slave2节点上执行该命令。如图16所示

图16 使配置文件生效

  格式化namenode。在任意目录下执行如下命令进行格式化：【hdfs namenode -format】 或者 【hadoop namenode -format】 。 如图17所示

图17 在master节点格式化namenode

  在master节点启动hadoop，输入命令：【start-all.sh】。如图18所示

图18 启动hadoop服务

♥ 知识链接

hosts文件

配置hosts文件的作用，它主要用于确定每个结点的IP地址，方便后续master结点能快速查到并访问各个结点。在上述4个虚机结点上均需要配置此文件。由于需要确定每个结点的IP地址，所以在配置hosts文件之前需要先查看当前虚机结点的IP地址是多少，可以通过ifconfig命令进行查看

六、任务测试

启动之后，分别在master，slave1，slave2节点的任意目录下执行【jps】命令验证进程是否正常启动。如图19、20、21所示

图19 jps查看服务

图20 jps查看服务

图21 jps查看服务

  测试hdfs和yarn（推荐火狐浏览器），首先在浏览器地址栏中输入：http://master:50070 （HDFS管理界面）。如图22所示

图22 webui查看集群信息