环境介绍
硬件环境
CPU 4 MEM 4G 磁盘 60G
软件环境
OS:centos6.5版本 64位
Hadoop：hadoop2.5.2 64位
JDK: JDK 1.8.0_91
主机配置规划
Hadoop01 172.16.1.156 （NameNode）
Hadoop02 172.16.1.157 (DataNode)
Hadoop03 172.16.1.158 (DataNode)
设置主机名
这里主机名修改不是必须条件，但是为了操作简单，建议将主机名设置一下，需要修改调整各台机器的hosts文件配置，命令如下：
如果没有足够的权限，可以切换用户为root
三台机器统一增加以下host配置：
配置免密码登录SSH
ssh-keygen -t rsa
2）将id_dsa.pub（公钥）追加到授权key中：
cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
3）将认证文件复制到另外两台DataNode节点上：
scp ~/.ssh/authorized_keys 172.16.1.157:~/.ssh/
scp ~/.ssh/authorized_keys 172.16.1.158:~/.ssh/
ssh hadoop02或ssh hadoop03
各节点安装JDK
（1）检查jdk版本、卸载openjdk版本
查看目前安装openjdk信息：rpm -qa|grep java
卸载以上三个文件（需要root权限，登录root权限卸载）
rpm -e --nodeps java-1.7.0-openjdk-1.7.0.45-2.4.3.3.el6.x86_64
rpm -e --nodeps java-1.6.0-openjdk-1.6.0.0-1.66.1.13.0.el6.x86_64
rpm -e --nodeps tzdata-java-2013g-1.el6.noarch
（2）选择版本是jdk-8u91-linux-x64.gz
（3）解压安装:
(4)重命名jdk为jdk1.8(用mv命令)
(5) 配置环境变量：vi /etc/profile加入以下三行
#JAVA_HOME
export JAVA_HOME=/home/hadoop/jdk1.8
export PATH=$JAVA_HOME/bin:$PATH
(6)执行source /etc/profile使环境变量的配置生效
(7)执行Java –version查看jdk版本，验证是否成功
(8)将hadoop01机器上安装好JDK复制到另外两台节点上
Hadoop安装
Hadoop。
hadoop-2.5.2.tar.gz
/home/hadoop/software
解压
tar -zvxf hadoop-2.5.2.tar.gz -C /home/hadoop/
添加环境变量
vi /etc/profile，尾部添加如下
export JAVA_HOME=/home/hadoop/jdk1.8
export HADOOP_HOME=/home/hadoop/hadoop-2.5.2
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_YARN_HOME=$HADOOP_HOME
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export CLASSPATH=.:$JAVA_HOME/lib:$HADOOP_HOME/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
设置环境变量立即生效
source /etc/profile
配置Hadoop文件
（1） core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop01:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/hadoop-2.5.2/hadoop_tmp</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
（2）hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:
/home/hadoop/hadoop-2.5.2
/dfs/name</value>
<description>namenode上存储hdfs元数据</description>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/
/dfs/data</value>
<description>datanode上数据块物理存储位置</description>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>
注：访问namenode的
webhdfs
使用50070端口，访问datanode的webhdfs使用50075端口。要想不区分端口，直接使用namenode的IP和端口进行所有webhdfs操作，就需要在所有datanode上都设置hdfs-site.xml中dfs.webhdfs.enabled为true。
（3）mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop01:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop01:19888</value>
</property>
</configuration>
jobhistory是Hadoop自带一个历史服务器，记录Mapreduce历史作业。默认情况下，jobhistory没有启动，可用以下命令启动：
sbin/mr-jobhistory-daemon.sh start historyserver
（4）yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>hadoop01:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>hadoop01:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>hadoop01:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>hadoop01:8088</value>
</property>
</configuration>
（5）修改slaves文件，添加datanode节点hostname到slaves文件中
hadoop01
hadoop02
（6）
如果已经配置了JAVA_HOME环境变量，hadoop-env.sh与yarn-env.sh这两个文件不用修改，因为里面配置就是：
export JAVA_HOME=${JAVA_HOME}
如果没有配置JAVA_HOME环境变量，需要分别在hadoop-env.sh和yarn-env.sh中
添加
JAVA_HOME
最后，将整个hadoop-2.5.2文件夹及其子文件夹使用scp复制到两台Slave相同目录中：
运行Hadoop
格式化
启动Hadoop
start-dfs.sh
start-yarn.sh
可以用一条命令：
停止Hadoop
JPS查看进程
通过浏览器查看集群运行状态
http://172.16.1.156:50070
http://172.16.1.156:8088/
http://172.16.1.156:19888
jobhistory是Hadoop自带一个历史服务器，记录Mapreduce历史作业。默认情况下，jobhistory没有启动，可用以下命令启动：
sbin/mr-jobhistory-daemon.sh start historyserver
测试Hadoop
vi wordcount.txt
输入内容为：
hello you
hello me
hello everyone
2）建立目录
hadoop fs -mkdir /data/wordcount
hadoop fs –mkdir /output/
目录/data/wordcount用来存放Hadoop自带WordCount例子的数据文件，运行这个MapReduce任务结果输出到/output/wordcount目录中。
3）上传文件
hadoop fs -put wordcount.txt/data/wordcount/
4）执行wordcount程序
hadoop jar usr/local/program/Hadoop-2.5.1/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.1.jar wordcount /data/wordcount /output/wordcount/
5）查看结果
hadoop fs -text /output/wordcount/part-r-00000
[root@m1mydata]# hadoop fs -text /output/wordcount/part-r-00000
everyone 1
hello 3
me 1
you 1
搭建中遇到问题总结
问题一：
在配置环境变量过程可能遇到输入命令ls命令不能识别问题：
ls -bash: ls: command not found
原因：在设置环境变量时，编辑profile文件没有写正确，将export PATH=$JAVA_HOME/bin:$PATH中冒号误写成分号 ,导致在命令行下ls等命令不能够识别。
解决方案：
export PATH=/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin
问题二：
在主机上启动hadoop集群，然后使用jps查看主从机上进程状态，能够看到主机上的resourcemanager和各个从机上的nodemanager，但是过一段时间后，从机上的nodemanager就没有了，主机上的resourcemanager还在。
原因是防火墙处于开启状态：
注：nodemanager启动后要通过心跳机制定期与RM通信，否则RM会认为NM死掉，会停止NM服务。
service 方式
开启： service iptables start
关闭： service iptables stop
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
