Hadoop集群搭建
Hadoop 集群的安装配置大致包括以下步骤：
（1）步骤1：选定一台机器作为 Master；
（2）步骤2：在Master节点上安装Hadoop，并完成配置；
（3）步骤3：将Master节点上的“/export/server/hadoop”目录复制到其他Slave节点上；
（4）步骤4：在Master节点上开启Hadoop；
1. 上传hadoop包并解压
tar -zxvf hadoop-3.3.1.tar.gz -C /export/server/
修改文件名
cd /export/server/
mv hadoop-3.3.1/ hadoop
2. hadoop各文件功能解析
bin：Hadoop最基本的管理脚本和使用脚本的目录，这些脚本是sbin目录下管理脚本的基础实现，用户可以直接使用这些脚本管理和使用Hadoop。
etc：Hadoop配置文件所在的目录，包括core-site,xml、hdfs-site.xml、mapred-site.xml等从Hadoop1.0继承而来的配置文件和yarn-site.xml等Hadoop2.0新增的配置文件。
include：对外提供的编程库头文件（具体动态库和静态库在lib目录中），这些头文件均是用C++定义的，通常用于C++程序访问HDFS或者编写MapReduce程序。
lib：该目录包含了Hadoop对外提供的编程动态库和静态库，与include目录中的头文件结合使用。
libexec：各个服务对用的shell配置文件所在的目录，可用于配置日志输出、启动参数（比如JVM参数）等基本信息。
sbin：Hadoop管理脚本所在的目录，主要包含HDFS和YARN中各类服务的启动/关闭脚本。
share：Hadoop各个模块编译后的jar包所在的目录，官方自带示例。
3. Hadoop配置文件修改
3.1 hadoop.env.sh
设置hadoop运行时所需要的环境变量
cd /export/server/hadoop/etc/hadoop/
vim hadoop-env.sh
#添加: 在54行
#添加java环境
export JAVA_HOME=/export/server/jdk1.8.0_333
#文件最后添加: 在第 439行下
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
3.2core-site.xml
hadoop的核心配置文件
cd /export/server/hadoop/etc/hadoop/
vim core-site.xml
#在文件的configuration的标签中添加以下内容:
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master.itcast.cn:8020</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/export/data/hadoop</value>
</property>
<!-- 设置HDFS web UI用户身份 -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>root</value>
</property>
3.3 hdfs-site.xml
HDFS的核心配置文件
cd /export/server/hadoop/etc/hadoop/
vim hdfs-site.xml
#在文件的configuration的标签中添加以下内容:
<!-- 指定secondarynamenode运行位置 -->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>slave2.itcast.cn:50090</value>
</property>
3.4 yarn-site.xml
YARN的核心配置文件
cd /export/server/hadoop/etc/hadoop/
vim yarn-site.xml
在文件的configuration的标签中添加以下内容:
<!-- 指定YARN的主角色（ResourceManager）的地址 -->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>slave1.itcast.cn</value>
</property>
<!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序默认值："" -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 是否将对容器实施物理内存限制 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<!-- 是否将对容器实施虚拟内存限制。 -->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<!-- 开启日志聚集 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置yarn历史服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://slave1.itcast.cn:19888/jobhistory/logs</value>
</property>
<!-- 保存的时间7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
3.5 mapred-site.xml
MapReduce的核心配置文件
cd /export/server/hadoop/etc/hadoop/
vim mapred-site.xml
在文件的configuration的标签中添加以下内容:
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>yarn.app.mapreduce.am.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.map.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
<property>
<name>mapreduce.reduce.env</name>
<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
</property>
3.6 workers
workers文件里面记录的是集群主机名。主要作用是配合一键启动脚本如start-dfs.sh、stop-yarn.sh用来进行集群启动。这时候workers文件里面的主机标记的就是从节点角色所在的机器。
cd /export/server/hadoop/etc/hadoop/
vim workers
清空内容后, 添加以下内容:
master.itcast.cn
slave1.itcast.cn
slave1.itcast.cn
4. scp同步安装包
cd /export/server
scp -r hadoop/ slave1:$PWD
scp -r hadoop/ slave2:$PWD
5.hadoop环境变量
3台机器都需要配置环境变量文件
vim /etc/profile
#HADOOP_HOME
export HADOOP_HOME=/export/server/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
保持退出后刷新环境变量
source /etc/profile
6. Hadoop集群启动、初体验
6.1 启动方式
要启动Hadoop集群，需要启动HDFS和YARN两个集群。
注意：首次启动HDFS时，必须对其进行格式化操作。本质上是一些清理和准备工作，因为此时的HDFS在物理上还是不存在的。
hadoop namenode -format
格式化成功会有如下显示：
/************************************************************
SHUTDOWN_MSG: Shutting down NameNode at Master/192.168.88.181
************************************************************/
6.1.1 单节点逐个启动
在主节点上使用以下命令启动HDFS NameNode：
$HADOOP_HOME/bin/hdfs --daemon start namenode
在每个从节点上使用以下命令启动HDFS DataNode：
$HADOOP_HOME/bin/hdfs --daemon start datanode
在slave2上使用以下命令启动HDFS SecondaryNameNode：
$HADOOP_HOME/bin/hdfs --daemon start secondarynamenode
在slave1上使用以下命令启动YARN ResourceManager：
$HADOOP_HOME/bin/yarn --daemon start resourcemanager
在每个从节点上使用以下命令启动YARN nodemanager：
$HADOOP_HOME/bin/yarn --daemon start nodemanager
如果想要停止某个节点上某个角色，只需要把命令中的start改为stop即可。
6.1.2 脚本一键启动
如果配置了etc/hadoop/workers和ssh免密登录，则可以使用程序脚本启动所有Hadoop两个集群的相关进程，在主节点所设定的机器上执行。
本集群的部署方式中hdfs的主节点位于master，yarn的主节点位于slave1
故在master节点执行：
hdfs：$HADOOP_PREFIX/sbin/start-dfs.sh
在slave1节点执行：
yarn: $HADOOP_PREFIX/sbin/start-yarn.sh
停止集群：stop-dfs.sh、stop-yarn.sh
同时还提供了完整的一键化脚本:
start-all.sh
stop-all.sh
7. 启动后的效果
8. 集群web-ui
一旦Hadoop集群启动并运行，可以通过web-ui进行集群查看，如下所述：
NameNode http://rm_host:port/ 默认9870.
ResourceManager http://rm_host:port/ 默认 8088.
9. MapReduce jobHistory
JobHistory用来记录已经finished的mapreduce运行日志，日志信息存放于HDFS目录中，默认情况下没有开启此功能，需要在mapred-site.xml中配置并手动启动。
9.1 修改mapred-site.xml
cd /export/servers/hadoop/etc/hadoop
vim mapred-site.xml
MR JobHistory Server管理的日志的存放位置
<property>
<name>mapreduce.jobhistory.address</name>
<value>slave1:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>slave1:19888</value>
</property>
查看历史服务器已经运行完的Mapreduce作业记录的web地址，需要启动该服务才行
9.2 分发配置到其他机器
cd /export/server/hadoop/etc/hadoop
scp -r mapred-site.xml slave1:$PWD
scp –r mapred-site.xml slave2:$PWD
9.3 启动jobHistoryServer服务进程
因为ResourceManager部署在slave1上，故在slave1执行以下命令：
mapred --daemon start historyserver
如果关闭的话 用下述命令
mapred --daemon stop historyserver
9.4 页面访问jobhistoryserver
