hadoop完全分布式运行模式

一、虚拟机环境准备

1.克隆虚拟机

2.修改克隆虚拟机的静态IP

vim /etc/sysconfig/network-scripts/ifcfg-eth33

3.修改主机名

查看主机名hostname
修改主机名vi /etc/sysconfig/network

NETWORKING=yes
NETWORKING_IPV6=no
HOSTNAME= hadoop101

修改linux的主机映射文件（hosts文件）vim /etc/hosts
添加

8.8.8.101 hadoop101
8.8.8.102 hadoop102
8.8.8.103 hadoop103

修改完成后 *重启设备*

4.关闭防火墙(centos 7)

查看防火墙状态 firewall-cmd --state
停止firewall systemctl stop firewalld.service
禁止firewall开机启动 systemctl stop firewalld.service

5.创建banana用户

添加一个用户 useradd banana
设置用户密码 passwd banana
查看用户是否存在 id banana
查看创建了哪些用户 cat /etc/passwd
删除用户 删除用户但保存用户主目录 userdel banana 删除用户和用户主目录 userdel -r banana
显示自身用户名称 whoami

6.sudo配置banana用户具有root权限

修改配置文件 vi /etc/sudoers
找到下面一行(91行)，在root下面添加一行

## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
banana   ALL=(ALL)     ALL

或者配置成采用sudo命令时，不需要输入密码

## Allow root to run any commands anywhere
root      ALL=(ALL)     ALL
atguigu   ALL=(ALL)     NOPASSWD:ALL

修改完毕，现在可以用banana帐号登录，然后用命令 sudo ，即可获得root权限进行操作(sudo useradd zhangsan)

二、编写集群分发脚本xsync

1.scp（secure copy）安全拷贝 [推、拉、第三方]

定义：scp可以实现服务器与服务器之间的数据拷贝
语法：scp -r $pdir/$fname $user@hadoop$host:$pdir/$fname
即 scp -r banana@hadoop101:/soft/software root@hadoop103:/soft/software (在102上把101的文件拷贝到103上)

注意：拷贝过来的配置文件别忘了source一下/etc/profile
注意：拷贝过来的/opt/module目录，别忘了在hadoop102、hadoop103上修改所有文件的，所有者和所有者组。sudo chown banana:banana -R /soft/software

2.rsync 远程同步工具

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
语法:rsync -rvl $pdir/$fname $user@hadoop$host:$pdir/$fname

3.xsync集群分发脚本

定义：循环复制文件到所有节点的相同目录下
脚本实现
1.在/home/banana目录下创建bin目录，并在bin目录下xsync创建文件
2.文件内容

#!/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=103; host<105; host++)); do
        echo ------------------- hadoop$host --------------
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done

3.修改脚本 xsync 具有执行权限 chmod 777 xsync
4.调用脚本形式 xsync /home/banana/bin

注意：如果将xsync放到/home/atguigu/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。

三、完全分布式运行模式

1）准备3台客户机（关闭防火墙、静态ip、主机名称）

2）安装JDK并配置环境变量

解压 tar -zxvf jdk-8u161-linux-x64.tar.gz -C /soft/software (/soft/software是自己新建的目录)
配置环境变量 vim /etc/profile

文件尾部加入：
export JAVA_HOME=/soft/software/jdk1.8.0_161/    #安装jdk的路径
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar

使配置生效 source /etc/profile

3）安装Hadoop并配置环境变量

解压 tar -zxvf hadoop-2.9.2.tar.gz -C /soft/software
配置环境变量 vim /etc/profile

文件尾部加入：
export HADOOP_HOME=/soft/software/hadoop-2.9.2                #自己安装的Hadoop路径
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

使配置生效 source /etc/profile

4）配置集群

• 核心配置文件 vi 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>/soft/module/hadoop-2.9.2/data/tmp</value>
</property>

• HDFS配置文件

配置hadoop-env.sh vi hadoop-env.sh

export JAVA_HOME=/soft/module/jdk1.8.0_161

配置hdfs-site.xml vi hdfs-site.xml

<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>hadoop103:50090</value>
</property>

• YARN配置文件

vi yarn-env.sh

export JAVA_HOME=/soft/module/jdk1.8.0_161

vi 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>hadoop102</value>
</property>

• MapReduce配置文件

配置mapred-env.sh vi mapred-env.sh

export JAVA_HOME=/soft/module/jdk1.8.0_161

配置mapred-site.xml cp mapred-site.xml.template mapred-site.xml vi mapred-site.xml

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>

• 分发配置好的hadoop配置文件 xsync /opt/module/hadoop-2.9.2/
• 在另外的节点上查看文件分发情况 cat /opt/module/hadoop-2.9.2/etc/hadoop/core-site.xml

5）单点启动

• 如果集群是第一次启动，需要格式化NameNode hadoop namenode -format
• 在hadoop101上启动NameNode hadoop-daemon.sh start namenode
• 在hadoop101、hadoop102以及hadoop103上分别启动DataNode hadoop-daemon.sh start datanode jps查看进程

6）配置ssh、群起集群

• 各节点间无密登录

生成公钥和私钥(然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）)
ssh-keygen -t rsa

将公钥拷贝到要免密登录的目标机器上
ssh-copy-id hadoop101
ssh-copy-id hadoop102
ssh-copy-id hadoop103

X3(在所有节点上执行)
========================================
配置slaves
vim /soft/module/hadoop-2.9.2/etc/hadoop/slaves
加上
hadoop101
hadoop102
hadoop103

分发文件
xsync.sh /soft/module/hadoop-2.9.2/etc/hadoop/slaves

• 启动集群
  • 如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据） hdfs namenode -format
  • 启动HDFS 在namenode(hadoop101)节点上执行 sbin/start-dfs.sh
  • 启动YARN 在ResouceManager(hadoop102)节点上执行 sbin/start-yarn.sh
• 在网页上查看集群信息

7）测试集群

• 上传文件到集群
• 查看文件存放在什么位置 (HDFS文件存储路径)(HDFS在磁盘存储文件内容)
• 拼接文件
• 下载文件