一、前言
- 配置一台master服务器，两台（或多台）slave服务器;
- master可以无密码SSH登录到slave;
- 卸载centos7自带的openjdk,通过SecureCRT的rz命令上传jdk-7u79-linux-x64.tar.gz文件到服务器,解压安装JDK;
- 解压安装Hadoop，配置hadoop的core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml文件,配置好之后启动hadoope服务，用jps命令查看状态;
- 运行hadoop自带的wordcount程序做一个Hello World实例。
二、准备工作
我的系统：
windows 10 家庭普通中文版
cpu:intel i5 2.2GHz
内存：8G
64位操作系统
需要准备的软件和文件（全部是64位安装包）
- 虚拟机：VMware 12 Pro 12.5.2
- Centos7官网下载：https://www.centos.org/download/ 选择DVD ISO(标准版)http://isoredirect.centos.org/centos/7/isos/x86_64/CentOS-7-x86_64-DVD-1511.iso
- JDK 1.7及以上，官网下载：jdk-7u79-linux-x64.tar.gz
- Hadoop 2.7.3下载地址：http://www-eu.apache.org/dist/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz
- SecureCRT version 7.2.3
三、安装过程
提示：先创建一台虚拟机,安装好centos7系统，使用VMware 的克隆功能，克隆另外两台虚拟机。这样可以节省时间。
3.1 虚拟机设置
当三台虚拟机安装好之后，获得它们的IP地址,并设置主机名，（根据实际IP地址和主机名）修改/etc/hosts文件内容为：
192.168.186.128 master.hadoop
192.168.186.129 slave1.hadoop
192.168.186.130 slave2.hadoop
- vi /etc/hosts命令修改，然后保存（vi的相关命令见引用来源16）
- more /etc/hosts查看
- 重启后，hosts生效。命令： reboot now
3.2 SSH免密码登录
提示：我全程用的都是root用户，没有另外创建用户。每台服务器都生成公钥，再合并到authorized_keys。
1) CentOS默认没有启动ssh无密登录，去掉/etc/ssh/sshd_config其中2行的注释，每台服务器都要设置，
查找
#RSAAuthentication yes
#PubkeyAuthentication yes修改成
RSAAuthentication yes
PubkeyAuthentication yes2) 输入命令，ssh-keygen -t rsa，生成key，都不输入密码，一直回车，/root就会生成.ssh文件夹，每台服务器都要设置，
3) 合并公钥到authorized_keys文件，在master服务器，进入/root/.ssh目录，通过SSH命令合并，（~/.ssh/id_rsa.pub 是省略的写法，要根据实际路径来确定）
cat id_rsa.pub>> authorized_keys
ssh root@192.168.186.129 cat ~/.ssh/id_rsa.pub >> authorized_keys
ssh root@192.168.186.130 cat ~/.ssh/id_rsa.pub >> authorized_keys4) 把master服务器的authorized_keys、known_hosts复制到slave服务器的/root/.ssh目录
scp -r /root/.ssh/authorized_keys root@192.168.186.129:/root/.ssh/
scp -r /root/.ssh/known_hosts root@192.168.186.129:/root/.ssh/
scp -r /root/.ssh/authorized_keys root@192.168.186.130:/root/.ssh/
scp -r /root/.ssh/known_hosts root@192.168.186.130:/root/.ssh/5) 完成后，ssh root@192.168.186.129、ssh root@192.168.186.130或者(ssh root@slave1.hadoop、ssh root@slave2.hadoop ) 就不需要输入密码直接登录到其他节点上。
3.3 Secure CRT连接虚拟机
- 在VMware中把三台虚拟机启动，如下图所示：
- 打开SecureCRT,在一个session里连接三台虚拟机，就可以登录实现操作。
Fiel->Quick Connection
Protocol:ssh2 前提条件是在3.2中实现了ssh免密码登录
Hostname:192.168.186.128 连接的主机名
Username: root 连接主机的用户名
Connect
依次连接好三台虚拟机 - 结果如下：
- 上传windows系统中的文件到虚拟机中
定位到要上传文件的目录下，输入命令：rz，回车后，弹出文件选择窗口，选择文件，点击add,再OK。文件就上传到当前服务器的当前目录下。
rz命令如果没有安装，使用这个命令安装：yum install lrzsz
3.4 安装JDK
Hadoop2.7需要JDK7，由于我的CentOS自带了OpenJDK，所以要先卸载，然后解压下载的JDK并配置变量即可。
1) 在/home目录下创建java目录，然后使用rz命令，上传“jdk-7u79-linux-x64.gz”到/home/java目录下，
2) 解压，输入命令，tar -zxvf jdk-7u79-linux-x64.gz
3) 编辑 /etc/profile，在其末尾添加以下内容：
export JAVA_HOME=/home/java/jdk1.7.0_79
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin4) 使配置生效，输入命令，source /etc/profile
5) 输入命令，java -version，完成
3.5 安装Hadoop2.7.3
3.5.1 提要
1) secureCRT 上传“hadoop-2.7.3.tar.gz”，放到/home/hadoop目录下
2) 只在master服务器解压，再复制到slave服务器（scp命令传输）
3) 解压，输入命令，tar -xzvf hadoop-2.7.3.tar.gz
4) 在/home/hadoop目录下创建数据存放的文件夹，tmp、dfs、dfs/data、dfs/name（hdfs-site.xml文件中会用到）
3.5.2 配置文件
1./home/hadoop/hadoop-2.7.3/etc/hadoop目录下的core-site.xml
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://master.hadoop:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/home/hadoop/tmp</value>
</property>
<property>
<name>io.file.buffer.size</name>
<value>131702</value>
</property>
</configuration>2.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下的hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///home/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///home/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master.hadoop:50090</value>
</property>
<property>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>3.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下的mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
<final>true</final>
</property>
<property>
<name>mapreduce.jobtracker.http.address</name>
<value>master.hadoop:50030</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master.hadoop:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master.hadoop:19888</value>
</property>
<property>
<name>mapred.job.tracker</name>
<value>http://master.hadoop:9001</value>
</property>
</configuration>4.配置/home/hadoop/hadoop-2.7.0/etc/hadoop目录下的yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property> <name>yarn.nodemanager.auxservices.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>master.hadoop:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master.hadoop:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master.hadoop:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master.hadoop:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master.hadoop:8088</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>master.hadoop</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2048</value>
</property>
</configuration>提示：yarn.nodemanager.resource.memory-mbr的值一定要注意，在最后的hello world程序运行时，会提示内存太小，（hadoop运行到mapreduce.job: Running job后停止运行 ）我把它从1024改成了2048
5.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下hadoop-env.sh、yarn-env.sh的JAVA_HOME
取消注释，设置为export JAVA_HOME=/home/java/jdk1.7.0_79
6.配置/home/hadoop/hadoop-2.7.3/etc/hadoop目录下的slaves，删除默认的localhost，增加2个slave节点:
slave1.hadoop
slave2.hadoop7.将master服务器上配置好的Hadoop复制到各个节点对应位置上，通过scp传送
scp -r /home/hadoop 192.168.186.129:/home/
scp -r /home/hadoop 192.168.186.130:/home/3.5.3 启动hadoop
提示：在master服务器启动hadoop，各从节点会自动启动，进入/home/hadoop/hadoop-2.7.0目录，hadoop的启动和停止都在master服务器上执行。
1) 初始化，在hadoop-2.7.3目录下输入命令，bin/hdfs namenode –format
2) 启动命令
sbin/start-dfs.sh
sbin/start-yarn.sh
3) 输入命令，jps，可以看到相关信息
master上看到
slave上
4) 停止命令，依次执行：sbin/stop-dfs.sh、sbin/stop-yarn.sh
至此，hadoop配置完成了。
四、Hadoop入门之HelloWorld程序
摘要：初步接触Hadoop，必不可少的就是运行属于Hadoop的Helloworld程序——wordcount，统计文件中各单词的数目。安装好的Hadoop集群上已有相应的程序。我们来验证一下。
4.1 准备数据
在/home/hadoop下创建file文件夹，里面生成file1.txt,file2.txt,file3.txt,file4.txt四个文件
4.2 然后把数据put到HDFS里
4.3 进入hadoop-mapreduce-examples-2.7.3.jar所在文件夹，使用pwd输出当前目录的路径
4.4 在/home/hadoop/hadoop-2.7.3目录下执行命令
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input /output2
INFO mapreduce.Job: Job job_1480100450381_0001 completed successfully
意味着运行成功，否则就要根据出错信息或者日志排错。其中，/output2是执行结果输出目录(因为之前已经存在了output文件夹了)，到此，HelloWorld就顺利执行了，你可以用hadoop fs -cat /output2/part-r-* 命令来查看结果.
4.5 结果如下
查看之前的文件内容，对比上图的结果。
六．总结
完成这次实验花费了很长时间，从网上查找大量的信息，一步一步的实现，中途出现很多bug，大部分是配置文件出错。还有就是对Linux基本命令不熟悉，每遇到一个命令都要到网上去查看它的用法。到最后配置hadoop的时候，一直不能发现数据节点，虽然进程启动了。最后发现是hosts文件的问题，解决方案见引用来源的第10条。最后执行wordcount遇到内存不足的问题，解决方案就是把yarn-site.xml文件中的yarn.nodemanager.resource.memory-mb的值改成2048，大于程序运行所需要内存就行。这次实验能够成功，很开心自己能坚持完成。中途有几次找不到原因，差点不想做了。在这里感谢帮助我的关同学、章同学，郑学长，以及感谢网络上的分享精神，向他们致敬！
回顾整个过程，我有几点小体会：
1、网上的文章有很多，需要仔细甄别，不能直接拿来就用，出现问题的时候，要到网上去查找原因。
2、出现错误时，从出错信息，日志里面找原因。
3、先思考再动手实践，再思考，再实践。知其然知其所以然。
4、不轻言放弃
5、遇到不能解决的问题，不要怕麻烦周围的同学，多一个人能多一点思路。避免进入死胡同，浪费时间。
6、做完实验要做总结，做笔记。
