经常查阅资料搭建Hadoop集群进行hadoop生态组件的学习，于是打算自己做一套完整的资料，方便以后查阅。
一、模板机准备
1.安装虚拟机
模板机安装前置工作。
2.三处ip配置
第一处：虚拟机ip
改好这个后在改下面的
[root@hadoop100 ~]# vim /etc/sysconfig/network-scripts/ifcfg-ens33改成
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.10.102
PREFIX=24
GATEWAY=192.168.10.2
DNS1=192.168.10.2
IPADDR=192.168.10.100
GATEWAY=192.168.10.2
DNS1=192.168.10.2第二处：windows ip
第三处：修改主机名和映射文件
修改主机名：
[root@hadoop100 ~]# vim /etc/hostname
hadoop102修改Linux映射文件：添加如下内容
[root@hadoop100 ~]# vim /etc/hosts
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108重启虚拟机
[root@hadoop100 ~]# reboot重启后查看自己的ip，并且查看是否可以联网
修改windows映射文件：
（1）如果操作系统是window7，可以直接修改
（a）进入C:\Windows\System32\drivers\etc路径
（b）打开hosts文件并添加如下内容，然后保存
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108（2）如果操作系统是window10，先拷贝出来，修改保存以后，再覆盖即可
- （a）进入C:\Windows\System32\drivers\etc路径
- （b）拷贝hosts文件到桌面
- （c）打开桌面hosts文件并添加如下内容
192.168.10.100 hadoop100
192.168.10.101 hadoop101
192.168.10.102 hadoop102
192.168.10.103 hadoop103
192.168.10.104 hadoop104
192.168.10.105 hadoop105
192.168.10.106 hadoop106
192.168.10.107 hadoop107
192.168.10.108 hadoop108（d）将桌面hosts文件覆盖C:\Windows\System32\drivers\etc路径hosts文件
2.安装epel-release
注：Extra Packages for Enterprise Linux是为“红帽系”的操作系统提供额外的软件包，适用于RHEL、CentOS和Scientific Linux。相当于是一个软件仓库，大多数rpm包在官方 repository 中是找不到的）
[root@hadoop100 ~]# yum install -y epel-release3.关闭防火墙，关闭防火墙开机自启
[root@hadoop100 ~]# systemctl stop firewalld
[root@hadoop100 ~]# systemctl disable firewalld.service4.创建big用户，并修改big用户的密码
[root@hadoop100 ~]# useradd big
[root@hadoop100 ~]# passwd big5.配置big用户具有root权限，方便后期加sudo执行root权限的命令
[root@hadoop100 ~]# vim /etc/sudoers修改/etc/sudoers文件，在%wheel这行下面添加一行，如下所示
## Allow root to run any commands anywhere
root ALL=(ALL) ALL
## Allows people in group wheel to run all commands
%wheel ALL=(ALL) ALL
big ALL=(ALL) NOPASSWD:ALL注意：atguigu这一行不要直接放到root行下面，因为所有用户都属于wheel组，你先配置了atguigu具有免密功能，但是程序执行到%wheel行时，该功能又被覆盖回需要密码。所以atguigu要放到%wheel这行下面。
6.在/opt目录下创建文件夹，并修改所属主和所属组
（1）在/opt目录下创建module、software文件夹
[root@hadoop100 ~]# mkdir /opt/module
[root@hadoop100 ~]# mkdir /opt/software（2）修改module、software文件夹的所有者和所属组均为big用户
[root@hadoop100 ~]# chown big:big /opt/module
[root@hadoop100 ~]# chown big:big /opt/software（3）查看module、software文件夹的所有者和所属组
[root@hadoop100 ~]# cd /opt/
[root@hadoop100 opt]# ll
总用量 12
drwxr-xr-x. 2 big big 4096 5月 28 17:18 module
drwxr-xr-x. 2 root root 4096 9月 7 2017 rh
drwxr-xr-x. 2 big big 4096 5月 28 17:18 software7.卸载虚拟机自带的JDK
[root@hadoop100 ~]# rpm -qa | grep -i java | xargs -n1 rpm -e --nodeps8.重启虚拟机
[root@hadoop100 ~]# reboot9.安装JDK
（1）用XShell传输工具将JDK导入到opt目录下面的software文件夹下面，并 解压安装文件到/opt/module下面
[big@hadoop102 software]$ tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/（2）配置JDK环境变量
（a）新建/etc/profile.d/my_env.sh文件
[big@hadoop102 ~]$ sudo vim /etc/profile.d/my_env.sh添加如下内容
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin（b）保存后退出
（c）source一下/etc/profile文件，让新的环境变量PATH生效
[big@hadoop102 ~]$ source /etc/profile（3）测试JDK是否安装成功
[big@hadoop102 ~]$ java -version如果能看到以下结果，则代表Java安装成功。
java version "1.8.0_212"注意：重启（如果java -version可以用就不用重启）
[big@hadoop102 ~]$ sudo reboot10.安装Hadoop
（1）用XShell传输工具将Hadoop导入到opt目录下面的software文件夹下面,并解压安装文件到/opt/module下面
[big@hadoop102 software]$ tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/（2）打开/etc/profile.d/my_env.sh文件
[big@hadoop102 hadoop-3.1.3]$ sudo vim /etc/profile.d/my_env.sh（3）将Hadoop添加到环境变量
#HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin- 在my_env.sh文件末尾添加如下内容：（shift+g）
- 保存并退出
（4）让修改后的文件生效
[big@hadoop102 hadoop-3.1.3]$ source /etc/profile（5）测试是否安装成功
[atguigu@hadoop102 hadoop-3.1.3]$ hadoop version
Hadoop 3.1.3（6）重启（如果Hadoop命令不能用再重启虚拟机）
[big@hadoop102 hadoop-3.1.3]$ sudo reboot二.克隆三台虚拟机
1.修改静态IP
vim /etc/sysconfig/network-scripts/ifcfg-ens33
2.修改主机名
[root@hadoop100 ~]# vim /etc/hostname
hadoop1023.分别重启三台虚拟机
4.配置ssh无密登入
（1）基本语法
ssh 另一台电脑的IP地址
（2）ssh连接时出现Host key verification failed的解决方法
[big@hadoop102 ~]$ ssh hadoop103- 如果出现如下内容
Are you sure you want to continue connecting (yes/no)?- 输入yes，并回车
（3）退回到hadoop102
[big@hadoop103 ~]$ exit（4）无密钥配置
a）免密登录原理
b）生成公钥和私钥
[big@hadoop102 .ssh]$ pwd
/home/big/.ssh[big@hadoop102 .ssh]$ ssh-keygen -t rsa然后敲（三个回车），就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
c）将公钥拷贝到要免密登录的目标机器上
[big@hadoop102 .ssh]$ ssh-copy-id hadoop102
[big@hadoop102 .ssh]$ ssh-copy-id hadoop103
[big@hadoop102 .ssh]$ ssh-copy-id hadoop104注意：
还需要在hadoop103上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop104上采用big账号配置一下无密登录到hadoop102、hadoop103、hadoop104服务器上。
还需要在hadoop102上采用root账号，配置一下无密登录到hadoop102、hadoop103、hadoop104；
5.编写集群分发脚本xsync
（1）期望脚本在任何路径都能使用（脚本放在声明了全局环境变量的路径）
[big@hadoop102 ~]$ echo $PATH/usr/local/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/home/big/.local/bin:/home/big/bin:/opt/module/jdk1.8.0_212/bin
将脚本文件放在/home/big/bin里面
（2）在/home/big/bin目录下创建xsync文件
[big@hadoop102 opt]$ cd /home/big
[big@hadoop102 ~]$ mkdir bin
[big@hadoop102 ~]$ cd bin
[big@hadoop102 bin]$ vim xsync在该文件中编写如下代码
#!/bin/bash
#1. 判断参数个数
if [ $# -lt 1 ]
then
echo Not Enough Arguement!
exit;
fi
#2. 遍历集群所有机器
for host in hadoop102 hadoop103 hadoop104
do
echo ==================== $host ====================
#3. 遍历所有目录，挨个发送
for file in $@
do
#4. 判断文件是否存在
if [ -e $file ]
then
#5. 获取父目录
pdir=$(cd -P $(dirname $file); pwd)
#6. 获取当前文件的名称
fname=$(basename $file)
ssh $host "mkdir -p $pdir"
rsync -av $pdir/$fname $host:$pdir
else
echo $file does not exists!
fi
done
done（3）修改脚本 xsync 具有执行权限
[big@hadoop102 bin]$ chmod +x xsync（4）分发脚本
[big@hadoop102 ~]$ xsync /home/big/bin（5）将脚本复制到/bin中，以便全局调用
[big@hadoop102 bin]$ sudo cp xsync /bin/（6）同步环境变量配置（root所有者）
[big@hadoop102 ~]$ sudo ./bin/xsync /etc/profile.d/my_env.sh注意：如果用了sudo，那么xsync一定要给它的路径补全。
让环境变量生效
[big@hadoop103 bin]$ source /etc/profile
[big@hadoop104 opt]$ source /etc/profile6.集群配置
（1）集群部署规划
注意：
- NameNode和SecondaryNameNode不要安装在同一台服务器
- ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
hadoop102 | hadoop103 | hadoop104 | |
HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
YARN | NodeManager | ResourceManager NodeManager | NodeManager |
(2）配置文件说明
Hadoop配置文件分两类：默认配置文件和自定义配置文件，只有用户想修改某一默认配置值时，才需要修改自定义配置文件，更改相应属性值。
（a）默认配置文件：
要获取的默认文件 | 文件存放在Hadoop的jar包中的位置 |
[core-default.xml] | hadoop-common-3.1.3.jar/core-default.xml |
[hdfs-default.xml] | hadoop-hdfs-3.1.3.jar/hdfs-default.xml |
[yarn-default.xml] | hadoop-yarn-common-3.1.3.jar/yarn-default.xml |
[mapred-default.xml] | hadoop-mapreduce-client-core-3.1.3.jar/mapred-default.xml |
（b）自定义配置文件：
core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四个配置文件存放在$HADOOP_HOME/etc/hadoop这个路径上，用户可以根据项目需求重新进行修改配置。
(3）核心配置文件
配置core-site.xml
[big@hadoop102 ~]$ cd $HADOOP_HOME/etc/hadoop
[big@hadoop102 hadoop]$ vim core-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop102:8020</value>
</property>
<!-- 指定hadoop数据的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<!-- 配置HDFS网页登录使用的静态用户为big -->
<property>
<name>hadoop.http.staticuser.user</name>
<value>big</value>
</property>
</configuration>（4）HDFS配置文件
配置hdfs-site.xml
[big@hadoop102 hadoop]$ vim hdfs-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop102:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop104:9868</value>
</property>
</configuration>（5）YARN配置文件
配置yarn-site.xml
[big@hadoop102 hadoop]$ vim yarn-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MR走shuffle -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定ResourceManager的地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop103</value>
</property>
<!-- 环境变量的继承 -->
<property>
<name>yarn.nodemanager.env-whitelist</name>
<value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
</property>
</configuration>（6）MapReduce配置文件
配置mapred-site.xml
[big@hadoop102 hadoop]$ vim mapred-site.xml文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>（7）在集群上分发配置好的Hadoop配置文件
[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/（8）去103和104上查看文件分发情况
[big@hadoop103 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml
[big@hadoop104 ~]$ cat /opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml7.群起集群
（1）配置workers
[big@hadoop102 hadoop]$ vim /opt/module/hadoop-3.1.3/etc/hadoop/workers在该文件中增加如下内容：
hadoop102
hadoop103
hadoop104注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。
同步所有节点配置文件
[big@hadoop102 hadoop]$ xsync /opt/module/hadoop-3.1.3/etc（2）启动集群
（a）如果集群是第一次启动，需要在hadoop102节点格式化NameNode（注意：格式化NameNode，会产生新的集群id，导致NameNode和DataNode的集群id不一致，集群找不到已往数据。如果集群在运行过程中报错，需要重新格式化NameNode的话，一定要先停止namenode和datanode进程，并且要删除所有机器的data和logs目录，然后再进行格式化。）
[big@hadoop102 hadoop-3.1.3]$ hdfs namenode -format（3）启动HDFS
[big@hadoop102 hadoop-3.1.3]$ sbin/start-dfs.sh（4）在配置了ResourceManager的节点（hadoop103）启动YARN
[big@hadoop103 hadoop-3.1.3]$ sbin/start-yarn.sh（5）Web端查看HDFS的NameNode
（a）浏览器中输入：http://hadoop102:9870
（b）查看HDFS上存储的数据信息
（6）Web端查看YARN的ResourceManager
（a）浏览器中输入：http://hadoop103:8088
（b）查看YARN上运行的Job信息
8.编写Hadoop集群常用脚本
（1）Hadoop集群启停脚本（包含HDFS，Yarn，Historyserver）：myhadoop.sh
[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim myhadoop.sh输入以下内容
#!/bin/bash
if [ $# -lt 1 ]
then
echo "No Args Input..."
exit ;
fi
case $1 in
"start")
echo " =================== 启动 hadoop集群 ==================="
echo " --------------- 启动 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
echo " --------------- 启动 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
echo " --------------- 启动 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
echo " =================== 关闭 hadoop集群 ==================="
echo " --------------- 关闭 historyserver ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
echo " --------------- 关闭 yarn ---------------"
ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
echo " --------------- 关闭 hdfs ---------------"
ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
echo "Input Args Error..."
;;
esac- 保存后退出，然后赋予脚本执行权限
[big@hadoop102 bin]$ chmod +x myhadoop.sh（2）查看三台服务器Java进程脚本：jpsall
[big@hadoop102 ~]$ cd /home/big/bin
[big@hadoop102 bin]$ vim jpsall- 输入如下内容
#!/bin/bash
for host in hadoop102 hadoop103 hadoop104
do
echo =============== $host ===============
ssh $host jps
done- 保存后退出，然后赋予脚本执行权限
[big@hadoop102 bin]$ chmod +x jpsall（3）分发/home/big/bin目录，保证自定义脚本在三台机器上都可以使用
[big@hadoop102 ~]$ xsync /home/big/bin/9.配置历史服务器
为了查看程序的历史运行情况，需要配置一下历史服务器。具体配置步骤如下：
（1）配置mapred-site.xml
[big@hadoop102 hadoop]$ vim mapred-site.xml在该文件里面增加如下配置。
<!-- 历史服务器端地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>hadoop102:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>hadoop102:19888</value>
</property>（2）分发配置
[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml（3）在hadoop102启动历史服务器
[big@hadoop102 hadoop]$ mapred --daemon start historyserver（4）查看历史服务器是否启动
[big@hadoop102 hadoop]$ jps（5）查看JobHistory
http://hadoop102:19888/jobhistory
10.配置日志的聚集
（1）配置yarn-site.xml
[big@hadoop102 hadoop]$ vim yarn-site.xml在该文件里面增加如下配置。
<!-- 开启日志聚集功能 -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 设置日志聚集服务器地址 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>
<!-- 设置日志保留时间为7天 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>（2）分发配置
[big@hadoop102 hadoop]$ xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml（3）关闭NodeManager 、ResourceManager和HistoryServer
[big@hadoop103 hadoop-3.1.3]$ sbin/stop-yarn.sh
[big@hadoop103 hadoop-3.1.3]$ mapred --daemon stop historyserver（4）启动NodeManager 、ResourceManage和HistoryServer
[big@hadoop103 ~]$ start-yarn.sh
[big@hadoop102 ~]$ mapred --daemon start historyserver（5）删除HDFS上已经存在的输出文件
[big@hadoop102 ~]$ hadoop fs -rm -r /output（6）查看日志
（a）历史服务器地址
http://hadoop102:19888/jobhistory
集群时间同步（duck不必）
如果服务器在公网环境（能连接外网），可以不采用集群时间同步，因为服务器会定期和公网时间进行校准；
如果服务器在内网环境，必须要配置集群时间同步，否则时间久了，会产生时间偏差，导致集群执行任务时间不同步。
以上就是搭建如上hadoop集群的步骤，下面让我们看看运行情况：
成功运行，基于此集群，相信你对hadoop生态的学习应该会更加轻松。
