一、集群规划

三台硬件资源，部署hadoop版本，hadoop-3.3.5 ，部署后配置文件。

Hadoop配置文件分两类：默认配置文件和自定义配置文件。

	hadoop102	hadoop103	hadoop104
HDFS	NameNode DataNode	DataNode	SecondaryNameNode DataNode
YARN	NodeManager	ResourceManager NodeManager	NodeManager

需要知道的知识点

1-HDFS 进行了GFS 的开源实现，Hadoop 的 MapReduce 是 Google 的 MapReduce 分布式处理的开源实现，而 HBase 作为一种 Hadoop 生态系统的分布式数据库，是 BigTable 的开源实现。

2-Hadoop 2.0以上版本有4个重要组成部分: HDFS (Hadoop Distributed File System)、       MapReduce、YARN( Yet Another Resource Negotiator)、COMMON (Hadoop 生态圈).

3-Hadoop 最突出的两个特点是分布式和容错机制。

4-Hadoop 的分布式体现在它是主从结构，不管是进行计算还是存储，都采用主从结构。
1）任务调度中的分布式特点—YARN,YARN机制，主节点接受一个由客户端发起的作业请求之后便选择一个普通节点，也称为从节点或工作节点，在该节点上成立对于作业的执行机构，再由这个执行机构操办和管理作业的从节点运行，而主节点则专门负责资源分配。
2）文件存储中的分布式特点—HDFS,HDFS是Hadoop的分布式文件系统。HDFS的目录服务器主节点上并不存储数据块备份，而是存储所有文件和目录的“元数据”。
存储着数据块的从节点称为DataNode。应用程序需要访问某个文件中某个位置上的数据时，首先需要向主节点询问该数据位于第几个从节点上，然后去该从节点访问数据。

5-Hadoop的容错机制主要体现在两个里面：HDFS  和  MapReduce。

---------------------------------

二、默认配置文件

hadoop安装包解压以后，到目录：hadoop-3.3.5\share\hadoop 寻找下面的jar包:

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-3.3.5.jar/core-default.xml
[hdfs-default.xml]	hadoop-hdfs-3.3.5.jar/hdfs-default.xml
[yarn-default.xml]	hadoop-yarn-common-3.3.5.jar/yarn-default.xml
[mapred-default.xml]	hadoop-mapreduce-client-core-3.3.5.jar/mapred-default.xml

三、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。

按照hadoop路径为opt/module/hadoop-3.3.5 所以配置文件在这个路径下继续/etc/hadoop

四、配置集群

4-1-核心配置文件

按之前设定的配置方案配置core-site.xml

[antares@hadoop102 ~]$ cd  $HADOOP_HOME/etc/hadoop

[antares@hadoop102 hadoop]$ vim core-site.xml

<?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-3.3.5/data</value>

    </property>

    <!-- 配置HDFS网页登录使用的静态用户为antares -->

    <property>

        <name>hadoop.http.staticuser.user</name>

        <value>antares</value>

    </property>

</configuration>

4-2-配置hdfs-site.xml

[antares@hadoop102 hadoop]$ vim hdfs-site.xml

<?xml version="1.0" encoding="UTF-8"?>

<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<configuration>

    <!-- namenode web端访问地址-->

    <property>

        <name>dfs.namenode.http-address</name>

        <value>hadoop102:9870</value>

    </property>

    <!-- secondary namenode web端访问地址-->

    <property>

        <name>dfs.namenode.secondary.http-address</name>

        <value>hadoop104:9868</value>

    </property>

</configuration>

4-3-YARN配置文件

[antares@hadoop102 hadoop]$ vim yarn-site.xml

<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>

4-4-MapReduce配置文件

[antares@hadoop102 hadoop]$ vim mapred-site.xml

<?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>

4-5在集群上分发配置好的Hadoop配置文件

可以自己创建统一分发命令，或是使用scp拷贝的方式，不过需要删除其他资源上原来的文件或是重命名原文件。这里不再累述。关于文件分发命令需要单独做个自定义的命令。

确认资源103和104上已有配置文件

cat /opt/module/hadoop-3.3.5/etc/hadoop/core-site.xml

五、配置worker

[antares@hadoop102 hadoop]$ vim /opt/module/hadoop-3.3.5/etc/hadoop/workers

文件中添加下述内容：

hadoop102

hadoop103

hadoop104

同步所有节点配置文件 ：Hadoop103 & hadoop104 都需要配置上worker.

六、启动集群

6-1 如果集群是第一次启动

根据上述的部署规划，102资源上 部署的是NameNode,需要在hadoop102节点格式化NameNode。

这里有个必坑指南：（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。）

回到hadoop根目录，在hadoop102节点格式化NameNode

[antares@hadoop102 hadoop-3.3.5]$ pwd

/opt/module/hadoop-3.3.5

[antares@hadoop102 hadoop-3.3.5]$ hdfs namenode -format

# 查看data中的namenode信息hdfs namenode -format

[antares@hadoop102 hadoop-3.3.5]$ ls data/dfs/name/current/

6-2 启动HDFS

[antares@hadoop102 hadoop-3.3.5]$ sbin/start-dfs.sh 

6-3 启动YARN

在配置了ResourceManager的节点（hadoop103）启动YARN

[antares@hadoop103 hadoop-3.3.5]$ sbin/start-yarn.sh

6-4 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(顶部导航栏Utilities下拉菜单)

6-5 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

七、集群基本测试

（1）上传文件到集群

Ø 上传小文件，在浏览器中查看文件内容

[antares@hadoop102 ~]$ hadoop fs -mkdir /test

[antares@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/testinput/kk.txt /test
put: `/opt/module/hadoop-3.3.5/testinput/kk.txt': No such file or directory

若出现上述报错，可以找到$HADOOP_HOME 看下面有哪些目录有小文件

可以利用现有的文件夹重新上传小文件，建立了两个小文件：

[antares@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input

[antares@hadoop102 ~]$ hadoop fs -put $HADOOP_HOME/wcinput/word.txt /test

 

进入102资源的浏览器下查看上传的小文件情况

Ø 上传大文件，在浏览器中查看文件内容

[antares@hadoop102 ~]$ hadoop fs -put  /opt/software/jdk-8u391-linux-x64.tar.gz  /test

下述浏览器可以看到该文件做了3个副本，相当于备份了3份。 

上传文件后查看文件存放在什么位置-查看HDFS文件存储路径

[antares@hadoop102 subdir0]$ pwd
/opt/module/hadoop-3.3.5/data/dfs/data/current/BP-1445008223-192.168.193.161-1706011370209/current/finalized/subdir0/subdir0

 [antares@hadoop102 subdir0]$ cat blk_1073741826

 小文件得时候不做切片，大文件会出现切片：

检查103 和 104 资源上的备份情况如下：

 

测试通过，集群搭建完成。