一、配置Hadoop集群

Hadoop的配置文件都在$HADOOP_HOME/etc/hadoop目录里

配置文件	功能描述
hadoop-env.sh	配置Hadoop运行所需的环境变量
yarn-env.sh	配置Yarn运行所需的环境变量
core-site.xml	Hadoop核心全局配置文件，可在其他配置文件中引用
hdfs-site.xml	HDFS配置文件，继承core-site.xml配置文件
mapred-site.xml	MapReduce配置文件，继承core-site.xml配置文件
yarn-site.xml	Yarn配置文件，继承core-site.xml配置文件
workers	配置从节点文件

1、在master虚拟机上配置hadoop

（1）编辑Hadoop环境配置文件 - hadoop-env.sh

• 执行命令：cd $HADOOP_HOME/etc/hadoop，进入hadoop配置目录
  

• 执行命令：vim hadoop-env.sh，添加三条环境变量配置（其实只需要添加第三条，因为前两条已经在/etc/profile里配置过了）
  

export JAVA_HOME=/usr/local/jdk1.8.0_231 
export HADOOP_HOME=/usr/local/hadoop-3.3.4
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

• 存盘退出后，执行命令source hadoop-env.sh，让配置生效
  

• 查看三个配置的三个环境变量

（2）编辑Hadoop核心配置文件 - core-site.xml

• 执行命令：vim core-site.xml
  

<configuration>
    <!--用来指定hdfs的老大-->
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://master:9000</value>
    </property>
    <!--用来指定hadoop运行时产生文件的存放目录-->
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/usr/local/hadoop-3.3.4/tmp</value>
    </property>    
</configuration>

• 由于配置了IP地址主机名映射，因此配置HDFS老大节点可用hdfs://master:9000，否则必须用IP地址hdfs://192.168.1.101:9000
  

（3）编辑HDFS配置文件 - hdfs-site.xml

• 执行命令：vim hdfs-site.xml
  

• 可以不用设置名称节点的目录、数据节点的目录以及辅助名称节点

<configuration>
    <!--设置名称节点的目录-->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/usr/local/hadoop-3.3.4/tmp/namenode</value>
    </property>
    <!--设置数据节点的目录-->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/usr/local/hadoop-3.3.4/tmp/datanode</value>
    </property>
    <!--设置辅助名称节点-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>master:50090</value>
    </property>
    <!--hdfs web的地址，默认为9870，可不配置-->
    <!--注意如果使用hadoop2，默认为50070-->
    <property>
        <name>dfs.namenode.http-address</name>
        <value>0.0.0.0:9870</value>
    </property>
    <!--副本数，默认为3，可不配置-->
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <!--是否启用hdfs权限，当值为false时，代表关闭-->
    <property>
        <name>dfs.permissions.enabled</name>
        <value>false</value>
    </property>
</configuration>

（4）编辑MapReduce配置文件 - mapred-site.xml

• 执行命令：vim mapred-site.xml
  

<configuration>
    <!--配置MR资源调度框架YARN-->
    <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>
</configuration>

后三个属性如果不设置，在运行Hadoop自带示例的词频统计时，会报错：Error: Could not find or load main class org.apache.hadoop.mapreduce.v2.app.MRAppMaster

（5）编辑yarn配置文件 - yarn-site.xml

• 执行命令：vim yarn-site.xml
  

<configuration>
    <!--配置资源管理器：集群master-->
    <property>        
        <name>yarn.resourcemanager.hostname</name>
        <value>master</value>
    </property>
    <!--配置节点管理器上运行的附加服务-->
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!--关闭虚拟内存检测，在虚拟机环境中不做配置会报错-->
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
</configuration>

（6）编辑workers文件确定数据节点

• hadoop-2.x里配置slaves文件，hadoop-3.x里配置workers文件
• 通过workers文件定义数据节点，根据集群规划，三个节点都要作为数据节点
• 执行命令：vim workers
  

这样集群总共有3个数据节点，正好跟副本数配置的3一致。

2、在slave1虚拟机上安装配置hadoop

（1）将master虚拟机上的hadoop分发到slave1虚拟机

• 执行命令：scp -r $HADOOP_HOME root@slave1:$HADOOP_HOME
  

• 在slave1虚拟机上查看分发的hadoop
  

（2）将master虚拟机上环境配置文件分发到slave1虚拟机

• 执行命令：scp /etc/profile root@slave1:/etc/profile
  

（3）在slave1虚拟机上让环境配置生效

• 切换到slave1虚拟机，执行命令：source /etc/profile
  

3、在slave2虚拟机上安装配置hadoop

（1）将master虚拟机上的hadoop分发到slave2虚拟机

• 执行命令：scp -r $HADOOP_HOME root@slave2:$HADOOP_HOME
  

• 在slave2虚拟机上查看分发的hadoop
  

（2）将master虚拟机上环境配置文件分发到slave2虚拟机

• 执行命令：scp /etc/profile root@slave2:/etc/profile
  

（3）在slave2虚拟机上让环境配置生效

• 切换到slave2虚拟机，执行命令：source /etc/profile
  

二、格式化文件系统

• 初次启动HDFS集群时，必须对主节点进行格式化处理。
  执行命令：hdfs namenode -format
  

• 查看名称节点格式化成功的信息
  

三、启动和关闭Hadoop集群

1、主节点上启动hadoop集群

• 执行start-all.sh命令，一起启动hdfs和yarn服务，也可以分开启动两种服务。

（1）启动hdfs服务

• 执行命令：start-dfs.sh
  

一个名称节点（namenode）——老大，在master虚拟机上；三个数据节点（datanode）——小弟，在master、slave1与slave2虚拟机上。辅助名称节点（secondary namenode）的地址是master，因为在hdfs-site.xml文件里配置了辅助名称节点。

• 查看master虚拟机上的进程
  

• 查看slave1虚拟机上的进程
  

• 查看slave2虚拟机上的进程
  

（2）启动yarn服务

• 执行命令：start-yarn.sh

启动了YARN守护进程；一个资源管理器（ResourceManager）在master虚拟机上，三个节点管理器（NodeManager）在master、slave1与slave2虚拟机上

• 执行命令jps查看master虚拟机的进程
  

• 查看slave1和slave2上的进程，只有NodeManager和DataNode
  
  

• 查看Hadoop服务进程总体状况
  

2、主节点上停止Hadoop集群

• 在master虚拟机上执行命令：stop-all.sh（相当于同时执行了stop-dfs.sh与stop-yarn.sh）