一、搭建

1、准备插件

yum install -y epel-release
 yum install -y psmisc nc net-tools rsync vim lrzsz ntp libzstd openssl-static tree iotop git

2、关闭防火墙

systemctl stop firewalld
systemctl disable firewalld

3、创建用户

useradd bigdata
passwd bigdata

4、配置用户权限

vim /etc/sudoers
## Allow root to run any commands anywhere
root    ALL=(ALL)     ALL
bigdata   ALL=(ALL)     NOPASSWD:ALL

5、在/opt目录下创建文件夹，并修改所属主和所属组

mkdir /opt/module
mkdir /opt/software
chown bigdata:bigdata /opt/module 
chown bigdata:bigdata /opt/software

6、卸载虚拟机自带的open JDK

rpm -qa | grep -i JAVA | xargs -n1 rpm -e --nodeps

7、修改克隆虚拟机的静态IP

vim /etc/sysconfig/network-scripts/ifcfg-ens33
改成
DEVICE=ens33
TYPE=Ethernet
ONBOOT=yes
BOOTPROTO=static
NAME="ens33"
IPADDR=192.168.1.102
PREFIX=24
GATEWAY=192.168.1.2
DNS1=192.168.1.2

8、查看linux虚拟机的虚拟网络编辑器，编辑->虚拟网络编辑器->VMnet8

9、修改克隆机主机名

 hostnamectl --static set-hostname bigdata

vim /etc/hostname
bigdata

10、配置linux克隆机主机名称映射hosts文件，打开/etc/hosts

vim /etc/hosts
192.168.1.102 bigdata

11、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:windowsSystem32driversetc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

192.168.1.102 bigdata

12、安装jdk

1、在Linux系统下的opt目录中查看软件包是否导入成功

ls /opt/software/
hadoop-3.1.3.tar.gz  jdk-8u212-linux-x64.tar.gz

2、解压

tar -zxvf jdk-8u212-linux-x64.tar.gz -C /opt/module/

3、配置JDK环境变量

vim /etc/profile.d/my_env.sh
#JAVA_HOME
export JAVA_HOME=/opt/module/jdk1.8.0_212
export PATH=$PATH:$JAVA_HOME/bin

4、加载环境变量

source /etc/profile

5、测试JDK是否安装成功

java -version

13、安装hadoop

1、解压

tar -zxvf hadoop-3.1.3.tar.gz -C /opt/module/
ls /opt/module/
hadoop-3.1.3

2、配置环境

 vim /etc/profile.d/my_env.sh
 #HADOOP_HOME
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export PATH=$PATH:$HADOOP_HOME/bin
export PATH=$PATH:$HADOOP_HOME/sbin
source /etc/profile

3、测试是否安装成功

hadoop version
Hadoop 3.1.3

14、本地模式

1、创建在hadoop-3.1.3文件下面创建一个wcinput文件夹

mkdir wcinput

2、在wcinput文件下创建一个word.txt文件

cd wcinput
vim word.txt
hadoop yarn
hadoop mapreduce

3、回到Hadoop目录/opt/module/hadoop-3.1.3

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount wcinput wcoutput

4、验证结果

cat wcoutput/part-r-00000
hadoop  2
mapreduce       1
yarn    1

15、完全分布式运行模式

1、分发jdk和hadoop到bigdata1和bigdata2

scp -r /opt/module/jdk1.8.0_212  bigdata@bigdata1:/opt/module

scp -r /opt/module/hadoop-3.1.3  bigdata@bigdata1:/opt/module

2、xsync集群分发脚本

cd /home/bigdata
mkdir bin
cd bin
vim xsync
#!/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 bigdata bigdata1 bigdata2
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

chmod +x xsync

cp xsync /bin/

xsync /home/bigdata/bin

3、无密登陆

ssh-keygen -t rsa
一直下一步

将公钥拷贝到要免密登录的目标机器上
ssh-copy-id bigdata
ssh-copy-id bigdata1
ssh-copy-id bigdata2

4、配置集群

1、配置core-site.xml

cd $HADOOP_HOME/etc/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://bigdata:9820</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atguigu -->
    <property>
        <name>hadoop.http.staticuser.user</name>
        <value>bigdata</value>
</property>

<!-- 配置该bigdata(superUser)允许通过代理访问的主机节点 -->
    <property>
        <name>hadoop.proxyuser.bigdata.hosts</name>
        <value>*</value>
</property>
<!-- 配置该bigdata(superUser)允许通过代理用户所属组 -->
    <property>
        <name>hadoop.proxyuser.bigdata.groups</name>
        <value>*</value>
</property>
<!-- 配置该atguigu(superUser)允许通过代理的用户-->
    <property>
        <name>hadoop.proxyuser.bigdata.groups</name>
        <value>*</value>
</property>

</configuration>

2、配置hdfs-site.xml

vim hdfs-site.xml
<?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>bigdata:9870</value>
    </property>
    <!-- 2nn web端访问地址-->
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>bigdata1:9868</value>
    </property>
</configuration>

3、配置yarn-site.xml

vim yarn-site.xml
<?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>bigdata2</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>
<!-- yarn容器允许分配的最大最小内存 -->
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>512</value>
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
    <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
</configuration>

4、配置mapred-site.xml

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>

5、在集群上分发配置好的Hadoop配置文件

xsync /opt/module/hadoop-3.1.3/etc/hadoop/

5、群起集群

1、配置workers

vim /opt/module/hadoop-3.1.3/etc/hadoop/workers

bigdata
bigdata1
bigdata2

2、格式化hadoop

hdfs namenode -format

3、启动hdfs

sbin/start-dfs.sh

4、启动yarn

sbin/start-yarn.sh

5、浏览器验证

#hdfs
http://bigdata:9870
#yarn
http://bigdata1:8088

6、错误总结

1、hdfs启动失败

在/hadoop/sbin路径下：
将start-dfs.sh，stop-dfs.sh两个文件顶部添加以下参数
#!/usr/bin/env bash
HDFS_DATANODE_USER=root
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=root
HDFS_SECONDARYNAMENODE_USER=root

2、yarn启动失败

在/hadoop/sbin路径下：
还有，start-yarn.sh，stop-yarn.sh顶部也需添加以下：
#!/usr/bin/env bash
YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

7、集群测试

1、上传

#小文件
hadoop fs -mkdir /input
hadoop fs -put $HADOOP_HOME/wcinput/word.txt /input
#大文件
hadoop fs -put  /opt/software/jdk-8u212-linux-x64.tar.gz  /
#验证
pwd
/opt/module/hadoop-3.1.3/data/dfs/data/current/BP-938951106-192.168.10.107-1495462844069/current/finalized/subdir0/subdir0
cat blk_1073741825
hadoop yarn
hadoop mapreduce 
#拼接
cat blk_1073741836>>tmp.tar.gz
cat blk_1073741837>>tmp.tar.gz
tar -zxvf tmp.tar.gz

2、下载

hadoop fs -get /jdk-8u212-linux-x64.tar.gz ./

3、执行wordcount程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

8、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

1、配置mapred-site.xml

vim mapred-site.xml
<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>bigdata:10020</value>
</property>

<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webApp.address</name>
    <value>bigdata:19888</value>
</property>

2、分发配置

xsync $HADOOP_HOME/etc/hadoop/mapred-site.xml

3、启动历史服务器

mapred --daemon start historyserver

4、验证

http://bigdata:19888/jobhistory

9、配置日志聚集

日志聚集概念：应用运行完成以后，将程序运行日志信息上传到HDFS系统上。

日志聚集功能好处：可以方便的查看到程序运行详情，方便开发调试。

注意：开启日志聚集功能，需要重新启动NodeManager 、ResourceManager和HistoryServer。

1、配置yarn-site.xml

vim yarn-site.xml
<!-- 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://bigdata: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

xsync $HADOOP_HOME/etc/hadoop/yarn-site.xml

3、关闭NodeManager、ResourceManager和HistoryServer

stop-yarn.sh
mapred --daemon stop historyserver

4、启动NodeManager、ResourceManage和HistoryServer

start-yarn.sh
mapred --daemon start historyserver

5、删除HDFS上已经存在的输出文件

hadoop fs -rm -r /output

6、执行WordCount程序

hadoop jar  $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar wordcount /input /output

7、查看日志

http://bigdata:19888/jobhistory

10、集群脚本编写

1、查看java进程脚本

cd /home/bigdata/bin

vim jpsall
#!/bin/bash
for host in bigdata bigdata bigdata
do
        echo =============== $host ===============
        ssh $host jps $@ | grep -v Jps
done

chmod +x jpsall

2、hadoop进程脚本

 vim myhadoop.sh

#!/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 bigdata "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh"
        echo " --------------- 启动 yarn ---------------"
        ssh bigdata1 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh"
        echo " --------------- 启动 historyserver ---------------"
        ssh bigdata "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver"
;;
"stop")
        echo " =================== 关闭 hadoop集群 ==================="

        echo " --------------- 关闭 historyserver ---------------"
        ssh bigdata "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver"
        echo " --------------- 关闭 yarn ---------------"
        ssh bigdata1 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh"
        echo " --------------- 关闭 hdfs ---------------"
        ssh bigdata "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh"
;;
*)
    echo "Input Args Error..."
;;
esac

chmod +x myhadoop.sh

xsync /home/atguigu/bin/