centos7下完全式hadoop集群搭建

初入数仓坑，搭建hadoop集群折腾了几天险些让我崩溃，好歹是让我看到了结果：

当然虽然过程坑了点耗费了相当心力，但好处是对配置的理解更明白了些，当然流程更是烂熟于心了。下面就开始总结吧：免密通信就不提了需要的话可以直接戳http://blog.youkuaiyun.com/qq_29186199/article/details/78428498。
首先说下环境，我是在centos7下面安装的二进制hadoop包(上链接：http://hadoop.apache.org/releases.html)，如下图：

1、我将所需要的文件解压到了/usr/local/software（该文件是我自己创建放下载的软件包），解压后放到local目录下并更名Hadoop，jdk8，如图：

2、接下来配置环境变量（知道肯定有人手懒，贴码），如下图：
（只看java与hadoop环境变量配置）

#java
export JAVA_HOME=/usr/local/jdk8
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
#hadoop
export HADOOP_HOME=/usr/local/hadoop
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_YARN_HOME=$HADOOP_HOME
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/lib/native
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"
export LD_LIBRARY_PATH=$HADOOP_HOME/lib/native

写入配置信息之后别忘了source /etc/profile使配置生效。

3、nano /etc/hosts 进入该文件编辑主节点与子节点信息，我的节点信息如下：

事实上，这里只要写主机IP或者主机名(hostname可以查看主机名，vi /etc/hostname可以永久修改主机名，其他方法都更改的话这个方法优先级别最高，自测欢迎指正)其一就可以，都写的话也不错。

4、接下来就是配置Hadoop文件了，我用的是root账户所以各文件无所谓权限不够的问题了（自己玩的嘛/尴尬笑），首先进入Hadoop主目录（我的cd /usr/local/hadoop）:
创建新文件tmp和hdfs以及hdfs下面的name和data文件夹上命令：

mkdir {tem,hdfs} , cd hdfs , mkdir {name,data}

上图（总结嘛怎么可能是实时的）：

5、接下来配置文件，根据个人需要主要有以下几个，不敲了上图：

接下来一个一个来：

vi core-site.xml

<configuration>
<property>
 <final>true</final>
         <!--默认文件系统的名字，URL形式-->
        <name>fs.defaultFS</name>
        <value>hdfs://192.168.233.128:9000</value>
</property>
<property>
    <!--Hadoop临时目录，其他目录会基于此目录，是本地目录-->
    <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
         <final>true</final>
</property>
<property>
    <!--读写文件时使用的缓存大小，大小应该是内存Page的倍数-->
    <name>io.file.buffer.size</name>
        <value>131072</value>
</property>
</configuration>

vi hdfs-site.xml

<configuration>
<property>
<!--本地磁盘目录，用于NameNode存放fsimage文件，可以设置多个，一个坏了用另一个，但是如果设置了HA建议设置一个-->
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/hdfs/name</value>
</property>
<property>
<!--本地磁盘目录，HDFS存储数据块的地方-->
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/hdfs/data</value>
</property>
<property>
<!--数据块副本-->
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<!--SecondNameNode的http服务地址。端口为0的话服务随机选择一个空闲端口，使用了HA的话就不再使用SecondNameNode-->
<name>dfs.namenode.secondary.http-address</name>
<value>192.168.233.128:9001</value>
</property>
<property>
<!--HDFS服务通信的RPC地址，该参数必须设置，如果设置，备份结点，数据结点和其他服务将会连接到指定地址-->
<name>dfs.namenode.servicerpc-address</name>
<value>192.168.233.128:10000</value>
</property>
<property>
<!--指定是否在NameNode和DataNode上面指定WebHDFS功能-->
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>

vi mapred.xml（MapReduce的配置文件）

<configuration>
<property>
<!--设置MapReduce执行框架为yarn-->
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<!--MapReduce历史服务器地址-->
<name>mapreduce.jobhistory.address</name>
<value>192.168.233.128:10020</value>
</property>
<property>
<!--MapReduce历史服务器wen ui地址-->
<name>mapreduce.jobhistory.webapp.address</name>
<value>192.168.233.128:19888</value>
</property>
</configuration>

vi yarn-site.xml

<configuration>
<property>
<!--Nodemanager上面运行的附属服务，需要配置成mapreduce_shuffle才可以运行mapreduce-->
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<!--对应参考yarn.nodemanager.aux-services-->
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<!--ResourceManager对客户端暴露的地址。客户端向RM提交应用程序，杀死应用程序等-->
<name>yarn.resourcemanager.address</name>
<value>192.168.233.128:8032</value>
</property>
<property>
<!--调度器地址，ResourceManager向ApplicationManager暴露的地址，ApplicationManager通过该地址向RM申请、释放资源-->
<name>yarn.resourcemanager.scheduler.address</name>
<value>192.168.233.128:8030</value>
</property>
<property>
<!--RM向NM暴露的地址，NM通过该地址向NM汇报心跳，领取任务-->
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>192.168.233.128:8031</value>
</property>
<property>
<!--RM对管理员暴露的地址，管理员通过该地址向RM发送管理命令-->
<name>yarn.resourcemanager.admin.address</name>
<value>192.168.233.128:8033</value>
</property>
<property>
<!--RM对外WEB UI地址，用户可通过该地址查看集群各类信息-->
<name>yarn.resourcemanager.webapp.address</name>
<value>192.168.233.128:8088</value>
</property>
<property>
<!--NM总的可用物理内存，不能小于1024.一旦设置不可在运行中动态修改-->
<name>yarn.nodemanager.resource.memory-mb</name>
<value>1024</value>
</property>
<property>
  <name>yarn.nodemanager.aux-services</name>
  <value>mapreduce_shuffle</value>
</property>
<property>
  <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
  <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
</configuration>

vi hadoop-env.sh

export JAVA_HOME=/usr/local/jdk8/

vi yarn-env.sh

export JAVA_HOME=/usr/local/jdk8

vi slaves

至此主节点配置Hadoop配置完成。

6、把主节点服务器即master主机下的/etc/profile,hadoop主目录即:/usr/local/hadoop,和jdk主目录即/usr/local/jdk8复制到其余各个节点服务器，即：

scp -r  /etc/profile 192.168.233.130:/etc/
scp -r  /usr/local/hadoop 192.168.233.130:/usr/local/
scp -r  /usr/local/jdk8 192.168.233.130:/usr/local/

scp -r  /etc/profile 192.168.233.131:/etc/
scp -r  /usr/local/hadoop 192.168.233.131:/usr/local/
scp -r  /usr/local/jdk8 192.168.233.131:/usr/local/

scp -r  /etc/profile 192.168.233.132:/etc/
scp -r  /usr/local/hadoop 192.168.233.132:/usr/local/
scp -r  /usr/local/jdk8 192.168.233.132:/usr/local/

复制过去之后不要忘记source /etc/profile 使配置生效，另外这里提一下吧，hadoop里面的几个修改的文件各自主机用各自主机的IP（我就在这里面绕不出来了）。

7、第一次启动首先格式化HDFS：
cd /usr/local/hadoop/sbin
hdfs namenode -format
说明：只要看到/usr/local/hadoop/hdfs/name 被格式化成功就没问题了
启动HDFS：start-dfs.sh。
java自带jps命令验证：
主节点：

子节点：

页面验证：

没毛病

8、至此hadoop的配置基本完成，其他组件有需要再加希望帮到正在焦头烂额的朋友，在此也感谢官方文档和Hadoop构建数据仓库实践，是个好东西。