全网最详细Hadoop完全分布式部署教程-原创手记-慕课网

在前面的手记《简述Hadoop各种部署方式及学习路线》，分享了关于Hadoop的各种部署方式，那么今天我们就来搭建一个完全分布式的Hadoop环境

实验环境一共搭建3个节点：

一、主机名和IP如下：

node1.hadoop.cn 192.168.184.6 CentOS 7

node2.hadoop.cn 192.168.184.7 CentOS 7

node3.hadoop.cn 192.168.184.8 CentOS 7

二、节点所承担Hadoop中的角色：

node1.hadoop.cn namenode datanode nodemanager

node2.hadoop.cn datanode nodemanager

node3.hadoop.cn datanode nodemanager resourcemanager

集群部署前提：

在上述3个节点上做以下设置：

(1)、配置本地DNS解析

所有3个节点的/etc/hosts追加以下内容：

192.168.184.6 node1.hadoop.cn

192.168.184.7 node2.hadoop.cn

192.168.184.8 node3.hadoop.cn

(2)、关闭selinux和iptables

所有3个节点上执行：setenforce 0

查看关闭selinux是否生效：getenforce

永久关闭selinux：sed -i "s/SELINUX=Enforcing/SELINUX=permissive/g" /etc/sysconfig/selinux

关闭防火墙：systemctl stop firewalld.service

关闭开机自启动：systemctl disable firewalld.service

正式部署之前，有必要先理清思路。Hadoop的核心就是HDFS和MapReduce，其中HDFS是提供了底层的分布式存储功能，是一个独立的模块，而MapReduce则是建立在HDFS基础之上的，包括Hadoop 2.X版本中引入的YARN计算框架，其也是需要运行在HDFS基础之上。

因此我们首先来部署HDFS，HDFS由两个进程组成，一个是DataNode，另外一个是NameNode，其中NameNode是元数据的管理节点，存储了元数据的inode信息和目录树结构，但真正的数据是存储在DataNode之上，上面的规划中node1、node2和node3一共3个节点，都提供了DataNode功能，也就是都提供数据存储，但node1还额外提供了NameNode进程；

因此我们首先部署HDFS，配置步骤如下：

所需JDK安装包：jdk-8u181-linux-x64.tar.gz

所需Hadoop安装包：hadoop-2.7.6.tar.gz

一、配置JAVA环境

Hadoop中的HDFS或YARN进程，其实质都是启动一个JVM进程，是建立在JAVA环境的基础之上的，因此我们必须首先配置好环境变量

所有节点都做如下设置：

tar xf jdk-8u181-linux-x64.tar.gz -C /usr/local/

ln -sv /usr/local/jdk1.8.0_181 /usr/local/java

设置后如下图所示：

/etc/profile追加一下内容：

export JAVA_HOME=/usr/local/java

export PATH=$JAVA_HOME/bin:$PATH

export JAVA_HOME PATH

追加后使用source /etc/profile命令重读环境变量文件

至此JAVA环境变量设定完毕，测试是否设置正确，执行一下命令：

java -version

若输出一下信息，表示设置正确

二、配置HDFS

解压压缩包到指定目录：

tar xf hadoop-2.7.6.tar.gz -C /usr/local/

建立链接：

ln -sv /usr/local/hadoop-2.7.6 /usr/local/hadoop

设定后如下图所示：

更改属主属组，因为HDFS的NameNode和DataNode进程，我们都会以普通用户hdfs来运行，因此必须将hadoop的目录更改为hdfs所有

useradd hdfs

passwd hdfs (输出你想设置的密码)

root用户下将/usr/local/hadoop下所有文件更改为hdfs所有

chown -R hdfs.hdfs /usr/local/hadoop

chown -R hdfs.hdfs /usr/local/hadoop/*

设定后如下图所示：

继续配置HDFS环境变量，编辑/etc/profile文件，修改后的内容如下：

验证是否设置成功：

执行命令：hadoop version

输出一下内容表示配置HDFS环境变量成功：

确认上述配置无误后，使用su - hdfs切换到hdfs用户下，开始修改配置文件

su - hdfs

HDFS的配置文件目录为：/usr/local/hadoop/etc/hadoop

编辑hdfs-site.xml文件，内容如下：

<name>dfs.replication</name>

</property>

</property>

</property>

<name>dfs.block.size</name>

</property>

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

</property>

<name>dfs.datanode.address</name>

</property>

<name>dfs.datanode.ipc.address</name>

</property>

<name>dfs.datanode.http.address</name>

</property>

<name>dfs.hosts</name>

<value>/usr/local/hadoop/etc/hadoop/white_hosts</value>

</property>

<name>dfs.hosts.exclude</name>

<value>/usr/local/hadoop/etc/hadoop/black_hosts</value>

</property>

</configuration>

主要参数配置说明：

dfs.replication 设定副本集

dfs.name.dir 设定NameNode的元数据信息存储目录，可以设置多个

dfs.data.dir 设定DataNode的数据存在哪里，可以写多个磁盘，用逗号分隔

dfs.hosts 文件中的列表为HDFS的DataNode节点

dfs.hosts.exclude 将文件列表中的主机剔除出HDFS

接着编辑core-site.xml文件，添加内容如下：

<name>fs.defaultFS</name>

<value>hdfs://node1.hadoop.cn:8020</value>

</property>

参数配置说明：

fs.defaultFS 指名NameNode服务RPC连接端口

编辑white.hosts文件，内容如下：

node1.hadoop.cn

node2.hadoop.cn

node3.hadoop.cn

说明：white.hosts文件中一行一个主机名，表示可以纳入集群的DataNode节点，根据我们的规划node1.hadoop.cn、node2.hadoop.cn、node3.hadoop.cn都要作为DataNode节点，所以都需要写进去

black.hosts文件为空表示不需将任何主机从HDFS从剔除，该文件通常用于维护，比如我们的HDFS集群中，有一个DataNode节点有故障，需要下线维护，则可以在NameNode节点的主机上，修改这个配置文件，将需要下线的主机名写进black.hosts文件，就可以将该节点剔除出HDFS集群

编辑slaves文件，内容如下：

node1.hadoop.cn

node2.hadoop.cn

node3.hadoop.cn

误区：slaves的作用在于我们使用start-dfs.sh启动进程时，帮助节点识别那些节点被纳入到了HDFS集群的，如果这个文件为空，则执行start-dfs.sh只会启动本机的进程(具体启动那些进程依赖于配置文件)，但如果该文件不为空，则执行start-dfs.sh时，除启动本机进程外，还会通过ssh的方式登录到slaves文件中所定义的每一台主机，启动相关进程

经过上述的配置后，我们一共配置了3个文件，分别为：

hdfs-site.xml

core-site.xml

slaves

white.hosts

将这4个文件全部拷贝到其他节点上，保证3个节点一致。

然后执行start-dfs.sh，观察进程是否正常启动，可以通过jps命令查看

说明：执行上述命令时最好配置到其他主机的免秘钥登录，此处不再提供配置方法