Hadoop完全分布式安装配置
本实训需要使用root用户完成相关配置，master、slave1、slave2三台节点都需要安装JDK与Hadoop，具体要求如下：
（1） 将JDK安装包解压到/root/software目录下；
（2） 在“/etc/profile”文件中配置JDK环境变量JAVA_HOME和PATH的值，并让配置文件立即生效；
（3） 查看JDK版本，检测JDK是否安装成功。
（4） 在主节点将Hadoop安装包解压到/root/software目录下；
（5） 依次配置hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml和workers配置文件；Hadoop集群部署规划如表1-1所示；
表1-1 Hadoop集群部署规划
（6） 在master节点的Hadoop安装目录下依次创建hadoopDatas/tempDatas、hadoopDatas/namenodeDatas、hadoopDatas/datanodeDatas、hadoopDatas/dfs/nn/edits、hadoopDatas/dfs/snn/name和hadoopDatas/dfs/nn/snn/edits目录；
（7） 在master节点上使用scp命令将配置完的Hadoop安装目录直接拷贝至slave1和slave2；
（8） 在三个节点的“/etc/profile”文件中配置Hadoop环境变量HADOOP_HOME和PATH的值，并让配置文件立即生效；
（9） 在主节点格式化集群；
（10） 在主节点依次启动HDFS、YARN集群和历史服务。
注意，实训环境的3个节点master、slave1和slave2，它们的主机名及IP地址在实训环境中可以通过3.1前置步骤中的“初始化网络”配置完成，而且实训环境已设置SSH免密切换节点，各节点时间已同步，因此跳过这些步骤。
【说明】原赛题提供的软件版本为Hadoop3.1.3，JDK8u191，调整采用Hadoop3.1.4、JDK8u281实现任务内容。
（1） 使用CentOS7.9以上版本的Linux操作系统虚拟节点3个。
（2） 使用1.8版本的JDK。
（3） 使用3.1.4版本的Hadoop安装包。
（1） 在Linux终端执行命令“initnetwork”，或者双击桌面上名称为“初始化网络”的图标，初始化实训平台网络。
（2） 在Linux终端执行命令“wget -P /opt/software http://house.tipdm.com/SZ-Competition/ZZ052_2024/jdk-8u281-linux-x64.tar.gz”，下载jdk-8u281-linux-x64.tar.gz到Linux本地/opt/software目录。
（3） 在Linux终端执行命令“wget -P /opt/software http://house.tipdm.com/SZ-Competition/ZZ052_2024/hadoop-3.1.4.tar.gz”，下载hadoop-3.1.4.tar.gz到Linux本地/opt/software目录。
（4） 打开3个终端窗口，其中2个窗口使用“ssh slave1”和“ssh slave2”命令分别连接slave1与slave2节点。
（1） 将/opt/software目录的文件jdk-8u281-linux-x64.tar.gz安装包解压到/root/software路径（若路径不存在，则需新建），具体实现如代码3-4所示，解压完成后查看/root/software目录的内容，返回结果如图3-3所示。
代码3-1 解压JDK安装包
mkdir -p /root/software tar -zxf /opt/software/jdk-8u281-linux-x64.tar.gz -C /root/software |
图3-1 查看/root/software目录内容
（2） 在master节点修改/etc/profile文件，设置JDK环境变量并使其生效，具体实现如代码3-2所示。
代码3-2 设置JDK环境变量
# 编辑/etc/profile文件 vim /etc/profile # 添加以下内容 export JAVA_HOME=/root/software/jdk1.8.0_281 export PATH=$PATH:$JAVA_HOME/bin # 添加内容后按Esc，输入“:wq”回车保存退出 # 使环境变量生效 source /etc/profile |
（3） 在master节点分别执行“java -version”和“javac”命令，返回结果如图3-2所示。
图3-2 java -version和javac命令返回结果
（4） 将master节点JDK解压后的安装文件发送到slave1、slave2节点的/opt/module目录，具体实现如代码3 3所示，发送完毕后需参考代码3-2在slave1与slave2节点设置JDK环境变量并使其生效。
代码3-3 发送JDK至子节点
# 若路径不存在，则需新建 ssh slave1 "mkdir -p /root/software " ssh slave2 "mkdir -p /root/software " # 发送JDK至子节点 scp -r /root/software/jdk1.8.0_281 slave1:/root/software scp -r /root/software/jdk1.8.0_281 slave2:/root/software |
将/opt/software目录的文件hadoop-3.1.4.tar.gz安装包解压到/root/software路径（若路径不存在，则需新建），具体实现如代码3-4所示，解压完成后查看/root/software目录的内容，返回结果如图3-3所示。
代码3-4 解压Hadoop安装包
mkdir -p /root/software tar -zxf /opt/software/hadoop-3.1.4.tar.gz -C /root/software |
图3-3 查看/root/software目录内容
以下步骤均在master节点上操作。
（1） 在代码3-4中已经将Hadoop解压到/root/software路径，使用cd命令切换至Hadoop的安装目录，然后按题目要求，创建Hadoop临时数据目录、NameNode元数据目录、DataNode数据存储目录等相关路径，具体实现如代码3-5所示，完成后查看/root/software/hadoop-3.1.4/hadoopDatas目录的内容，返回结果如图3-4所示。
代码3-5 创建Hadoop相关目录
# 进入Hadoop的安装目录 cd /root/software/hadoop-3.1.4 # 创建Hadoop相关目录 mkdir -p ./hadoopDatas/tempDatas mkdir -p ./hadoopDatas/namenodeDatas mkdir -p ./hadoopDatas/datanodeDatas mkdir -p ./hadoopDatas/dfs/nn/edits mkdir -p ./hadoopDatas/dfs/snn/name mkdir -p ./hadoopDatas/dfs/nn/snn/edits |
图3-4 查看hadoopDatas目录内容
（2） 使用cd命令切换至/root/software/hadoop-3.1.4/etc/hadoop目录，然后使用“vim”命令修改Hadoop的配置文件。
修改core-site.xml文件，该文件包含集群全局参数，主要用于定义系统级别的参数，如HDFS URI、Hadoop的临时数据目录等，在<configuration>和</configuration>之间添加配置，添加如代码3 6所示的内容。注意Hadoop的临时数据目录需要设置为代码3-5中已提前创建的目录。
代码3-6 修改core-site.xml
<property> <name>fs.defaultFS</name> <value>hdfs://master:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/root/software/hadoop-3.1.4/hadoopDatas/tempDatas</value> </property> <property> <name>hadoop.http.staticuser.user</name> <value>root</value> </property> <property> <name>hadoop.proxyuser.root.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.root.groups</name> <value>*</value> </property> |
修改hadoop-env.sh和yarn-env.sh文件，这两个文件分别是Hadoop与YARN运行基本环境的配置文件，需要添加JDK的实际位置。在文件中修改JAVA_HOME值为当前节点JDK的安装位置，如代码3-7所示。
代码3-7 修改hadoop-env.sh和yarn-env.sh
export JAVA_HOME=/usr/java/jdk1.8.0_281-amd64 |
修改mapred-site.xml，设定MapReduce运行配置，使用YARN作为MapReduce的框架，设置ApplicationMaster、Map和Reduce任务的环境变量，指定MapReduce应用程序运行所需的类路径，配置历史服务器JobHistory Server的地址以及WEB访问地址，在<configuration>和</configuration>之间添加内容，具体如代码3-8所示。
代码3-8 修改mapred-site.xml
<property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>yarn.app.mapreduce.am.env</name> <value>HADOOP_MAPRED_HOME=/root/software/hadoop-3.1.4</value> </property> <property> <name>mapreduce.map.env</name> <value>HADOOP_MAPRED_HOME=/root/software/hadoop-3.1.4</value> </property> <property> <name>mapreduce.reduce.env</name> <value>HADOOP_MAPRED_HOME=/root/software/hadoop-3.1.4</value> </property> <property> <name>mapreduce.application.classpath</name> <value>/root/software/hadoop-3.1.4/share/hadoop/mapreduce/*:/root/software/hadoop-3.1.4/share/hadoop/mapreduce/lib/* </value> </property> <!-- jobhistory properties --> <property> <name>mapreduce.jobhistory.address</name> <value>master:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>master:19888</value> </property> |
修改yarn-site.xml文件，设定YARN运行配置，主要配置ResourceManager、NodeManager的通信端口、web监控端口等，在<configuration>和</configuration>之间添加内容，具体如代码3-9所示。如果需要指定YARN的ResourceManager的地址为slave1或slave2，只需将配置项yarn.resourcemanager.hostname的值修改为slave1或slave2即可。
代码3-9 修改yarn-site.xml
<property> <name>yarn.resourcemanager.hostname</name> <value>master</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>${yarn.resourcemanager.hostname}:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>${yarn.resourcemanager.hostname}:8030</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>${yarn.resourcemanager.hostname}:8088</value> </property> <property> <name>yarn.resourcemanager.webapp.https.address</name> <value>${yarn.resourcemanager.hostname}:8090</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>${yarn.resourcemanager.hostname}:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>${yarn.resourcemanager.hostname}:8033</value> </property> <property> <name>yarn.nodemanager.local-dirs</name> <value>/root/software/hadoop-3.1.4/hadoop/yarn/local</value> </property> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <property> <name>yarn.nodemanager.remote-app-log-dir</name> <value>/root/software/hadoop-3.1.4/tmp/logs</value> </property> <property> <name>yarn.log.server.url</name> <value>http://master:19888/jobhistory/logs/</value> <description>URL for job history server</description> </property> <property> <name>yarn.nodemanager.vmem-check-enabled</name> <value>false</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> <property> <name>yarn.nodemanager.resource.memory-mb</name> <value>8192</value> </property> <property> <name>yarn.scheduler.maximum-allocation-mb</name> <value>8192</value> </property> <property> <name>mapreduce.map.memory.mb</name> <value>8192</value> </property> <property> <name>mapreduce.reduce.memory.mb</name> <value>8192</value> </property> <property> <name>yarn.application.classpath</name> <value> /root/software/hadoop-3.1.4/etc/hadoop:/root/software/hadoop-3.1.4/share/hadoop/common/lib/*:/root/software/hadoop-3.1.4/share/hadoop/common/*:/root/software/hadoop-3.1.4/share/hadoop/hdfs:/root/software/hadoop-3.1.4/share/hadoop/hdfs/lib/*:/root/software/hadoop-3.1.4/share/hadoop/hdfs/*:/root/software/hadoop-3.1.4/share/hadoop/mapreduce/lib/*:/root/software/hadoop-3.1.4/share/hadoop/mapreduce/*:/root/software/hadoop-3.1.4/share/hadoop/yarn:/root/software/hadoop-3.1.4/share/hadoop/yarn/lib/*:/root/software/hadoop-3.1.4/share/hadoop/yarn/* </value> </property> |
修改workers文件，master、slave1、slave2节点均作为DataNode，在workers文件里面删除原有的localhost，添加如代码3-10所示的内容。
代码3-10 修改workers文件
master slave1 slave2 |
修改hdfs-site.xml文件，设置HDFS运行配置，主要配置如NameNode和DataNode数据的存放位置、文件副本的个数、SecondaryNameNode的地址等，并且指定NameNode元数据目录、DataNode数据存储目录和NameNode的edits文件存储目录等路径。在<configuration>和</configuration>之间添加内容，具体如代码3-11所示。
代码3-11 修改hdfs-site.xml文件
<property> <name>dfs.namenode.name.dir</name> <value>file:///root/software/hadoop-3.1.4/hadoopDatas/namenodeDatas</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:///root/software/hadoop-3.1.4/hadoopDatas/datanodeDatas</value> </property> <property> <name>dfs.namenode.edits.dir</name> <value>file:///root/software/hadoop-3.1.4/hadoopDatas/dfs/nn/edits</value> </property> <property> <name> dfs.namenode.checkpoint.dir</name> <value>file:///root/software/hadoop-3.1.4/hadoopDatas/dfs/snn/name</value> </property> <property> <name> dfs.namenode.checkpoint.edits.dir</name> <value>file:///root/software/hadoop-3.1.4/hadoopDatas/dfs/nn/snn/edits</value> </property> <property> <name>dfs.namenode.secondary.http-address</name> <value>master:50090</value> </property> <property> <name>dfs.replication</name> <value>3</value> </property> |
进入/root/software/hadoop-3.1.4/sbin目录，修改HDFS的启动脚本start-dfs.sh与停止脚本stop-dfs.sh，在#!/usr/bin/env bash下方添加内容，指定DataNode、NameNode和SecondaryNameNode各个组件的运行用户，具体如代码3-12所示。
代码3-12 设置HDFS组件运行用户
HDFS_DATANODE_USER=root HDFS_DATANODE_SECURE_USER=root HDFS_NAMENODE_USER=root HDFS_SECONDARYNAMENODE_USER=root |
进入/root/software/hadoop-3.1.4/sbin目录，修改YARN的启动脚本start-yarn.sh和停止脚本stop-yarn.sh，在#!/usr/bin/env bash下方添加内容，指定YARN组件的运行用户，具体如代码3-13所示。
代码3-13 设置YARN组件运行用户
YARN_RESOURCEMANAGER_USER=root HDFS_DATANODE_SECURE_USER=root YARN_NODEMANAGER_USER=root |
注意，本次搭建的Hadoop集群共有3个节点，其主机名及IP地址在实训环境中已通过4.1前置步骤中的“初始化网络”配置完成，而且实训环境已设置免密切换节点，各节点时间已同步，因此跳过这些步骤。
（1） 配置Hadoop环境变量
在3个节点上修改/etc/profile文件，在文件末尾修改如代码3-14所示内容，文件修改完保存退出，执行命令“source /etc/profile”使配置生效。（/root/software/hadoop-3.1.4/bin目录包含了hdfs、mapred和yarn等脚本文件，用于管理和使用Hadoop。）
代码3-14 设置Hadoop环境变量
export HADOOP_HOME=/root/software/hadoop-3.1.4 export PATH=$PATH:$HADOOP_HOME/bin |
（2） 执行代码3-15所示命令，在slave1与slave2节点创建对应目录，然后将master节点已经部署好的Hadoop与/etc/profile文件复制传输到slave1、slave2节点。
代码3-15 发送安装包到子节点
（3） 在master上执行命令“hdfs namenode -format”进行格式化，若出现“successfully formatted”提示，则格式化成功，如图3-5所示。
图3-5 格式化成功提示
（4） 启动集群
在master节点，确保修改后的环境变量已经生效，在Linux终端分别执行如代码3-16所示的命令。
代码3-16 启动Hadoop集群
# 进入Hadoop的sbin目录 cd /root/software/hadoop-3.1.4/sbin # 启动HDFS相关服务 ./start-dfs.sh # 启动YARN相关服务 ./start-yarn.sh # 启动日志相关服务 mapred --daemon start historyserver |
Hadoop集群启动之后，在主节点master，子节点slave1，slave2分别执行jps，出现如图3-6所示的信息，说明Hadoop集群启动成功。
图3-6 jps查看进程
（5） 同理，关闭集群也只需要在master节点，在Linux终端分别执行如代码3-17所示的命令。
代码3-17 关闭集群
# 进入Hadoop的sbin目录 cd /root/software/hadoop-3.1.4/sbin # 关闭YARN相关服务 ./stop-yarn.sh # 关闭HDFS相关服务 ./stop-dfs.sh # 关闭日志相关服务 mapred --daemon stop historyserver |
