hadoop2.7完全分布式集群搭建以及任务测试

要想深入的学习hadoop数据分析技术，首要的任务是必须要将hadoop集群环境搭建起来，本文主要讲述如何搭建一套hadoop完全分布式集群环境。 环境配置：2台64位的redhat6.5 + 1台64位centos6.9 + Hadoop + java7一、先配置服务器的主机名Namenode节点对应的主机名为masterDatanode节点对应的主机名分别为node1、node21、 在每一台服务器上执行vim /etc/hosts， 先删除hosts里面的内容，然后追加以下内容：
192.168.15.135 master 172.30.25.165 node1 172.30.25.166 node22、 在每一台服务器上执行vim /etc/sysconfig/network，修改红色部分的内容，对应上面所说的hostname，对于master节点那么hostname就为master
NETWORKING=yes HOSTNAME= master NETWORKING_IPV6=yes IPV6_AUTOCONF=no类似的，在node1服务器节点上应该为：
NETWORKING=yes HOSTNAME= node1 NETWORKING_IPV6=yes IPV6_AUTOCONF=no类似的，在node2服务器节点上应该为：
NETWORKING=yes HOSTNAME= node2 NETWORKING_IPV6=yes IPV6_AUTOCONF=no这两步的作用很关键，如果配置不成功，进行分布式计算的时候有可能找不到主机名 二、安装SSH，并让master免验证登陆自身服务器、节点服务器1、 执行下面命令，让master节点能够免验证登陆自身服务器
ssh-keygen -t dsa -P'' -f ~/.ssh/id_dsa cat ~/.ssh/id_dsa.pub>> ~/.ssh/authorized_keys exportHADOOP\_PREFIX=/usr/local/hadoop
HADOOP_PREFIX表示自己安装的hadoop路径2、 让主结点(master)能通过SSH免密码登录两个子结点（slave）为了实现这个功能，两个slave结点的公钥文件中必须要包含主结点的公钥信息，这样当master就可以顺利安全地访问这两个slave结点了。操作过程如下：在node1上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys在node2上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys

如上过程显示了node1结点通过scp命令远程登录master结点，并复制master的公钥文件到当前的目录下，这一过程需要密码验证。接着，将master结点的公钥文件追加至authorized_keys文件中，通过这步操作，如果不出问题，master结点就可以通过ssh远程免密码连接node1结点了。在master结点中操作如:


当然值得注意的是：首次登陆是需要确认的，node1结点首次连接时需要，“YES”确认连接，这意味着master结点连接node1结点时需要人工询问，无法自动连接，输入yes后成功接入，紧接着注销退出至master结点。要实现ssh免密码连接至其它结点，还差一步，只需要再执行一遍ssh node1，如果没有要求你输入”yes”，就算成功了。 三、下载并解压hadoop安装包，配置hadoop1、 关于安装包的下载就不多说了，不过可以提一下目前我使用的版本为hadoop-2.7.12、 配置namenode,修改site文件下面开始修改hadoop的配置文件了，即各种site文件，文件存放在etc/Hadoop/下，主要配置core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml这三个文件。这里我只把我的实例贴出来，经供参考，更多详细配置请参照官方文档core-site.xml：<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://master:9000</value> </property> </configuration>hdfs-site.xml：<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> <property> <name>dfs.namenode.secondary.http-address</name> <value>master:9001</value> </property> </configuration>mapred-site.xml：
<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>master:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>master:19888</value> </property> </configuration>yarn-site.xml：<configuration> <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.resourcemanager.address</name> <value>master:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>master:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>master:8031</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>master:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>master:8088</value> </property> </configuration>
3、 配置namenode,修改env环境变量文件配置之前要说的话：你必须确保你已经安装了java6或者java7，并且java的环境变量已经配置好，由于本文的重点不在此，故不详细说明，我系统java的环境变量为/usr/java/jdk1.7.0_71所以讲hadoop-env.sh、mapred-env.sh、yarn-env.sh这几个文件中的JAVA_HOME改为/usr/java/jdk1.7.0_71，如下图所示：



文件中的其他一些配置项，请参考官方文档4、 slaves文件配置,增加如下两行内容：
node1 node2四、向节点服务器node1、node2复制我们刚刚在master服务器上配置好的hadoop
scp–r hadoop root@node1:/usr/local/hadoop scp–r hadoop root@node2:/usr/local/hadoop
五、格式化namenode，在master节点上执行如下命令：
bin/hdfs namenode-format



只要出现“successfully formatted”就表示成功了。 六、启动hadoop这一步也在主结点master上进行操作：

七、用jps检验各后台进程是否成功启动master


node1



node2


八、向hadoop集群系统提交第一个mapreduce任务到这里为止我们已经完成了一个真正意义上的hadoop完全分布式环境搭建，下面我们要像这个集群系统提交第一个mapreduce任务1、 bin/hdfs dfs -mkdir /tmp 在虚拟分布式文件系统上创建一个测试目录tmp2、 bin/hdfs dfs -copyFromLocal ./ LICENSE.txt /tmp 将当前目录下的LICENSE文件复制到虚拟分布式文件系统中3、bin/hdfs dfs-ls /tmp查看文件系统中是否存在我们所复制的文件下面这张图显示了一系列的操作过程


3、 运行如下命令向hadoop提交单词统计任务bin/hadoop jar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount/tmp/LICENSE.txt /tmp-output
最后会显示一个运算结果：



到这里为止，你已经完成了第一个任务的分布式计算注意：在你重新格式化分布式文件系统之前，需要将文件系统中的数据先清除，否则，datanode将创建不成功，这一点很重要关于一些常见的端口master:8088能显示你的集群状态master: 50070能进行一些节点的管理除此之外，还有很多有用的端口，当然这也是和你的配置文件相关的，最后，贴上两张图片：