Centos7安装Hadoop2.7

准备

1、三台Centos7的机器：

hostname	IP地址	部署规划
node1	172.20.0.4	NameNode、DataNode
node2	172.20.0.5	DataNode
node3	172.20.0.6	DataNode

在/etc/hosts中都加上主机名解析：

172.20.0.4　　node1
172.20.0.5　　node2
172.20.0.6　　node3

2、配置node1到三台机器的免密登录。

3、全部安装jdk8，配置JAVA_HOME。

4、官网下载安装包：hadoop-2.7.7.tar.gz（推荐去清华大学或中科大的开源镜像站）。

6、三台都创建路径/mydata/，并配置环境变量：

export HADOOP_HOME=/mydata/hadoop-2.7.
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH

配置

先在node1上修改hadoop的配置，完成后再统一复制到其他节点，保证配置内容一致。

解压hadoop-2.7.7.tar.gz到/mydata/，进入/mydata/hadoop-2.7.7/etc/hadoop/，进行配置（有些文件需要去掉,template后缀，或拷贝一份重命名）：

<!-- 文件名 core-site.xml -->
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://node1:9000</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/mydata/data/hadoop-${user.name}</value>
    </property>
</configuration>

<!-- 文件名 hdfs-site.xml -->
<configuration>
    <property>
        <name>dfs.replication</name>
        <value></value>
    </property>
</configuration>

<!-- 文件名 mapred-site.xml 拷贝自mapred-site.xml.template -->
<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

<!-- 文件名 yarn-site.xml -->
<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>node1</value>
    </property>
</configuration>

<!-- 文件名 slaves -->
node1
node2
node3

配置项	含义
fs.defaultFS	namenode上文件系统的地址
hadoop.tmp.dir	多个路径的基础，包括namenode和datanode的数据，默认是/tmp/hadoop-${user.name}
dfs.replication	副本数，这里设为2，这样集群中共三份数据，适用日常大部分情况了
yarn.resourcemanager.hostname	yarn资源管理器所在host
slaves	该文件中列出的是作为从节点的datanode，若node1只打算作为namenode则不需要写进去

默认日志目录在$HADOOP_HOME/logs，pid文件在/tmp，可以进行修改：

# 文件名 hadoop-env.sh
export HADOOP_PID_DIR="/mydata/data/pid"
export HADOOP_LOG_DIR="/mydata/logs/hadoop"

# 文件名 yarn-env.sh
export YARN_LOG_DIR="/mydata/logs/yarn"
export YARN_PID_DIR="/mydata/data/pid"

配置完成后将hadoop程序文件拷贝到其他两台：

node1> scp -r /mydata/hadoop-2.7.7/ root@node2:/mydata/
node1> scp -r /mydata/hadoop-2.7.7/ root@node3:/mydata/

启动

需要先在node1初始化namenode（只有第一次启动前需要，除非删除了hadoop.tmp.dir下namenode的数据）：

node1> hdfs namenode -format

看到 Storage directory /mydata/data/hadoop-root/dfs/name has been successfully formatted. 则表示成功。

下面先启动hdfs，后启动yarn：

node1> start-dfs.sh
node1> start-yarn.sh

node1上用jps命令验证进程	NameNode、SecondaryNameNode、ResourceManager、DataNode、NodeManager
node2上用jps命令验证进程	DataNode、NodeManager
node3上用jps命令验证进程	DataNode、NodeManager

测试

通过浏览器可以访问以下地址：

namenode的后台	http://node1:50070
yarn资源管理的后台	http://node1:8088

前者切换到 Datanodes ：

后者进入 Cluster -> Nodes ：

下面执行一个官方示例（wordcount），先准备两个文件，内容如下：

# 文件名 1.txt
天空    sky
天空    sky
天空    sky

# 文件名 .txt
海洋    ocean
海洋    ocean

将这两个文件上传到hdfs，然后执行任务：

# 创建路径（将root改为自己的用户名）
node1> hdfs dfs -mkdir -p /user/root/input
# 上传文件
node1> hdfs dfs -put *.txt input
# 执行wordcount任务统计文件中每个单词的数量，并等待其执行结束
node1> hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount input output
# 查看结果
node1> hdfs dfs -cat output/*
ocean　　2
sky　　　3
天空　　 3
海洋　　 2
# 若要重复执行任务，需要删除output文件夹，或者在命令中换一个输出目录
node1> hdfs dfs -rm -r output

可以在yarn的资源管理平台 Cluster -> Applications 查看到该任务：

启用jobhistory

这个不是必须的，但可以更好的查看job的历史记录和管理job的日志。

# 文件名 mapred-env.sh
export HADOOP_MAPRED_LOG_DIR="/mydata/logs/mapred"
export HADOOP_MAPRED_PID_DIR="/mydata/data/pid"

<!-- 文件名 mapred-site.xml -->
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>node1:</value>
    </property>

<!-- 文件名 yarn-site.xml 日志聚合，开启后job的日志不再存到node本地，而是上传到hdfs -->
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>

停止集群：

node1> stop-yarn.sh
node1> stop-dfs.sh

然后将修改的配置同步更新到其他所有节点，并在启动集群后启动historyserver：

node1> start-dfs.sh
node1> start-yarn.sh
node1> mr-jobhistory-daemon.sh start historyserver
# 通过jps查看进程
node1> jps
...
[pid]　　JobHistoryServer
...

通过浏览器访问 http://node1:19888 ：

默认情况下，日志会分散在各个工作的datanode，查看非常麻烦；配置了日志聚合后则会上传到hdfs，各节点本地的会被删除，可以点击上图的 Job ID ，然后 ApplicationMaster -> logs 即可看到聚合后的日志：

在yarn的资源管理后台 http://node1:8088/cluster/apps ，点击 application 后面的 History 就可以跳转到 jobhistory：

另外，还可以通过命令行查看聚合日志：

shell> yarn logs -applicationId [application id]

yarn的资源管理后台 http://node1:8088/cluster/apps 直接就能看到 application id，而在 jobhistory 中只要将 Job ID 的job前缀替换为application即可。

over