Hadoop化繁为简-从安装Linux到搭建集群环境

简介与环境准备

　　hadoop的核心是分布式文件系统HDFS以及批处理计算MapReduce。近年，随着大数据、云计算、物联网的兴起，也极大的吸引了我的兴趣，看了网上很多文章，感觉还是云里雾里，很多不必要的配置都在入门教程出现。通过思考总结与相关教程，我想通过简单的方式传递给同样想入门hadoop的同学。其实，如果你有很好的Java基础，当你入门以后，你会感觉到hadoop其实也是很简单的，大数据无非就是数据量大，需要很多机器共同来完成存储工作，云计算无非就是多台机器一起运算。

　　操作建议：理论先了解三分，先实践操作完毕，再回头看理论，在后续文章我将对理论进行分析，最后用思维导图总结了解它的hadoop的整体面貌。

　　环境准备：http://pan.baidu.com/s/1dFrHyxV 密码:1e9g(建议自己去官网下环境，要原生原味的，不要二手货)

　　CentOS-Linux系统：CentOS-7-x86_64-DVD-1511.iso

　　VirtualBox虚拟机：VirtualBox-5.1.18-114002-Win.exe

　　xshell远程登录工具：xshell.exe

　　xftp远程文件传输：xftp.exe

　　hadoop：hadoop-2.7.3.tar.gz

　　jdk8：jdk-8u91-linux-x64.rpm

hadoop的物理架构

　　物理架构：假设机房有四台机器搭建一个集群环境，Master(ip:192.168.56.100)、Slave1(ip:192.168.56.101)、Slave2(ip:192.168.56.102)、Slave3(ip:192.168.56.103)。在这里简要介绍一下，至于具体内容，我将在Hadoop的Hdfs文章详细介绍。

　　分布式：将不同地点，不同功能的，用于不同数据的多态计算机通过通信网络连接其他，统一控制，协调完成大规模信息处理的计算机系统。简单说，一块硬盘可以分成两部分：文件索引和文件数据，那么文件索引部署在单独一台服务器上我们称为Master根节点(NameNode)，文件数据部署在Master结点管理的孩子结点被称为Slave结点(DataNode)。

利用VirtulBox安装Linux

　　参考：http://www.cnblogs.com/qiuyong/p/6815903.html

配置集群在同一虚拟局域网下通信

　　说明：通过上述操作，已经搭建好master(192.168.56.100)这台机器，开始配置虚拟网络环境在同一虚拟机下。

vim /etc/sysconfig/network
NETWORKING=yes GATEWAY=192.168.56.1(说明：配置意思是，连上VirtualBox这块网卡)
vim /etc/sysconfig/network-sripts/ifcfg-enp0s3
TYPE=Ethernet IPADDR=192.168.56.100 NETMASK=255.255.255.0(说明：配置意思是，设置自己ip)
修改主机名：hostnamectl set-hostname master
重启网络：service network restart
查看ip：ifconfig
与windows能否ping通、若ping不同，关闭防火墙。
systemctl stop firewalld -->system disable firewalld

利用Xshell、Xftp进行远程登录与文件传输

　　利用VirtualBox登录，上传文件会比较麻烦，采用Xshell远程登录。

　　采用Xftp上传文件。

　　上传hadoop-2.7.3.tar.gz、jdk-8u91-linux-x64.rpm到/usr/local目录下。新手提示：在右边窗口选中/usr/local目录，左边双击压缩包就上传成功了。

配置hadoop环境

解压jdk-8u91-linux-x64.rpm：rpm -ivh /usr/local/jdk-8u91-linux-x64.rpm-->默认安装目录到/usr/java
确认jdk是否安装成功。 rpm -qa | grep jdk，java -version查看是否安装成功。
解压hadoop-2.7.3.tar.gz：tar -vhf /usr/local/hadoop-2.7.3.tar.gz。
修改目录名为hadoop：mv /usr/local/hadoop-2.7.3 hadoop
切换目录到hadoop配置文件目录：cd /usr/local/hadoop/etc/hadoop
vim hadoop-env.sh
修改export JAVA_HOME 语句为 export JAVA_HOME=/usr/java/default
退出编辑页面：按esc键输入:wq
vim /etc/profile
在文件最后追加 export PATH=$PATH:/usr/hadoop/bin:/usr/hadoop/sbin
source /etc/profile

发散思考-更进一步

　　问题1：现在只是配置了一台master？那slave1、slave2、slave3也这样一台一台配置吗？

　　答：潜意识里面，肯定有解决办法避免。当然，VirtualBox也提供了，复制机器的功能。选中master，右键复制。这样的话，就一台跟master一模一样的机器就搞定了。我们只需要修改网络的相关配置即可。注意：搭建集群环境需要自己复制三台。

　　问题2：如何查看这些linux机器是否在同一个环境下？

　　答：我重新捋一遍内容。启动四台linux机器(可以右键选择无界面启动)-->利用xshell远程登录-->选择工具(发送键到所用界面)。依次输入ping 192.168.56.100、192.168.56.101、192.168.56.102、192.168.56.103。

配置与启动hadoop

　　1、为四台机器配置域名。vim /etc/hosts

　　　　192.168.56.100 master

　　　　192.168.56.101 slave1

　　　　192.168.56.102 slave2

　　　　192.168.56.103 slave3

　　2、切换到hadoop配置文件目录 /usr/local/hadoop/etc/hadoop vim core-site.xml

　　3、修改四台linux机器的core-site.xml，指名四台机器谁是master(NameNode)。

　　　　<property>
　　　　　　<name>fs.defaultFS</name>
　　　　　　<value>hdfs://master:9000</value>
　　　　</property>

　　4、在master结点机器指名它的子节点有哪些：vim /usr/local/hadoop/etc/hadoop/slaves(其实就是指名子节点的ip)

　　　　slave1

　　　　slave2

　　　　slave3

　　5、初始化一下master配置：hdfs namenode -format

　　6、启动hadoop集群并且用jps查看结点的启动情况

　　　　启动master：hadoop-daemon.sh start namenode

　　　　启动slave:hadoop-daemon.sh start datanode

　　7、查看集群启动情况：hdfs dfsadmin -report或者利用网页http://192.168.56.100:50070/