大数据（2）---HDFS集群搭建

一、准备工作

　　1.准备几台机器，我这里使用VMware准备了四台机器，一个name node，三个data node。

　　VMware安装虚拟机：https://www.cnblogs.com/nijunyang/p/12001312.html

　　2.Hadoop生态几乎都是用的java开发的，因此四台机器还需要安装JDK。

　　3.集群内主机域名映射，将四台机器的IP和主机名映射分别写到hosts文件中(切记主机名不要带非法字符，图片中的下划线”_”请忽略)

　　vim /etc/hosts

　　配好一个之后可以直接将这个复制到其他机器上面去，不用每台都去配置：

　　scp /etc/hosts nijunyang69:/etc/

　　scp /etc/hosts nijunyang70:/etc/

　　scp /etc/hosts nijunyang71:/etc/

二、hdfs集群安装

　　1.下载hadoop安装包到linux服务器上面，并进行解压，我这里使用的的2.8.5，

　　tar -zxvf hadoop-2.8.5.tar.gz

　　2.hadoop指定java环境变量：

　　hadoop-2.8.5/etc/hadoop/hadoop-env.sh 文件中指定java环境变量：

　　export JAVA_HOME=/soft/jdk1.8.0_191

　　3.配置核心参数：

默认参数：https://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml

　　　　1)指定hadoop的默认文件系统为：hdfs

　　　　2)指定hdfs的namenode节点为哪台机器

　　　　修改/etc/hadoop/core-site.xml 指定hadoop默认文件系统为hdfs,并且指定name node

　　　　<configuration>

　　　　　　<property>

　　　　　　　　<name>fs.defaultFS</name><!--指定默认文件系统hdfs-->

　　　　　　　　<value>hdfs://nijunyang68:9000/</value><!--指定name node为nijunyang_68-->

　　　　　　</property>

　　　　</configuration>

　　　　3) 指定namenode存储数据的本地目录

　　　　4) 指定datanode存放文件块的本地目录

　　　　修改/etc/hadoop/hdfs-site.xml

<configuration>

    <property>

    <name>dfs.namenode.name.dir</name>

    <value>/hadoop/hdpdata/name/</value>

    </property>

    <property>

    <name>dfs.datanode.data.dir</name>

    <value>/hadoop/hdpdata/data</value>

    </property>

</configuration>        

　　　　每台机器都执行同样的操作，配置好上述配置，可以使用scp -r /soft/hadoop-2.8.5 nijunyang69:/soft 这个命令将第一台机器配置好的全部打包拷贝到另外机器上面去。

　　4.配置hadoop环境变量

　　5.初始化namenode：hadoop namenode -format

　　这时我们设置的namenode数据目录下面就会初始化出来对应的文件夹

　　6.启动namenode：在之前指定的namenode上面执行：hadoop-daemon.sh start namenode

　　Jps查看可以看到一个namenode的java进程，同时通过默认的50070端口可以进行web访问

　　可以看到现在HDFS的容量还是0，因为我还没有启动datanode

　　7.依次启动datanode：hadoop-daemon.sh start datanode

　　同样可以看到一个datanode的java进程启动了，再看web页面这个时候的hdfs容量大小差不多就是三个datanode之和了。

　　至此整个hdfs集群基本就搭建完毕了，中间的一个小插曲，主机名一定不要带”.” “/” “_”等特殊符号，否则启动无服务的时候可能报错无法启动：Does not contain a valid host

三、脚本一键启动集群

　　1.在启动的机器上配置SSH免密登录集群所有机器，在任意一台机器配置都可以

　　1)生成秘钥：ssh-keygen

　　2)设置免密连接：

　　ssh-copy-id nijunyang68

　　ssh-copy-id nijunyang69

　　ssh-copy-id nijunyang70

　　ssh-copy-id nijunyang71

　　设置好之后就可以当前机器直接通过SSH连接其他机器，不需要输入密码

　　2. 修改文件hadoop-2.8.5/etc/hadoop/etc/hadoop/slaves，加入需要启动的datanode

　　　　默认有个本机。如果不需要再本机启动datanode就把localhost删掉

　　3.执行sbin目录下的集群启动脚本/停止脚本：start-dfs.sh/stop-dfs.sh

　　虽然集群起来了，但是还有个Starting secondary namenodes 启动在本机上，这个时候我最好去将secondary namenodes配置到另外的机器上面去，修改之前的/etc/hadoop/hdfs-site.xml，加入secondary namenodes的配置：

　　<property>

　　<name>dfs.namenode.secondary.http-address</name>

　　<value>nijunyang69:50090</value>

　　</property>