大数据 - hadoop三台linux虚拟服务器 - 初始化部署

　　　　　　　　　　搭建hadoop环境

1、解压Hadoop的安装包，解压到modules文件夹中。（安装包下载地址：http://archive.apache.org/dist/hadoop/core/hadoop-2.7.2/）
　　$ tar -zxf /softwares/installations/hadoop-2.7.2.tar.gz -C /modules/
　　查看hadoop是不是64位：
　　在hadoop-2.7.2/lib/native 下，执行file libhadoop.so.1.0.0

2、删除/home/admin/modules/hadoop-2.7.2/etc/hadoop目录下，cmd文件
　　$ rm -rf *.cmd
　　重命名文件
　　$ mv mapred-site.xml.template mapred-site.xml

3、配置文件：/home/admin/modules/hadoop-2.7.2/etc/hadoop
　　配置结果：
　　Linux01 ： namenode、datanode、nodeManager
　　Linux02 ： resourceManager、datanode、nodeManager
　　Linux03 ： datanode、nodeManager

　　evn文件：把JAVA_HOME 环境变量改为，实际路径
　　　　hadoop-env.sh
　　　　　　修改# export JAVA_HOME=$JAVA_HOME
　　　　　　为：export JAVA_HOME=/home/admin/modules/jdk1.8.0_191
　　　　mapred-env.sh
　　　　　　修改# export JAVA_HOME=/home/y/libexec/jdk1.6.0/
　　　　　　为：export JAVA_HOME=/home/admin/modules/jdk1.8.0_191
　　　　yarn-env.sh
　　　　　　修改# export JAVA_HOME=/home/y/libexec/jdk1.6.0/
　　　　　　为：export JAVA_HOME=/home/admin/modules/jdk1.8.0_191
　　site文件：（参考官网文档：https://hadoop.apache.org/docs/r2.7.2/）
　　　　core-site.xml
　　　　　　在https://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-common/core-default.xml中，
　　　　　　fs.defaultFS 是用来配置namenode的路径的，是namenodeRPC通信地址。value：hadf://linux01:8020
　　　　　　RPC是跨进程通信协议
　　　　　　hadoop.tmp.dir是用来配置文件最终存储位置。value：haoop根目录/hoadoop-data
　　　　　　<configuration>
　　　　　　　　<property>
　　　　　　　　　　<name>fs.defaultFS</name>
　　　　　　　　　　<value>hdfs://linux01:8020</value>
　　　　　　　　</property>
　　　　　　　　<property>
　　　　　　　　　　<name>hadoop.tmp.dir</name>
　　　　　　　　　　<value>/home/admin/modules/hadoop-2.7.2/hadoop-data</value>
　　　　　　　　</property>
　　　　　　</configuration>
　　　　hdfs-site.xml
　　　　　　<configuration>
　　　　　　　　<!-- 指定数据冗余份数,默认3份,会占用磁盘空间 -->
　　　　　　　　<property>
　　　　　　　　　　<name>dfs.replication</name>
　　　　　　　　　　<value>1</value>
　　　　　　　　</property>
　　　　　　　　<!-- 关闭权限检查，非hadoop用户不可以操作hadoop集群 -->
　　　　　　　　<property>
　　　　　　　　　　<name>dfs.permissions.enabled</name>
　　　　　　　　　　<value>false</value>
　　　　　　　　</property>
　　　　　　　　<!-- 配置namenode，减少namenode的压力 -->
　　　　　　　　<property>
　　　　　　　　　　<name>dfs.namenode.secondary.http-address</name>
　　　　　　　　　　<value>linux03:50090</value>
　　　　　　　　</property>
　　　　　　　　<!-- namenode网页地址 -->
　　　　　　　　<property>
　　　　　　　　　　<name>dfs.namenode.http-address</name>
　　　　　　　　　　<value>linux01:50070</value>
　　　　　　　　</property>
　　　　　　　　<!-- 浏览hdfs的方式，一种是webhdfs,一种格式https -->
　　　　　　　　<property>
　　　　　　　　　　<name>dfs.webhdfs.enabled</name>
　　　　　　　　　　<value>true</value>
　　　　　　　　</property>
　　　　</configuration>
　　mapred-site.xml
　　　　<configuration>
　　　　　　<property>
　　　　　　　　<name>mapreduce.framework.name</name>
　　　　　　　　<value>yarn</value>
　　　　　　</property>
　　　　　　<!-- 配置mapreduce的历史服务端口，产生的日志服务 -->
　　　　　　<property>
　　　　　　　　<name>mapreduce.jobhistory.address</name>
　　　　　　　　<value>linux01:10020</value>
　　　　　　</property>
　　　　　　<!-- 配置mapreduce的历史服务页面端口，产生的日志服务 -->
　　　　　　<property>
　　　　　　　　<name>mapreduce.jobhistory.webapp.address</name>
　　　　　　　　<value>linux01:19888</value>
　　　　　　</property>
　　　　</configuration>
　　yarn-site.xml
　　　　<configuration>
　　　　　　<!-- 是否允许调度mapreduce的shuffle过程 -->
　　　　　　<property>
　　　　　　　　<name>yarn.nodemanager.aux-services</name>
　　　　　　　　<value>mapreduce_shuffle</value>
　　　　　　</property>
　　　　　　<!-- 配置mapreduce到linux02 -->
　　　　　　<property>
　　　　　　　　<name>yarn.resourcemanager.hostname</name>
　　　　　　　　<value>linux02</value>
　　　　　　</property>
　　　　　　<!-- -->
　　　　　　<property>
　　　　　　　　<name>yarn.log-aggregation-enable</name>
　　　　　　　　<value>true</value>
　　　　　　</property>
　　　　　　<!-- -->
　　　　　　<property>
　　　　　　　　<name>yarn.log-aggregation.retain-seconds</name>
　　　　　　　　<value>86400</value>
　　　　　　</property>
　　　　　　<!-- -->
　　　　　　<property>
　　　　　　　　<name>yarn.log.server.url</name>
　　　　　　　　<value>http://linux01:19888/jobhistory/logs/</value>
　　　　　　</property>
　　　　</configuration>
　　slaves文件：配置三台从节点，配置三台虚拟机的名称

　　　　linux01
　　　　linux02
　　　　linux03

　　　　配置datanode和nodeManager从节点

4、分发，将hadoop安装包，分发到linux02、Linux03（在modules目录，执行）

　　scp -r hadoop-2.7.2/ linux02:/home/admin/modules
　　scp -r hadoop-2.7.2/ linux03:/home/admin/modules
　　　　说明：scp 命令是跨服务器复制文件。

5、格式化namenode (在hadoop的根目录下执行)
　　linux01： bin/hdfs namenode -format

6、启动服务，（在hadoop根目录执行）
　　HDFS:
　　　　linux01：$ sbin/start-dfs.sh
　　　　相当于：
　　　　$ sbin/hadoop-daemon.sh start namenode 开namenode的命令
　　　　$ sbin/hadoop-daemon.sh start datanode 开namenode的命令
　　YARN: （在resourceManager所在的机器上启动）
　　　　linux02：$ sbin/start-yarn.sh
　　JobHistory:
　　　　linux01：$ sbin/mr-jobhistory-daemon.sh start historyserver

　　如果因为断电关系，造成启动过程中，发现NameNode已启动的提示。

　　　　处理方式：删除/tmp下namenode对应的pid文件，rm -rf /tmp/hadoop-namenode.pid

7、启动检测(如果无法访问，请在windows的hosts文件中，配置虚拟机名称及对应的ip)
　　浏览器访问：http://linux01:50070
　　　　检查概览overview下的安全模式safemode一定要关闭，如果是打开的，说明有问题，安全模式数据只能读取，不能写入。
　　　　datenode节点有三台服务器
　　　　utilties中输入hdfs根目录/

　　浏览器访问：http://linux02:8088

　　　　8088是默认端口。点击左侧Notes选项，查看三台服务器的noteManager是否已经是Running状态，在判断资源是否不足。

　　判断集群是否开启正确，输入命令 jps
　　　　说明：jps是查看所有java进程的命令

8、测试成功后，配置工具脚本

　　系统变量与用户变量

　　　　使用xshell开启一个远程回话时，linux01 SSH linux02 默认加载用户变量配置文件，不会加载系统变量。

　　　　　　/etc/profile (系统变量)

　　　　　　/home/admin/.bash_profile (用户变量)

　　　　　　/home/admin/.bashrc (用户变量)

　　　　执行命令，配置系统变量中的环境变量到用户变量配置文件中：（三台linux都执行）

　　　　　　$ cat /etc/profile >> .bashrc (在/home/admin下执行，把profile中内容，追加到.bashrc)

　　编写shell脚本，查看三台服务器的jsp状态：

　　　　#!/bin/bash

　　　　# admin为用户名。
　　　　for i in admin@linux01 admin@linux02 admin@linux03
　　　　do
　　　　　　echo "=============$i================"
　　　　　　ssh $i 'jps'
　　　　done

　　编写shell脚本，在第一台及其执行脚本，启动hadoop所有节点：

　　　　#!/bin/bash

　　　　#HDFS
　　　　modules/hadoop-2.7.2/sbin/start-dfs.sh

　　　　#YARN
　　　　ssh admin@linux02 modules/hadoop-2.7.2/sbin/start-yarn.sh

　　　　#JobHistory
　　　　modules/hadoop-2.7.2/sbin//mr-jobhistory-daemon.sh start historyserver