Hadoop完整搭建过程（三）：完全分布模式（虚拟机）

1 完全分布模式

完全分布模式是比本地模式与伪分布模式更加复杂的模式，真正利用多台Linux主机来进行部署Hadoop，对集群进行规划，使得Hadoop各个模块分别部署在不同的多台机器上，这篇文章介绍的是通过三台虚拟机进行集群配置的方式，主要步骤为：

• 准备虚拟机：准备虚拟机基本环境
• ip+Host配置：手动设置虚拟机ip以及主机名，需要确保三台虚拟机能互相ping通
• ssh配置：生成密钥对后复制公钥到三台虚拟机中，使其能够实现无密码相互连接
• Hadoop配置：core-site.xml+hdfs-site.xml+workers
• YARN配置：yarn-site.xml

2 虚拟机安装

需要使用到三台虚拟机，其中一台为Master节点，两台Worker节点，首先安装虚拟机并配置环境，最后进行测试。

2.1 镜像下载

使用VirtualBox进行虚拟机的安装，先去CentOS官网下载最新版本的镜像：

这里有三种不同的镜像：

• boot：网络安装版
• dvd1：完整版
• minimal：最小化安装版

这里为了方便选择最小化安装版的，也就是不带GUI的。

2.2 安装

下载后，打开Virtual Box并点击New，选择专家模式：

命名为CentOSMaster，作为Master节点，并且分配内存，这里是1G，如果觉得自己内存大的可以2G：

磁盘30G足够，其他可以保持默认：

创建好后从设置中的存储中，选择下载的镜像：

启动后会提示选择启动盘，确定即可：

好了之后会出现如下提示画面，选择第一个安装：

等待一会后进入安装界面：

接下来对安装位置以及时区进行配置，首先选择安装位置：

由于是虚拟的单个空磁盘，选择自动分区即可：

时区这里可以选择中国的上海：

接着选择网络，首先修改主机名为master：

接着点击Configure：

添加ip地址以及DNS服务器，ip地址可以参考本机，比如笔者的机器本地ip为192.168.1.7，则：

• 虚拟机的ip可以填192.168.1.8
• 子网掩码一般为255.255.255.0
• 默认网关为192.168.1.1
• DNS服务器为114.114.114.114（当然也可以换其他的公共DNS比如阿里的223.5.5.5、百度的180.76.76.76等）

点击Save后应用主机名并开启：

没问题的话就可以安装了：

安装的时候设置root用户的密码以及创建用户：

用户这里采用一个叫hadoopuser的用户，后面的操作都直接基于该用户：

等待一段时间后安装完成重启即可。

2.3 启动

在启动之前首先把原来的镜像去掉：

启动后是黑框界面：

登录刚才创建的hadoopuser用户即可。

3 ssh连接虚拟机

默认的话是不能连接外网的，需要在菜单栏中的Devices中选择Network，设置为Bridged Adapter（桥接模式）：

使用ping测试：

接着可以测试能否ping通本地机器：

通了之后可以通过ssh连接虚拟机，像平时操作服务器一样，在本地终端中连接虚拟机，首先添加指纹：

接着输入密码连接即可：

如果想偷懒可以使用密钥连接的方式，在本地机器中：

ssh-keygen -t ed25519 -a 100
ssh-copy-id -i ~/.ssh/id_ed25519.pub hadoopuser@192.168.1.8

4 基本环境搭建

基本环境搭建就是安装JDK以及Hadoop，使用scp上传OpenJDK以及Hadoop。

4.1 JDK

首先去下载OpenJDK，然后在本地机器上使用scp上传：

scp openjdk-11+28_linux-x64_bin.tar.gz hadoopuser@192.168.1.8:/home/hadoopuser

接着在本地上切换到连接虚拟机的ssh中，

cd ~
tar -zxvf openjdk-11+28_linux-x64_bin.tar.gz
sudo mv jdk-11 /usr/local/java

下一步是编辑/etc/profile，添加bin到环境变量中，在末尾添加：

sudo vim /etc/profile
# 没有vim请使用vi
# 或安装：sudo yum install vim
# 添加
export PATH=$PATH:/usr/local/java/bin

然后：

. /etc/profile

测试：

4.2 Hadoop

Hadoop的压缩包scp上传到虚拟机后，解压并移动到/usr/local：

scp hadoop-3.3.0.tar.gz hadoopuser@192.168.1.8:/home/hadoopuser

虚拟机ssh终端：

cd ~
tar -xvf hadoop-3.3.0.tar.gz
sudo mv hadoop-3.3.0 /usr/local/hadoop

同时修改etc/hadoop/hadoop-env.sh配置文件，填入Java路径：

sudo vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh
# 填入
export JAVA_HOME=/usr/local/java # 修改为您的Java目录

5 克隆

因为需要一个Master节点以及两个Worker节点，将Master节点关机，并选择配置好的CentOSMaster，右键进行克隆：

并选择完全克隆：

克隆出CentOSWorker1以及CentOSWorker2。

6 主机名+ip设置

这里的两个Worker节点以Worker1以及Worker2命名，首先操作Worker1，修改主机名：

sudo vim /etc/hostname
# 输入
# worker1

对于ip，由于Master节点的ip为192.168.1.8，因此这里修改两个Worker的节点分别为：

• 192.168.1.9
• 192.168.1.10

sudo vim /etc/sysconfig/network-scripts/ifcfg-xxxx # 该文件因人而异
# 修改IPADDR
IPADDR=192.168.1.9

修改完成后重启Worker1，对Worker2进行同样的修改主机名以及ip操作。

7 Host设置

需要在Master以及Worker节点进行Host设置：

7.1 Master节点

sudo vim /etc/hosts
# 添加
192.168.1.9 worker1 # 与上面的ip对应一致
192.168.1.10 worker2

7.2 Worker1节点

sudo vim /etc/hosts
# 添加
192.168.1.8 master
192.168.1.10 worker2

7.3 Worker2节点

sudo vim /etc/hosts
# 添加
192.168.1.8 master
192.168.1.9 worker1

7.4 互ping测试

在三台虚拟机中的其中一台ping另外两台的ip或者主机名，测试通过后就可以进行下一步了，这里使用Worker1节点测试：

8 配置ssh

8.1 sshd服务

需要在三个节点（包括自身）之间配置ssh无密码（密钥）连接，首先使用

systemctl status sshd

检查sshd服务是否开启，没开启的使用

systemctl start sshd

开启。

8.2 复制公钥

三个节点都进行如下操作：

ssh-keygen -t ed25519 -a 100
ssh-copy-id master
ssh-copy-id worker1
ssh-copy-id worker2

8.3 测试

在其中一个节点中直接ssh连接其他节点，无需密码即可登录，比如在Master节点中：

ssh master # 都是hadoopuser用户，所以省略了用户
ssh worker1
ssh worker2

9 Master节点Hadoop配置

在Master节点中，修改以下三个配置文件：

• HADOOP/etc/hadoop/core-site.xml
• HADOOP/etc/hadoop/hdfs-site.xml
• HADOOP/etc/hadoop/workers

9.1 core-site.xml

<configuration>
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://master:9000</value>
	</property>
	<property>
		<name>hadoop.tmp.dir</name>
		<value>/usr/local/hadoop/data/tmp</value>
	</property>
</configuration>

• fs.defaultFS：NameNode地址
• hadoop.tmp.dir：Hadoop临时目录

9.2 hdfs-site.xml

<configuration>
	<property>
		<name>dfs.namenode.name.dir</name>
		<value>/usr/local/hadoop/data/namenode</value>
	</property>
	<property>
		<name>dfs.datanode.data.dir</name>
		<value>/usr/local/hadoop/data/datanode</value>
	</property>
	<property>
		<name>dfs.replication</name>
		<value>2</value>
	</property>
</configuration>

• dfs.namenode.name.dir：保存FSImage的目录，存放NameNode的metadata
• dfs.datanode.data.dir：保存HDFS数据的目录，存放DataNode的多个数据块
• dfs.replication：HDFS存储的临时备份数量，有两个Worker节点，因此数值为2

9.3 workers

最后修改workers，输入（与上面设置的主机名一致）：

worker1
worker2

9.4 复制配置文件

把Master节点的配置复制到Worker节点：

scp /usr/local/hadoop/etc/hadoop/* worker1:/usr/local/hadoop/etc/hadoop/
scp /usr/local/hadoop/etc/hadoop/* worker2:/usr/local/hadoop/etc/hadoop/

10 HDFS格式化并启动

10.1 启动

在Master节点中：

cd /usr/local/hadoop
bin/hdfs namenode -format
sbin/start-dfs.sh

运行后可以通过jps命令查看：

在Worker节点中：

10.2 测试

浏览器输入：

master:9870
# 如果没有修改本机Host可以输入
# 192.168.1.8:9870

但是。。。

本以为做了这么多能看到成果了。

然后检查过了一遍本机+虚拟机Host，还有Hadoop的配置文件，都没有问题。

最后，

才定位到问题是

防火墙。

10.3 防火墙

CentOS8默认开启了防火墙，可以使用：

systemctl status firewalld

查看防火墙状态。

由于是通过9870端口访问，首先查询9870是否开放，Master节点中输入：

sudo firewall-cmd --query-port=9870/tcp
# 或
sudo firewall-cmd --list-ports

如果输出为no：

则表示没有开放，手动开放即可：

sudo firewall-cmd --add-port=9870/tcp --permanent
sudo firewall-cmd --reload # 使其生效

再次在浏览器输入：

master:9870
# 如果没有修改本地Host
# 192.168.1.8:9870

可以看到一个友好的页面了：

但是，有一个问题就是这里没有显示Worker节点，上图中的Live Nodes数目为0 ，而Datanodes这里什么也没有显示：

但是在Worker节点中的确可以看到有Datanode的进程了：

查看Worker节点的日志（/usr/local/hadoop/logs/hadoop-hadoopuser-datanode-worker1.log）可以看到应该是Master节点9000端口的没有开启的问题：

回到Master节点，先执行stop-dfs.sh关闭，并开放9000端口后执行start-dfs.sh开启：

/usr/local/hadoop/sbin/stop-dfs.sh
sudo firewall-cmd --add-port=9000/tcp --permanent
sudo firewall-cmd --reload
/usr/local/hadoop/sbin/start-dfs.sh

再次在浏览器访问：

master:9000
# 或
# 192.168.1.8:9000

这时候就可以看见Worker节点了：

11 配置YARN

11.1 YARN配置

在两个Worker节点中修改/usr/local/hadoop/etc/hadoop/yarn-site.xml：

<property>
	<name>yarn.resourcemanager.hostname</name>
	<value>master</value>
</property>

11.2 开启YARN

Master节点中开启YARN：

cd /usr/local/hadoop
sbin/start-yarn.sh

同时开放8088端口为下面的测试做准备：

sudo firewall-cmd --add-port=8088/tcp --permanent
sudo firewall-cmd --reload

11.3 测试

浏览器输入：

master:8088
# 或
# 192.168.1.8:8088

应该就可以访问如下页面了：

同样道理没有看到Worker节点，查看Worker节点的日志，发现也是端口的问题：

Master节点先关闭YARN，开放8031端口，并重启YARN：

/usr/local/hadoop/sbin/stop-yarn.sh
sudo firewall-cmd --add-port=8031/tcp --permanent
sudo firewall-cmd --reload
/usr/local/hadoop/sbin/start-yarn.sh

再次访问：

master:8088
# 或
# 192.168.1.8:8088

就可以看到Worker节点了：

至此，虚拟机组成Hadoop集群正式搭建完成。

12 参考

• CSDN-GitChat·大数据 | 史上最详细的Hadoop环境搭建
• How To Set Up a Hadoop 3.2.1 Multi-Node Cluster on Ubuntu 18.04 (2 Nodes)
• How to Install and Set Up a 3-Node Hadoop Cluster
• CSDN-virtualBox实现主机和虚拟机相互ping通,配置静态IP地址