史上最完整Hadoop2.x完全分布式安装部署-小白也能学会

一、环境要求：

1、        虚拟机安装并设置网络；

2、        修改主机地址映射；

3、        必备软件：Jdk、Development Tools   Development Libraries gcc c++等已安装；

4、        修改windows主机C:\Windows\System32\drivers\etc\hosts

在hosts文件中添加虚拟机中的主机地址映射如下：

Ip地址             Linux主机名

5、         配置四台主机免密登录，两台namenode互相免密，namenode节点均免密登录至其他节点。

二、节点规划

	NN	DN	ZK	ZKFC	JN	RM	NM
V1	Y		Y	Y		Y
V2	Y	Y	Y	Y	Y		Y
V3		Y	Y		Y		Y
V4		Y			Y		Y

三、配置步骤：

　　1、每台Linux主机都要修改/etc/profile，添加Hadoop环境变量

　　export HADOOP_HOME=/usr/software/hadoop-2.7.1

　　export PATH=$PATH:$HADOOP_HOME/bin

修改之后，source /etc/profile          使系统变量生效

　　2、配置HADOOP守护进程，这部分主要处理给出的配置文件中设置一些重要参数，配置好后，将文件拷贝至其他需要安装hadoop的主机。

　　l  etc/hadoop/core-site.xml

　　<configuration>

　　  <property>

　　   <name>fs.defaultFS</name>

　　    <value>hdfs://V1:9000</value>

　　  </property>

　　  <property>

　　  <name>ha.zookeeper.quorum</name>

　　     <value>V1:2181,V2:2181,V3:2181</value>

　　  </property>

　　  <property>

　　  <name>hadoop.tmp.dir</name>

　　  <value>/opt/hadoop_data/tmp</value>

　　（注释：要手动创建目录）

　　 </property>

　　   <property>

　　    <name>io.file.buffer.size</name>

　　  <value>131702</value>

　　 </property>

　　</configuration>

　 解释：

Fs.default，使用逻辑路径，避免双namenode切换带来路径不一致问题

Hadoop.tmp.dir，hadoop文件系统依赖的基础配置，许多路径均依赖它，若hdfs.site.xml中未配置namenode和datanode的存放位置，默认就存放在此配置路径。

ha.zookeeper.quorum，指定zookeeper服务所在主机及端口号

io.file.buffer.size，在序列化文件中使用的读/写缓冲区大小

　　l  etc/hadoop/hdfs-site.xml

　　<configuration>

　　<property>

　　 <name>dfs.replication</name>

　　  <value>2</value>

　　</property>

　　 <property>

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

　　 <value>/opt/hadoop_data/namenode</value>

　　（注释：要手动创建目录）

　　</property>

　　 <property>

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

　　<value>/opt/hadoop_data/datanode</value>

　　（注释：要手动创建目录）

　　</property>

　　<property>

　　 <name>dfs.nameservices</name>

　　 <value>dy</value>

　　</property>

　　  <property>

　　 <name>dfs.ha.namenodes.dy</name>

　　  <value>V1,V2</value>

　　  </property>

　　 <property>

　　   <name>dfs.namenode.rpc-address.dy.V1</name>

　　  <value>V1:9000</value>

　　  </property>

　　<property>

　　 <name>dfs.namenode.rpc-address.dy.V2</name>

　　  <value>V2:9000</value>

　　 </property>

　　<property>

　　<name>dfs.namenode.http-address.dy.V1</name>

　　 <value>V1:50070</value>

　　  </property>

　　<property>

　　  <name>dfs.namenode.http-address.dy.V2</name>

　　  <value>V2:50070</value>

　　</property>

　　 <property>

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

　　  <value>qjournal://V2:8485;V3:8485;V4:8485/dy</value>

　　</property>

　　  <property>

　　　　 <name>dfs.client.failover.proxy.provider.dy</name>

　　   <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>

　　</property>

　　 <property>

　　  <name>dfs.ha.fencing.methods</name>

　　 <value>sshfence</value>

　　 </property>

　　<property>

　　 <name>dfs.ha.fencing.ssh.private-key-files</name>

　　  <value>/root/.ssh/id_rsa</value>

　　 </property>

　　<property>

　　 <name>dfs.journalnode.edits.dir</name>

　　  <value>/opt/hadoop_data/journal</value>

　　</property>

　　</configuration>

　　解释：

dfs.replication是HDFS文件的副本数，不可超过datanode的个数

dfs.namenode.name.dor     namenode本地文件系统存放名字空间和传输日志的路径

dfs.datanode.data.dir          datanode的数据存放位置

dfs.nameservices         命名空间的逻辑名称，

dfs.ha.namenodes           命名空间中所有namenode的唯一标识名称，可以配置多个，使用逗号分割。该名称让datanode知道每个集群的所有namenode。

dfs.namenode.rpc-address.[nameservice ID].[namenode ID]        每个namenode监听的RPC地址

　　dfs.namenode.http-address. [nameservice ID].[namenode ID]           每个namenode监听的http地址

　　dfs.namenode.shared.edits.dir         是namenode读写journal node组的URI，通过这个URI，namenode可以读写edit log内容。URI的格式"qjournal://host1:port1;host2:port2;host3:port3/journalId”.

　　dfs.client.failover.proxy.provider.[nameservice ID]             这里配置HDFS客户端连接到Active namenode的一个java类.

　　dfs.ha.fencing.methods           配置active namenode出错时的处理类.当active namenode出错时,一般需要关闭该进程.处理方式可以是ssh也可以是shell.推荐使用ssh! 
　　fs.journalnode.edits.dir           这是journalnode进程保持逻辑状态的路径.这是在linux服务器文件的绝对路径.

　　l  etc/hadoop/yarn-site.xml

<configuration>

<property>

<name>yarn.resourcemanager.hostname</name>

<value>V1</value>

</property>

<property>

<name>yarn.nodemanager.aux-services</name>

<value>mapreduce_shuffle</value>

</property>

</configuration>

解释：

yarn.resourcemanager.hostname        指的是运行ResourceManager机器所在的节点. 
yarn.nodemanager.aux-services   在hadoop2.2.0版本中mapreduce_shuffle,一定要看清楚.

l  etc/hadoop/mapred-site.xml

<configuration>

<property>

<name>mapreduce.framework.name</name>

<value>yarn</value>

</property>

</configuration>

解释：

mapreduce.framework.name 指的是使用yarn运行mapreduce程序.

l  etc/hadoop/slaves

V2

V3

V4

解释：

指定hdfs中的datanode节点

l  etc/hadoop/hadoop-env.sh

export JAVA_HOME=/usr/java/jdk1.7.0_71

解释：

hadoop集群格式化以及启动时会到次目录下寻找环境变量，必须配置。

l  将相关配置文件拷贝至其他主机。

3、配置zookeeper，

解压zookeeper-3.4.6.tar.gz；

拷贝一份配置文件 cp zoo_sample.cfg

（1）在所有zookeeper节点中的zoo.cfg文件作如下配置：

l  zoo.cfg

修改dataDir=/opt/zookeeper（注释：要手动创建目录）

server.1=V1:2888:3888

server.2=V2:2888:3888

server.3=V3:2888:3888

在所有zookeeper节点的dataDir（此处为/opt/zookeeper）目录中创建一个myid的文件，文件内容分别为1，2，3

（2）配置/etc/profile，

export ZOOKEEPER_HOME=/usr/software/zookeeper-3.4.6

export PATH=$PATH:$ZOOKEEPER_HOME/bin

l  将以上配置拷贝至其他zookeeper主机

4、集群初始化操作

（1）启动三个zookeeper：./zkServer.sh start

（2）启动JournalNode集群：./hadoop-daemon.sh start journalnode

（3）在其中一个namenode上格式化：./hdfs namenode -format

（4）把刚刚格式化之后的元数据同步到另外一个namenode上

a）启动刚刚格式化的namenode---- hadoop-daemon.sh start namenode;

b）在没有格式化的namenode上执行：hdfs namenode –bootstrapStandby;

c）启动第二个namenode;

（5）在其中一个namenode上初始化zkfc：hdfs zkfc –formatZK

解释：

格式化ZooKeeper集群，目的是在ZooKeeper集群上建立HA的相应节点

（6）停止上面节点：stop-dfs.sh

（7）全面启动：start-all.sh

注：zookeeper相关进程仍然需要手动开启