一、准備工作
【1】創建用戶：useradd 用戶名
【2】配置創建的用戶具有 root權限，修改 /etc/sudoers 文件，找到下面一行，在root下面添加一行，如下所示：（注意：需要先給sudoer 文件賦權限，修改完會后，將權限修改回來）修改完畢，現在可以用創建的帳號登錄，然后用命令 su - ，即可獲得 root權限進行操作。
1 ## Allow root to run any commands anywhere 2 root ALL=(ALL) ALL 3 創建的用戶 ALL=(ALL) ALL
【3】在/opt目錄下創建module、software文件夾，同時修改文件的所有者 sudo chmod 777 文件地址。
1 sudo mkdir module 2 sudo mkdir software
二、下載地址
https://archive.apache.org/dist/hadoop/common/hadoop-2.7.2/
解壓：tar -zxvf hadoop-2.7.2.tar.gz -C /opt/module/
三、配置環境變量
【1】查看 Hadoop解壓目錄
1 [zzx@localhost hadoop-2.7.2-src]$ pwd 2 /opt/module/hadoop-2.7.2-src
【2】打開 /etc/profile
[zzx@localhost etc]$ sudo vi profile
【3】在文件中添加 Hadoop的環境變量
1 ##HADOOP_HOME 2 export HADOOP_HOME=/opt/module/hadoop-2.7.2 3 export PATH=$PATH:$HADOOP_HOME/bin 4 export PATH=$PATH:$HADOOP_HOME/sbin
【4】重啟配置文件，讓修改的配置文件生效
[root@localhost etc]# source /etc/profile
【5】測試是否安裝成功（如果Hadoop命令不生效就重啟試試 reboot)
1 [root@localhost soft]# hadoop version 2 Hadoop 2.7.2 3 Subversion https://git-wip-us.apache.org/repos/asf/hadoop.git -r b165c4fe8a74265c792ce23f546c64604acf0e41 4 Compiled by jenkins on 2016-01-26T00:08Z 5 Compiled with protoc 2.5.0 6 From source with checksum d0fda26633fa762bff87ec759ebe689c 7 This command was run using /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-common-2.7.2.jar
四、可能會遇見的問題
【問題描述】Error: JAVA_HOME is not set and could not be found.
【解決辦法】在安裝目錄下/etc/hadoop/ 下，找到 hadoop-env.sh
1 #將下面的 $JAVA_HOME 修改為絕對路徑，下面一行為默認的，錯誤展示 2 export JAVA_HOME=$JAVA_HOME 3 4 #修改后的正確展示 5 export JAVA_HOME=/usr/local/soft/jdk8
五、Hadoop目錄結構
【1】查看Hadoop目錄結構
1 [root@localhost hadoop-2.7.2]# ll 2 總用量 28 3 drwxr-xr-x. 2 10011 10011 194 1月 26 2016 bin 4 drwxr-xr-x. 3 10011 10011 20 1月 26 2016 etc 5 drwxr-xr-x. 2 10011 10011 106 1月 26 2016 include 6 drwxr-xr-x. 3 10011 10011 20 1月 26 2016 lib 7 drwxr-xr-x. 2 10011 10011 239 1月 26 2016 libexec 8 -rw-r--r--. 1 10011 10011 15429 1月 26 2016 LICENSE.txt 9 -rw-r--r--. 1 10011 10011 101 1月 26 2016 NOTICE.txt 10 -rw-r--r--. 1 10011 10011 1366 1月 26 2016 README.txt 11 drwxr-xr-x. 2 10011 10011 4096 1月 26 2016 sbin 12 drwxr-xr-x. 4 10011 10011 31 1月 26 2016 share
【2】重要目錄：
◕‿-｡ bin目錄：存放對 Hadoop相關服務（HDFS，YARN）進行操作的腳本，里面常用的就是hadoop這個配置；
｡◕‿◕｡ etc目錄：Hadoop的配置文件目錄，存放 Hadoop的配置文件。后期會修改大量配置文件；
◕‿-｡ lib目錄：存放 Hadoop的本地庫（對數據進行壓縮解壓縮功能）；
｡◕‿◕｡ sbin目錄：存放啟動或停止Hadoop相關服務的腳本，很重要；
◕‿-｡ share目錄：存放Hadoop的依賴jar包、文檔、和官方案例；
六、啟動 HDFS並運行 MapReduce程序
【1】配置：hadoop-env.sh：在 etc/hadoop/hadoop-en.sh 修改JAVA_HOME 路徑為 JDK的絕對路徑。
export JAVA_HOME=/usr/local/soft/jdk8
【2】配置：core-site.xml：hadoop01 需要配置hosts映射，存儲系統會自動創建
1 <!-- 指定HDFS中NameNode的地址 --> 2 <property> 3 <name>fs.defaultFS</name> 4 <value>hdfs://hadoop1:9000</value> 5 </property> 6 7 <!-- 指定Hadoop運行時產生文件的存儲目錄 --> 8 <property> 9 <name>hadoop.tmp.dir</name> 10 <value>/opt/module/hadoop-2.7.2/data/tmp</value> 11 </property>
【3】配置：hdfs-site.xml：默認副本數是3個
1 <!-- 指定HDFS副本的數量 --> 2 <property> 3 <name>dfs.replication</name> 4 <value>1</value> 5 </property>
【4】格式化NameNode（第一次啟動時格式化，以后就不要總格式化）
[root@localhost hadoop-2.7.2]# bin/hdfs namenode -format
【5】啟動 NameNode
[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start namenode
【問題描述】 可能會出現：Error: Cannot find configuration directory: /etc/hadoop
【問題解決】 在hadoop-env.sh 修改 hadoop配置文件所在目錄，並進行重啟 source xx。同時，需要刪除 namenode 的data中的數據和 logs中的namenode 和 namedate 所有文件。
export HADOOP_CONF_DIR=/opt/module/hadoop-2.7.2/etc/hadoop/
【6】啟動 DataNode
[root@localhost hadoop-2.7.2]# sbin/hadoop-daemon.sh start datanode
【7】 使用JPS命令查看是否啟動成功，JPS 是JDK中的命令，不是Linux命令。不安裝JDK不能使用 JPS
【8】web端查看 HDFS文件系統（注意需要配置hosts）：http://hadoop1:50070/dfshealth.html#tab-overview
【9】查看產生的 Log日志，在企業中遇到Bug時，經常根據日志提示信息去分析問題、解決Bug。當前目錄：/opt/module/hadoop-2.7.2/logs
【10】操作集群：在 HDFS文件系統上創建一個 input文件夾，-P創建多級目錄
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input
【11】 將測試文件內容上傳到文件系統上：
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input/
【12】 查看上傳的文件是否正確
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -ls /user/zzx/input/ 2 Found 1 items 3 -rw-r--r-- 1 root supergroup 74 2020-06-20 16:44 /user/zzx/input/zzx
【13】查看上傳的文件是否正確
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/input/zzx 2 zzx 3 jinlong 4 tangjin 5 zzx 6 zzx 7 jinlong 8 jian 9 fanjing 10 fanjing 11 fanjing 12 fanjing
【14】 運行 MapReduce程序，與開始時執行的本地是一致的。
[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input/ /user/zzx/output/
【15】查看輸出結果，命令行查看
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -cat /user/zzx/output/* 2 fanjing 4 3 jian 1 4 jinlong 2 5 tangjin 1 6 zzx 3
【16】查看輸出結果，瀏覽器查看：Utilities-Brower...-user-zzx-output
七、啟動 YARN並運行 MapReduce程序
【1】配置 yarn-env.sh，配置一下JAVA_HOME
export JAVA_HOME=/usr/local/soft/jdk8
【2】配置yarn-site.xml
1 <!-- Reducer獲取數據的方式 --> 2 <property> 3 <name>yarn.nodemanager.aux-services</name> 4 <value>mapreduce_shuffle</value> 5 </property> 6 7 <!-- 指定YARN的ResourceManager的地址 --> 8 <property> 9 <name>yarn.resourcemanager.hostname</name> 10 <value>hadoop1</value> 11 </property>
【3】配置：mapred-env.sh，配置一下JAVA_HOME
export export JAVA_HOME=/usr/local/soft/jdk8
【4】 配置： (對mapred-site.xml.template重新命名為) mapred-site.xml
mv mapred-site.xml.template mapred-site.xml
【5】配置：mapred-site.xml
1 <!-- 指定MR運行在YARN上 --> 2 <property> 3 <name>mapreduce.framework.name</name> 4 <value>yarn</value> 5 </property>
八、啟動集群
【1】啟動前必須保證 NameNode和 DataNode已經啟動；
【2】啟動 ResourceManager
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager
【3】 啟動NodeManager
[root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager
【4】YARN的瀏覽器頁面查看：http://hadoop1:8088/cluster
【5】 刪除文件系統上的 output文件
1 [root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output 2 20/06/20 17:20:20 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes. 3 Deleted /user/zzx/output
【6】執行MapReduce程序
[root@localhost hadoop-2.7.2]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output
【7】查看運行結果，刷新頁面即可
九、配置歷史服務器
為了查看程序的歷史運行情況，需要配置一下歷史服務器。具體配置步驟如下：
【1】配置mapred-site.xml，在該文件里面增加如下配置。
1 <!-- 歷史服務器端地址 --> 2 <property> 3 <name>mapreduce.jobhistory.address</name> 4 <value>hadoop1:10020</value> 5 </property> 6 <!-- 歷史服務器web端地址 --> 7 <property> 8 <name>mapreduce.jobhistory.webapp.address</name> 9 <value>hadoop1:19888</value> 10 </property>
【2】啟動歷史服務器
[root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver
【3】查看歷史服務器是否啟動 JPS
【4】查看JobHistory：http://hadoop1:19888/jobhistory
十、配置日志的聚集
日志聚集概念：應用運行完成以后，將程序運行日志信息上傳到 HDFS系統上。
日志聚集功能好處：可以方便的查看到程序運行詳情，方便開發調試。
注意：開啟日志聚集功能，需要重新啟動 NodeManager 、ResourceManager和 HistoryManager。
開啟日志聚集功能具體步驟如下：
【1】配置yarn-site.xml，在該文件里面增加如下配置
1 <!-- 日志聚集功能使能 --> 2 <property> 3 <name>yarn.log-aggregation-enable</name> 4 <value>true</value> 5 </property> 6 7 <!-- 日志保留時間設置7天 --> 8 <property> 9 <name>yarn.log-aggregation.retain-seconds</name> 10 <value>604800</value> 11 </property>
【2】關閉NodeManager 、ResourceManager和 HistoryManager
1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop resourcemanager 2 stopping resourcemanager 3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh stop nodemanager 4 stopping nodemanager 5 nodemanager did not stop gracefully after 5 seconds: killing with kill -9 6 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh stop historyserver 7 stopping historyserver
【3】 啟動NodeManager 、ResourceManager和 HistoryManager
1 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start resourcemanager 2 starting resourcemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-resourcemanager-localhost.localdomain.out 3 [root@localhost hadoop-2.7.2]# sbin/yarn-daemon.sh start nodemanager 4 starting nodemanager, logging to /opt/module/hadoop-2.7.2/logs/yarn-root-nodemanager-localhost.localdomain.out 5 [root@localhost hadoop-2.7.2]# sbin/mr-jobhistory-daemon.sh start historyserver 6 starting historyserver, logging to /opt/module/hadoop-2.7.2/logs/mapred-root-historyserver-localhost.localdomain.out 7 [root@localhost hadoop-2.7.2]# jps 8 21937 ResourceManager 9 15458 NameNode 10 22197 NodeManager 11 22374 JobHistoryServer 12 16123 DataNode 13 22415 Jps
【4】刪除 HDFS上已經存在的輸出文件
[root@localhost hadoop-2.7.2]# bin/hdfs dfs -rm -R /user/zzx/output
【5】執行 WordCount程序
[root@localhost hadoop-2.7.2]# hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount /user/zzx/input /user/zzx/output
【6】 查看日志，進入JobHistory 點擊 JobID
【7】點擊 logs 
【8】日志的具體信息
十一、配置文件說明
Hadoop配置文件分兩類：默認配置文件和自定義配置文件，只有用戶想修改某一默認配置值時，才需要修改自定義配置文件，更改相應屬性值。
【1】默認配置文件：
| 要獲取的默認文件 |
文件存放在Hadoop的jar包中的位置 |
| [core-default.xml] |
hadoop-common-2.7.2.jar/ core-default.xml |
| [hdfs-default.xml] |
hadoop-hdfs-2.7.2.jar/ hdfs-default.xml |
| [yarn-default.xml] |
hadoop-yarn-common-2.7.2.jar/ yarn-default.xml |
| [mapred-default.xml] |
hadoop-mapreduce-client-core-2.7.2.jar/ mapred-default.xml |
【2】 自定義配置文件：core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml四個配置文件存放在 $HADOOP_HOME/etc/hadoop 這個路徑上，用戶可以根據項目需求重新進行修改配置。
十二、完全分布式運行模式
【1】將 /etc/profile 和 /opt/module 下的文件拷貝到其它兩台服務器上，並進行 source xxx。可以自己去拉hadoop1，hadoop1也可自行給你推，hadoop1 也可以將hadoop2 中的文件推給 hadoop3，當傳文件夾的時記得加 -r 遞歸復制。
1 [root@localhost ~]# scp root@192.168.52.131:/etc/bash.bashrc /etc/bash.bashrc 2 [root@localhost opt]# scp -r root@hadoop1:/opt /opt
【2】集群部署規划：根據這個配置修改上面的偽分布式就可以了
| hadoop1 |
hadoop2 |
hadoop3 |
|
| HDFS |
NameNode DataNode |
DataNode |
SecondaryNameNode DataNode |
| YARN |
NodeManager |
ResourceManager NodeManager |
NodeManager |
【3】hadoop1配置 hdfs-site.xml
1 <!-- 指定HDFS副本的數量 --> 2 <property> 3 <name>dfs.replication</name> 4 <value>3</value> 5 </property> 6 <!-- 指定Hadoop輔助名稱節點主機配置 --> 7 <property> 8 <name>dfs.namenode.secondary.http-address</name> 9 <value>hadoop3:50090</value> 10 </property>
【4】配置yarn-site.xml
1 <!-- Reducer獲取數據的方式 --> 2 <property> 3 <name>yarn.nodemanager.aux-services</name> 4 <value>mapreduce_shuffle</value> 5 </property> 6 7 <!-- 指定YARN的ResourceManager的地址 --> 8 <property> 9 <name>yarn.resourcemanager.hostname</name> 10 <value>hadoop2</value> 11 </property>
十三、配置 SSH 免密配置
【鏈接】
十四、群起集群
【1】配置 slaves
[root@hadoop1 hadoop-2.7.2]# vi etc/hadoop/slaves
在該文件中增加如下內容： 該文件中添加的內容結尾不允許有空格，文件中不允許有空行。
hadoop1
hadoop2
hadoop3
同步所有節點配置文件
[root@hadoop1 hadoop-2.7.2]# xsync etc/hadoop/slaves
【2】啟動集群：如果集群是第一次啟動，需要格式化NameNode（注意格式化之前，一定要先停止上次啟動的所有namenode和datanode進程，然后再刪除data和log數據）
[root@hadoop1 hadoop-2.7.2]# bin/hdfs namenode -format
【3】啟動 HDFS（前提：終止之前運行namenode 等）
[root@hadoop1 hadoop-2.7.2]# sbin/start-dfs.sh
啟動完成之后，Hadoop1 會啟動 NameNode 和 DataNode，其他兩台只會啟動 DataNode
【4】在 Hadoop2 中啟動YARN。注意：NameNode和ResourceManger如果不是同一台機器，不能在NameNode上啟動 YARN，應該在 ResouceManager所在的機器上啟動 YARN。
[root@hadoop2 hadoop-2.7.2]# sbin/start-yarn.sh
【5】查看 SecondaryNameNode信息：http://hadoop3:50090/status.html
【6】 NameNode測試，創建 /user/zzx/input 並上傳文件
1 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -mkdir -p /user/zzx/input 2 [root@hadoop1 hadoop-2.7.2]# bin/hdfs dfs -put input/zzx /user/zzx/input
【7】上傳文件后查看文件存放在什么位置：查看 HDFS文件存儲路徑
1 [root@hadoop1 subdir0]# ll 2 總用量 8 3 -rw-r--r--. 1 root root 74 6月 21 19:19 blk_1073741825 4 -rw-r--r--. 1 root root 11 6月 21 19:19 blk_1073741825_1001.meta 5 [root@hadoop1 subdir0]# pwd 6 /opt/module/hadoop-2.7.2/data/tmp/dfs/data/current/BP-1538823143-192.168.52.131-1592727848753/current/finalized/subdir0/subdir0
十五、集群啟動/停止方式總結
【1】 各個服務組件逐一啟動/停止
1 #分別啟動/停止HDFS組件 2 hadoop-daemon.sh start/stop namenode/datanode/secondarynamenode 3 #啟動/停止YARN 4 yarn-daemon.sh start/stop resourcemanager/nodemanager
【2】 各個模塊分開啟動/停止（配置ssh是前提）
1 #整體啟動/停止HDFS 2 start-dfs.sh/stop-dfs.sh 3 #整體啟動/停止YARN 4 start-yarn.sh/stop-yarn.sh