1） 设置ip地址
设置ip是保证ip地址与主机名保持一致，如：192.168.10.100 -> hadoop100
2） 设置hostname
修改 /etc/hostname 文件修改
3） 设置hostname 与 ip 地址的映射
映射的配置文件保存在 /etc/hosts 中，网络中的每一台机器都是独立保存这份配置文件的。
4） yum 安装额外的rpm包：yum install -y epel-release (-y表示不需要对逐个包yes) 如果安装的是 最小版的Linux 还需要额外 安装 net-tools 和 vim
5) 关闭防火墙、关闭防火墙开机自动启动：（保证集群之间的稳定连接）
systemctl stop firewalld
systemctl disable firewalld.service
6）添加一个普通用户:atguigu，并修改/etc/sudoers配置文件， 使得sudo 后拥有和root同样的权限，并且不需要使用密码验证
useradd atguigu
vim /etc/sudoers
sudo 命令可以使得普通用户获得指定的权限，（限制用户只在某台主机上运行某些命令），可以看做是普通用户向超级管理员申请获取权限。
7）在/opt （用于存放第三软件）目录下文件夹module 和 software，并更改所有主和组为atguigu
8）卸载之前安装到的jdk：rpm -qa | grep -i java | xargs -n1 rmp -e --nodeps
grep -i 忽略大小写
xargs 从 标准 输入 读入 参数. 参数 用 空格(可以 用 双引号 单引号 或 反斜杠 转意) 或者 回车 隔开. 然后 一次 或者 多次 执行 命令： 从标准输入重建并执行命令行
rpm -e 卸载rpm包，–nodeps 忽略依赖检查
9）reboot 重启，模板虚拟机配置完毕
1） 模板机关机后，从VMware中进行完整克隆
2） 每个虚拟机配置ip地址和主机名称
如：hadoop102 ip地址设置为192.168.10.102 hostname 设置为hadoop102
3） 在hadoop 102中安装JDK1.8
将jdk1.8 的linux tar.gz文件传入 之前创建的 software文件夹中
tar -zxvf [解压文件] -C [解压到指定目录] 将jdk安装到module 文件夹
配置环境变量，将JAVA_HOME添加到环境变量中：
Linux环境变量的配置是通过/etc/profile.sh 文件进行配置的。
profile.sh中会对profile.d中的sh文件循环执行
在profile.d中添加新的sh文件，声明全局变量，修改PATH值
sudo vim /etc/profile.d/my_var.sh
重新运行profile: source /etc/profile
4） 在hadoop102上，安装Hadoop
步骤同上，解压、配置环境变量
在配置环境变量中：
将hadoop102上 已经解压过的 hadoop 和 jdk 传输至 hadoop103 和 hadoop 104上：( Secure Copy )
scp — 安全复制(远程文件复制程序)
-r 递归复制整个目录。
scp -r 【本地目录】 【远程用户名@远程主机名：远程目录】
反之 pull ：
scp -r 【远程用户名@远程主机名：远程目录】【本地目录】
表示从远程主机拉取文件
rsync — 远程同步工具（相比于安全复制，只传输差异部分的文件，速度更快，效率更好）
rsync -av 【本地目录】 【远程用户名@远程主机名：远程目录】
对于每个服务器都执行rsync 命令显然比较复杂。
创建自己的xsyn.sh ，并将文件所在目录加入PATH即可。
xsyn.sh 执行任务：将参数中的文件 同步到 所有虚拟机下的相同路径中
/home/atguigu/bin 是默认加入到$PATH中的，所以在此目录下添加sh文件
# !bin/bash if [$# -lt 1] then echo 请输入参数 exit; fi for host in hadoop102 hadoop103 hadoop104 do echo =================$host==================== for file in $@ do if [-e $file] then #获取文件的完整绝对路径：pwd pdir=$(cd -P $(dirname $file);pwd) # -P可以避免软连接目录，跳转到真实目录 #获取文件名称 basename fname=$(basename $file) # 在目标服务器下创建相同目录 ssh $host "mkdir -p $pdir" # ssh命令 远程登录 # -p可以避免目录已经存在 # 将目标文件同步到对应目录下 rsync -av $pdir/$fname $host:$pdir else echo $file 不存在 fi done done
接下来通过 xsync 将环境变量sh 分发到所有服务器上。 sudo xsync /etc/profile.d/my_var.sh sudo 后相当于切换为root账户 所以/home/atguigu目录不存在$PATH中 linux中每次的ssh 登录都需要密码验证，接下来设置ssh免密登录: ssh 加密协议 属于非对称加密通信，原理如下
只需要在服务器的.ssh目录下保存公钥，即可实现免密登录。
在/home/atguigu/.ssh目录下执行ssh -keygen -t rsa 会在.ssh/id_rsa 下生成密钥和公钥
将公钥发送给其余服务器：
ssh-copy-id hadoop103
ssh-copy-id hadoop104
免密ssh远程连接设置成功。 接下来在hadoop103和104中同样设置四、Hadoop集群配置
在配置Hadoop 之前，需要规划好各节点的分工，尽量不要把占用资源量比较大的角色分配到用一个资源上。
Hadoop 的自定义配置文件在 etc/hadoop/etc目录下的四个空的xml文件，将一下配置粘贴到Hadoop102中并下发到所有节点。
1） core-site.xml
fs.defaultFS hdfs://hadoop102:8020 hadoop.tmp.dir /opt/module/hadoop-3.1.3/data hadoop.http.staticuser.user atguigu
- hdfs-site.xml
dfs.namenode.http-address hadoop102:9870 dfs.namenode.secondary.http-address hadoop104:9868
- mapred-site.xml
mapreduce.framwork.name yarn
- yarn-site.xml
五、集群的启动yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname hadoop103 yarn.nodemanager.env-whitelist JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME
1） 设置workers配置 在etc目录下设置workers参数： hadoop102 hadoop103 hadoop104 (注意不要加空格 和 空行) 2） 格式化NameNode 节点（第一次运行时）： 在hadoop102下执行 hdfs namenode -forma 执行成功的标志：bin目录下出现data 和 logs目录 PS：不要多次格式NameNode节点，每次格式化节点都会产生新的Cluster_ID，导致DataNode节点与NameNode的集群ID不一致，集群不能找到以往数据。如果需要重新格式化NameNode的化，首先停止namenode和datanode进程，并且删除所有节点的data和log目录，然后进行格式化。或者直接修改DataNode的集群ID 使其与NameNode的集群ID一致。 解决办法：https://blog.51cto.com/zyp88/2053031 2）启动Hadoop集群 在hadoop102上(NN) 启动hdfs start-dfs.sh 启动成功后在节点 jps，查看角色是否正确(jps 查看java虚拟机线程的工具) 通过浏览器访问192.168.10.102:9870 得到hdfs 的web界面 在hadoop103上（RM）启用yarn start-yarn.sh 通过浏览器访问192.168.10.103:8088
mapred.xml
mapreduce.framwork.name yarn mapreduce.jobhistory.address hadoop102:10020 mapreduce.jobhistory.webapp.address hadoop102:19888
重新启用yarn后：
在hadoop102
mapred --daemon start historyserver
1） 配置yarn-site.xml
yarn.nodemanager.aux-services mapreduce_shuffle yarn.resourcemanager.hostname hadoop103 yarn.nodemanager.env-whitelist JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME yarn.log-aggregation-enable true yarn.log.server.url http://hadoop102:19888/jobhistory/logs yarn.log-aggregation.retain-seconds 604800
- 分发到所有节点重启历史服务器、yarn
mapred --daemon stop historyserver
stop-yarn.sh
两种方式启动hadoop 中的线程：
1） 整体启动：start-dfs.sh
2）部分启动：hdfs -daemo start datenode hdfs -daemo stop datenode
脚本一：在项目中，逐个节点的逐个启动线程过于麻烦，可以将启动命令写入到shell脚本中执行
if [ $# -lt 1 ] then echo "No Arugument: Please input start/stop" exit; fi case $1 in "start") echo "==================Opening Hadoop================" echo "------------------—Opening HDFS-----------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/start-dfs.sh" echo "------------------—Opening YARN-----------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/start-yarn.sh" echo "----------------Opening HistoryServer-----------" ssh hadoop103 "/opt/module/hadoop-3.1.3/bin/mapred --daemon start historyserver" ;; "stop") echo "==================Closing Hadoop================" echo "----------------Closing HistoryServer-----------" ssh hadoop103 "/opt/module/hadoop-3.1.3/bin/mapred --daemon stop historyserver" echo "------------------—Closing YARN-----------------" ssh hadoop103 "/opt/module/hadoop-3.1.3/sbin/stop-yarn.sh" echo "------------------—Closing HDFS-----------------" ssh hadoop102 "/opt/module/hadoop-3.1.3/sbin/stop-dfs.sh" ;; *) echo "Wrong Arugument" ;; esac
脚本二：查看所有服务器的jsp
for host in hadoop102 hadoop103 hadoop104 do echo "=======$host=======" ssh $host "jps" done
PS ： 脚本写完后需要确保脚本的可执行权限，并分发到所有服务器中
九、***Hadoop常用的端口号 与 配置文件
