之前安装大数据组件都是一个一个手动安装的，最多弄一个脚本自动安装。手动安装麻烦不说，还没有可以监控集群的可视化界面，而且组件的稳定性也是个问题。
所以我们应该试一试HDP和CDH这种企业级的hadoop技术栈。 CDH用的人最多，我本来想安装一个社区版的CDH，可惜社区版的官网打开之后样式乱了，根本没法儿看。所以我选择了HDP。HDP是完全免费的，而且基本上跟apache的hadoop保持同步。HDP使用ambari来安装，ambari虽然功能相对弱了一些，不过我感觉基本够用了。可以安装各种服务，可以监控集群状态，这正是我想要的功能。此外，它还可以二次开发，这就是开源的好处。
因为是个人学习用，所以我在自己的笔记本上装了3个虚拟机。
硬件要求
- 固态硬盘可用空间>=105G，机械硬盘的话不要这样玩，因为实在是太卡了。
- 内存>=8G
- 系统最好是Win10，因为自带了open ssh的客户端。否则的话你就需要安装一个ssh客户端，比如开源版本的
PuTTY。
准备3台虚拟机
1.VMWare安装CentOS7.5(DVD版)，注意安装的时候SEFTWARE SELECTION要选择GNOME Desktop版本，切记！不然装好系统后没有桌面！
每台虚拟机给2G内存。
装好之后打开terminal，切换到root用户：su - root。 注意本文所有操作均使用root用户，因为安装ambari需要root用户！
2.修改主机名echo "hdp001" > /etc/hostname。 重启后生效，先别重启，我们等下再重启。
3.配置桥接网络
ifconfig #查看一下网关的名字是ens33,有的是eth0
vim /etc/sysconfig/network-scripts/ifcfg-ens33
修改BOOTPROTO=static
添加IPADDR=192.168.0.104
添加PREFIX0=24
添加GATEWAY=192.168.0.1
添加DNS1=8.8.8.8
添加ONBOOT=yes
/etc/init.d/network restart #重启网络
右键虚拟机>>设置>>硬件>>网络适配器>>网络连接>>选择桥接模式
4.配置共享目录
先安装VMWare Tools(略）如果你在虚拟机里打不开那个DVD，右键虚拟机>>设置>>硬件>>CD/DVD>>连接>>勾选“使用物理驱动器（自动检测）
右键虚拟机>>设置>>选项>>共享文件夹>>右边勾选“总是启用”>>文件夹里点“添加”，添加一个文件夹，比如文件夹的名字叫CentOS_Share
弄好之后，虚拟机里是看不到共享的文件夹的
cd /mnt/hgfs/
# 查看一下有哪些共享的目录，显示CentOS_Share
vmware-hgfsclient
# 挂在共享文件夹，这一步显示错误
mount -t vmhgfs .host:/ /mnt/hgfs
# 安装一下这个工具
yum install open-vm-tools-devel -y
# 再次执行一下就好了
vmhgfs-fuse .host:/ /mnt/hgfs
5.重启系统
6.配置系统镜像源
备份一下：CentOS-Base.repo sudo mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.bak
下载淘宝镜像仓库：wget -O /etc/yum.repos.d/CentOS-Base.repo http://mirrors.aliyun.com/repo/Centos-7.repo
更新软件包缓存：yum makecache
关机：shutdown
7.克隆2个虚拟机：虚拟机>>管理>>克隆>>完全复制
克隆后按照上面的步骤配置另两台虚拟机。另两台虚拟机的主机名为hdp002, hdp003，IP为192.168.0.105, 192.168.0.106
注意设置共享目录，只需要在hdp001上设置就可以了，这个是为了后面拷贝tar包方便。
至此3台虚拟机都已经准备完毕
准备安装环境
注意本文每一步都是有原因的，完全按照官方文档的要求来的。
1.配置ssh免密钥
在hdp001上执行:
ssh-keygen
ssh-copy-id root@192.168.0.104
ssh-copy-id root@192.168.0.105
ssh-copy-id root@192.168.0.106
2.修改每台机器的hosts文件：
vim /etc/hosts
192.168.0.104 hdp001
192.168.0.105 hdp002
192.168.0.106 hdp003
3.每台机器安装ntp服务：
CentOS7默认已经安装了ntp服务。
查看服务状态：systemctl status ntpd， 默认没有开启该服务。
hdp001上配置ntp.conf:
vim /etc/ntp.conf
注释掉这几行：
#server 0.centos.pool.ntp.org iburst
#server 1.centos.pool.ntp.org iburst
#server 2.centos.pool.ntp.org iburst
#server 3.centos.pool.ntp.org iburst
末尾添加：
server 127.127.1.0
fudge 127.127.1.0 stratum 10
# 10~15都是可以的，表示网络时间服务提供者来自于局域网。0表示为顶级
另外两台机器同理：注释掉那4行，然后在末尾添加：
server hdp001
fudge 127.127.1.0 stratum 10
每台机器禁用CentOS自带的chronyd：
systemctl stop chronyd.service
systemctl disable chronyd.service
每台机器启动ntp服务：
systemctl start ntpd
systemctl enable ntpd.service #设置开机启动服务
4.每台机器禁用防火墙：
systemctl stop firewalld
systemctl disable firewalld
5.每台机器禁用SELinux和PackageKit，并检查umask Value
禁用SELinux:
setenforce 0
# 查看状态: current mode permissive 就对了
sestatus
# 永久禁用
vim /etc/selinux/config
SELINUX=disabled
禁止packagekit离线更新服务的办法:
systemctl status packagekit-offline-update.service # 查看状态，默认就是关闭的
systemctl disable packagekit-offline-update.service # 关闭
# 也可以用下面这种方式禁用它
vim /etc/yum/pluginconf.d/refresh-packagekit.conf
enabled=0
检查umask: umask, 默认就是0022，不用改了
6.每台机器修改ulimit
vim /etc/security/limits.conf
* soft noproc 127093
* hard noproc 127093
* soft nofile 127093
* hard nofile 127093
vim /etc/security/limits.d/20-nproc.conf
#* soft nproc 4096
#root soft nproc unlimited
* soft nproc 127098
* hard nproc 204800
重启后生效,暂时先别重启
7.每台机器安装oracle jdk1.8
到这里下载jdk的安装包
# 安装
rpm -ivh jdk-8u171-linux-x64.rpm
# 配置JAVA_HOME
vim /etc/profile
JAVA_HOME=/usr/java/jdk1.8.0_171-amd64
PATH=$PATH:$JAVA_HOME/bin
export JAVA_HOME
source /etc/profile
# 选择默认jdk版本为oracle jdk
alternatives --config java
8.下载hdp安装包
网络不太好，很容易出问题，还是离线安装好一些。
ambari-2.6.2.0-centos7.tar.gz
HDP-2.6.5.0-centos7-rpm.tar.gz
HDP-UTILS-1.1.0.22-centos7.tar.gz
HDP-GPL-2.6.5.0-centos7-gpl.tar.gz
HDP-GPL是新出来的。新版hadoop使用了LZO数据压缩库，这个协议跟HDP栈的协议不相同，所以需要这玩意。
9.hdp001上搭建http服务器
可以安装apache的httpd。不过我觉得每必要，因为它只需要一个最简单的http服务器就可以了。我们可以做：
# 新建/var/www/html文件夹
mkdir -p /var/www/html
# 将第8步下载的tar包解压到这个目录下
tar -zxvf xxx.tar.gz -C /var/www/html
# 开启http服务
cd /var/www/html
python -m SimpleHTTPServer
# 就这样一句话就开启了一个http服务器，注意端口号是 8000
10.每台机器创建本地yum仓库
wget -O /etc/yum.repos.d/ambari.repo http://public-repo-1.hortonworks.com/ambari/centos7/2.x/updates/2.6.2.0/ambari.repo
wget -O /etc/yum.repos.d/hdp.repo http://public-repo-1.hortonworks.com/HDP/centos7/2.x/updates/2.6.5.0/hdp.repo
wget -O /etc/yum.repos.d/hdp.gpl.repo http://public-repo-1.hortonworks.com/HDP-GPL/centos7/2.x/updates/2.6.5.0/hdp.gpl.repo
vim /etc/yum.repos.d/ambari.repo
[Updates-Ambari-2.6.2.0]
name=Ambari-2.6.2.0-Updates
baseurl=http://hdp001:8000/ambari/centos7/2.6.2.0-155
gpgcheck=0
gpgkey=http://public-repo-1.hortonworks.com/ambari/centos6/RPM-GPG-KEY/RPM-GPG-KEY-Jenkins
enabled=1
priority=1
yum update
11.每台机器重启
上面设置了ulimit和线程数还没有重启，所以这里重启一下。 如果不想重启，请自行百度解决办法。
至此，所有准备都齐全了
安装ambari
hdp001上安装ambari-server:
yum install ambari-server
启动server之前必须先配置：
ambari-server setup
-
Customize user account for ambari-server daemon： n （使用root用户）
选择Custom JDK。因为我们已经提前在每台机器上安装好jdk了，这时候输入JAVA_HOME的地址：/usr/java/jdk1.8.0_171-amd64 -
LZO数据压缩库： n
-
Enter advanced database configuration: n （安装默认的PostgreSQL）
默认的数据库名称是 ambari
默认的用户名密码是 ambari/bigdata -
Proceed with configuring remote database connection properties [y/n]: y （我安装的时候没有这一项，可能老版本有这一项）
配置结束之后先别急着启动，需要改几个配置，否则启动不起来。
每台机器做如下修改：
vim /etc/ambari-server/conf/ambari.properties
# 设置启动超时时间，默认是50秒，时间太短了，在虚拟机里跑50秒根本就不够
server.startup.web.timeout=300
vim /etc/ambari-agent/conf/ambari-agent.ini
# CentOS7.5自带的openssl版本是openssl-1.0.2，不加这一句，后面install ambari的时候总是失败。官方文档竟然没有提这个！
force_https_protocol=PROTOCOL_TLSv1_2
hdp001上启动ambari-server
ambari-server start
查看状态：ambari-server status
hdp001上登录ambari: http://localhost:8080 默认账户密码：admin/admin
Launch Install Wizard:
输入集群名称：hdpbd
选择版本2.6，选择本地仓库，输入base url:
http://hdp001:8000/HDP/centos7/2.6.5.0-292
http://hdp001:8000/HDP-UTILS/centos7/1.1.0.22
输入主机名：
hdp001
hdp002
hdp003
点下一步的时候提示不是全域名，没关系，我们是局域网本来就不需要配什么全域名
输入hdp001的私钥，让hdp001能够与另两台机器通信(明明配置过免密钥登录，不明白为什么这里还要输入hdp001的私钥)：
cat /root/.ssh/id_rsa
配置好了之后就可以安装服务了。 安装服务的时候，有的服务会依赖其它的服务，提示你必须勾选，那就按照它要求的来就好了。
安装服务的时候会选择master和slave。我的master自然是hdp001这台主机了。
datanode我勾选了三台机器。
有的服务有必填的选项，会变红，输入一个用户名和密码就可以了
有的服务比如hive要求内存不小于512M，那就修改一下就好了，其它的就不管他了
验证服务
服务装好后，默认服务是没有启动的。点击"Actions"启动服务即可。
我启动了 zookeeper和kafka。
在hdp001上执行：
cd /usr/hdp/2.6.5.0-292/kafka
# 创建topic
bin/kafka-topics.sh --zookeeper localhost:2181 --create --topic ttt --replication-factor 1 --partitions 1
# 发送数据，注意端口号是6667哟
bin/kafka-console-producer.sh --broker-list hdp001:6667 --topic ttt
# 另启一个terminal，接收数据
bin/kafka-console-consumer.sh --zookeeper localhost:2181 --topic ttt --from-beginning
安装这些东西很烦，这种事一般都由专业的运维人员来做。但是我们还是要熟悉一下linux的一些基本操作的。
我是仔细阅读官方文档一步一步做的，期间补了很多课，收获了很多，做完一遍感觉以后都不会再做这些事了。
希望本文对你有帮助。