集群搭建（三）Hadoop搭建HDFS（完全分布式）

Hadoop集群搭建（完全分布式）

1. 前期准备（4台linux服务器），具体搭建过程可以参考https://www.cnblogs.com/monco/p/9046614.html（克隆虚拟机比较方便）
2. 新建hadoop用户（这一步可以在克隆机器之前就做好）
3. 设置4台机器ssh免密登录https://blog.csdn.net/lz_1992/article/details/50523507（百度很多这种文章，很简单的）
4. jdk安装部署，hadoop安装部署（不想说了，4台虚拟机都设置一样，可以在克隆机器之前做好，我的配置如下）

   HADOOP_HOME=/home/hadoop/apps/hadoop-2.6.4
   JAVA_HOME=/opt/software/java/jdk1.7.0_76
   JRE_HOME=/opt/software/java/jdk1.7.0_76/jre
   CLASS_PATH=.:${JAVA_HOME}/lib:${JAVA_HOME}/lib
   #PATH=${JAVA_HOME}/bin:$PATH
   PATH=$PATH:${JAVA_HOME}/bin:${JRE_HOME}/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
   export HADOOP_HOME
   export JAVA_HOME
   export PATH

5. hadoop集群需要理解NameNode，DataNode，SecondNameNode的关系，具体参考下篇博客
6. 修改配置文件 hadoop-env.sh 用来设置java的环境变量 ，此文件在（/home/hadoop/apps/hadoop-2.6.4/etc/hadoop），hadoop安装目录下的etc下的hadoop文件夹中

   # The java implementation to use.
   export JAVA_HOME=/home/hadoop/apps/jdk1.7.0_51

7. 修改配置文件（core-site.xml）设置NameNode属性（ruixuan.com 是我本机的主机名，可以在/etc/hosts里设置）

   <configuration>
   <property>
   <name>fs.defaultFS</name>
   <value>hdfs://ruixuan.com:9000</value>
   </property>
   <property>
   <name>hadoop.tmp.dir</name>
   <value>/home/HADOOP/apps/hadoop-2.6.1/tmp</value>
   </property>
   </configuration>

   这里设置了NameNode的地址，是在ruixuan.com这台主机上，设置hadoop的临时目录，自己指定。

8. 修改配置文件（hdfs-site.xml）设置NameNode和DataNode的文件保存路径

   <configuration>
   <property>
   <name>dfs.namenode.name.dir</name>
   <value>/home/hadoop/data/name</value>
   </property>
   <property>
   <name>dfs.datanode.data.dir</name>
   <value>/home/hadoop/data/data</value>
   </property>
   
   <property>
   <name>dfs.replication</name>
   <value>3</value>
   </property>
   
   </configuration>

   replication的是副本数，意思是一个文件需要在HDFS分布式文件系统中保存几分，建议 DataNode的数量应大于等于replication。

9. 修改配置文件（mapred-site.xml）

   <configuration>
   <property>
   <name>mapreduce.framework.name</name>
   <value>yarn</value><!--默认为local -->
   </property>
   </configuration>

10. 修改配置文件（yarn-site.xml）

    <configuration>
    <!-- Site specific YARN configuration properties -->
    <property>
    <name>yarn.resourcemanager.hostname</name>
    <value>ruixuan.com</value>
    </property>
    
    <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    </property>

11. 添加文件（salves），如果不添加或者不修改此文件，hadoop也可以正常启动，只是不可以使用hadoop的一键启动命令，但是可以一一启动，并不影响hadoop的实际操作

    mini01
    mini02
    mini03

    配置的是主机名

12. 初始化hadoop路径（bin/hadoop  namenode  -format），在bin目录下执行format操作（关于这个操作，之后会详细讲解，很重要，对于数据恢复，误删等）
13. 执行启动操作 sbin/start-dfs.sh 启动完成后 jps 会在4台机器上分别查到1个NameNode和3个DataNode，这样Hadoop的HDFS模块就配置完成了。