Hadoop2.x伪分布式集群搭建

第一步：配置网络（静态IP）

vi /etc/sysconfig/network-scripts/ifcfg-ens33（网卡名称可能不同）

1. 修改：
   将该配置文件中的ONBOOT=no修改为yes（网络开机自启）
   将BOOTPROTO=dhcp修改为static（将ip设置为静态ip）

2. 为了能够通过外部访问到虚拟机，增加：
   IPADDR=192.168.154.110（110是自己设置的，154是VMnet8的NAT网段）
   NETMASK=255.255.255.0（子网掩码都为这个）
   GATEWAY=192.168.154.2（网关跟VMnet8的NAT的网关一样）
   DNS1=192.168.154.2（还可以设置成8.8.8.8，114.114.114.114）

3. 重新启动网络：

service network restart
或
systemctl network restart

注：如果不用xshell则跳过这一步，但IP地址还是要查到

ifconfig

若没有这命令：

sudo yum  install net-tools

若查不到就老老实实配静态IP

第二步：配置主机名和ip地址的映射关系

设置主机名：vi /etc/sysconfig/network

NETWORKING=yes
HOSTNAME = （自定义一个主机名）例如：hadoop

保存退出

2. 将主机名ip地址进行映射 vi /etc/hosts
   例如：
   192.168.154.110 hadoop

保存退出，执行下面命令刷新，配置即可生效。

hostname hadoop

第三步：配置ssh免密登录

1. 进入用户的家目录下的.ssh隐藏目录：

cd .ssh/

2. 在该目录下，输入：

ssh-keygen -t rsa  

一直回车即可。此时会生成一个RSA 2048文件，生成了一对公钥，一对私钥。
输入ls 查看生成的私钥和公钥。如果想要查看生成的一对秘钥，可以使用 more 秘钥名即可

查看公钥： more id_rsa.pub
查看私钥： more id_rsa

3. 进入到hadoop的根目录，执行以下命令：把公钥拷贝到使用ssh的当前机器上

ssh-cp-id localhost(是你的主机名)
或
ssh-copy-id localhost(是你的主机名)

输入一次密码(登录linux系统的密码)，待拷贝完成。
验证是否免密成功：

ssh 主机名

若不用输入密码即可登陆就成功了

第四步：关闭防火墙状态

在linux centos7版本中，使用的防火墙不是iptables(linux centos6中使用的防火墙),而是firewall，所有以下操作中要使用firewall的相关指令。

1．查看防火墙状态：

systemctl status firewalld

若显示Active: active (running)，则表示防火墙已开启。
另外一种查看方式：

firewall-cmd  --state

若结果为running,表示防火墙已开启。

2. 关闭防火墙：

systemctl stop firewalld.service

3. 再次查看防火墙状态：

systemctl status firewalld

若显示Active: active (dead)，则表示防火墙已关闭。
另外一种查看方式：

firewall-cmd  --state

若结果为not running,表示防火墙已关闭。

4. 禁止防火墙开机自启：

systemctl disable firewalld.service

想要开启防火墙，输入：

systemctl start firewalld

第五步：配置环境变量

vi /etc/profile

在该文件中加入：

export JAVA_HOME= (即jdk的安装目录)
export HADOOP_HOME= (即jdk的安装目录)
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

（本可以不加Hadoop路径，加上后，可以在任何路径执行相关命令）
刷新这个文件：

source /etc/profile

第六步：配置Hadoop

需要配置其中五个配置文件，进入到hadoop下etc下的hadoop目录，并查看该目录下的所有配置文件，并配置其中五个。

1. 配置hadoop-env.sh文件，该配置文件用于指定hadoop运行时jdk的路径：

vi hadoop-env.sh

export JAVA_HOME=自己的jdk安装目录

2. 配置core-site.xml文件，该文件是用户自定义文件。用于配置hadoop的文件系统：

  vi core-site.xml

<!--配置hdfs的namenode的地址，使用的是hdfs协议：-->
<property>
<name>fs.defaultFS</name>
<value>hdfs://主机名:9000</value> 
</property>

<!--配置hadoop运行时产生数据的存储目录，不是临时目录。-->
<property>
<name>hadoop.tmp.dir</name>
<value>/home/sun/app/hadoop-3.1.2/tmp</value>
</property>

3. 配置 hdsf-site.xml文件，配置在hdfs中，一份文件存几份，默认是3份，一台机器只能存一份：

vi hdfs-site.xml

<property>
<name>dfs.replication</name>
<value>1</value>
</property>

4. 配置mapred-site.xml文件，map-reduce是hadoop中的一种计算模型，运行在yarn(资源调度系统)中：

vi mapred-site.xml

<property> <!--指定mapreduce运行在yarn上-->
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>

5.配置yarn-site.xml文件，指定yarn的老大resourcemanager的地址（该地址是resourcemanager的主机地址，即主机名或该主机的ip地址）：

vi yarn-site.xml

<property>
<name>yarn.resourcemanager.hostname</name>
<value>主机名</value>
</property>

<!--指定mapreduce执行shuffle时获取数据的方式-->
<property>
<name>yarn.nodemanager.aus-services</name>
<value>mapreduce_shuffle</value>
</property>

第七步：初始化并启动hadoop

该初始化不是启动hadoop的hdfs，而是对hdfs做格式化，需要到hadoop的bin目录中进行相关命令的操作

1. 进入到hadoop的bin目录，进行初始化；

./hdfs namenode -format

2. 进入到hadoop的sbin目录，启动hadoop：
   start-all.sh 如果这命令不行就前面加 sh

（不建议初学者直接start-all.sh，一步一步的启动start-dfs.sh和start-yarn.sh等）
最后在宿主机的浏览器中访问hadoop的hdfs,如访问成功，则说明伪分布式环境已搭建成功：
Hadoop2.X的版本中，访问hdfs的端口号是50070，访问mapreduce的端口号是8080
192.168.154.100:50070
192.168.154.100:8080

Hadoop3.X的版本中，访问hdfs的端口号由50070修改成了9870，访问mapreduce的端口号是8088
192.168.154.100:9870
192.168.154.100:8088

注：如果不能访问就检查防火墙是否关闭以及其他原因，端口号前面的IP地址是自己设置的静态IP