Hadoop安装

1． Hadoop安装包目录结构

　　bin：Hadoop最基本的管理脚本和使用脚本的目录，这些脚本是sbin目录下管理脚本的基础实现，用户可以直接使用这些脚本管理和使用Hadoop。

　　etc：Hadoop配置文件所在的目录，包括core-site,xml、hdfs-site.xml、mapred-site.xml等从Hadoop1.0继承而来的配置文件和yarn-site.xml等Hadoop2.0新增的配置文件。

　　include：对外提供的编程库头文件（具体动态库和静态库在lib目录中），这些头文件均是用C++定义的，通常用于C++程序访问HDFS或者编写MapReduce程序。

　　lib：该目录包含了Hadoop对外提供的编程动态库和静态库，与include目录中的头文件结合使用。

　　libexec：各个服务对用的shell配置文件所在的目录，可用于配置日志输出、启动参数（比如JVM参数）等基本信息。

　　sbin：Hadoop管理脚本所在的目录，主要包含HDFS和YARN中各类服务的启动/关闭脚本。

　　share：Hadoop各个模块编译后的jar包所在的目录。

2． Hadoop安装和配置文件修改

　　以下操作在node-1主机中完成　　

　　将hadoop-3.2.0.tar.gz上传到 /usr/local/hadoop，解压，解压完成后，可以删除原来的压缩包

rm -rf hadoop-3.2.0.tar.gz 

　　Hadoop安装主要就是配置文件的修改，一般在主节点进行修改，完毕后scp下发给其他各个从节点机器。

2.1． hadoop-env.sh

　　文件中设置的是Hadoop运行时需要的环境变量。JAVA_HOME是必须设置的，即使我们当前的系统中设置了JAVA_HOME，它也是不认识的，因为Hadoop即使是在本机上执行，它也是把当前的执行环境当成远程服务器。

　　vi hadoop-env.sh

export JAVA_HOME=/usr/local/java/jdk1.8.0_201

　　

2.2． core-site.xml

　　hadoop的核心配置文件，有默认的配置项core-default.xml。

　　core-default.xml与core-site.xml的功能是一样的，如果在core-site.xml里没有配置的属性，则会自动会获取core-default.xml里的相同属性的值。

　　创建一个Hadoop临时目录，不使用默认的tmp，路径为：/usr/local/hadoop/data/hddata

　　将以下内容写在configuration标签内

<!-- 用于设置Hadoop的文件系统，由URI指定 -->
<!-- 指定HADOOP所使用的文件系统schema（URI），HDFS的老大（NameNode）的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://node-1:9000</value>
</property>
<!-- 配置Hadoop的临时目录,默认/tmp/hadoop-${user.name} -->
<property>
    <name>hadoop.tmp.dir</name>
    <value>/usr/local/hadoop/data/hddata</value>
</property>

　　

2.3． hdfs-site.xml

　　HDFS的核心配置文件，有默认的配置项hdfs-default.xml。

　　hdfs-default.xml与hdfs-site.xml的功能是一样的，如果在hdfs-site.xml里没有配置的属性，则会自动会获取hdfs-default.xml里的相同属性的值。

<!-- 指定HDFS副本的数量，不指定默认为3 -->
<property>
    <name>dfs.replication</name>
    <value>2</value>
</property>
<!-- secondary namenode 所在主机的ip和端口->
<property>
     <name>dfs.namenode.secondary.http-address</name>
      <value>node-2:50090</value>
</property>

　　

2.4． mapred-site.xml

　　MapReduce的核心配置文件，有默认的配置项mapred-default.xml。

　　mapred-default.xml与mapred-site.xml的功能是一样的，如果在mapred-site.xml里没有配置的属性，则会自动会获取mapred-default.xml里的相同属性的值。

　　说明：有些hadoop版本可能没有mapred-site.xml，需要将模板复制，我安装的是3.2.0版本，里面有mapred-site.xml，不需要再进行复制，直接编译即可。

　　　　

<!-- 指定mr运行时框架，这里指定在yarn上，默认是local -->
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>

　　

2.5． yarn-site.xml

　　YARN的核心配置文件，有默认的配置项yarn-default.xml。

　　yarn-default.xml与yarn-site.xml的功能是一样的，如果在yarn-site.xml里没有配置的属性，则会自动会获取yarn-default.xml里的相同属性的值。

<!-- 指定YARN的老大（ResourceManager）的地址 -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>node-1</value>
</property>
<!-- NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序默认值："" -->
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>

　　

2.6． slaves

　　slaves文件里面记录的是集群主机名。一般有以下两种作用：

　　

　　

　　说明：创建的时候必须换行，换行表示不同的机器

　　一是：配合一键启动脚本如start-dfs.sh、stop-yarn.sh用来进行集群启动。这时候slaves文件里面的主机标记的就是从节点角色所在的机器。

　　二是：可以配合hdfs-site.xml里面dfs.hosts属性形成一种白名单机制。

　　dfs.hosts指定一个文件，其中包含允许连接到NameNode的主机列表。必须指定文件的完整路径名。如果值为空，则允许所有主机。例如：

<property>
    <name> dfs.hosts </name>
    <value>/root/apps/hadoop/etc/hadoop/slaves </value>
</property>

　　那么所有在slaves中的主机才可以加入的集群中。

3． Hadoop环境变量

　　编辑环境变量的配置文件：

　　　　vi /etc/profile

export HADOOP_HOME=/usr/local/hadoop/hadoop-3.2.0
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

　　

　　保存配置文件，刷新配置文件：                                                 

　　　　source /etc/profile

到此为止，node-1的hadoop就全部配置结束了，接下来要使用scp命令将这些配置复制到node-2、node-3主机中。

　　scp -r /usr/local/hadoop/hadoop-3.2.0/ root@node-2:/usr/local/hadoop/

　　scp -r /usr/local/hadoop/hadoop-3.2.0/ root@node-3:/usr/local/hadoop/

　　　　-r：表示递归，文件夹所有内容

然后将环境变量也复制过去，当然，你也可以进行修改

　　scp -r /etc/profile root@node-2:/etc/

　　scp -r /etc/profile root@node-3:/etc/

复制完成后，node-2、node-3主机中要重新加载配置文件

　　source /etc/profile

内容补充：

关于hadoop的配置文件：
***-default.xml 这里面配置了hadoop默认的配置选项
如果用户没有更改 那么这里面的选项将会生效
****-site.xml 这里面配置了用户需要自定义的配置选项
site中配置选项优先级＞Default中的，如果有配置的话 就会覆盖默认的配置选项