Cenos7下hadoop2.7.7伪分布式模式安装

环境介绍:Centos7 + jdk1.8.0_211
一、首先、
安装JDK1.8.0，详情请移步
Centos7下安装配置JDK

关闭防火墙(建议关闭、当然也可以自己开放端口)
Centos7下防火墙的操作

创建一个用户hadoop，当然也可以使用root用户操作。(我的是使用root操作)
可以创建一个linux用户叫hadoop作为Hadoop的工作者，因为root下是很危险的。

sudo useradd -m hadoop -s /bin/bash    #创建hadoop用户
sudo passwd hadoop #设置密码
sudo adduser hadoop sudo  #增加管理员权限

二、ssh配置:

ssh-keygen -t rsa   生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）、三个回车
cd .ssh/  #进入相关目录查看相关文件

在主节点中将公钥复制到需要免密登录的机器（服务器上），通过如下命令:
(最好给本机(主节点)也copy一个，ssh-copy-id 本机ip或者主机名)（输入命令回车后需要输入目标ip的用户密码才能成功）

ssh-copy-id 目标ip地址
或者 ssh-copy-id -i ~/.ssh/id_rsa.pub 目标IP地址或主机名

注1：copy-id的时候另一台机器的用户必须在线（因为一台Linux机器可以存在多个用户，需要把公钥复制到对应的服务器中对应的用户目录下，则该用户必须在对应服务器中在线），即机器必须是开启的。
子节点若是想连接主节点，则子节点中配置:

ssh-keygen -t rsa
scp ./id_rsa.pub root@主节点IP:/root/.ssh/authorized_keys

使用如下命令来连接节点：
就是远程登录

ssh 目标IP或者主机名

注2:
1.配置ssh时候，作为namenode和resourcemanager的服务器需要配置ssh（即namenode和resourcemanager在同一台服务器上），即把该服务器的用户的公钥存储到其他所有节点ssh-copy-id
2.如果namenode和resourcemanager不在同一台服务器上，那么两台机器都需要配置ssh，即两台服务器都需要把各自用户的公钥储存到其他所有节点，因为启动HDFS使用bin/hdfs namenode -format 和 sbin/start-dfs.sh(可以不加bin和sbin，因为配置了环境变量的)和启动resourcemanager使用sbin/start-yarn.sh需要访问其他节点

三、解压配置Hadoop环境变量：

tar -xzvf hadoop-2.7.7.tar.gz
ln -s hadoop-2.7.7 hadoop  #创建软连接
vim ~/.bashrc #编辑文件设置环境变量
在环境变量中加入如下：
export HADOOP_HOME=/root/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

然后重载配置生效：
source ~/.bashrc

验证Hadoop环境变量是否正常：

whereis hdfs

四、配置hadoop的配置文件:
总共有5个文件需要修改：hadoop-env.sh、core-site.xml、hdfs-site.xml、
mapred-site.xml、yarn-site.xml。这些文件的路径均是在  ${HADOOP_HOME}/etc/hadoop。
当然，还要在/etc/hosts中添加: 本机ip 本机主机名 的映射关系。

1.修改hadoop-env.sh文件:
hadoop-env.sh与单机模式的配置一样.

cd /hadoop-2.7.7/etc/hadoop

查看jdk位置：echo $JAVA_HOME
修改hadoop-env.sh文件：

vim hadoop-env.sh

把  export JAVA_HOME=${JAVA_HOME} 一行中的 ${JAVA_HOME} 改为jdk地址。
2.配置core-site.xml:

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:8020</value>
        <!--value填的是默认文件系统的URL地址，格式是“hdfs://host:port”,host为ip或者主机名，port默认为8020-->
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/root/hadoop-2.7.7/tmp</value>
        <!--sda-->
    </property>
</configuration>
如果需要用到spark的话，需要在core-site.xml中加入如下：【否则会出错】

<property>
        <name>hadoop.proxyuser.root.hosts</name>
        <value>*</value>
</property>
<property>
        <name>hadoop.proxyuser.root.groups</name>
        <value>*</value>
</property>

3.配置hdfs-site.xml:

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
        <!--默认为3，搭建伪分布式时只有一个节点、改为1即可-->
    </property>
</configuration>
4.配置mapred-site.xml:
首先cp mapred-site.xml.template mapred-site.xml生成mapred-site.xml,然后修改mapred-site.xml内容：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
        <!--value默认为local，设置为yarn使其运行在YARN框架上-->
    </property>
</configuration>

5.配置yarn-site.xml:

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>主机名</value>
        <!--设置资源管理器的主机，设置为主机名或者IP-->
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
        <!--设置节点管理器的辅助服务器，默认为空，设置为mapreduce_shuffle-->
    </property>
</configuration>

修改完之后初始整个文件系统命令：

hadoop namenode -format

启动HDFS：

start-dfs.sh

验证HDFS进程 jps
启动YARN:  start-yarn.sh 
验证yarn进程: jps
当然、也可以直接启动所有进程  start-all.sh 

注：如果没有配置环境变量、则需要到sbin目录下执行sh文件进行开启和关闭.
web访问HDFS进程界面：访问  http://IP:50070  可查看主节点数据节点的信息；
访问http://IP:50090即可查看第二名称节点的信息。
web访问YARN进程界面:访问   http://IP:8088

使用程序测试hadoop：
1.在HDFS中创建一个input文件夹： hdfs dfs -mkdir /input 
2.在本地~下创建一个文件并写入数据，上传到HDFS:   hdfs dfs -put data.txt /input 
3.查看上传情况:  hdfs dfs -ls /input 
4.允许MapReduce WordCout例子：
首先进入mapreduce程序目录、然后执行脚本

cd ~/hadoop-2.7.7/share/hadoop/mapreduce  
hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount ~/input/data.txt ~/output

5.查看结果:    hdfs dfs -cat /output/part-r-0000 
停止hadoop：  stop-all.sh 
或者  stop-dfs.sh、stop-yarn.sh
使用 jps 查看确定已经关闭

如果使用的是个人的云服务器的话可能会出现以下问题： (附解决方法)
注：若是出现no xxx to stop则是因为启动的时候没有指定pid的存放位置，hadoop(hbase也是这样)默认会放在Linux的/tmp目录下，进程名命名规则一般是框架名-用户名-角色名.pid,而默认情况下tmp里面的东西，一天会删除一次，由于pid不存在，当执行stop相关命令的时候找不到pid也就无法停止相关进程，所以报  no xxx to stop.
解决方式：
手动指定pid的存放位置，避免放在/tmp目录下，
1.修改hadoop-env.sh，如果没有相关配置，可用直接添加:  

export HADOOP_PID_DIR=/root/hadoop/pidDir
export HADOOP_SECURE_DN_PID_DIR=/root/hadoop/pidDir

原来是：

export HADOOP_PID_DIR=${HADOOP_PID_DIR}
export HADOOP_SECURE_DN_PID_DIR=${HADOOP_PID_DIR}

2.修改mapred-env.sh:

export HADOOP_MAPRED_PID_DIR=/root/hadoop/pidDir
原来是默认地址

3.修改yarn-env.sh:

export YARN_PID_DIR=/root/hadoop/pidDir

4.使用ipconfig查看ip地址，查看到的地址是内网IP地址，而不是公网ip地址。
然后 vim /etc/hosts  修改文件的映射，将公网IP与主机名的映射改为内网IP与主机名的映射即可。

5.在配置文件的配置中，涉及到value需要设置为IP地址或主机名的情况时，先设为主机名比较好。