Hadoop2.7.4分布式集群安装配置文件

集群环境

• Hadoop版本为2.7.4
• JDK版本1.8.0_144
• 安装了三台虚拟机分别设定名称和IP如下

主机名称 IP地址 master 192.168.1.15 slave01 192.168.1.16 slave02 192.168.1.17

---

• 服务器上安装hadoop的目录结构为
  /home/用户名/hadoop
  software: 存放的是安装的软件包
  app : 存放的是所有软件的安装目录
  hadoop2.7.4就在app目录下， 这里我的机器的用户都是null

• hadoop主要配置文件有core-site.xml,hdfs-site.xml,mapred-site.xml，yarn-site.xml
  可以浏览官网查看详细的默认的配置，链接如下
  core-default.xml
  hdfs-default.xml
  mapred-default.xml
  yarn-default.xml
  也可以通过下载解压hadoop后在目录下搜索*default.xml,找到这些默认配置

安装Hadoop

下载hadoop并解压到app目录下

tar -zxvf hadoop-2.7.4.tar.gz -C ~/hadoop/app

配置Hadoop 环境变量

vim /etc/profile添加

# Hadoop Envexport HADOOP_HOME=/home/null/hadoop/app/hadoop-2.7.4export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

修改$HADOOP_HOME/etc/hadoop下的配置文件

$HADOOP_HOME就是hadoop安装目录位置
这里只是将分布式集群的一些必要的简化了的配置罗列出来了，更个性化的配置还是要参照官方文档进行设置

修改hadoop-env.sh文件

//修改JAVA_HOME路径为jdk的安装路径  export JAVA_HOME=/home/null/hadoop/app/jdk1.8.0_144 

---

修改yarn-env.sh文件

//修改JAVA_HOME路径为jdk的安装路径  export JAVA_HOME=/home/null/hadoop/app/jdk1.8.0_144 

---

修改slaves文件

master 既作为 NameNode 也作为 DataNode

master  slave01  slave02

---

修改core-site.xml文件

该文件可以覆盖一部分用于控制Hadoop核心的默认的关键配置

参数 默认值 解释 fs.defaultFS file:/// namenode RPC交互端口 fs.default.name file:/// 被弃用，是用fs.defaultFS代替 hadoop.tmp.dir /tmp/hadoop-${user.name} 其他临时目录的根地址

先在$HADOOP_HOME目录下手动创建tmp文件夹，等下指定hadoop.tmp.dir为它，hadoop.tmp.dir是hadoop文件系统依赖的基础配置，很多路径都依赖它。hdfs-site-xml中默认配置namenode 和datanode的存放位置的地址就是基于此。 LINUX 系统中，在服务重启后，/tmp 下的目录被清空，所以要转到持久化的地址

<configuration>    <property>        <name>fs.defaultFS</name>        <value>hdfs://master:9000</value>    </property>    <property>        <name>hadoop.tmp.dir</name>        <value>/home/null/hadoop/app/tmp</value>    </property></configuration>

---

修改hdfs-site.xml文件

通过该配置文件可以修改有关的HDFS的默认配置

参数 默认值 解释 dfs.replication 3 决定着系统里面的文件块的数据备份个数 dfs.namenode.secondary.http-address 0.0.0.0:50090 secondary namenode服务地址和端口 dfs.namenode.name.dir file://${hadoop.tmp.dir}/dfs/name 决定namenode的fsimage文件在本地文件系统的存储位置，如果是以逗号分割的目录列表，将会复制到所有目录中，冗余 dfs.datanode.data.dir file://${hadoop.tmp.dir}/dfs/data 决定datanode的数据块在本地文件系统的存储位置，如果目录不存在将被创建如果权限允许的话

<configuration>    <property>            <name>dfs.namenode.secondary.http-address</name>            <value>master:50090</value>        </property>     <property>        <name>dfs.replication</name>        <value>3</value>    </property></configuration>

副本数目不能大于datanode数目
在core-site.中配置了hadoop.tmp.dir，这里保持默认即可

---

修改mapred-site.xml文件

该文件中的属性可以覆盖用于控制MapReduce任务执行的默认属性值

参数 默认值 解释 mapreduce.framework.name local MapReduce 作业的执行框架 mapreduce.jobhistory.address 0.0.0.0:10020 MapReduce的历史服务器通信地址 mapreduce.jobhistory.webapp.address 0.0.0.0:19888 MapReduce的历史服务器web界面地址

<configuration>    <property>        <name>mapreduce.framework.name</name>        <value>yarn</value>    </property></configuration>

默认情况下，Hadoop历史服务器是没有启动的，我们可以通过下面的命令来启动Hadoop历史服务器

sbin/mr-jobhistory-daemon.sh  start historyserver

---

修改yarn-site.xml文件

该文件中的配置项可以覆盖用于控制YARN组件中的默认属性值

参数 默认值 解释 yarn.nodemanager.aux-services 无 NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序 yarn.resourcemanager.hostname 0.0.0.0 ResourceManager的主机名 yarn.resourcemanager.address ${yarn.resourcemanager.hostname}:8032 ResourceManager 对客户端暴露的地址。客户端通过该地址向RM提交应用程序，杀死应用程序等 yarn.resourcemanager.scheduler.address ${yarn.resourcemanager.hostname}:8030 ResourceManager 对ApplicationMaster暴露的访问地址。ApplicationMaster通过该地址向RM申请资源、释放资源等 yarn.resourcemanager.webapp.address ${yarn.resourcemanager.hostname}:8088 ResourceManager对外web ui地址。用户可通过该地址在浏览器中查看集群各类信息 yarn.nodemanager.resource.memory-mb 8192 NodeManager总的可用物理内存。注意，该参数是不可修改的，一旦设置，整个运行过程中不可动态修改。另外，该参数的默认值是8192MB，即使你的机器内存不够8192MB，YARN也会按照这些内存来使用 yarn.nodemanager.resource.cpu-vcores 8 NodeManager总的可用虚拟CPU个数

<configuration>    <property>        <name>yarn.nodemanager.aux-services</name>        <value>mapreduce_shuffle</value>    </property>    <property>        <name>yarn.resourcemanager.hostname</name>        <value>master</value>    </property>    <property>        <name>yarn.nodemanager.resource.memory-mb</name>        <value>1024</value>    </property>    <property>        <name>yarn.nodemanager.resource.cpu-vcores</name>        <value>1</value>     </property></configuration>

这里我架设的虚拟机是1g内存1CPU1核的 ，没设置最后两个属性时，NodeManager启动报错内存不足
相关问题可以参考我的另外一篇博客

---

启动Hadoop集群

格式化文件系统

在master中执行

hdfs namenode -format

启动NameNode和DataNode

在master $HADOOP_HOME下执行

sbin/.start-dfs.sh

使用jps命令查看master上的进程如下

DataNodeSecondaryNameNodeNameNodeJps

使用jps命令分别查看slave01和slave02上的进程如下

JpsDataNode

启动 ResourceManager 和 NodeManager

在master $HADOOP_HOME下执行

sbin/start-yarn.sh

使用jps命令查看master上的进程如下

DataNodeNodeManagerResourceManagerSecondaryNameNodeNameNodeJps

使用jps命令分别查看slave01和slave02上的进程如下

JpsNodeManagerDataNode

终于！Hadoop集群成功启动