文章目录

前言
1. Hadoop 集群搭建模式
2. 伪分布式集群搭建环境准备
- 2.1 SSH免密登录设置
- 2.2 Java 环境准备
- 2.3 Hadoop环境准备
- 2.4 其他环境准备
3. Hadoop初始配置
- 3.1 创建Hadoop用户
- 3.2 创建目录
- 3.3 认识Hadoop相关配置文件
- - 3.3.1 配置文件的优先级
  - 3.3.2 配置Hadoop守护进程环境变量
  - 3.3.3 配置Hadoop核心属性（core-site.xml）
  - 3.3.4 配置Mapreduce(mapred-site.xml)
  - 3.3.5 配置Yarn(yarn-site.xml)
  - 3.3.6 配置HDFS（hdfs-site.xml）
4. 操作集群
- 4.1 格式化集群
- 4.2 启动HDFS与YARN集群
- 4.3 关闭HDFS与YARN集群
5. 伪分布式集群虚拟机环境
总结

前言

为了保证应用高可用性，一般我们都会搭建一个应用的集群环境，这样即使其中一个应用出现故障，集群中的其他应用仍可继续对外提供访问。本章将介绍如何安装和配置一个伪分布式集群。

以下是本章主要内容：

hadoop环境准备
搭建一个简单的伪分布式Hadoop集群
操作hadoop集群
使用hadoop运行测试程序

1. Hadoop 集群搭建模式

官方给我们提供了三种安装Hadoop集群的方式如下图所示：

单机模式（Standalone ）

hadoop默认情况是以非分布式单机方式运行的，所有的Hadoop服务都是运行在一个JVM虚拟机上，这种模式下Hadoop采用操作系统本地文件而不是HDFS（Hadoop File System）进行数据的存储。此种模式适合开发人员进行代码测试工作。

伪分布式（Pseudo-Distributed ）

此模式可以模拟真实的多节点集群，可以让Hadoop守护进程（DataNode、NameNode和ResourceManager）运行在单一服务器上，但这也意味着这种单节点的Hadoop集群无法保证高可用性与数据的安全性，生产环境不推荐使用。

全分布式（Fully-Distributed）

Hadoop守护进程（DataNode、NameNode和ResourceManager）在不同的机器上运行着，这种模式可以保证Hadoop集群的高可用性、数据安全性。常应用在生产环境中。

2. 伪分布式集群搭建环境准备

在实际安装集群前，必须满足如下要求，才能够成功在Linux环境下安装软件。

2.1 SSH免密登录设置

Hadoop应用提供了很多脚本用来管理和维护Hadoop守护进程，这其中就用了SSH登录相关命令，所以这里需要配置一个免密登录localhost的配置，具体步骤如下：

生成SSH密钥

## 生成密钥命令：ssh-keygen -t rsa
[root@hadoop104 ~]# ssh-keygen -t rsa
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):
Created directory '/root/.ssh'.
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
SHA256:81ORH1ajaBDTFlQPo+yWLWTVXzeVe9QWooqqYbSbRr4 root@hadoop104
The key's randomart image is:
+---[RSA 2048]----+
|         ++oo*.oB|
|          +o=.*=B|
|          .Oo.o+*|
|        . * o+ oo|
|   .   .S. =... .|
|  ... .  o...    |
|  o+ .    o      |
|  .o=      .     |
|  .E.            |
+----[SHA256]-----+

拷贝公钥

## 将公钥拷贝到~/.ssh/authorized_keys 下
[root@hadoop104 ~]# ssh-copy-id root@localhost
/usr/bin/ssh-copy-id: INFO: Source of key(s) to be installed: "/root/.ssh/id_rsa.pub"
The authenticity of host 'localhost (::1)' can't be established.
ECDSA key fingerprint is SHA256:YjPIJdatopqmPsZtdK/5JyTSgahk7tdP+QIuLbuw81U.
ECDSA key fingerprint is MD5:02:6f:99:e3:62:3b:e1:28:d8:05:34:70:dc:d3:99:89.
Are you sure you want to continue connecting (yes/no)? yes
/usr/bin/ssh-copy-id: INFO: attempting to log in with the new key(s), to filter out any that are already installed
/usr/bin/ssh-copy-id: INFO: 1 key(s) remain to be installed -- if you are prompted now it is to install the new keys
root@localhost's password:
## 输入用户名与密码
Number of key(s) added: 1Now try logging into the machine, with:   "ssh 'root@localhost'"
and check to make sure that only the key(s) you wanted were added.

使用ssh免密登录本地

## 免密登录
[root@hadoop104 ~]# ssh root@localhost
Last login: Wed Sep 28 12:08:58 2022 from 192.168.10.1
## 退出当前连接
[root@hadoop104 ~]# exit
logout
Connection to localhost closed.
[root@hadoop104 ~]#

2.2 Java 环境准备

hadoop 3.x版本目前要求最低的JDK版本为1.8版本，所以这里我们在服务器配置一下JDK环境即可：

这里可以直接访 oracle 官网直接下载JDK8，也可以使用我提供的百度云网址如下：

链接：https://pan.baidu.com/s/10e19hoiDjW61rHrhh-KtBQ?pwd=zyk5
提取码：zyk5

然后将JDK安装包上传到Linux服务器上，解压并配置Java环境变量。具体操作步骤如下：

# 1. 创建安装包保存路径与解压安装包路径
[root@hadoop104 ~]# mkdir -p /soft/{service,packages}

上传安装包
- 解压安装包

# 解压到指定目录
[root@hadoop104 packages]# tar -zxvf jdk-8u341-linux-x64.tar.gz -C /soft/service/

配置环境变量

[root@hadoop104 ~]# vim /etc/profile.d/java.sh

编辑环境脚本内容如下：

## 刷新环境变量
[root@hadoop104 ~]# source /etc/profile
## 验证JDK环境
[root@hadoop104 ~]# java -version
java version "1.8.0_341"
Java(TM) SE Runtime Environment (build 1.8.0_341-b10)
Java HotSpot(TM) 64-Bit Server VM (build 25.341-b10, mixed mode)
[root@hadoop104 ~]#

2.3 Hadoop环境准备

## 设置Hadoop环境变量
[hdfs@hadoop104 hadoop]$ vim /etc/profile.d/hadoop.sh

2.4 其他环境准备

安装epel-release

yum install -y epel-release

安装vim

yum install -y vim*

安装 net-tools

yum install -y net-tools

同步时间

yum install -y ntpdate
ntpdate ntp4.aliyun.com

停用防火墙

systemctl stop firewalld
## 查看防火墙状态
firewall-cmd --state

3. Hadoop初始配置

首先我们需要从官网上下载Hadoop安装包，这里选用3.1.4版本进行安装。

cd /softwget https://archive.apache.org/dist/hadoop/common/hadoop-3.1.4/hadoop-3.1.4.tar.gz

解压安装包：

## 将hadoop3.1.4安装包解压到/soft/service 目录下
[root@hadoop104 packages]# tar -zxvf hadoop-3.1.4.tar.gz -C /soft/service/

配置Hadoop环境变量：

export HADOOP_HOME=/soft/service/hadoop-3.1.4
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

验证hadoop是否安装成功：

## 查看hadoop安装版本
[root@hadoop104 hadoop-3.1.4]# hadoop version

输出如下结果则Hadoop安装成功

3.1 创建Hadoop用户

hadoop每个关键的守护进程都需要造单独的用户下运行，所以这里创建三个用户用来对应不同的hadoop守护进程：

用户	说明
yarn	用来管理ResourceManager服务
mapred	用来管理MapReduce服务
hdfs	用来管理HDFS文件系统

## 创建hadoop组
[root@hadoop104 packages]# groupadd hadoop
## 创建yarn用户
[root@hadoop104 packages]# useradd -g hadoop yarn
## 创建hdfs用户
[root@hadoop104 packages]# useradd -g hadoop hdfs
## 创建mapred用户
[root@hadoop104 packages]# useradd -g hadoop mapred

3.2 创建目录

在Hadoop中我们需要明确 NameNode、SecondaryNameNode、DataNode 的数据目录以及日志目录，下面创建以下目录

mkdir -p /soft/data/hadoop/hdfs/nn

创建SecondaryNameNode数据目录

mkdir -p /soft/data/hadoop/hdfs/snn

 mkdir -p /soft/data/hadoop/hdfs/dn

chown -R  hdfs:hadoop /soft/data/hadoop/

 mkdir -p /soft/log/hadoop/logs

chown -R  yarn:hadoop /soft/log/hadoop/

3.3 认识Hadoop相关配置文件

Hadoop使用了多个配置文件，且每一个都会影响集群操作的不同方面，如HDFS操作、Yarn操作、MapReduce操作，每一个操作都有与之对应的配置文件，这些配置文件基本上都是XML格式的，Hadoop的配置文件有很多参数，如果没有自定义配置参数的值，大部分都会使用默认值，总的来说Hadoop中一共有以下类型的配置文件：

环境变量文件

Hadoop为启动和停止Hadoop应用提供了以上三个环境变量脚本，其中 hadoop-env.sh用来设置hadoop运行环境相关的配置mapred-env.sh用来指定mapReduce操作环境相关配置、yarn-env.sh是用来指定yarn使用的环境变量的值。
默认配置文件

默认配置文件如上，顾名思义当我们没有在自定义配置文件中配置参数对应的值，则默认以xx.default.xml配置的值为准，否则以自定义xx.site的值为准，下面介绍每个配置文件的作用：
- core-default.xml：hadoop核心配置文件，可以在core-site.xml中设置变量来覆盖此文件的默认配置值。
- hdfs-default.xml ：HDFS相关服务的默认配置文件，可以设置hdfs-site.xml覆盖此文件中的默认配置值。
- yarn-default.xml：YARN默认配置文件，可以设置yarn-site.xml覆盖此文件中默认配置值。
- mapred-default.xml：MapReduce默认配置文件，可以设置mapred-site.xml覆盖此文件中默认配置值。
site专用配置文件

site自定义配置文件是我们在实际中需要经常打交道的配置文件，此类型文件设置的值会默认覆盖xx-default.xml中配置的默认值。

3.3.1 配置文件的优先级

主节点上的 hdfs-site.xml 与 yarn-site.xml、hdfs-default.xml、yarn-default.xml 并不是唯一可以配置HDFS与 YARN的方法，假设已经在hdfs-site.xml文件中将：dfs.replication参数设置值为3，即设置文件副本个数为6。如果在客户端的代码中配置了此参数的值为6。实际上文件上传后文件副本个数为3，在Hadoop中配置文件参数的优先级从大到小如下：

如果有时候并不希望客户端修改配置的参数值，即让上图中优先级为4 ： 服务器自定义配置文件参数值优先级最高，例如我们设置文件副本个数为3，客户端不可修改。只需要在hdfs-site.xml中这样配置：

  <property><name>fs.replication</name><value>3</value><final>true</final></property>

如果在生产开发中，遇到了有些参数客户端不可修改的需求时，这个时候就可以将参数标记为final即可。

3.3.2 配置Hadoop守护进程环境变量

hadoop中默认为我们设置了 hadoop-env.sh、mapred-env.sh、yarn-env.sh，可以使用如下参数配置每个hadoop守护程序：

参数	说明
YARN_RESOURCEMANAGER_OPS	设置ResourceManager JVM变量值
YARN_NODEMANAGER_OPS	设置NodeManagerJVM变量值
HADOOP_NAMENODE_OPS	设置NameNode JVM变量值
HADOOP_DATANODE_OPS	设置DataNode JVM变量值
HADOOP_SECONDARYNAMENODE_OPS	设置SecondaryNameNodeJVM变量值
例如设置上述每一个守护进程最大堆内存大小为2g：

YARN_RESOURCEMANAGER_OPS = Xmx2g
YARN_NODEMANAGER_OPS = Xm2g
HADOOP_NAMENODE_OPS = Xmx2g
HADOOP_DATANODE_OPS = Xmx2g
HADOOP_SECONDARYNAMENODE_OPS = Xmx2

3.3.3 配置Hadoop核心属性（core-site.xml）

fs.defaultFS

设置文件系统的名称以及NameNode所在主机和端口信息：

<property><name>fs.defaultFS</name><value>hdfs://hadoop104:8020</value>
</property>

hadoop.http.staticuser.user

设置操作hdfs为用户为hdfs：

<property><name>hadoop.http.staticuser.user</name><value>hdfs</value>
</property>

hadoop.tmp.dir

设置hadoop本地数据存储目录：

<property><name>hadoop.tmp.dir</name><value>/soft/data/hadoop/tmpDir</value>
</property>

fs.trash.interval

设置Hadoop文件存储在垃圾箱中的时间，默认值为0，即永久删除被删除的所有文件库，这里我们默认设置1440分钟（1天）

<property><name>fs.trash.interval</name><value>1440</value>
</property>

3.3.4 配置Mapreduce(mapred-site.xml)

mapreduce.framework.name

设置hadoop使用YARN作为执行MapReduce的框架。

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

yarn.app.mapreduce.am.env

指定mapruce APP MASTER 环境变量

  <property><name>yarn.app.mapreduce.am.env</name><value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value></property>

mapreduce.map.env

指定mapreduce Reuce Task 环境变量

  <property><name>mapreduce.map.env</name><value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value></property>

mapreduce.reduce.env

指定mapreduce Reuce Task 环境变量

  <property><name>mapreduce.reduce.env</name><value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value></property>

3.3.5 配置Yarn(yarn-site.xml)

yarn.nodemanager.aux-services

此属性可以让NodeManager指定MapReduce容器从map任务到reduce任务所需要执行的shuffle操作，只有设置了这个值才可以运行MapReduce任务。

  <property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property>

yarn.nodemanager.aux-services.mapreduce_shuffle.class

设置YARN使用这个设置值对应的类执行shuffle操作

  <property><name>yarn.nodemanager.aux-services.mapreduce_shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value></property>

yarn.nodemanager.resource.memory-mb

设置YARN在每一个节点消耗的总内存值单位MB

   <property><name>yarn.nodemanager.resource.memory-mb</name><value>2048</value></property>

yarn.scheduler.minimum-allocation-mb

设置每一个启动的容器节点最小内存单位MB

   <property><name>yarn.scheduler.minimum-allocation-mb</name><value>512</value></property>

yarn.scheduler.maximum-allocation-mb

设置每一个启动容器最大的内存单位MB

  <property><name>yarn.scheduler.maximum-allocation-mb</name><value>1024</value></property>

yarn.nodemanager.vmem-pmem-ratio

设置容器虚拟内存与真实物理内存直接比率

 <property><name>yarn.nodemanager.vmem-pmem-ratio</name><value>2</value></property>

3.3.6 配置HDFS（hdfs-site.xml）

dfs.namenode.secondary.http-address

设置SecondaryNameNode运行主机和端口

  <property><name>dfs.namenode.secondary.http-address</name><value>hadoop104:9868</value></property>

dfs.replication

此参数配置默认的文件块数量为3，但我们这里搭建伪分布式所以需要设置为1

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

dfs.datanode.data.dir

设置DataNode数据快本地存储目录

   <property><name>dfs.datanode.data.dir</name><value>file:/soft/data/hadoop/hdfs/dn</value></property>

dfs.namenode.name.dir

设置NameNode核心文件如fsimage如edit日志文件存储位置，只有NameNode服务可以读取和写入这些文件。

  <property><name>dfs.namenode.name.dir</name><value>file:/soft/data/hadoop/hdfs/nn</value></property>

dfs.namenode.checkpoint.dir

指定SecondaryNameNode存储元数据文件位置

  <property><name>dfs.namenode.checkpoint.dir</name><value>file:/soft/data/hadoop/hdfs/snn</value></property>

4. 操作集群

上面的配置文件配置好了，接下来就是来启动集群了，不过在正常启动集群前还需要进一步操作

4.1 格式化集群

使用hdfs用户执行NameNode格式化，需要注意的是NameNode的格式化只需要做一次就够了。

[hdfs@hadoop104 hadoop]$ hdfs namenode -format

执行完后如果有下图 successfully format 字样，则表明格式化成功
可以看到在 /soft/data/hadoop/hdfs/nn 目录下已经有格式化好的current文件夹如下所示：

4.2 启动HDFS与YARN集群

启动NameNode

 hdfs --daemon start namenode

启动DataNode

hdfs --daemon start secondarynamenode

启动SecondaryNameNode

hdfs --daemon start secondarynamenode

启动ResourceManager

yarn --daemon start resourcemanager

启动NodeManager

 yarn --daemon start nodemanager

查看进程:

访问HDFS管理端地址：http://192.168.10.128:9870/管理端首页如下：

访问 Yarn管理端地址：http://192.168.10.128:8088/cluster

4.3 关闭HDFS与YARN集群

启动NameNode

 hdfs --daemon stop namenode

启动DataNode

hdfs --daemon stop secondarynamenode

启动SecondaryNameNode

hdfs --daemon stop secondarynamenode

启动ResourceManager

yarn --daemon stop resourcemanager

启动NodeManager

 yarn --daemon stop nodemanager

5. 伪分布式集群虚拟机环境

链接：https://pan.baidu.com/s/1MdUQp96yiR9EnFknhGekKQ?pwd=id4n
提取码：id4n

总结

本文中我们使用一台机器完成了Hadoop的伪分布式集群部署，在实际的生成活动中，此种模式只能用于开发人员进行测试使用，下一章将介绍如何搭建一个Hadoop的完全分布式集群，敬请期待。

创建并配置一个伪分布式Hadoop3.x版本集群（三）相关推荐

linux中jdk环境配置，安装MySQL，配置Hadoop伪分布式，配置hive环境
1.修改虚拟机名称 vi /etc/hostname 进入命令模式输入[:wq]保存退出 2.修改虚拟机映射 vi /etc/hosts 输入端口号+虚拟机名称,保存退出[:wq] 3.重启虚拟机 r ...
hadoop历史背景hdfs分布式文件系统hadoop的集群模式单机模式伪分布
hadoop历史背景&hdfs分布式文件系统&hadoop的集群模式&单机模式&伪分布 1.hadoop的历史背景 lucense ---->nutch----& ...
如何创建一个用户、授权操作k8s集群的过程?
本篇带给大家如何创建一个用户.授权操作k8s集群的过程.希望对你有所帮助! 背景 172.16.99.128是的我k8s集群的master节点,此处是从这里获取集群的证书. 创建访问architech ...
大数据之-Hadoop完全分布式_完全分布式模式下的集群配置---大数据之hadoop工作笔记0034
然后前面我们准备好了,完全分布式下用的集群环境,下面我们,开始配置hadoop集群我们这里用hadoop102,hadoop103,hadoop104 这3台机器. 需要hadoop102,103, ...
Zookeeper命令操作（初始Zookeeper、JavaAPI操作、分布式锁实现、模拟12306售票分布式锁、Zookeeper集群搭建、选举投票）
Zookeeper命令操作(初始Zookeeper.JavaAPI操作.分布式锁实现.模拟12306售票分布式锁.Zookeeper集群搭建.选举投票) 1.初始Zookeeper Zookeeper ...
如何从0到1构建一个稳定、高性能的Redis集群？（附16张图解）
阅读本文大约需要 13 分钟. 大家好,我是 Kaito. 这篇文章我想和你聊一聊 Redis 的架构演化之路. 现如今 Redis 变得越来越流行,几乎在很多项目中都要被用到,不知道你在使用 Red ...
搭建高吞吐量 Kafka 分布式发布订阅消息集群
搭建高吞吐量 Kafka 分布式发布订阅消息集群简介 Kafka 是一种高吞吐的分布式发布订阅消息系统,能够替代传统的消息队列用于解耦合数据处理,缓存未处理消息等,同时具有更高的吞吐率,支持分区. ...
16 张图教你如何从 0 到 1 构建一个稳定、高性能的 Redis 集群！
作者 | Magic Kaito 责编 | 张文来源 | 水滴与银弹(ID:waterdrop_bullet) 这篇文章我想和你聊一聊 Redis 的架构演化之路. 现如今 Redis 变得越来 ...
Ubuntu18.04 安装搭建 hadoop-3.3.0 集群
Ubuntu18.04 安装搭建 hadoop-3.3.0 集群参考博文:https://blog.csdn.net/sunxiaoju/article/details/85222290?ops_r ...

创建并配置一个伪分布式Hadoop3.x版本集群（三）