共计 9413 个字符，预计需要花费 24 分钟才能阅读完成。
要想深入的学习 Hadoop 数据分析技术，首要的任务是必须要将 Hadoop 集群环境搭建起来，本文主要讲述如何搭建一套 Hadoop 完全分布式集群环境。
环境配置：2 台 64 位的 RedHat6.5 + 1 台 64 位 CentOS6.9 + Hadoop2.7 + java7
一、先配置服务器的主机名
Namenode 节点对应的主机名为 master
Datanode 节点对应的主机名分别为 node1、node2
1、在每一台服务器上执行 vim /etc/hosts，先删除 hosts 里面的内容，然后追加以下内容：
192.168.15.135 master
172.30.25.165 node1
172.30.25.166 node2
2、在每一台服务器上执行 vim /etc/sysconfig/network，修改红色部分的内容，对应上面所说的 hostname，对于 master 节点那么 hostname 就为 master
NETWORKING=yes
HOSTNAME= master
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
类似的，在 node1 服务器节点上应该为：
NETWORKING=yes
HOSTNAME= node1
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
类似的，在 node2 服务器节点上应该为：
NETWORKING=yes
HOSTNAME= node2
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
这两步的作用很关键，如果配置不成功，进行分布式计算的时候有可能找不到主机名
下面关于 Hadoop 的文章您也可能喜欢，不妨看看：
Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程 http://www.linuxidc.com/Linux/2015-02/113487.htm
CentOS 安装和配置 Hadoop2.2.0 http://www.linuxidc.com/Linux/2014-01/94685.htm
Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm
Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm
Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm
Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm
单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm
二、安装 SSH，并让 master 免验证登陆自身服务器、节点服务器
1、执行下面命令，让 master 节点能够免验证登陆自身服务器
ssh-keygen -t dsa -P” -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub>> ~/.ssh/authorized_keys
exportHADOOP\_PREFIX=/usr/local/hadoop
HADOOP_PREFIX 表示自己安装的 hadoop 路径
2、让主结点 (master) 能通过 SSH 免密码登录两个子结点（slave）
为了实现这个功能，两个 slave 结点的公钥文件中必须要包含主结点的公钥信息，这样当 master 就可以顺利安全地访问这两个 slave 结点了。操作过程如下：
在 node1 上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys
在 node2 上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys
如上过程显示了 node1 结点通过 scp 命令远程登录 master 结点，并复制 master 的公钥文件到当前的目录下，这一过程需要密码验证。接着，将 master 结点的公
钥文件追加至 authorized_keys 文件中，通过这步操作，如果不出问题，master 结点就可以通过 ssh 远程免密码连接 node1 结点了。在 master 结点中操作如:
当然值得注意的是：首次登陆是需要确认的，node1 结点首次连接时需要，“YES”确认连接，这意味着 master 结点连接 node1 结点时需要人工询问，无法自动连接，输入 yes 后成功接入，紧接着注销退出至 master 结点。要实现 ssh 免密码连接至其它结点，还差一步，只需要再执行一遍 ssh node1，如果没有要求你输入”yes”，就算成功了。
三、下载并解压 hadoop 安装包，配置 hadoop
1、关于安装包的下载就不多说了，不过可以提一下目前我使用的版本为 hadoop-2.7.1
2、配置 namenode, 修改 site 文件
下面开始修改 hadoop 的配置文件了，即各种 site 文件，文件存放在 etc/Hadoop/ 下，主要配置 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 这三个文件。
这里我只把我的实例贴出来，经供参考，更多详细配置请参照官方文档
core-site.xml：
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
</configuration>
hdfs-site.xml：
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:9001</value>
</property>
</configuration>
mapred-site.xml：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master:19888</value>
</property>
</configuration>
yarn-site.xml：
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:8088</value>
</property>
</configuration>
3、配置 namenode, 修改 env 环境变量文件
配置之前要说的话：你必须确保你已经安装了 java6 或者 java7，并且 java 的环境变量已经配置好，由于本文的重点不在此，故不详细说明，我系统 java 的环境变量为 /usr/java/jdk1.7.0_71
所以讲 hadoop-env.sh、mapred-env.sh、yarn-env.sh 这几个文件中的 JAVA_HOME 改为 /usr/java/jdk1.7.0_71，如下图所示：
文件中的其他一些配置项，请参考官方文档
4、slaves 文件配置, 增加如下两行内容：
node1
node2
更多详情见请继续阅读下一页的精彩内容：http://www.linuxidc.com/Linux/2016-02/128730p2.htm
四、向节点服务器 node1、node2 复制我们刚刚在 master 服务器上配置好的 Hadoop
scp–r hadoop root@node1:/usr/local/hadoop
scp–r hadoop root@node2:/usr/local/hadoop
五、格式化 namenode，在 master 节点上执行如下命令：
bin/hdfs namenode-format
只要出现“successfully formatted”就表示成功了。
六、启动 hadoop
这一步也在主结点 master 上进行操作：
七、用 jps 检验各后台进程是否成功启动
master
node1
node2
八、向 hadoop 集群系统提交第一个 mapreduce 任务
到这里为止我们已经完成了一个真正意义上的 hadoop 完全分布式环境搭建，下面我们要像这个集群系统提交第一个 mapreduce 任务
1、bin/hdfs dfs -mkdir /tmp 在虚拟分布式文件系统上创建一个测试目录 tmp
2、bin/hdfs dfs -copyFromLocal ./ LICENSE.txt /tmp 将当前目录下的 LICENSE 文件复制到虚拟分布式文件系统中
3、bin/hdfs dfs-ls /tmp 查看文件系统中是否存在我们所复制的文件
下面这张图显示了一系列的操作过程
3、运行如下命令向 hadoop 提交单词统计任务
bin/hadoop jar./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar wordcount/tmp/LICENSE.txt /tmp-output
最后会显示一个运算结果：
到这里为止，你已经完成了第一个任务的分布式计算
注意：在你重新格式化分布式文件系统之前，需要将文件系统中的数据先清除，否则，datanode 将创建不成功，这一点很重要
关于一些常见的端口
master:8088 能显示你的集群状态
master: 50070 能进行一些节点的管理
除此之外，还有很多有用的端口，当然这也是和你的配置文件相关的，最后，贴上两张图片：
更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13
本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-02/128730.htm
要想深入的学习 Hadoop 数据分析技术，首要的任务是必须要将 Hadoop 集群环境搭建起来，本文主要讲述如何搭建一套 Hadoop 完全分布式集群环境。
环境配置：2 台 64 位的 RedHat6.5 + 1 台 64 位 CentOS6.9 + Hadoop2.7 + java7
一、先配置服务器的主机名
Namenode 节点对应的主机名为 master
Datanode 节点对应的主机名分别为 node1、node2
1、在每一台服务器上执行 vim /etc/hosts，先删除 hosts 里面的内容，然后追加以下内容：
192.168.15.135 master
172.30.25.165 node1
172.30.25.166 node2
2、在每一台服务器上执行 vim /etc/sysconfig/network，修改红色部分的内容，对应上面所说的 hostname，对于 master 节点那么 hostname 就为 master
NETWORKING=yes
HOSTNAME= master
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
类似的，在 node1 服务器节点上应该为：
NETWORKING=yes
HOSTNAME= node1
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
类似的，在 node2 服务器节点上应该为：
NETWORKING=yes
HOSTNAME= node2
NETWORKING_IPV6=yes
IPV6_AUTOCONF=no
这两步的作用很关键，如果配置不成功，进行分布式计算的时候有可能找不到主机名
下面关于 Hadoop 的文章您也可能喜欢，不妨看看：
Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程 http://www.linuxidc.com/Linux/2015-02/113487.htm
CentOS 安装和配置 Hadoop2.2.0 http://www.linuxidc.com/Linux/2014-01/94685.htm
Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm
Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm
Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm
Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm
单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm
二、安装 SSH，并让 master 免验证登陆自身服务器、节点服务器
1、执行下面命令，让 master 节点能够免验证登陆自身服务器
ssh-keygen -t dsa -P” -f ~/.ssh/id_dsa
cat ~/.ssh/id_dsa.pub>> ~/.ssh/authorized_keys
exportHADOOP\_PREFIX=/usr/local/hadoop
HADOOP_PREFIX 表示自己安装的 hadoop 路径
2、让主结点 (master) 能通过 SSH 免密码登录两个子结点（slave）
为了实现这个功能，两个 slave 结点的公钥文件中必须要包含主结点的公钥信息，这样当 master 就可以顺利安全地访问这两个 slave 结点了。操作过程如下：
在 node1 上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys
在 node2 上执行
scp root@master:~/.ssh/id_dsa.pub ~/.ssh/master_dsa.pub
cat~/.ssh/master_dsa.pub >> ~/.ssh/authorized_keys
如上过程显示了 node1 结点通过 scp 命令远程登录 master 结点，并复制 master 的公钥文件到当前的目录下，这一过程需要密码验证。接着，将 master 结点的公
钥文件追加至 authorized_keys 文件中，通过这步操作，如果不出问题，master 结点就可以通过 ssh 远程免密码连接 node1 结点了。在 master 结点中操作如:
当然值得注意的是：首次登陆是需要确认的，node1 结点首次连接时需要，“YES”确认连接，这意味着 master 结点连接 node1 结点时需要人工询问，无法自动连接，输入 yes 后成功接入，紧接着注销退出至 master 结点。要实现 ssh 免密码连接至其它结点，还差一步，只需要再执行一遍 ssh node1，如果没有要求你输入”yes”，就算成功了。
三、下载并解压 hadoop 安装包，配置 hadoop
1、关于安装包的下载就不多说了，不过可以提一下目前我使用的版本为 hadoop-2.7.1
2、配置 namenode, 修改 site 文件
下面开始修改 hadoop 的配置文件了，即各种 site 文件，文件存放在 etc/Hadoop/ 下，主要配置 core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml 这三个文件。
这里我只把我的实例贴出来，经供参考，更多详细配置请参照官方文档
core-site.xml：
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://master:9000</value>
</property>
</configuration>
hdfs-site.xml：
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>master:9001</value>
</property>
</configuration>
mapred-site.xml：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>master:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>master:19888</value>
</property>
</configuration>
yarn-site.xml：
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>master:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>master:8088</value>
</property>
</configuration>
3、配置 namenode, 修改 env 环境变量文件
配置之前要说的话：你必须确保你已经安装了 java6 或者 java7，并且 java 的环境变量已经配置好，由于本文的重点不在此，故不详细说明，我系统 java 的环境变量为 /usr/java/jdk1.7.0_71
所以讲 hadoop-env.sh、mapred-env.sh、yarn-env.sh 这几个文件中的 JAVA_HOME 改为 /usr/java/jdk1.7.0_71，如下图所示：
文件中的其他一些配置项，请参考官方文档
4、slaves 文件配置, 增加如下两行内容：
node1
node2
更多详情见请继续阅读下一页的精彩内容：http://www.linuxidc.com/Linux/2016-02/128730p2.htm
