虚拟机搭建Hadoop集群
安装包准备
操作系统：ubuntu-16.04.3-desktop-amd64.iso
软件包：VirtualBox
安装包：hadoop-3.0.0.tar.gz，jdk-8u161-linux-x64.tar.gz
1. 环境准备
使用VirtualBox和下载的ubuntu镜像文件新建三个Ubuntu操作环境，具体配置如下：
| 用户 | 内存(G) | 磁盘空间(G) |
|---|---|---|
| hadoop01 | 1.5 | 10 |
| hadoop02 | 1.5 | 10 |
| hadoop03 | 1.5 | 10 |
2. 网络环境准备
点击VirtualBox右侧“全局工具->主机网络管理器”，点击新建，并且勾选DHCP服务器中的启用服务器，其余的按照默认配置点击应用即可，这个过程相当于在VirtualBox中创建了一个名称为vboxnet0的路由器：
关闭创建的每一台虚拟机，然后分别选中每一台虚拟机，点击“设置->网络->网卡2”，启用网络连接，并且选择连接方式为“仅主机(Host-Only)网络”，界面名称为刚刚创建的vboxnet0。
这里需要注意一定要在关闭虚拟机的状态下配置网卡2，因为在运行过程中的虚拟机是不允许配置网卡的。另外，这里网卡1和网卡2的区别在于网卡1用于供给虚拟机连接外部网络的，虚拟机通过网卡1连接VirtualBox，再通过VirtualBox连接外网；网卡2则相当于提供了一个路由器，供给三台虚拟机相互之间以及与主机之间进行连接的。
打开一台虚拟机，执行以下命令安装vim（默认情况下，Ubuntu是不带vim的）：
sudo apt-get install -y vim
执行以下命令查看当前网络地址：
ifconfig
将如下配置添加到/etc/network/interfaces文件中，为当前虚拟机配置静态ip：
auto enp0s8iface enp0s8 inet staticaddress 192.168.56.4netmask 255.255.255.0gateway 192.168.1.1dns-nameservers 202.120.111.3如此按照上述方式对另外两台虚拟机配置网络环境即可。
这里三台虚拟机的用户与ip分别配置如下：
| 用户 | ip |
|---|---|
| hadoop01 | 192.168.56.4 |
| hadoop02 | 192.168.56.3 |
| hadoop03 | 192.168.56.8 |
3. SSH免密登录
由于Ubuntu没有ssh客户端，可以执行如下命令为每台虚拟机安装ssh客户端：
sudo apt-get install -y openssh-server安装完成后执行如下命令生成ssh公钥：
ssh-keygen -t rsa该命令执行期间一直按回车即可。公钥生成后会在用户目录~下生成一个.ssh文件夹，里面包含id_rsa和id_rsa.pub两个文件。
将三台虚拟机生成的id_rsa.pub文件中的内容都复制到同一个文件中，命名为authorized_keys，并且将该文件在每台虚拟机的.ssh文件夹下都创建一份，该文件相当于为其中的每个公钥所指代的机器提供ssh登录的权限，由于三台虚拟机的authorized_keys都有各自的公钥，因而其相互之间可以通过ssh免密登录。示例authorized_keys文件如下：
ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQDFez1asGIktruVI53uJHT3s8UZHoIi3X98G5mFV/7+MAs8xXeXV7HbHfi2FfJnMl/qTY/W4VZWdoFLizDBrtUDHTtigVxs5uK4re8qlvSApmqy9Xi0c+qpLKHSeFBpCSqKgngrwE/+DOFnkkTSH/hv6bIpGPTYArpOXdY203vyt6/MM/HKed0WeAcDbCdfKjke4Q2IHi6APghwjML3oD1N0rNGU28SRc8iGdg+vGp6Ajkr034VZCx7fY/BmjYhxPvJ6c5hnVSwqik05xdw2Dh+6eLkiOOnO1LknFw7KdFqa1435sOxxHhar8+ELiKu/mYzVcZMizN0AiPQGxjP96fl hadoop01@hadoop01ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQDDCXKskhH0VFzh8KrJt3PmbR/Yxbgv5le4iEdvIPWWXAC7XDuPGrz1XH/ZYlZWauyV/LsMN3qjbeHzyfeuuNuV6Skpy/lofsIO88/XH0NFYcAxQtIQfSLwbOGVWziibOPY+gI8Bnzeb7hAYk10V2cI26hKWMpEHxOu/lCxcNuM5Y+CBs2kx2KzzvwgUjF12P6Jz4+SguCERi+Cz1JQ0YuXHBRLXGgwXMRyYUlC3KxIvyeZzI0+Gpew4nTFFXBoDIEaWn9Ma8+AcHNm9ejnO9ChSCN3zXJf7nnaXKUmi5jyQu88e+qmhDt2Pzj0E/kaKRkxso7e+sgHMBp8eXpJu/eT hadoop02@hadoop02ssh-rsa AAAAB3NzaC1yc2EAAAADAQABAAABAQCm4yk0TVpfhU0jSf4PMH60fOhMYrxCI9DeG/tcs0LTAUHGatuY3XRd6X3B5tShUlCvr9M1DVRgszk0Nz9VOzgqFsIXUxJLAir4dQIj+nVY0QcyTwzwbqm93YDZfaoYrO9xgEriZ6XVK78bWc8bMWpc9z35Kp4U6ytTQUufVwnsVXgAcBN6rQ/ZZFiJvCwnsZDtNsT/zVNWdrnVMKFbm+0rQHzt+jQEgfunwQeEkj8G21iPMpG9MxuHLmzOx+7XaxNLl/P2oHto8lQJgm0DYLJy6JLPa3rkd+NuBxYoqRxr1A1eC/7f3480bz+HHym5e0dSh8HuG3XJihIoR1SLm1Sd hadoop03@hadoop03按照上述配置完成之后，可使用如下命令在一台虚拟机上登录另外两台虚拟机（这里hadoop02和hadoop03为目标机器的用户，@符号后的内容为目标机器的ip地址）：
ssh hadoop02@192.168.56.3ssh haddop03@192.168.56.8这里需要注意，如此配置之后即可按照上述方式使用ssh登录免密登录其他机器，但是这种配置还不完全够，因为在后续使用hive和hbase的过程中，其集群内部是使用如下方式登录的：
ssh hadoop02ssh hadoop03Host hadoop02 hostname 192.168.56.3 user hadoop02Host hadoop03 hostname 192.168.56.8 user hadoop034. jdk和Hadoop安装
需要说明的是如下jdk和hadoop安装只是一台虚拟机上的配置，其余两台虚拟机的配置方式与其类似。
将下载的jdk和Hadoop安装包使用tar命令解压，如：
tar -zxvf jdk-8u161-linux-x64.tar.gz使用ln命令为jdk和hadoop解压包创建软连接，创建软连接的优点在于如果后续需要更改jdk或者Hadoop的版本，只需要把软连接指向新的解压目录即可，而不需要到处更改配置的环境变量，因为环境变量都是基于软连接配置的：
ln -s jdk1.8.0_161 jdkln -s hadoop-3.0.0 hadoop创建软连接之后的目录结构如下所示：
drwxrwxr-x 5 hadoop01 hadoop01 4096 2月 23 17:46 ./drwxr-xr-x 19 hadoop01 hadoop01 4096 2月 23 20:46 ../lrwxrwxrwx 1 hadoop01 hadoop01 12 2月 22 22:24 hadoop -> hadoop-3.0.0/drwxr-xr-x 12 hadoop01 hadoop01 4096 2月 23 10:24 hadoop-3.0.0/lrwxrwxrwx 1 hadoop01 hadoop01 12 2月 22 22:06 jdk -> jdk1.8.0_161/drwxr-xr-x 8 hadoop01 hadoop01 4096 12月 20 08:24 jdk1.8.0_161/编辑用户目录下的.profile文件，在其中加上如下内容：
export JAVA_HOME=/home/hadoop01/xufeng.zhang/jdkexport CLASSPATH=$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATHexport PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATHexport HADOOP_HOME=/home/hadoop01/xufeng.zhang/hadoopexport PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATHexport HADOOP_COMMON_HOME=$HADOOP_HOMEexport HADOOP_HDFS_HOME=$HADOOP_HOMEexport HADOOP_MAPRED_HOME=$HADOOP_HOMEexport YARN_HOME=$HADOOP_HOMEexport HADOOP_CLIENT_CONF_DIR=$HADOOP_HOME/etc/hadoopexport HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoopexport HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib/native"export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native保存之后，使用如下source命令才能使编辑的环境变量生效：
source ~/.profile使用java -version命令查看配置的Java运行环境是否正常：
hadoop01@hadoop01:~/xufeng.zhang$ java -versionjava version "1.8.0_161"Java(TM) SE Runtime Environment (build 1.8.0_161-b12)Java HotSpot(TM) 64-Bit Server VM (build 25.161-b12, mixed mode)使用hadoop version命令查看Hadoop是否配置正确：
hadoop01@hadoop01:~/xufeng.zhang$ hadoop versionHadoop 3.0.0Source code repository https://git-wip-us.apache.org/repos/asf/hadoop.git -r c25427ceca461ee979d30edd7a4b0f50718e6533Compiled by andrew on 2017-12-08T19:16ZCompiled with protoc 2.5.0From source with checksum 397832cb5529187dc8cd74ad54ff22This command was run using /home/hadoop01/xufeng.zhang/hadoop-3.0.0/share/hadoop/common/hadoop-common-3.0.0.jar对于另外两台虚拟机，可以按照上述方式进行类似的配置即可。
5. Hadoop集群环境的搭建
Hadoop集群的配置，主要有如下几个文件需要修改：
core-site.xmlhdfs-site.xmlmapred-site.xmlyarn-site.xmlhadoop-env.shcore-site.xml的配置如下：
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration> <property> <name>fs.defaultFS</name> <value>hdfs://192.168.56.3:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/home/hadoop01/xufeng.zhang/hadoop/tmp</value> </property> <property> <name>fs.trash.interval</name> <value>10080</value> </property></configuration>hdfs-site.xml的配置如下：
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration> <property> <name>dfs.replication</name> <value>3</value> </property> <property> <name>dfs.permissions.enabled</name> <value>false</value> </property> <property> <name>dfs.http.address</name> <value>192.168.56.3:50070</value> </property> <property> <name>dfs.secondary.http.address</name> <value>192.168.56.4:50090</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>/home/hadoop01/xufeng.zhang/hadoop/data/namenode</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>/home/hadoop01/xufeng.zhang/hadoop/data/datanode</value> </property></configuration>mapred-site.xml的配置
<?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> <property> <name>mapreduce.jobhistory.address</name> <value>192.168.56.3:10020</value> </property> <property> <name>mapreduce.jobhistory.webapp.address</name> <value>192.168.56.3:19888</value> </property> <property> <name>mapreduce.job.ubertask.enable</name> <value>true</value> </property> <property> <name>yarn.app.mapreduce.am.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property> <property> <name>mapreduce.map.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property> <property> <name>mapreduce.reduce.env</name> <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value> </property></configuration>这里需要注意的是，yarn.app.mapreduce.am.env，mapreduce.map.env和mapreduce.reduce.env三个参数一定要配上，否则在运行MapReduce任务时会报如下错误：
Could not find or load main class org.apache.hadoop.mapreduce.v2.app.MRAppMasteryarn-site.xml的配置
<?xml version="1.0"?><configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.resourcemanager.hostname</name> <value>192.168.56.4</value> </property> <property> <name>yarn.web-proxy.address</name> <value>192.168.56.4:8888</value> </property> <property> <name>yarn.log-aggregation-enable</name> <value>true</value> </property> <property> <name>yarn.log-aggregation.retain-seconds</name> <value>604800</value> </property> <property> <name>yarn.application.classpath</name> <value> $HADOOP_CLIENT_CONF_DIR, $HADOOP_CONF_DIR,$HADOOP_COMMON_HOME/*, $HADOOP_COMMON_HOME/lib/*, $HADOOP_HDFS_HOME/*, $HADOOP_HDFS_HOME/lib/*, $YARN_HOME/*, $YARN_HOME/lib/* </value> </property></configuration>hadoop-env.sh的配置
这里需要着重强调hadoop-env.sh的配置，因为该配置是比较容易掉的配置，而且在执行任务的过程中没有该配置则会报找不到环境变量的错误。该配置文件中主要需要配置JAVA_HOME参数，如：
# The java implementation to use. By default, this environment# variable is REQUIRED on ALL platforms except OS X!export JAVA_HOME=/home/hadoop01/xufeng.zhang/jdk可以看到，在该文件中已经说明了除了OS X操作系统可以部配该变量外，其余的操作系统都需要配置。
如此，单个虚拟机上的Hadoop集群环境配置即完成了微信棋牌源码搭建(h5.hxforum.com)联系方式 17061863533 企鹅 2952777280 微信Tel17061863533，其余的虚拟机集群环境配置和上述操作基本一致。这里有一个简便的方式，即将当前虚拟机上的配置文件拷贝到另外两台虚拟机，并且替换其Hadoop的配置文件，替换后只需要更改其中有关路径的配置，如core-site.xml的hadoop.tmp.dir更改为对应虚拟机的路径即可。
6. 集群启动
集群启动之前需要对集群每个节点的NameNode进行格式化，即初始化NameNode的相关存储环境信息。格式化命令如下：
hadoop namenode -format格式化完成之后，分别在每台机器上执行如下命令即可启动Hadoop，该命令是Hadoop的sbin目录下的一个命令，在进行环境变量配置时已将其添加到了PATH里了：
start-all.sh如果需要关闭Hadoop，可执行如下命令：
stop-all.sh启动完成后可以使用如下命令在每台机器上查看Hadoop是否成功启动了：
jps各节点的启动信息如下：
hadoop01@hadoop01:~/xufeng.zhang/hadoop/etc/hadoop$ jps3680 Jps3154 NodeManager2627 DataNode2788 SecondaryNameNode3381 WebAppProxyServer3038 ResourceManagerhadoop02@hadoop02:~$ jps2883 Jps2035 NameNode2659 NodeManager2152 DataNodehadoop03@hadoop03:~$ jps2083 DataNode2759 Jps2525 NodeManager可以看到这里hadoop02机器为主NameNode节点，hadoop01为副NameNode节点；hadoop01，hadoop02和hadoop03都为DataNode节点。这里也可以打开如下链接查看各个节点的运行情况：
http://192.168.56.4:8088/
http://192.168.56.3:50070/
7. 结语
本文主要讲解了如何通过虚拟机搭建一个有三个DataName，一个主NameNode和一个SecondaryNameNode的Hadoop集群，并且讲解了在配置过程中可能会出现的问题。本人在集群的搭建过程中出现了很多问题，通过不断的查资料，最终将集群搭建起来并成功运行了MapReduce任务。这里做一个总结，一是分享给阅读者，以减少其出错的概率，二是方便后续自己再次搭建时有资料可查。