Linux上Hadoop的集群搭建流程

在Linux上搭建Hadoop集群涉及多个步骤，包括准备环境、配置Hadoop组件、启动集群等。以下是一个基本的搭建流程：

1. 准备环境

1.1 安装Java

Hadoop需要Java环境，确保所有节点上都安装了Java。

sudo apt-get update
sudo apt-get install openjdk-8-jdk

1.2 配置SSH无密码登录

为了方便集群管理，需要在所有节点之间配置SSH无密码登录。

# 在主节点上生成SSH密钥
ssh-keygen -t rsa

# 将公钥复制到其他节点
ssh-copy-id user@node2
ssh-copy-id user@node3
# 以此类推

2. 下载并解压Hadoop

2.1 下载Hadoop

从Apache Hadoop官网下载最新版本的Hadoop，并解压到所有节点。

wget https://archive.apache.org/dist/hadoop/common/hadoop-3.3.1/hadoop-3.3.1.tar.gz
tar -xzvf hadoop-3.3.1.tar.gz -C /usr/local/

2.2 配置环境变量

编辑/etc/profile或~/.bashrc文件，添加Hadoop路径。

export HADOOP_HOME=/usr/local/hadoop-3.3.1
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

使配置生效：

source /etc/profile

3. 配置Hadoop

3.1 配置core-site.xml

编辑$HADOOP_HOME/etc/hadoop/core-site.xml文件，添加以下配置：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://namenode:9000</value>
    </property>
</configuration>

3.2 配置hdfs-site.xml

编辑$HADOOP_HOME/etc/hadoop/hdfs-site.xml文件，添加以下配置：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>/usr/local/hadoop-3.3.1/data/namenode</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>/usr/local/hadoop-3.3.1/data/datanode</value>
    </property>
</configuration>

3.3 配置yarn-site.xml

编辑$HADOOP_HOME/etc/hadoop/yarn-site.xml文件，添加以下配置：

<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.hostname</name>
        <value>resourcemanager</value>
    </property>
</configuration>

3.4 配置mapred-site.xml

编辑$HADOOP_HOME/etc/hadoop/mapred-site.xml文件，添加以下配置：

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

4. 格式化HDFS

在主节点上执行以下命令格式化HDFS：

hdfs namenode -format

5. 启动Hadoop集群

5.1 启动HDFS

在主节点上执行以下命令启动HDFS：

start-dfs.sh

5.2 启动YARN

在主节点上执行以下命令启动YARN：

start-yarn.sh

6. 验证集群状态

6.1 检查HDFS状态

访问http://namenode:50070查看HDFS状态。

6.2 检查YARN状态

访问http://resourcemanager:8088查看YARN状态。

7. 配置Hadoop集群（可选）

根据实际需求，可以进一步配置Hadoop集群，例如：

配置高可用性（HA）
配置数据本地化
配置资源管理策略

以上步骤提供了一个基本的Hadoop集群搭建流程，具体配置可能需要根据实际环境和需求进行调整。