CentOS Hadoop 集群如何搭建

CentOS环境下搭建Hadoop分布式集群全流程（以3节点为例）

一、前置准备

1. 虚拟机/物理机基础配置

节点规划：至少准备3台机器（1台Master节点：运行NameNode、ResourceManager；2台Slave节点：运行DataNode、NodeManager）。
静态IP设置：为每台机器配置静态IP（如192.168.88.101、192.168.88.102、192.168.88.103），避免DHCP导致IP变动。
主机名设置：修改每台机器的主机名（如Master节点为hadoop01，Slave节点为hadoop02、hadoop03），命令：hostnamectl set-hostname hadoop01。
hosts文件配置：在每台机器的/etc/hosts中添加IP与主机名映射，确保节点间可通过主机名互相访问：
```
192.168.88.101 hadoop01
192.168.88.102 hadoop02
192.168.88.103 hadoop03
```
网络连通性测试：使用ping命令测试节点间网络是否畅通（如ping hadoop02）。

2. 软件环境要求

操作系统：推荐使用CentOS 7（64位），避免32位系统对Hadoop堆内存的限制。
Java环境：Hadoop依赖Java 8或更高版本（推荐JDK 1.8.0_361），需卸载系统自带OpenJDK并安装Oracle JDK。
- 卸载OpenJDK：rpm -qa | grep jdk | xargs rpm -e --nodeps。
- 解压JDK包至/export/servers目录，配置环境变量（/etc/profile中添加JAVA_HOME、PATH），并分发至所有节点：scp -r /export/servers/jdk hadoop02:/export/servers/。

二、Hadoop安装与配置

1. 下载与解压Hadoop

从Apache官网下载稳定版Hadoop（如3.4.1），解压至/export/servers目录并重命名：

cd /export/software
tar -zxvf hadoop-3.4.1.tar.gz -C /export/servers/
mv /export/servers/hadoop-3.4.1 /export/servers/hadoop

配置Hadoop环境变量（/etc/profile中添加）：
```
export HADOOP_HOME=/export/servers/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
```
执行source /etc/profile使配置生效。

2. 核心配置文件修改

进入$HADOOP_HOME/etc/hadoop目录，修改以下关键配置文件：

hadoop-env.sh：设置Java路径，取消JAVA_HOME注释并修改为：
```
export JAVA_HOME=/export/servers/jdk
```

core-site.xml：配置HDFS默认文件系统和临时目录：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop01:9000</value> <!-- NameNode地址 -->
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/export/servers/hadoop/tmp</value> <!-- 临时目录 -->
    </property>
</configuration>

hdfs-site.xml：配置HDFS副本数、NameNode/DataNode目录：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>3</value> <!-- 副本数（集群节点≥3时设为3） -->
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/export/servers/hadoop/tmp/dfs/name</value> <!-- NameNode元数据目录 -->
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/export/servers/hadoop/tmp/dfs/data</value> <!-- DataNode数据目录 -->
    </property>
</configuration>

mapred-site.xml（需先复制模板文件mapred-site.xml.template）：配置MapReduce运行框架为YARN：

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

yarn-site.xml：配置YARN资源管理器及Shuffle服务：

<configuration>
    <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>hadoop01</value> <!-- ResourceManager地址 -->
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value> <!-- Shuffle服务 -->
    </property>
</configuration>

slaves文件：指定Slave节点列表（每行一个主机名）：
```
hadoop02
hadoop03
```
分发slaves文件至所有节点：scp slaves hadoop02:/export/servers/hadoop/etc/hadoop/。

3. SSH免密登录配置

在Master节点（hadoop01）生成SSH密钥：ssh-keygen -t rsa -P ""（直接回车，默认保存至~/.ssh/id_rsa）。

将公钥复制到所有节点（包括自身）：

ssh-copy-id hadoop01
ssh-copy-id hadoop02
ssh-copy-id hadoop03

验证免密登录：ssh hadoop02、ssh hadoop03（无需输入密码）。

三、启动集群

1. 格式化NameNode

仅在首次启动时执行，用于初始化HDFS元数据：

hdfs namenode -format

（注意：格式化会清除原有数据，生产环境需谨慎。）

2. 启动HDFS

在Master节点执行以下命令，启动HDFS相关进程（NameNode、DataNode）：

start-dfs.sh

查看进程是否启动：jps（Master节点应看到NameNode、SecondaryNameNode；Slave节点应看到DataNode）。

3. 启动YARN

在Master节点执行以下命令，启动YARN相关进程（ResourceManager、NodeManager）：

start-yarn.sh

查看进程是否启动：jps（Master节点应看到ResourceManager；Slave节点应看到NodeManager）。

四、集群验证

1. Web界面检查

HDFS Web界面：http://hadoop01:9870（查看NameNode状态、DataNode列表）。
YARN Web界面：http://hadoop01:8088（查看ResourceManager状态、集群资源使用情况）。

2. 命令行检查

查看HDFS文件系统信息：hdfs dfsadmin -report（查看DataNode数量、存储容量）。
查看YARN节点列表：yarn node -list（查看NodeManager状态）。

3. 运行示例程序

使用Hadoop自带的WordCount示例验证集群功能：

# 创建输入目录并上传文件
hdfs dfs -mkdir -p /input
hdfs dfs -put $HADOOP_HOME/etc/hadoop/*.xml /input

# 运行WordCount程序
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.4.1.jar wordcount /input /output

# 查看输出结果
hdfs dfs -cat /output/part-r-00000

若输出单词统计结果，则说明集群搭建成功。

注意事项

权限问题：确保Hadoop安装目录及数据目录的权限正确（如/export/servers/hadoop属主为hadoop用户）。
防火墙关闭：若未开启防火墙，可跳过；若开启，需放行Hadoop相关端口（如9000、50070、8088）。
数据目录清理：首次格式化前，需删除hadoop.tmp.dir指定的临时目录（如/export/servers/hadoop/tmp），避免元数据冲突。