一、简介
当今只要谈到大数据，自然想到Hadoop，以前Hadoop还只是个软件、系统，而如今更多代表的是一个大数据生态圈。
本文谈的 Hadoop 特指一个软件，它是 Apache 基金会的顶级项目之一，它本身主要解决了大数据领域的两大核心问题，如何存储(hdfs)、如何计算(mapreduce)。
官方文档：http://hadoop.apache.org
闲言少叙，下面进入正题。
二、部署环境的准备工作
1、服务器
本次选择使用4台物理机来搭建Hadoop集群，配置如下
Master CPU(24核) MEM(48G) DISK(2T*1 -> RAID10)
Slave01 CPU(24核) MEM(12G) DISK(1T*4)
Slave02 CPU(12核) MEM(24G) DISK(1T*4)
Slave03 CPU(24核) MEM(16G) DISK(1T*4)
# 还是挺惨的~
2、系统选择的是 CentOS 6.9 x86_64
三、系统初始化
1、配置主机名、停用多余的服务、关闭SELinux、Iptables
2、修改大打开文件描述符
shell > tail -4 /etc/security/limits.conf
* - nofile 65536
# End of file
3、关闭透明大页
shell > tail -1 /etc/rc.local
echo never > /sys/kernel/mm/redhat_transparent_hugepage/defrag
4、创建 Unix 用户账号
shell > useradd hadoop | echo hadoop | passwd --stdin hadoop
# 所有服务器都需要创建
5、格式化硬盘
shell > mkdir /dfs && chown -R hadoop.hadoop /dfs
# Master 执行
shell > mkdir -p /dfs/{disk1,disk2,disk3}
shell > mkfs.ext4 /dev/sdb、/dev/sdc、/dev/sdd
shell > tail -3 /etc/fstab
/dev/sdb /dfs/disk1 ext4 defaults,noatime 0 0
/dev/sdc /dfs/disk2 ext4 defaults,noatime 0 0
/dev/sdd /dfs/disk3 ext4 defaults,noatime 0 0
shell > mount -a
shell > chown -R hadoop.hadoop /dfs
# 所有 Slave 都需要执行
6、时间同步
shell > crontab -l
0 */2 * * * /usr/sbin/ntpdate us.pool.ntp.org | /sbin/hwclock -w > /dev/null
# 时间同步挺重要的, 上次遇到过由于时间不同步导致 HBase 的 RegionServer 无法启动
# init 6
四、搭建 Hadoop 集群
1、配置用户免密登陆
root shell > ssh-keygen # 生成密钥
root shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave01
root shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave02
root shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave03
hadoop shell > ssh-keygen # 生成密钥
hadoop shell > ssh-copy-id -i ~/.ssh/id_rsa.pub master
hadoop shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave01
hadoop shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave02
hadoop shell > ssh-copy-id -i ~/.ssh/id_rsa.pub slave03
# Hadoop 控制脚本(不是 Hadoop 守护进程)依赖 SSH 来管理服务的启停。
# Tips: ssh-copy-id -i ~/.ssh/id_rsa.pub -p 22 root@slave01
2、安装 jdk
shell > rpm -ivh jdk-8u161-linux-x64.rpm
shell > ansible slave -m shell -a 'rpm -ivh jdk-8u161-linux-x64.rpm'
shell > vim /etc/profile
export JAVA_HOME=/usr/java/default
shell > source /etc/profile
shell > java -version
java 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)
# jdk 是需要所有机器都安装的, 且配置环境变量
3、下载、安装 Hadoop
shell > wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.9.1/hadoop-2.9.1.tar.gz
shell > tar xf hadoop-2.9.1.tar.gz -C /usr/local
shell > chown -R hadoop.hadoop /usr/local/hadoop-2.9.1
shell > tail -2 /etc/profile
export HADOOP_HOME=/usr/local/hadoop-2.9.1
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
shell > source /etc/profile
4、配置 Hadoop
1> hadoop-env.sh 一个全局环境变量控制文件, 该文件中的值会被 yarn-env.sh、mapred-env.sh 覆盖
shell > vim /usr/local/hadoop-2.9.1/etc/hadoop/hadoop-env.sh
export JAVA_HOME=/usr/java/default # JAVA_HOME
export HADOOP_HEAPSIZE=1000 # 内存堆大小
# Hadoop 默认为每个守护进程分配1000MB内存, 资料显示, 以 NameNode 进程来说, 保守计算每100万个数据块需要1000MB内存,
# 我们集群为3个节点, 每个节点有3T硬盘, 数据块大小为256MB, 每个数据块有3个复本, 大概有12000个数据块 -> 3*3000000MB/(256MB*3), 默认值足够了。
# Tips: 可以单独为每个进程设置不同的内存大小
2> core-site.xml
shell > vim /usr/local/hadoop-2.9.1/etc/hadoop/core-site.xml
fs.defaultFS
hdfs://192.168.10.50
hadoop.tmp.dir
file:///dfs/tmp/hadoop-${user.name}
io.file.buffer.size
131072
fs.trash.interval
1440
# 模板文件：HADOOP_HOME/share/doc/hadoop/hadoop-project-dist/hadoop-common/core-default.xml
3> hdfs-site.xml
shell > vim /usr/local/hadoop-2.9.1/etc/hadoop/hdfs-site.xml
dfs.blocksize
134217728
dfs.replication
3
dfs.namenode.handler.count
100
dfs.namenode.name.dir
file:///dfs/name
dfs.datanode.data.dir
file:///dfs/disk1/data,/dfs/disk2/data,/dfs/disk3/data
dfs.namenode.checkpoint.dir
file:///dfs/namesecondary
# 模板文件：HADOOP_HOME/share/doc/hadoop/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml
4> yarn-site.xml
shell > vim /usr/local/hadoop-2.9.1/etc/hadoop/yarn-site.xml
yarn.resourcemanager.hostname
192.168.10.50
yarn.nodemanager.local-dirs
file:///dfs/disk1/nm-local-dir,/dfs/disk2/nm-local-dir,/dfs/disk3/nm-local-dir
yarn.nodemanager.aux-services
mapreduce_shuffle
yarn.nodemanager.resource.memory-mb
10240
yarn.nodemanager.resource.cpu-vcores
10
# 模板文件：HADOOP_HOME/share/doc/hadoop/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
5> mapred-site.xml
shell > vim /usr/local/hadoop-2.9.1/etc/hadoop/mapred-site.xml
mapreduce.framework.name
yarn
mapreduce.map.memory.mb
2048
mapreduce.reduce.memory.mb
2048
mapred.child.java.opts
-Xmx1024m
# 模板文件：HADOOP_HOME/share/doc/hadoop/hadoop-mapreduce-client/hadoop-mapreduce-client-core/mapred-default.xml
6> slaves
shell > tail /usr/local/hadoop-2.9.1/etc/hadoop/slaves
192.168.10.51
192.168.10.52
192.168.10.53
5、同步配置文件
shell > ansible slave -m synchronize -a 'src=/usr/local/hadoop-2.9.1 dest=/usr/local/'
6、启动 Hadoop
shell > su - hadoop -c "hdfs namenode -format" # 格式化文件系统
18/06/03 16:24:39 INFO common.Storage: Storage directory /dfs/name has been successfully formatted.
# 表示成功
shell > su - hadoop
hadoop shell > start-dfs.sh # 启动 hdfs
hadoop shell > start-yarn.sh # 启动 yarn
hadoop shell > jps # Master 节点服务启动成功
14032 ResourceManager
13745 SecondaryNameNode
14364 Jps
13406 NameNode
hadoop shell > ansible slave -m shell -a 'jps' # Slave 节点服务启动成功
slave02 | SUCCESS | rc=0 >>
4324 DataNode
4936 Jps
4572 NodeManager
slave01 | SUCCESS | rc=0 >>
4807 DataNode
5065 NodeManager
5455 Jps
slave03 | SUCCESS | rc=0 >>
4720 DataNode
5365 Jps
4975 NodeManager
五、附加
1、hdfs dfs -ls # 列出当前用户家目录
18/06/03 17:16:30 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
ls: `.': No such file or directory
解决方法：
1> 根据你 hadoop 的版本，来 http://dl.bintray.com/sequenceiq/sequenceiq-bin 下载一个对应版本的 hadoop-native-64 包
2> 解压压缩包，覆盖到 HADOOP_HOME/lib/native/ 目录下即可！
shell > tar xf hadoop-native-64-2.7.0.tar -C /usr/local/hadoop-2.9.1/lib/native/
hadoop shell > hdfs dfs -ls
ls: `.': No such file or directory # 创建用户家目录即可 hdfs -mkdir -p /user/hadoop
# 如果没有对应版本就下载个最接近的也行，我的环境 hadoop 2.9.1，下载 2.7.0 没有问题。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
