前期准备
（1）JAVA_HOME：因为Hadoop的配置文件中依赖 $JAVA_HOME。修改/etc/profile文件。
（2）hostname：修改主机名，方便管理。/etc/sysconfig/network。
（3）ip hostname：方便管理，hadoop默认是使用hostname作为ip的域名。/etc/hosts。
（4）iptables stop：关闭防火墙，由于集群需要用到的端口比较多，所以最好是先关掉。7版本：systemctl stop firewalld
（5）visudo：赋予sudo权限，CentOS中其他用户都没有sudo权限。/etc/sudoers。
（6）chown：更改hadoop文件夹的所有者。sudo chown -R user:group hadoop。
（7）验证：在hadoop根目录输入 bin/hadoop，验证是否配置正常。
（8）hadoop-env.sh添加 JAVA_HOME变量。
1，单机部署
··· 以wordcount为例：
（1）输入数据：在根目录下创建 wcinput文件夹，并添加word.txt文件。
（2）执行命令：bin/hadoop jar share/hadoop/mapreduce/......jar wordcount wcinput wcoutput # 注意：根目录不能存在wcoutput目录，必须由hadoop创建。
（3）查看输出：cat wcoutput/part-00000。
2，伪分布式部署
··· 以wordcount为例：
（1）修改core-site.xml 文件
<configuration>
<!-- 用来指定默认文件系统的名称以及NameNode服务的主机和端口号
注意:下面的mini主机名要改成你本机的实际的hostname -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hostname:8020</value>
</property>
<!-- 配置hadoop临时保存目录
注意:目录名和你安装的目录名要对应 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/app/hadoop/data/tmp</value>
</property>
</configuration>
（2）修改hdfs-site.xml文件
<configuration>
<!-- 用来指定Hadoop中每一个数据的副本数,默认都是3,但是在伪分布式中只有一个节点,所以这个
值必须设置为1 -->
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
（3）对HDFS进行格式化
bin/hadoop namendoe -format
注意：只可以格式化一次，如果再次格式化，需要删除配置的临时文件目录 data文件夹
（4）启动NameNode和DataNode进程
sbin/hadoop-daemon.sh start namenode
sbin/hadoop-daemon.sh start datanode
注意：
启动NameNode时一定要联网。
可以通过jps查看进程是否启动。
可以通过web访问HDFS（http://主机IP(或域名):50070/explorer.html#
（5）上传文件到HDFS
创建文件夹：bin/hdfs dfs -mkdir /input
添加文件到HDFS的input目录：bin/hdfs dfs -put input.txt /input
查看是否上传成功：bin/hdfs dfs -ls /input
（6）运行与查看
运行：bin/hadoop jar share/..../....jar wordcount /input /output
查看结果：bin/hdfs dfs -cat /output/par*
··· 在YARN上运行MapReduce
（1）复制一份 mapred-site.xml文件
cp mapred-site.xml.template mapred-site.xml
（2）配置 MapReduce的计算框架为yarn
<!-- 配置MapReduce的计算框架,可以是local,classic,yarn,如果不配置,默认是local -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
（3）配置yarn-site.xml文件
<!-- 设置该属性通知NodeManager需要实现名为mapreduce.shuffle的辅助服务-->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
（4）启动
sbin/yarn-daemon.sh start resourcemanager
sbin/yarn-daemon.sh start nodemanager
或者：start-yarn.sh
通过：http://hostname:8088 查看yarn上执行的程序。
··· 配置历史服务器和日志聚集：
（1）配置mapred-site.xml文件
<!-- 配置历史服务器的地址 -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>mini:10020</value>
</property>
<!-- 配置历史服务器的web展示地址，以及端口号 -->
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>mini:19888</value>
</property>
（2）启动
sbin/mr-jobhistory-daemon.sh start historyserver # 启动历史服务器
查看：http://hadoop11:19888
（3）日志聚集
作用：在MR任务运行结束后，将相关的运行日志上传到HDFS文件系统中。
配置yarn-site.xml文件：
<!-- 配置日志聚集属性-->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
<!-- 配置日志聚集的时间 (7天) -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property>
配置完后需要 重启 历史服务器和 yarn
··· 注意事项：
· start-dfs.sh 可以一次启动NameNode、DataNode和 SecondaryNameNode，但是需要输入三次密码，可以通 过设置本地免密登录，来面输密码；ssh-copy-id -i ~/.ssh/id_rsa.pub [email protected](本地主机名)。
· start-yarn.sh 可以一次启动 resourcemanager和nodemanager。
3，完全分布式
··· 集群规划
|
hadoop11 |
hadoop22 |
hadoop33 |
|
NameNode |
ResourceManager | SecondaryNameNode |
|
DataNode |
DataNode |
DataNode |
| NodeManager |
NodeManager |
NodeManager |
|
|
|
HistoryServer |
··· 5个配置文件
· core-site.xml：配置hadoop的文件系统为hdfs以及地址、临时文件夹位置。
· hdfs-site.xml：配置SecondaryNameNode的主机地址、NameNode的web地址、关闭文件系统的权限控制。
· yarn-site.xml：配置ResourceManager主机的位置、shuffle服务、开启日志聚集功能、日志保存的时间。
· mapred-site.xml：配置MapReduce的计算框架为yarn、MapReduce历史记录地址、历史记录web地址。
· slaves：在该文件中添加从节点的主机名(注意不能有空格)。
具体配置文件 提取码：0gkn
··· 启动
· 复制配置文件：
将配置文件复制到其他节点上。scp -r /opt/app/hadoop27/etc/hadoop/ hadoop22:/opt/app/hadoop27/etc/
· 初始化NameNode节点：
注意：必须删除 /tmp和 hadoop根目录中的 data/tmp文件，否则无法初始化
在部署NameNode的节点上初始化NameNode。hadoop namenode -format
· 启动守护进程
在部署NameNode的节点上启动 HDFS。start-hdfs.sh
在部署resourcemanager的节点上启动YARN。start-yarn.sh
原文地址：https://www.cnblogs.com/shendeng23/p/12375161.html