准备
1、三台Centos7的机器，在/etc/hosts中都加上所有的hostname解析：
172.20.0.4 node1
172.20.0.5 node2
172.20.0.6 node3
2、配置node1到三台机器的免密登录
3、全部安装jdk8
4、官网下载安装包：hadoop-2.7.7.tar.gz（推荐中国科学技术大学开源镜像：http://mirrors.ustc.edu.cn/apache/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz）
5、计划：node1作为namenode和datanode，node2和node3作为datanode
配置
三台都创建路径/mydata/，并配置环境变量：
export HADOOP_HOME=/mydata/hadoop-2.7.7
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH
下面在node1上修改hadoop的配置，解压hadoop-2.7.7.tar.gz到/mydata/，进入/mydata/hadoop-2.7.7/etc/hadoop/，修改以下文件（有些文件需要去掉,template后缀，或拷贝一份重命名）：
<!-- 文件名 core-site.xml --><configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://node1:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/mydata/data/hadoop-${user.name}</value>
</property>
</configuration>
<!-- 文件名 hdfs-site.xml -->
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
</configuration>
<!-- 文件名 mapred-site.xml -->
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
<!-- 文件名 yarn-site.xml -->
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property> <property> <name>yarn.resourcemanager.hostname</name> <value>node1</value> </property></configuration>
<!-- 文件名 slaves --> node1 node2 node3
| 特别说明 | |
| fs.defaultFS | namenode上文件系统的地址 |
| hadoop.tmp.dir | 多个路径的基础，包括namenode和datanode的数据，默认是/tmp/hadoop-${user.name} |
| dfs.replication | 副本数，这里设为2，这样集群中共三份数据，适用日常大部分情况了 |
| yarn.resourcemanager.hostname | yarn资源管理器所在host |
| slaves | 该文件中列出的是作为从节点的datanode，若node1只打算作为namenode则不需要写进去 |
默认日志目录在$HADOOP_HOME/logs，pid文件在/tmp，可以进行修改：
# 文件名 hadoop-env.sh export HADOOP_PID_DIR="/mydata/data/pid" export HADOOP_LOG_DIR="/mydata/logs/hadoop"
# 文件名 yarn-env.sh export YARN_LOG_DIR="/mydata/logs/yarn" export YARN_PID_DIR="/mydata/data/pid"
配置完成后将hadoop程序文件拷贝到其他两台：
node1> scp /mydata/hadoop-2.7.7/ [email protected]:/mydata/ node1> scp /mydata/hadoop-2.7.7/ [email protected]:/mydata/
启动
需要先在node1初始化namenode（只有第一次启动前需要，除非删除了hadoop.tmp.dir下namenode的数据）：
node1> hdfs namenode -format
看到 Storage directory /mydata/data/hadoop-root/dfs/name has been successfully formatted. 则表示成功
下面先启动hdfs，后启动yarn：
node1> start-dfs.sh node1> start-yarn.sh
验证node1的进程：
node1> jps [pid] Jps [pid] DataNode [pid] NameNode [pid] SecondaryNameNode [pid] NodeManager [pid] ResourceManager
验证node2和node3的进程（两台应该是一样的）：
node2> jps [pid] DataNode [pid] Jps [pid] NodeManager
测试
通过浏览器可以访问以下地址：
| namenode的后台 | http://node1:50070 |
| yarn资源管理的后台 | http://node1:8088 |
前者切换到 Datanodes ：
后者进入 Cluster -> Nodes ：
下面执行一个官方示例（wordcount），先准备两个文件，内容如下：
# 文件名 1.txt 天空 sky 天空 sky 天空 sky # 文件名 2.txt 海洋 ocean 海洋 ocean
将这两个文件上传到hdfs，然后执行任务：
# 创建路径（将root改为自己的用户名）node1> hdfs dfs -mkdir -p /user/root/input# 上传文件node1> hdfs dfs -put *.txt input# 执行wordcount任务统计文件中每个单词的数量，并等待其执行结束node1> hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar wordcount input output# 查看结果node1> hdfs dfs -cat output/*ocean 2sky 3天空 3海洋 2# 若要重复执行任务，需要删除output文件夹，或者在命令中换一个输出目录node1> hdfs dfs -rm -r output
可以在yarn的资源管理平台 Cluster -> Applications 查看到该任务：
启用jobhistory
这个不是必须的，但可以更好的查看job的历史记录和管理job的日志
# 文件名 mapred-env.sh export HADOOP_MAPRED_LOG_DIR="/mydata/logs/mapred" export HADOOP_MAPRED_PID_DIR="/mydata/data/pid"
<!-- 文件名 mapred-site.xml -->
<property>
<name>mapreduce.jobhistory.address</name>
<value>node1:10020</value>
</property>
<!-- 文件名 yarn-site.xml 日志聚合，开启后job的日志不再存到node本地，而是上传到hdfs -->
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property>
停止集群：
node1> stop-yarn.sh node1> stop-dfs.sh
然后将修改的配置同步更新到其他所有节点，并在启动集群后启动historyserver：
node1> start-yarn.sh node1> start-dfs.sh node1> mr-jobhistory-daemon.sh start historyserver
通过浏览器访问 http://node1:19888 ：
over
原文地址：https://www.cnblogs.com/toSeek/p/11981809.html