Hadoop 介绍
Hadoop 从 2.x 开始，逐渐演变成：HDFS，YARN，MapReduce 三大应用模块，这三个应用模块分别的能力和作用是：
- HDFS：分布式文件系统，用来解决海量大文件的存储问题
- MapReduce：一套通用的用来解决海量大文件计算的编程模型 API
- YARN：资源调度/管理系统
其中需要注意的是：这三者之间的关系。彼此独立，又相互依赖。使用 MapReduce 的分布式编程 API 编写分布式计算应用程序，读取存储在 HDFS 上的海量大文件进行计算，由 YARN 提供计算资源。HDFS 和 YARN 可以独立运行。主要表现在：
- 使用 MapReduce 编写的应用程序也可以运行在其他资源调度系统之上。
- 使用其他编程模型编写的应用程序，比如 Storm，Spark，Flink 等也可运行在 YARN 集群上。
所以称 Hadoop 是一个分布式的成熟解决方案。安装 Hadoop，其实就是安装 HDFS 和 YARN 两个集群。HDFS 和 YARN 都是一个一主多从的集群。
HDFS 集群：
一个NameNode主节点/管理节点
多个DataNode从节点/工作节点 YARN集群：
一个ResourceManager主节点/管理节点
多个NodeManager从节点/工作节点 版本选择
现在 Hadoop 经历四个大版本：
- hadoop-0.x：古老的Hadoop，连 YARN 都没有，现在应该没有任何企业还在使用这么古老的 Hadoop 了。
- hadoop-1.x：基本淘汰的Hadoop版本，不用考虑。
- hadoop-2.x：现阶段主流的使用版本。
- hadoop-3.x：目前较新的Hadoop版本，提供了很多新特性，但是升级的企业还是比较少。
本文安装的是 hadoop-2.7.4 版本。
节点规划
| 节点名称 | HDFS角色 | YARN角色 |
| hadoop1 | NameNode | ResourceManager |
| hadoop2 | SecondaryNameNode + DataNode | NodeManager |
| hadoop3 | DataNode |
SSH 免密登录配置
为了方便后续拷贝文件以及执行脚本，配置 SSH 免密登录。在 hadoop1 上生成 RSA 非对称密钥对：
[root@hadoop1 hadoop]# ssh-keygen
Generating public/private rsa key pair.
Enter file in which to save the key (/root/.ssh/id_rsa):
Enter passphrase (empty for no passphrase):
Enter same passphrase again:
Your identification has been saved in /root/.ssh/id_rsa.
Your public key has been saved in /root/.ssh/id_rsa.pub.
The key fingerprint is:
SHA256:wkMiPVpbBtjoZwBIpyvvluYtfQM9hQeHtgBFVfrwL1I root@hadoop1
The key's randomart image is:
+---[RSA 2048]----+
|+o.O+..o. |
|. *.o.+.. |
| o..=o*= |
| o+oOo+o |
|...o..+oE |
|.. . o+ . |
| .o .... . |
| .=.. o. . |
| +o... . |
+----[SHA256]-----+ 将公钥拷贝到集群中的其他机器：
[root@hadoop1 hadoop]# ssh-copy-id root@hadoop1
[root@hadoop1 hadoop]# ssh-copy-id root@hadoop2
[root@hadoop1 hadoop]# ssh-copy-id root@hadoop3 解压文件
文件包括 hadoop 和 jdk 的压缩包，运行 hadoop 依赖 JAVA 环境，因此需要安装 jdk。
tar -xzvf hadoop-2.7.4.tar.gz
tar -xzvf jdk-8u181-linux-x64.tar.gz
mkdir /software
mv jdk1.8.0_181/ /software/jdk
mv hadoop-2.7.4 /software/hadoop 配置环境变量
在 hadoop1 编辑 /etc/profile 文件：
vim /etc/profile
export HADOOP_HOME=/software/hadoop
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
export JAVA_HOME=/software/jdk
export PATH=$PATH:$JAVA_HOME/bin
source /etc/profile 拷贝到其他两台机器上：
scp /etc/profile root@hadoop2:/etc/profile
scp /etc/profile root@hadoop3:/etc/profile 配置 host 记录
编辑 /etc/hosts 文件：
192.168.1.117 hadoop1
192.168.1.118 hadoop2
192.168.1.119 hadoop3 scp /etc/hosts root@hadoop2:/etc/hosts
scp /etc/hosts root@hadoop3:/etc/hosts 修改配置文件
配置文件存放在 etc/hadoop 目录下。
修改 hadoop-env.sh 脚本文件：
export JAVA_HOME=/software/jdk 修改 hdfs-site.xml 配置文件：
<configuration>
<!--datanode数据存储目录-->
<property>
<name>dfs.datanode.data.dir</name>
<value>file:///software/hadoop/data/datanode</value>
</property>
<!--namenode数据存储目录-->
<property>
<name>dfs.namenode.name.dir</name>
<value>file:///software/hadoop/data/namenode</value>
</property>
<!--namenode WebUI 使用的监听地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop1:50070</value>
</property>
<!--secondary namenode WebUI 使用的监听地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop2:50090</value>
</property>
<!--HDFS的数据块的副本存储个数-->
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
</configuration> 修改 core-site.xml 配置文件：
<!--HDFS集群的url，默认端口8020-->
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop1/</value>
</property>
</configuration> 配置 yarn-site.xml 配置文件：
<configuration>
<!--ResourceManager对外WebUI地址，默认端口8088-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop1</value>
</property>
</configuration> 修改 slaves 配置文件：
hadoop2
hadoop3 将刚才修改的配置文件拷贝到其他两个机器：
scp -r /software/hadoop/ root@hadoop2:/software/
scp -r /software/hadoop/ root@hadoop3:/software/ HDFS 集群的初始化
在 hadoop1 上执行如下命令：
hdfs namenode -format 
出现如上提示，则说明初始化成功。切记：关于初始化操作，是第一次安装 Hadoop 集群的时候初始化一次就可以了，而不是后面每次使用的都需要初始化一次。如果你想要把一个旧 HDFS 集群的数据都给删掉，当做一个新集群来使用。那么你可以重新初始化，但是你还是要记得把对应的每个节点数据存储目录先行删掉，然后再初始化，这样你就又得到了一个新的 HDFS 集群。
启动 HDFS 集群
[root@hadoop1 hadoop]# start-dfs.sh
Starting namenodes on [hadoop1]
hadoop1: starting namenode, logging to /software/hadoop/logs/hadoop-root-namenode-hadoop1.out
hadoop3: starting datanode, logging to /software/hadoop/logs/hadoop-root-datanode-hadoop3.out
hadoop2: starting datanode, logging to /software/hadoop/logs/hadoop-root-datanode-hadoop2.out
Starting secondary namenodes [hadoop2]
hadoop2: starting secondarynamenode, logging to /software/hadoop/logs/hadoop-root-secondarynamenode-hadoop2.out 启动 YARN 集群
[root@hadoop1 hadoop]# start-yarn.sh
starting yarn daemons
starting resourcemanager, logging to /software/hadoop/logs/yarn-root-resourcemanager-hadoop1.out
hadoop3: starting nodemanager, logging to /software/hadoop/logs/yarn-root-nodemanager-hadoop3.out
hadoop2: starting nodemanager, logging to /software/hadoop/logs/yarn-root-nodemanager-hadoop2.out 检查 Hadoop 集群状态
在每台机器上通过 Jps 命令查看运行的 Java 进程：
[root@hadoop1 hadoop]# jps
21444 Jps
20888 NameNode
21182 ResourceManager
[root@hadoop2 ~]# jps
15328 SecondaryNameNode
15410 NodeManager
15210 DataNode
15531 Jps
[root@hadoop3 ~]# jps
13252 DataNode
13495 Jps
13375 NodeManager 查看 HDFS 集群状态：
[root@hadoop1 hadoop]# hdfs dfsadmin -report
Configured Capacity: 107321753600 (99.95 GB)
Present Capacity: 84270903296 (78.48 GB)
DFS Remaining: 84270845952 (78.48 GB)
DFS Used: 57344 (56 KB)
DFS Used%: 0.00%
Under replicated blocks: 2
Blocks with corrupt replicas: 0
Missing blocks: 0
Missing blocks (with replication factor 1): 0
-------------------------------------------------
Live datanodes (2):
Name: 192.168.1.118:50010 (hadoop2)
Hostname: hadoop2
Decommission Status : Normal
Configured Capacity: 53660876800 (49.98 GB)
DFS Used: 28672 (28 KB)
Non DFS Used: 11528269824 (10.74 GB)
DFS Remaining: 42132578304 (39.24 GB)
DFS Used%: 0.00%
DFS Remaining%: 78.52%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Fri May 07 10:37:06 CST 2021
Name: 192.168.1.119:50010 (hadoop3)
Hostname: hadoop3
Decommission Status : Normal
Configured Capacity: 53660876800 (49.98 GB)
DFS Used: 28672 (28 KB)
Non DFS Used: 11522580480 (10.73 GB)
DFS Remaining: 42138267648 (39.24 GB)
DFS Used%: 0.00%
DFS Remaining%: 78.53%
Configured Cache Capacity: 0 (0 B)
Cache Used: 0 (0 B)
Cache Remaining: 0 (0 B)
Cache Used%: 100.00%
Cache Remaining%: 0.00%
Xceivers: 1
Last contact: Fri May 07 10:37:09 CST 2021 在 HDFS WebUI 查看集群状态：
查看 YARN 集群状态：
[root@hadoop1 hadoop]# yarn node -list
21/05/07 11:49:51 INFO client.RMProxy: Connecting to ResourceManager at hadoop1/192.168.1.117:8032
Total Nodes:2
Node-Id Node-State Node-Http-Address Number-of-Running-Containers
hadoop2:43025 RUNNING hadoop2:8042 0
hadoop3:34439 RUNNING hadoop3:8042 0 在 YARN WebUI 查看集群状态：
Hadoop 集群，包含了 HDFS 和 YARN 两个集群，所以两个集群都分别做一次测试。
HDFS集群：上传一个文件查看是否存在：
#在HDFS中创建一个目录
hadoop fs -mkdir /wcinput
#将本机/root/wordcount.txt文件上传到HDFS的/wcinput目录中
hadoop fs -put /root/wordcount.txt /wcinput wordcount.txt 文件内容如下：
hello world
hello hadoop
hello hbase 在 HDFS WebUI界面查看上传的文件：
YARN集群：提交一个 mapreduce 计算任务，计算刚刚上传的 wordcount.txt 文件中每个词出现的次数，将结果输出到 HDFS 的 /wcoutput 目录：
[root@hadoop1 mapreduce]# hadoop jar /software/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-ex 查看 wcoutput 目录，可以看到有一个 part-r-00000 文件，里面存放的是计算的结果：
[root@hadoop1 mapreduce]# hadoop fs -ls /wcoutput
Found 2 items
-rw-r--r-- 3 root supergroup 0 2021-05-07 00:20 /wcoutput/_SUCCESS
-rw-r--r-- 3 root supergroup 33 2021-05-07 00:20 /wcoutput/part-r-00000
[root@hadoop1 mapreduce]# hadoop fs -cat /wcoutput/part-r-00000
hadoop 1
hbase 1
hello 3
world 1