Java转大数据第一课（必修课）（用汗水为后来人做铺垫-----非常详细图文步骤）

搭建Hadoop环境(jdk8/Hadoop2.x/viralbox)

准备工作

• （1）关闭防火墙、主机名
• （2）安装JDK
• （3）免密码登录

准备工具：
jdk
virtualBox
iso
安装过程：

1、环境搭建

安装完毕以后，VirualBox是没有64位显示的，那么我们需要按照如下图更改BIOS配置。
选择自己新建的类型，这里选择linux、选择版本red hat

ipv4和掩码，记得ipv4配置192.168的网段，我这里配置192.168.56.111。掩码：255.255.255.0

2、关闭防火墙

补充：

这里如果你依然链接不上链接：检查密码也对。拒绝访问或者就是ping ip超时，那么问题是在网络链接的四种模式。默认是NAT。你可以修改为

3、配置JDK

解压jdk到指定目录/usr/local：tar -zxvf jdk-8u144-linux-x64.tar.gz -C /usr/local

4、配置Hadoop

解压hadoop到指定文件: tar -xzvf hadoop-2.7.3.tar.gz -C /usr/local

jdk中配置hadoop路径

export JAVA_HOME=/usr/local/jdk1.8.0_144
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:${JRE_HOME}/lib
export HADOOP_HOME=/usr/local/hadoop-2.7.3
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
export PATH=$JAVA_HOME/bin:$PATH

每次修改完/etc/profile文件都需要重新激活配置否则不生效：source /etc/profile

Hadoop中也需要配置jdk：

5、本地模式启动Hadoop

小结：在这个过程中，如果你需要上传文件则这里可以通过xftp或者winscp。
这里经常会遇见问题：比如说，拒绝访问。比如说root密码对但是登录不上。别着急，别慌。两种检查方案：
1、检查你的连接IP是否正确通过 ifconfig。

如果没有ifconfig。那么可以选用ip addr show的命令格式查看

2、检查是否安装了ssh服务

查看ssh的安装包 ：rpm -qa | grep ssh 
查看ssh是否安装成功 ：ps -ef | grep ssh
开启sshd服务 ：service sshd start 
开启sshd服务 ：/bin/systemctl start sshd.service 
查看sshd服务的网络连接情况：netstat -ntlp 安装ssh
因为以后的操作要用到ssh面密登录，现在先确保系统里安装好ssh. 如
果未安装可利用sudo apt-get install ssh 安装，使用ssh localhost 来ssh登陆本机 
使用命令dpkg –l |grep ssh 
检查是否安装openssh-server 
没有的话使用apt-get安装。 
安装完成之后检查是否启动： 
有sshd说明已经启动，没有启动的话使用命令： 
/etc/init.d/ssh start 来启动ssh服务。tips:
service ssh restart是centos 6的命令。
centos 7的命令应该是：systemctl restart sshd

3、检查是否不允许让root登录

编辑/etc/ssh/sshd_config文件
sudo vi /etc/ssh/sshd_config
1.编辑 /etc/ssh/sshd_config文件：  sudo vi /etc/ssh/sshd_config将PermitRootLogin 的值改成 yes将PermitEmptyPassword 的值改成 no保存退出 重启ssh

Hadoop的分布式配置文件图，由于是别人的，所以有些信息和我这里对不上。但是我大体说明下就可以知道了。把/root/training/换成我们这里的/usr/local就可以了

6、启动伪分布式Hadoop

由于刚才我们有个步骤非常恶心，就是选择yes连续才能启动起来。那么我们需要设置免密登录。

6.1免密登录

所以这里我重新设置了hostName以后再进行面密登录：
步骤如下：ssh-keygen -t rsa -P ''

cat  /root/.ssh/id_rsa.pub >>  /root/.ssh/authorized_keys
chmod 600 /root/.ssh/authorized_keys

完成之后，以 root 用户登录，修改 ssh 配置文件

vi /etc/ssh/sshd_config把文件中的下面几条信息的注释去掉：　RSAAuthentication yes # 启用 RSA 认证PubkeyAuthentication yes # 启用公钥私钥配对认证方式AuthorizedKeysFile .ssh/authorized_keys # 公钥文件路径（和上面生成的文件同）

重启服务：systemctl restart sshd.service
然后ssh localhost登录发现异常

The authenticity of host ‘localhost (::1)’ can’t be established.
ECDSA key fingerprint is SHA256:X+9DEX5+oCD0NyGctt0HK8swVeVvOZOFhJbBt0Vguv8.
ECDSA key fingerprint is MD5:16:33:69:41:1d:99:37:27:5b:81:0e:ee?82:ec:fd.

Fix it:
方法一
ssh -o StrictHostKeyChecking=no 192.168.xxx.xxx（我这里的链接是配置的192.168.56.111）

方法二
一个彻底去掉这个提示的方法是，修改/etc/ssh/ssh_config文件（或$HOME/.ssh/config）中的配置，添加如下两行配置：
StrictHostKeyChecking no
UserKnownHostsFile /dev/null
修改好配置后，重新启动sshd服务即可。
重启ssh服务命令为systemctl restart sshd.service

6.2伪分布式环境搭建配置

6.2.1、上传和解压hadoop并配置环境变量

上面解压和配置etc/profile的hadoop变量已经完成，现在配置伪分布式环境

6.2.2、创建hadoop文件夹下的tmp目录

6.2.3、在hadoop-env.sh增加环境变量

6.2.4、在hdfs-site.xml修改数据块的冗余度和禁用HDFS权限检查

     （*）hdfs-site.xml<!--数据块的冗余度默认3--><!--原则数据块的冗余度跟数据节点个数一样，最大不超过3--><property><name>dfs.replication</name><value>1</value></property><!--禁用HDFS权限检查--><property><name>dfs.permissions</name><value>false</value></property>

6.2.5、在core-site.xml修改NameNode的地址和HDFS对应的操作系统目录

     （*）core-site.xml<!--NameNode的地址--><property><name>fs.defaultFS</name><!-- 192.168.56.111是我们之前配置的虚拟机ip地址--><value>hdfs://192.168.56.111:9000</value></property>	<!--HDFS对应的操作系统目录--><property><name>hadoop.tmp.dir</name><!--正式配置参数前创建的目录路径--><value>/usr/local/hadoop-2.7.3/tmp</value></property>	

6.2.6、在mapred-site.xml增加yarn容器的配置

（*）mapred-site(.xml/.tmplate)<property><name>mapreduce.framework.name</name><value>yarn</value></property>如果是tmplate结尾，更改为复制template，生成xml，命令如下：cp mapred-site.xml.template mapred-site.xml

6.2.7、在yarn-site.xml增加resourcemanager的地址和洗牌配置

		（*）yarn-site.xml<!--ResourceManager地址--><property><name>yarn.resourcemanager.hostname</name><value>192.168.56.111</value></property><!--洗牌--><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property>		

到此我们便配置完成一个 hdfs 伪分布式环境

6.2.7、　启动 hdfs Single Node，格式化NameNode，比较重要

①、初始化 hdfs 文件系统
bin/hdfs namenode -format

②、启动 hdfs
sbin/start-dfs.sh，但是我们这里配置了yarn容器所以我们可以直接start-all.sh启动hdfs服务和yarn服务


在你的浏览器内输入你的虚拟主机ip:50070访问namenode服务


这里的黄色信息192.168.56.101就是上面我们提到启动的时候日志提示的信息。

以下是错误失败次数导致的积累。从某种意义上说，多经历几次失败就好了。如果你按照上面的教程没有成功，则肯定是你没看仔细或者省略了步骤，再重新来一遍就好了。对了版本要一致，不同的版本不同的坑。

如果不格式化启动服务，然后再格式化的情况下不能访问50070服务namenode，只能访问如下界面

问题很难过：
hadoop无法访问50070端口怎么办？

Hadoop 50070是hdfs的web管理页面，在搭建Hadoop集群环境时，有些大数据开发技术人员会遇到Hadoop 50070端口打不开的情况，引起该问题的原因很多，想要解决这个问题需要从以下方面进行排查！1. 排查Namenode是否部署成功排查Namenode是否部署成功可以采用命令jps两种方式之一查看，如Namenode未部署成功，需重新部署Namenode；若已部署成功，请进行第二步排查！2. 排查datanode是否部署成功排查datanode是否部署成功可以采用jps命令进行查看，如果部署未成功，找到问题节点进行解决；若部署成功请进行第三步。3.排查防火墙是否开启排查防火墙是否正常开启，如果防火墙关闭了，可按照以下方式进行设置：netstat –ant  #查看本地开发端口127.0.0.1 50070在hdfs-site.xml中，更改开放端口的绑定IP：<property><name>dfs.http.address</name><value>0.0.0.0:50070</value></property>将绑定IP改为0.0.0.0，而不是本地回环IP，这样，就能够实现外网访问本机的50070端口了

排查问题：5个节点都启动成功


更改0.0.0.0:50070依然失败。无法访问50070.

过程中遇见的其他问题：

userdel -r hadoop

group hadoop not removed because it has other members.

免密登录不能使用hostname大写字母