教程索引目录请访问：《大数据技术入门级系列教程》

上一篇我们尝试了伪分布式的安装搭建，但真正使用的是分布式集群，所以这才是重点，本文章将使用三个节点来安装最小的Hadoop集群，体验完全分布式的环境。

先决条件

首先此处只讲 Hadoop，不再赘述 Linux 相关的知识点，需要您熟悉使用 Linux，并按照前面的教程安装配置好 Hadoop 环境，最少准备 3台 Linux 进行实验学习。除了前面之前的教程，到此文章之前，我还给 3 台机器配置了 SSH Key 免密登陆，这 3台机器相互可以免密登陆，这个需要你自己配置一下，不再赘述。

集群设计

首先，集群的机器数量应该是奇数，所以最小的是3，按照奇数要求就是 3、5、7、9，不要弄成偶数哦，主要是为了leader选举算法，这不多说，只将Hadoop。

在集群中我们需要以下节点：NameNode、SecondaryNameNode、DataNode、ResourceManager，NodeManager和DataNod运行在一起。使用三个节点来搭配安装，我的设计如下：

• n1.renfei.net：NameNode、DataNode、ResourceManager
• n2.renfei.net：SecondaryNameNode、DataNode、NodeManager
• n3.renfei.net：DataNode、NodeManager

域名可以通过修改 /etc/hosts 实现。也就是 n1.renfei.net 主要负责 HDFS，n2.renfei.net 主要负责 Yarn，三台机器上全部负责存储，结构如下图所示：

配置修改

下面的配置文件修改在三台机器上内容都一样，我在这里只写一遍，其中在env.shh配置的 JAVA_HOME 变量根据自己的路径去配置，在我的案例中我把 JDK 解压到了 /opt/module/jdk1.8.0_281。

配置 core-site.xml

<!-- 指定HDFS中NameNode的地址 -->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://n1.renfei.net:9000</value>
</property>
<!-- 指定Hadoop运行时产生文件的存储目录 -->
<property>
    <name>hadoop.tmp.dir</name>
    <value>/opt/module/hadoop-2.10.1/data/tmp</value>
</property>

在这里我们指定谁是 NameNode，以及运行时产生文件的存储目录

配置 hadoop-env.sh、hdfs-site.xml

修改 hadoop-env.sh 中 JAVA_HOME 为自己的路径。再配置 hdfs-site.xml：

<property>
    <name>dfs.replication</name>
    <value>3</value>
</property>
<!-- 指定Hadoop辅助名称节点主机配置 -->
<property>
    <name>dfs.namenode.secondary.http-address</name>
    <value>n2.renfei.net:50090</value>
</property>

在这里，我们指定了 dfs.replication = 3，这个是副本数，也就是文件会复制几份，如果是3，那么就会复制到三个节点上进行数据冗余。

配置 yarn-env.sh、yarn-site.xml

<!-- Reducer获取数据的方式 -->
<property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
<!-- 指定YARN的ResourceManager的地址 -->
<property>
    <name>yarn.resourcemanager.hostname</name>
    <value>n1.renfei.net</value>
</property>
<!-- 日志聚集功能使能 -->
<property>
    <name>yarn.log-aggregation-enable</name>
    <value>true</value>
</property>
<!-- 日志保留时间设置7天 -->
<property>
    <name>yarn.log-aggregation.retain-seconds</name>
    <value>604800</value>
</property>

配置 mapred-env.sh、mapred-site.xml

修改 mapred-env.sh 中 JAVA_HOME 为自己的路径。再配置 mapred-site.xml：

将mapred-site.xml.template复制一份为mapred-site.xml

<!-- 指定MR运行在Yarn上 -->
<property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
</property>
<!-- 历史服务器端地址 -->
<property>
    <name>mapreduce.jobhistory.address</name>
    <value>n1.renfei.net:10020</value>
</property>
<!-- 历史服务器web端地址 -->
<property>
    <name>mapreduce.jobhistory.webapp.address</name>
    <value>n1.renfei.net:19888</value>
</property>

配置 slaves

配置 /opt/module/hadoop-2.10.1/etc/hadoop/slaves，将我们的节点都写进去：

n1.renfei.net
n2.renfei.net
n3.renfei.net

注意：该文件中添加的内容结尾不允许有空格，文件中不允许有空行。

启动集群

此处在 n1.renfei.net 群起集群需要配置 SSH Key 免密登陆，请先配置集群的免密登陆。

如果集群是第一次启动，需要格式化NameNode（注意格式化之前，一定要先停止上次启动的所有namenode和datanode进程，然后再删除data和log数据），格式化的命令在上一篇已经讲过了，请回顾上一篇的内容。

sbin/start-dfs.sh
sbin/start-yarn.sh

注意：NameNode和ResourceManger如果不是同一台机器，不能在NameNode上启动 YARN，应该在ResouceManager所在的机器上启动YARN。

测试使用集群

在上一篇文章中我们体验了伪分布式模式中的 WordCount 案例，现在还使用WordCount案例进行集群测试，如果不知道怎么运行 WordCount 案例，请回顾上一篇文章。

结尾

到这里你已经拥有一个自己的 Hadoop 集群了，接下来我们讲关注重点转移到 Hadoop 的核心：HDFS、MapReduce。