配置Hadoop集群-集群配置

以下是 Hadoop 集群的核心配置步骤，基于之前的免密登录和文件同步基础，完成 Hadoop 分布式环境的搭建：

1. 集群规划

假设集群包含 3 个节点：

• master：NameNode、ResourceManager
• slave1：DataNode、NodeManager
• slave2：DataNode、NodeManager

2. 核心配置文件

在master 节点上编辑 Hadoop 配置文件（路径：/opt/hadoop/etc/hadoop）：

2.1 core-site.xml

配置 HDFS 的默认文件系统和临时目录：

xml

<configuration><property><name>fs.defaultFS</name><value>hdfs://master:9000</value></property><property><name>hadoop.tmp.dir</name><value>/opt/hadoop/data/tmp</value></property>
</configuration>

2.2 hdfs-site.xml

配置 HDFS 的副本数和数据存储路径：

xml

<configuration><property><name>dfs.replication</name><value>2</value>  <!-- 数据副本数，应小于等于DataNode数量 --></property><property><name>dfs.namenode.name.dir</name><value>file:/opt/hadoop/data/namenode</value></property><property><name>dfs.datanode.data.dir</name><value>file:/opt/hadoop/data/datanode</value></property><property><name>dfs.webhdfs.enabled</name><value>true</value></property>
</configuration>

2.3 mapred-site.xml

配置 MapReduce 运行在 YARN 上：

xml

<configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property><property><name>mapreduce.application.classpath</name><value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value></property>
</configuration>

2.4 yarn-site.xml

配置 YARN 的资源调度器和 NodeManager：

xml

<configuration><property><name>yarn.resourcemanager.hostname</name><value>master</value></property><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><property><name>yarn.nodemanager.env-whitelist</name><value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value></property>
</configuration>

2.5 workers（原 slaves 文件）

指定 DataNode 和 NodeManager 所在的从节点：

plaintext

slave1
slave2

3. 同步配置到所有节点

使用之前的同步脚本将配置分发到所有节点：

bash

/opt/hadoop/bin/sync_hadoop.sh etc/hadoop/

4. 初始化 HDFS

在master 节点上执行：

bash

# 创建必要目录
mkdir -p /opt/hadoop/data/{tmp,namenode,datanode}# 格式化NameNode（首次启动前执行）
hdfs namenode -format

5. 启动集群

在master 节点上执行：

bash

# 启动HDFS服务
start-dfs.sh# 启动YARN服务
start-yarn.sh# 查看进程状态
jps

预期看到的进程：

• master：NameNode、ResourceManager、SecondaryNameNode
• slave1/slave2：DataNode、NodeManager

6. 验证集群

6.1 Web 界面访问

• HDFS 管理界面：http://master:9870
• YARN 资源管理界面：http://master:8088

6.2 命令行测试

bash

# 创建测试目录
hdfs dfs -mkdir /test# 上传文件
hdfs dfs -put /etc/hosts /test/# 查看文件列表
hdfs dfs -ls /test# 运行MapReduce示例
yarn jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar pi 10 100

7. 配置优化建议

内存分配优化

在yarn-site.xml中添加：

xml

<property><name>yarn.nodemanager.resource.memory-mb</name><value>8192</value>  <!-- 每个NodeManager可用内存(MB) -->
</property>
<property><name>yarn.scheduler.maximum-allocation-mb</name><value>4096</value>  <!-- 单个容器最大内存(MB) -->
</property>

Java 堆内存优化

在hadoop-env.sh中添加：

bash

export HADOOP_NAMENODE_OPTS="-Xmx4g"
export HADOOP_DATANODE_OPTS="-Xmx2g"

8. 常见问题排查

1. NameNode 启动失败：检查/opt/hadoop/data/namenode目录权限
2. DataNode 未注册：确保所有节点的clusterID一致（查看data/namenode/current/VERSION）
3. YARN 任务无法运行：检查 NodeManager 日志，确认内存配置是否合理

完成以上配置后，你的 Hadoop 集群将具备分布式存储（HDFS）和计算（MapReduce/YARN）能力。

分享