一.Hadoop的组成
对普通用户来说， Hadoop就是一个东西，一个整体，它能给我们提供无限的磁盘用来保存文件 ，可以使用提供强大的计算能力 。但是，我们要把它搭建起起来，就必须要了解它的基本组成，知道它的内部分工。
在Hadoop3.X中，hadoop一共有三个组成部分：MapReduce，Yarn，HDFS。它们的作用如下：
- MapReduce: 用来提供计算。
- HDFS:用来提供文件存储功能。
- Yarn: 用来协调调度。
二. HDFS
Hadoop Distributed File System, 简称HDFS,是一个分布式文件系统。在hadoop体系中，它用存储文件。
例如，当我们把一个文件（例如500M），保存到hadoop中时，它的背后要实现两个效果：
- 如果文件较大(>128M)把大文件拆小，并分别传输。
- 存储3份在不同的主机上。
在它的内部，有三个角色，分别如下：
（1）NameNode(nn)：存储文件的元数据，如文件名，文件目录结构，文件属性（生成时间，副本数，文件权限），以及每个文件的块列表和块所在的DataNode等。
（2）DataNode(dn):在本地文件系统存储文件块数据，以及块数据的校验和。
（3）Secondary NameNode(2nn): 每隔一段时间对NameNode元数据备份。
三.YARN
Yet Another Resource Negotiator，简称YARN，另一种资源协调者，是Hadoop的资源管理器。
（1）ResourceManager(RM):整个集群资源（内存，CPU等）的管理者
（2）NodeManager(NM): 单个节点服务器资源的管理者
Yarn和HDFS的关系说明：逻辑上分离，物理上在一起。
逻辑上分离：不是说非要启动HDFS集群才能启动YARN集群，不是先有哪个再有哪个？每个框都是一个进程，可能都运行在一台主机上，但是，属于不同的集群。
物理上在一起：每一台机器上都有NN, NM。
四.MapReduce
MapReduce用来提供计算的能力。它将计算过程分为两个阶段：Map和Reduce。
（1）Map阶段并行处理输入数据
（2）Reduce阶段对Map结果进行汇总
五.集群配置 规划
集群部署规划建议：
1.NameNode和SecondaryNameNode不要安装在同一台服务器
2.ResourceManager也很消耗内存，不要和NameNode、SecondaryNameNode配置在同一台机器上。
根据我们的实际情况，我们配置如下
|------|-------------------|-----------------------------|----------------------------|
| | hadoop100 | hadoop101 | hadoop102 |
| HDFS | NameNode DataNode | DataNode | SecondaryNameNode DataNode |
| YARN | NodeManager | ResourceManager NodeManager | NodeManager |
六.修改配置文件
这里一共有5个文件要配置：分别是core-site.xml,hdfs-site.xml,yarn-site.xml,mapred-site.xml,workers。 五个配置文件都存放在$HADOOP_HOME/etc/hadoop这个路径下。
（1）core-site.xml核心配置文件
当前要操作的文件是：/opt/module/hadoop-3.1.3/etc/hadoop/core-site.xml我们使用编辑器，将它的文件内容修改如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定NameNode的地址 -->
<property>
<name>fs.defaultFS</name>
<value>hdfs://hadoop100:8020</value>
</property>
<!-- 指定hadoop数据的存储目录 -->
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/module/hadoop-3.1.3/data</value>
</property>
<!-- 配置HDFS网页登录使用的静态用户为root-->
<property>
<name>hadoop.http.staticuser.user</name>
<value>root</value>
</property>
</configuration>
（2）HDFS配置文件
接下来配置第二个文件，/opt/module/hadoop-3.1.3/etc/hadoop/hdfs-site.xml
将它的文件内容修改如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- nn web端访问地址-->
<property>
<name>dfs.namenode.http-address</name>
<value>hadoop100:9870</value>
</property>
<!-- 2nn web端访问地址-->
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>hadoop102:9868</value>
</property>
</configuration>
（3）YARN配置文件
配置/opt/module/hadoop-3.1.3/etc/hadoop/yarn-site.xml，文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MR走shuffle -->
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!-- 指定ResourceManager的地址-->
<property>
<name>yarn.resourcemanager.hostname</name>
<value>hadoop101</value>
</property>
<!-- 环境变量继承 -->
<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>
（4）MapReduce配置文件
配置/opt/module/hadoop-3.1.3/etc/hadoop/mapred-site.xml，文件内容如下：
<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
<!-- 指定MapReduce程序运行在Yarn上 -->
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
（5）配置workers
要修改的文件是：/opt/module/hadoop-3.1.3/etc/hadoop/workers，在该文件中增加如下内容：
hadoop100
hadoop101
hadoop102
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。
七. 同步分发配置文件
刚才我们是在hadoop100这台机器上进行了正确的设置，但是，其他的2台机器也要做相同的配置。所以我们用上一节课封装的xsync 命令来进行文件同步。
把这个配置文件同步给其他的主机，使用命令如下：
root@hadoop100 hadoop$ xsync /opt/module/hadoop-3.1.3/etc/hadoop/
八.启动 集群
（1）如果集群是第一次启动，需要在hadoop100节点（指定为namenode的节点）格式化NameNode（注意：格式化NameNode，会产生新的集群id）
命令是：hd。具体如下：
root@hadoop100 hadoop-3.1.3$ hdfs namenode -format
（2）启动HDFS
root@hadoop100 hadoop-3.1.3$ sbin/start-dfs.sh
提醒：此时会报错不允许使用root用户来启动HDFS！
在环境变量中添加/etc/profile.d/my_env.sh
#添root加环境变量
#告诉 Hadoop 使用 root 用户来启动和管理相应的服务
export HDFS_NAMENODE_USER=root
export HDFS_DATANODE_USER=root
export HDFS_SECONDARYNAMENODE_USER=root
export YARN_RESOURCEMANAGER_USER=root
export YARN_NODEMANAGER_USER=root
同步给其他的机器，并使用source命令，让环境变量生效！
再来试一次。
（3）在配置了ResourceManager的节点（hadoop101）启动YARN
root@hadoop101 hadoop-3.1.3$ sbin/start-yarn.sh
九.查看集群运行效果
（1）Web端查看HDFS的NameNode
（a）浏览器中输入：http://hadoop100:9870
（b）查看HDFS上存储的数据信息
（2）Web端查看YARN的ResourceManager
（a）浏览器中输入：http://hadoop101:8088
（3）查看YARN上运行的Job信息
- 十.重置集群
如果集群出现了异常，可以尝试如下操作（你将失去所有的数据，请谨慎）
- 停止hdfs. stop-dfs.sh
- 停止 yarn。 stop-yarn.sh
- 删除 所有设备上的 /data, /log
- 重新初始化集群。hdfs namenode -format
重新启动hdfs, yarn。 start-dfs.sh start-yarn.s