一、环境要求：
1、 虚拟机安装并设置网络；
2、 修改主机地址映射；
3、 必备软件：Jdk、Development Tools Development Libraries gcc c++等已安装；
4、 修改windows主机C:\Windows\System32\drivers\etc\hosts
在hosts文件中添加虚拟机中的主机地址映射如下：
Ip地址 Linux主机名
5、 配置四台主机免密登录，两台namenode互相免密，namenode节点均免密登录至其他节点。
二、节点规划
|
|
NN |
DN |
ZK |
ZKFC |
JN |
RM |
NM |
|
V1 |
Y |
|
Y |
Y |
|
Y |
|
|
V2 |
Y |
Y |
Y |
Y |
Y |
Y |
|
|
V3 |
|
Y |
Y |
|
Y |
|
Y |
|
V4 |
|
Y |
|
|
Y |
|
Y |
三、配置步骤：
1、每台Linux主机都要修改/etc/profile，添加Hadoop环境变量
export HADOOP_HOME=/usr/software/hadoop-2.7.1
export PATH=$PATH:$HADOOP_HOME/bin
修改之后，source /etc/profile 使系统变量生效
2、配置HADOOP守护进程，这部分主要处理给出的配置文件中设置一些重要参数，配置好后，将文件拷贝至其他需要安装hadoop的主机。
l etc/hadoop/core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://V1:9000</value>
</property>
<property>
<name>ha.zookeeper.quorum</name>
<value>V1:2181,V2:2181,V3:2181</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/opt/hadoop_data/tmp</value>
（注释：要手动创建目录）
</property>
<property>
<name>io.file.buffer.size</name>
<value>131702</value>
</property>
</configuration>
解释：
Fs.default，使用逻辑路径，避免双namenode切换带来路径不一致问题
Hadoop.tmp.dir，hadoop文件系统依赖的基础配置，许多路径均依赖它，若hdfs.site.xml中未配置namenode和datanode的存放位置，默认就存放在此配置路径。
ha.zookeeper.quorum，指定zookeeper服务所在主机及端口号
io.file.buffer.size，在序列化文件中使用的读/写缓冲区大小
l etc/hadoop/hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>2</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/hadoop_data/namenode</value>
（注释：要手动创建目录）
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/opt/hadoop_data/datanode</value>
（注释：要手动创建目录）
</property>
<property>
<name>dfs.nameservices</name>
<value>dy</value>
</property>
<property>
<name>dfs.ha.namenodes.dy</name>
<value>V1,V2</value>
</property>
<property>
<name>dfs.namenode.rpc-address.dy.V1</name>
<value>V1:9000</value>
</property>
<property>
<name>dfs.namenode.rpc-address.dy.V2</name>
<value>V2:9000</value>
</property>
<property>
<name>dfs.namenode.http-address.dy.V1</name>
<value>V1:50070</value>
</property>
<property>
<name>dfs.namenode.http-address.dy.V2</name>
<value>V2:50070</value>
</property>
<property>
<name>dfs.namenode.shared.edits.dir</name>
<value>qjournal://V2:8485;V3:8485;V4:8485/dy</value>
</property>
<property>
<name>dfs.client.failover.proxy.provider.dy</name>
<value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>
</property>
<property>
<name>dfs.ha.fencing.methods</name>
<value>sshfence</value>
</property>
<property>
<name>dfs.ha.fencing.ssh.private-key-files</name>
<value>/root/.ssh/id_rsa</value>
</property>
<property>
<name>dfs.journalnode.edits.dir</name>
<value>/opt/hadoop_data/journal</value>
</property>
</configuration>
解释：
dfs.replication是HDFS文件的副本数，不可超过datanode的个数
dfs.namenode.name.dor namenode本地文件系统存放名字空间和传输日志的路径
dfs.datanode.data.dir datanode的数据存放位置
dfs.nameservices 命名空间的逻辑名称，
dfs.ha.namenodes 命名空间中所有namenode的唯一标识名称，可以配置多个，使用逗号分割。该名称让datanode知道每个集群的所有namenode。
dfs.namenode.rpc-address.[nameservice ID].[namenode ID] 每个namenode监听的RPC地址
dfs.namenode.http-address. [nameservice ID].[namenode ID] 每个namenode监听的http地址
dfs.namenode.shared.edits.dir 是namenode读写journal node组的URI，通过这个URI，namenode可以读写edit log内容。URI的格式"qjournal://host1:port1;host2:port2;host3:port3/journalId”.
dfs.client.failover.proxy.provider.[nameservice ID] 这里配置HDFS客户端连接到Active namenode的一个java类.
dfs.ha.fencing.methods 配置active namenode出错时的处理类.当active namenode出错时,一般需要关闭该进程.处理方式可以是ssh也可以是shell.推荐使用ssh!
fs.journalnode.edits.dir 这是journalnode进程保持逻辑状态的路径.这是在linux服务器文件的绝对路径.
l etc/hadoop/yarn-site.xml
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>V1</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
解释：
yarn.resourcemanager.hostname 指的是运行ResourceManager机器所在的节点.
yarn.nodemanager.aux-services 在hadoop2.2.0版本中mapreduce_shuffle,一定要看清楚.
l etc/hadoop/mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
解释：
mapreduce.framework.name 指的是使用yarn运行mapreduce程序.
l etc/hadoop/slaves
V2
V3
V4
解释：
指定hdfs中的datanode节点
l etc/hadoop/hadoop-env.sh
export JAVA_HOME=/usr/java/jdk1.7.0_71
解释：
hadoop集群格式化以及启动时会到次目录下寻找环境变量，必须配置。
l 将相关配置文件拷贝至其他主机。
3、配置zookeeper，
解压zookeeper-3.4.6.tar.gz；
拷贝一份配置文件 cp zoo_sample.cfg
（1）在所有zookeeper节点中的zoo.cfg文件作如下配置：
l zoo.cfg
修改dataDir=/opt/zookeeper（注释：要手动创建目录）
server.1=V1:2888:3888
server.2=V2:2888:3888
server.3=V3:2888:3888
在所有zookeeper节点的dataDir（此处为/opt/zookeeper）目录中创建一个myid的文件，文件内容分别为1，2，3
（2）配置/etc/profile，
export ZOOKEEPER_HOME=/usr/software/zookeeper-3.4.6
export PATH=$PATH:$ZOOKEEPER_HOME/bin
l 将以上配置拷贝至其他zookeeper主机
4、集群初始化操作
（1）启动三个zookeeper：./zkServer.sh start
（2）启动JournalNode集群：./hadoop-daemon.sh start journalnode
（3）在其中一个namenode上格式化：./hdfs namenode -format
（4）把刚刚格式化之后的元数据同步到另外一个namenode上
a）启动刚刚格式化的namenode---- hadoop-daemon.sh start namenode;
b）在没有格式化的namenode上执行：hdfs namenode –bootstrapStandby;
c）启动第二个namenode;
（5）在其中一个namenode上初始化zkfc：hdfs zkfc –formatZK
解释：
格式化ZooKeeper集群，目的是在ZooKeeper集群上建立HA的相应节点
（6）停止上面节点：stop-dfs.sh
（7）全面启动：start-all.sh
注：zookeeper相关进程仍然需要手动开启