Hadoop与Spark之间区别联系类似WPS与Word，即Hadoop与Spark功能相同，一个性能较高、另一个性能较普通而已。

可按如下步骤手工部署：

一、制定部署规划。

以下均可：一是云创云端容器云；二是四台实体机；三是在一台高配物理机上使用VMware虚拟出四台虚拟机；四是在一台中配置机上使用Docker虚拟出四台虚拟机。

二、准备机器。

1.修改机器名

• su - root
  切换成root用户修改机器名
• hostnamectl set-hostname slave1
  编辑存储机器名文件(CentOS7.x版本命令)
• vim /etc/sysconfig/network
  编辑存储机器名文件(CentOS6.x版本命令)
  将“HOSTNAME=localhost.localdomain”中“localhost.localdomain”替换成slave1。
  注意一是重启机器后更名操作才会生效，二是必须以root权限执行（即要么以allen用户登录切换成root，要么直接root用户登录）。

2.关闭防火墙

默认情况下CentOS防火墙iptables会阻断进程间(不同机器)通信，用户可永久关闭防火墙或设置防火墙开放Hadoop相关端口，为简单起见，使用永久关闭命令。

• systemctl disable firewalld
  永久关闭iptables，重启后生效(CentOS7.x版本命令)
  chkconfig –level 35 iptables off
  永久关闭iptables，重启后生效(CentOS6.x版本命令)
  注意一是重启机器后防火墙才会真的关闭，二是必须以root权限执行。

3.安装JDK

Hadoop运行时需1.7及以上的Oracle版JDK环境支撑，选用当前最稳定版“jdk-8u161-linux-x64.rpm”，请读者自行下载并拷贝至CentOS的某目录，如以下假定jdk安装文件位于CentOS机的“/root/tools/jdk-8u161-linux-x64.rpm”。

• java -version
  查看java是否安装
• rpm -ivh /root/tools/jdk-8u161-linux-x64.rpm
  以root权限,rpm方式安装
• java -version
  验证java是否安装成功
  安装后无需重启立刻生效，不过必须以root权限执行。

4.添加域名映射

• ifconfig
  查看slave1机器IP地址
  首先使用上述命令查看本机当前IP。假如命令输出该机IP地址为“192.168.1.100”，又知该机主机名为slave1，则域名映射应为：192.168.1.100 slave1
• 接着编辑域名映射文件“/etc/hosts”，将上述内容追加到文件末尾，注意是追加，切不可删除原有内容。
  vim /etc/hosts
  编辑域名映射文件
  注意一是无需重启立刻生效，二是必须root权限执行，三是追加，不可删除原内容。

5.关闭桌面

systemctl set-default multi-user.target
关闭桌面
注意一是非必须(仅为节省内存)，二是必须root权限执行，三是通过“startx”命令可从命令行进入桌面。

6.重启生效

reboot
不管三七二一，重启生效一切操作
重启好机器后，可通过如下命令逐一收获结果：
hostname
查看本机主机名,结果应为slave1
systemctl status firewalld
查看防火墙状态,结果应有incative字样
java -version
查看jdk版本,结果应有1.8.0_161
ping slave1
查看域名映射,结果应可以ping的通

三、配置集群环境。

指的是对集群中的每台机器，设置其相应的“主机名”、“关闭每台机器的防火墙”、“为每台机器安装JDK”、“为每台机器添加整个集群的域名映射”。显然，除“为每台机器添加整个集群的域名映射”外，其余三项设置实质上就是前面的任务，即对新创建的五台CentOS机器，逐一执行。

1.为每台机器添加整个集群的域名映射

• 依次在集群各(此处为五台)机器上执行如下命令查看IP地址，并同时记录每台机器主机名。
  ifconfig
  查看master、slave机器IP地址
  按如下格式汇总各机IP与主机名(假定如下即为这五台机器对应的IP地址)：

192.168.1.100  master 
192.168.1.101  slave1 
192.168.1.102  slave2 
192.168.1.102  slave3
192.168.1.102  slave4

• 将上述(全部)内容追到到每台机器的“/etc/hosts”文件里。
  vim /etc/hosts

编辑master、 slave的域名映射文件

注意一是无需重启立刻生效；二是必须root权限执行；三是追加，不可删除原内容；四是集群中每台机器都要添加。

• 完成上述操作后，即完成“集群四项设置”。其中前三项设置各机可自行验证，验证方法同实验三；第四项“为每台机器添加整个集群的域名映射”验证方法需小改如下：
  ping master
  在slave2上ping机器master、slave1、slave2、slave3、slave4
  以上以slave2机为例，若slave2可ping通集群内所有(包括自身)机器，则slave2机“添加整个集群的域名映射”设置成功。若集群内所有机均可ping通自身及其它机器，则“为每台机器添加整个集群的域名映射”设置成功

2.配置SSH免密登录

Hadoop的基础是分布式文件系统HDFS，HDFS集群有两类节点以管理者-工作者的模式运行，即一个namenode（管理者）和多个datanode（工作者）。在Hadoop启动以后，namenode通过SSH来启动和停止各个节点上的各种守护进程，这就需要在这些节点之间执行指令时采用无需输入密码的认证方式，因此，我们需要将SSH配置成使用无需输入root密码的密钥文件认证方式。

• ssh-keygen
  root用户,master机,生成公私钥，生成master服务器密钥。

• ssh-copy-id master
  将master服务器公钥拷贝至master服务器本身。

• 公钥拷贝完成后，可以在master服务器上直接执行命令ssh master
  查看是否可以免密登录master服务器：
  ssh master
  root用户,登录本机网络地址
  exit
  退出本次登录
  ssh-copy-id slave1
  将master服务器公钥拷贝至slave1服务器。

• 公钥拷贝完成后，可以在master服务器上直接执行命令ssh master
  查看是否可以免密登录slave1~2服务器：
  ssh localhost
  root用户,登录本机环回地址
  ssh slave1
  root用户,从master远程登录slave1、2

• 其余服务器按照同样的方式配置ssh免密登录，完成后验证是否可以互相之间实现SSH免密登录。

编译、运行或者打包Java程序。

使用vi编辑器编写HelloWorld.java：

public class HelloWorld {
    public static void main(String args[]) {
        System.out.println("Hello World!");
    }
}

• 编译Java程序
  javac HelloWorld.java
  使用javac命令编译该程序，生成HelloWorld.class文件
• 运行Java程序
  java HelloWorld
  使用java命令执行该程序，输出Hello World!
• 打包Java程序
  jar -cvf HelloWorld.jar HelloWorld.class
  由于打包时并没有指定manifest文件，因此该jar包无法直接运行：
  java -jar HelloWorld.jar
• 如果出错，修改META-INF文件
  （a）jar xvf HelloWorld.jar
  解压jar包 生成META-INF文件夹，
  （b）vim MANIFEST.MF
  在第3行加上 Main-Class: HelloWorld
• 打包携带manifest文件的Java程序
  打包时，加入-m参数，并指定manifest文件名：
  jar -cvfm HelloWorld.jar META-INF/MANIFEST.MF HelloWorld.class
  之后，即可使用java命令直接运行该jar包：
  java -jar HelloWorld.jar

四、下载组件。

下载Hadoop。请至http://archive.apache.org/dist/主页下载hadoop-2.7.4.tar.gz并以root用户拷贝至各机“/root/tools/hadoop-2.7.4.tar.gz”。。

五、部署前置组件。

所谓的“部署前置组件”指的是部署本组件的依赖组件，如部署Hive前需提前部署Hadoop；部署Spark前需提前部署HDFS（当指定Spark使用HDFS时）。

六、部署组件。

解压Hadoop（五台机器均需解压Hadoop）；配置HDFS（五台均配置 hadoop-env.sh ,core-site.xml）；格式化主节点（仅安装时主节点执行一次，其它情况均不执行）。

• 解压Hadoop
  以root用户登录各机，在root的默认HOME目录（即/root）下解压Hadoop。
  tar -zxvf /root/tools/hadoop-2.7.4.tar.gz
  master、slave上root用户解压Hadoop
• 配置HDFS
  配置hadoop-env.sh，编辑文件
  vim /root/hadoop-2.7.4/etc/hadoop/hadoop-env.sh
  找到如下一行：
  export JAVA_HOME=${JAVA_HOME}
  将这行内容修改为：
  export JAVA_HOME=/usr/java/jdk1.8.0_161
  这里的“/usr/java/jdk1.8.0_161”即为JDK安装位置，如有不同，请读者务必根据实际情况更改。
  注意一是以root用户登录；二是五台机器均需执行；三是务必根据实际填写正确的JDK目录。
• 配置core-site.xml
  编辑各机文件
  vim /root/hadoop-2.7.4/etc/hadoop/core-site.xml
  将如下内容嵌入此文件的configuration标签间（即<configuration>与</configuration>间）。

<property><name>hadoop.tmp.dir</name><value>/root/hadoopdata</value></property>
<property><name>fs.defaultFS</name><value>hdfs://master:8020</value></property>

注意一是以root用户登录；二是五台机器均需执行；三是仅在<configuration>与</configuration>间添加上述内容，切不可删除configuration外原有内容。

• 格式化主节点
  在master机上，执行下述命令，完成格式化HDFS主服务元数据存储区操作：
  /root/hadoop-2.7.4/bin/hdfs namenode -format
  格式化主节点命名空间
  注意一是以root用户操作；二是仅master机执行；三是仅安装时主节点执行一次，其它情况均不执行。

七、启动HDFS

总原则为“主节点启动主服务、从节点启动从服务”

实际操作命令见如下两步骤。

• 在master机上使用下述命令启动HDFS主服务namenode：
  /root/hadoop-2.7.4/sbin/hadoop-daemon.sh start namenode
  master启动主服务
• 在slave1、slave2、slave3、slave4上使用下述命令启动HDFS从服务datanode
  /root/hadoop-2.7.4/sbin/hadoop-daemon.sh start datanode
  slave1、2、3启动从服务
  注意一是以root用户操作；二是master机仅启动namenode；三是所有slave都需启动datanode；四是使用的脚本名为“hadoop-daemon.sh”，而不是“hadoop-daemons.sh” 。

统一启动

• 修改slave文件
  vim /root/hadoop-2.7.4/etc/hadoop/slaves
  添加slave1、slave2，Localhost不删，把master也作为slave
• 统一启动命令
  /root/hadoop-2.7.4/sbin/start-dfs.sh

八、测试HDFS

• 方法一 Web页面测试
  任选集群内某机，打开该机默认浏览器Firefox并输入如下地址，即可进入HDFS的Web统计界面。
  http://master:50070
  HDFS web页面网址
  若读者是在“您的终端电脑”上打开该网址，显然“您的终端电脑”必须能将主机名master映射成该机IP。此时请读者务必根据实际情况修改如下内容并将其追加到“您的终端电脑”的“C:\Windows\system32\drivers\etc\hosts”文件里，注意是追加不是覆盖。

192.168.1.100  master
192.168.1.101  slave1

• 方法二 JPS进程测试
  请在五台机器上分别执行下述命令(两命令功能相同，择一即可)，查看HDFS进程：
  /usr/java/jdk1.8.0_161/bin/jps
  jps命令查看java进程
  ps –ef | grep java
  ps命令查看java进程
  master机可看到类似如下信息(进程号，进程名)：

2347 NameNode                                       #分布式存储HDFS集群主服务
slave1、slave2、slave3、slave4机可看到类似如下信息(进程号，进程名)：
4021 DataNode                                        #分布式存储HDFS集群从服务

no datanode to stop

• 方法三 上传文件测试
  显然，最稳妥的测试方式是将某文件“放”入HDFS集群，已确定该集群可存储文件，如下步骤即实现该测试：
  Step1 确定HDFS集群当前无文件
  浏览器依次进入http://master:50070 >“左上角”>“Brose the file system”，显然，当前HDFS集群无任何文件与文件夹。
  Step2 使用如下命令在HDFS里新建“/in”目录
  /root/hadoop-2.7.4/bin/hdfs dfs -mkdir /in
  在HDFS存储区新建in目录
  请注意该命令虽在master机shell环境下执行，但其不是在master机根目录下新建的文件夹“in”，而是在HDFS存储区的根目录下新建的“in”目录。命令执行后，请读者再次执行Step1，从HDFS Web页面查看HDFS存储区是否出现“in”目录。
  Step3 上传文件至HDFS里的“/in”目录
  /root/hadoop-2.7.4/bin/hdfs dfs -put / root/hadoop-2.7.4/etc/hadoop/* /in
  上述命令将master机本地文件夹“/root/hadoop-2.7.4/etc/hadoop/”下所有文件拷贝至HDFS集群的“/in”目录下。命令执行后，请读者按照Step1定位到HDFS Web页面“in”目录下，查看文件。

九、关闭该HDFS集群

总原则为“主节点关闭主服务、从节点关闭从服务”，实际操作命令参见如下两步骤。此外，本步骤最简单的验证方法为关闭前浏览器可打开“http://master:50070”，关闭后浏览器打不开“http://master:50070”。

• 在master机上使用下述命令关闭HDFS主服务namenode：
  /root/hadoop-2.7.4/sbin/hadoop-daemon.sh stop namenode
  master关闭主服务
• 在slave1、slave2、slave3、slave4上使用下述命令关闭HDFS从服务datanode
  /root/hadoop-2.7.4/sbin/hadoop-daemon.sh stop datanode
  slave1、2、3关闭从服务
  注意一是以root用户操作；二是master机仅关闭namenode；三是所有slave都需关闭datanode；四是使用的脚本名为“hadoop-daemon.sh”，而不是“hadoop-daemons.sh” 。