我参考了这篇博客，写的很清楚不过还有一些漏洞：https://blog.csdn.net/qq_33530388/article/details/72811705
下面是我将一些错误的地方修正了，给大家看。亲测可用！！失败的可以留言！！
首先线上个效果图：

image.png

环境介绍：我的主机是win10，自带16G，装的虚拟机centos7，给了4G内存。在centos7里面装了docker，本章不介绍docker的安装，如果想看的可以看我的其他文章

1.获取镜像。

如果是本地使用VMware搭建的话，需要准备Java环境，hadoop安装包，还要配置环境变量。虽然不难，但是经常做这些工作也难免烦躁。
使用Docker容器的话，那这一切就变得简单多了。

首先要准备一个镜像，可以使用Dockerfile构建一个合适自己的镜像，或者可以在共有仓库中找一个具有hadoop环境的镜像来使用也可以。由于我是配置的阿里云的加速器，所以在阿里云的仓库中找了一个具有hadoop环境的镜像。hadoop镜像地址

使用命令拉到本地：

docker pull registry.cn-hangzhou.aliyuncs.com/kaibb/hadoop

下载完成之后，通过docker images 可以查看到该镜像：

这里写图片描述

2.创建容器。

有了镜像之后，我们根据该镜像创建三个容器，分别是一个Master用来作为hadoop集群的namenode，剩下两个Slave用来作为datanode。

可以使用命令：

docker run -i -t --name Master -h Master  -p 50070:50070 registry.cn-hangzhou.aliyuncs.com/kaibb/hadoop /bin/bash

命令中的-h为该容器设置了主机名，这里设置为Master，最好创建容器的时候就设置主机名，在容器内部设置不生效。

–name指定了容器的名字，也是为了方便区分使用。

-p 是指定对外开放的端口50070，这是方便我们在浏览器上访问hdfs。原文中也有给出如何给运行的容器开放端口映射，不过对我还是不好用

如果需要设置挂载的,可自行设置

建立好Master节点的容器之后，再分别使用两次该命令，创建两个Slave节点。稍微改变其中的参数即可：

例如创建Slave1节点：

docker run -i -t --name Slave1 -h Slave1 registry.cn-hangzhou.aliyuncs.com/kaibb/hadoop /bin/bash

这样集群的基本环境就准备好了。

3.配置SSH。

如果是本地搭建的话，需要配置的大概分为三步：
1.配置java环境。
2.配置无秘SSH。
3.配置hadoop环境。

但是下载的镜像已经包含了这些内容，我们只需要简单的配置一下就可以使用了。
在这个镜像中，有关java和hadoop的内容都存放在了/opt/tools目录下。

先查看下环境变量都包含了什么：

这里写图片描述

从中间可以看出包含了jdk和hadoop的bin目录，所以我们可以直接使用这两个命令。

这里写图片描述

java环境已经不需要我们来配置了。

接下来配置一下无秘的SSH。

首先将SSH运行起来。

/etc/init.d/ssh start

然后生成秘钥，保存到authorized_keys中。这个地方可以看一下这篇博客：ssh-keygen 的 详解

ssh-keygen -t rsa

执行的总体过程如下：

这里写图片描述

接下来在两个Slave节点中做相同的事情，并且将每个节点生成的秘钥互相保存在authorized_keys中。

也就是说，三个节点的都是这个样子的：

这里写图片描述

接下来查看一下各自节点的ip地址，但是如果直接使用熟悉的ifconfig时，就会发现没有这个命令。那是因为镜像本身就比较简洁，简洁到连这个命令都没有。。。这个我也是服。
可以使用ip addr查看，或者：apt-get install ifconfig net-tools,安装相关命令。

相比之下还是ip addr方便点：

这里写图片描述

然后修改/etc/hosts，将主机名和对应的ip地址添加进去，这样做为了方便调用ssh：

这里写图片描述

如果在Master节点，想要连接到Slave1节点，可以使用：ssh 192.168.0.3，也可以使用ssh Slave1。很明显能感觉到使用主机名比较方便理解使用。

如果使用ssh Slave1之后没有提示需要输入密码，就代表成功了（第一次的话会让输入yes或者no，是为了记住该地址，如果输入yes之后就可以直接连接就像下面这样）：

这里写图片描述

4.配置hadoop。

到现在为止，我们已经准备好了haoop搭建的所有基本工作。也是由于该Docker镜像为我们准备好了需要才会这么简单的。

我们只需要在配置一下hadoop相关的内容。

为了方便起见，我们可以直接在Master节点进行配置，然后使用scp命令发送到各节点覆盖原来的即可。

这里不废话，直接上代码，至于其中的意思可以参考书籍资料，或者查看这个文档：hadoop安装指南，这个文档是在VMware上配置的。

hadoop-env.sh：修改有关java的环境

export JAVA_HOME=/opt/tools/jdk1.8.0_77

core-site.xml

<configuration>

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

hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
  <property>
    <name>dfs.datanode.data.dir</name>
    <value>/hadoop/data</value>
  </property>
  <property>
    <name>dfs.namenode.name.dir</name>
    <value>/hadoop/name</value>
  </property>
</configuration>

mapred-site.xml

<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

yarn-site.xml

<configuration>
 <property>
<name>yarn.resourcemanager.address</name>
 <value>Master:8032</value>
</property>
<property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>Master:8030</value> </property> <property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>Master:8031</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>Master:8033</value>
</property>
<property>
    <name>yarn.resourcemanager.webapp.address</name>
    <value>Master:8088</value>
</property>
 <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
</property>
 <property>
 <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
 <value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
</configuration>

slaves

Master
Slave1
Slave2

所以我这里datanode有3个，每个节点各一个，namenode只有一个，在Master上

相关目录最好需要手动创建，然后分发给其他节点上

mkdir /hadoop/data
mkdir /hadoop/name
mkdir /hadoop/tmp
scp -r hadoop root@Slave1:/
scp -r hadoop root@Slave2:/

然后将这些文件通过scp发送到各个Slave节点上覆盖原来的文件：

scp core-site.xml hadoop-env.sh hdfs-site.xml mapred-site.xml yarn-site.xml Slave1:/opt/tools/hadoop/etc/hadoop/

到这里为止，所有的准备工作都做好了。

5.运行hadoop。

进行格式化操作：

hadoop namenode -format

启动集群：

使用./start-all.sh，如果启动过程中提示关于0.0.0.0地址输入yes或no，输入yes即可：

这里写图片描述

在Master上使用jps查看相关进程是否启动：

这里写图片描述

在Slave节点上使用jps查看相关进程是否启动：

这里写图片描述

使用命令查看各节点信息：hadoop dfsadmin -report

这里写图片描述

然后再运行一个统计单词的例子：

现在hsfs上创建一个文件夹：

hadoop fs -mkdir /input

查看该文件夹：

hadoop fs -ls /

这里写图片描述

上传文件到hdfs，这里直接将当前目录的README.txt进行上传：

hadoop fs -put README.txt /input/

这里写图片描述

之后运行相关例子：

在/opt/tools/hadoop/share/hadoop/mapreduce目录中执行：hadoop jar hadoop-mapreduce-examples-2.7.2.jar wordcount /input /output

这里写图片描述

注意下这里我之前已经做过测试了，所有outout目录已经存在了，所以换成了output1，这个目录不需要提前创建，运行的时候指定一下，会自动创建的。

查看相关结果输出：

这里写图片描述

可以使用： hadoop fs -cat /output1/part-r-00000 查看一下统计结果：

这里写图片描述