刚开始搭建hadoop集群的时候，使用的是VMware创建的虚拟机。结果卡到心态爆炸。。。
今天尝试使用Docker搭建hadoop集群，发现是如此的好用快捷，也比使用VMware简单。
在这里记录一下防止以后忘记，为以后的学习做准备。
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：
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 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，否则创建容器之后是一串随机的数字和字母不好辨认使用。–name指定了容器的名字，也是为了方便区分使用。
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：
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。
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：
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：
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：
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：
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）：
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_77core-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>
相关目录会在格式化的时候会自动创建，hdfs-site.xml中的有关目录都是以core-site.xml中的hadoop.tmp.dir为主进行配置的，所以可以先创建hadoop.tmp.dir的目录。
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：
在Master上使用jps查看相关进程是否启动：
在Slave节点上使用jps查看相关进程是否启动：
使用命令查看各节点信息：hadoop dfsadmin -report
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 /
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/
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
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：
可以使用： hadoop fs -cat /output1/part-r-00000 查看一下统计结果：
6.检测集群状况。
可以通过Master节点的50070端口来进行检测集群节点运行状态。
但是由于是服务器，而且是Centos系统没有图形化界面，可以采用端口映射的方法，直接在任何地方来进行查看。
通过图中的步骤就可以对运行中的Docker容器进行端口映射，这样子我们就可以通过本地的浏览器访问服务器地址的50070端口，就可以直接查看运行在Docker容器的集群状况。
来源：CSDN
作者：繁城落叶
链接：https://blog.csdn.net/Leafage_M/article/details/72633408