上篇：用Docker在一台笔记本电脑上搭建一个具有10个节点7种角色的Hadoop集群（上）-快速上手Docker
上篇介绍了快速上手Docker部分，下面接着介绍搭建Hadoop集群部分。
六、搭建Hadoop伪分布模式
我们先用前面创建的这个容器来搭建Hadoop伪分布模式做测试，测试成功后再搭建完全分布式集群。
1.SSH
这个centos容器可以看做是一个非常精简的系统，很多功能没有，需要自己安装。
Hadoop需要SSH，但容器没有自带，需要我们安装。
①安装SSH
# yum -y install openssh-clients openssh-server
②生成3个key文件
# ssh-keygen -t rsa -f /etc/ssh/ssh_host_rsa_key一路回车
# ssh-keygen -t ecdsa -f /etc/ssh/ssh_host_ecdsa_key 一路回车
# ssh-keygen -t ed25519 -f /etc/ssh/ssh_host_ed25519_key 一路回车
③启动sshd
# /usr/sbin/sshd
④修改root密码
因为默认的密码不知道，我们重新设置一下。
# passwd root
⑤设置ssh免密登录到本机
# ssh-keygen一路回车
# ssh-copy-id localhost 输入密码
# ssh localhost
免密登录成功
# exit
退回到刚才的shell中。
2.which
运行hadoop需要which命令，同样容器没有自带，需要我们安装。
# yum -y install which
3.文件复制
下面我们将已经提前准备好的JDK和Hadoop从宿主机上复制到容器中。注意，复制操作要在Docker宿主机上进行。
$ docker cp /home/chengyujia/jdk1.7.0_80/ pseudo-distributed:/root/ $ docker cp /home/chengyujia/hadoop-2.7.3/ pseudo-distributed:/root/
在容器中可以看到JDK和Hadoop已复制到位。
4.配置环境变量并在容器启动时启动sshd
在/etc/profile.d中新建一个run.sh文件
在run.sh文件中写入下面6行内容：
export JAVA_HOME=/root/jdk1.7.0_80 export PATH=$PATH:$JAVA_HOME/bin export HADOOP_HOME=/root/hadoop-2.7.3 export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop /usr/sbin/sshd
用exit命令退出容器，重新启动并进入容器，上面配置的环境变量会生效，sshd也会启动。
5.hadoop伪分布式配置
①配置hadoop-env.sh
将export JAVA_HOME=${JAVA_HOME}中的${JAVA_HOME}替换为具体路径，这里为export JAVA_HOME=/root/jdk1.7.0_80。
②配置core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
③配置hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
④配置mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
⑤配置yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
6.启动伪分布集群并运行wordcount示例程序
①准备测试数据
新建一个input文件夹，在这个文件夹中新建一个test.txt文件，里面随便写点单词，然后将该文件多复制几份，我这里复制了5份。
②格式化namenode
# hdfs namenode -format
③启动HDFS
# start-dfs.sh
④启动YARN
# start-yarn.sh
⑤查看相关进程是否都启动
# jps
如有以下5个进程，说明启动成功。
DataNode NodeManager NameNode SecondaryNameNode ResourceManager
⑥将测试数据复制到HDFS中
# hdfs dfs -put /root/input /
⑦运行wordcount示例程序
# hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input /output
⑧查看输出结果
# hdfs dfs -cat /output/part-r-00000
从截图可以看出输出正确。伪分布式测试完毕。
七、搭建Hadoop完全分布式集群
1.集群规划
1个NameNode节点 1个SecondaryNameNode节点 1个ResourceManager节点 1个JobHistory节点 5个Slave节点 1个Client节点
其中Slave节点包含DataNode和NodeManager两种角色。
Client节点是用来操作的节点，所有操作都尽量在这个节点上进行。
以上共10个节点，7种角色。
2.将上面的伪分布式容器打包成镜像
理论上，我们只要将上面的伪分布式容器复制10份，然后改改配置文件就行了。但是Docker容器不能直接复制，需要先打包成镜像，然后用这个镜像生成10个新的容器。
命令如下：
$ docker commit -a "成宇佳" -m "Hadoop在centos上搭建的伪分布模式。" pseudo-distributed hadoop-centos:v1
-a 表示作者。
-m 表示对该镜像的说明。
pseudo-distributed 被打包容器的名称
hadoop-centos:v1 生成镜像的名称及版本
需要知道的是，因为这个被打包的容器是通过centos镜像创建的，所以由该容器打包成的新镜像也包含了centos镜像。
3.创建网络
$ docker network create hadoop_nw
这里新建了一个叫hadoop_nw的网络，后面将10个Hadoop节点容器都加入到该网络，就能相互间通信了。而且不需要配置hosts文件，直接通过容器名称即可访问。
$ docker network ls
通过该命令可以查看所有的网络，除了我们刚创建的hadoop_nw网络，其它都是安装Docker时自动生成的，在本文中不用管它们。
4.用新生成的镜像创建10个容器
$ docker run -itd --network hadoop_nw -h namenode --name namenode -p 50070:50070 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h secondarynamenode --name secondarynamenode hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h resourcemanager --name resourcemanager -p 8088:8088 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h jobhistory --name jobhistory -p 19888:19888 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h slave1 --name slave1 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h slave2 --name slave2 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h slave3 --name slave3 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h slave4 --name slave4 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h slave5 --name slave5 hadoop-centos:v1 $ docker run -itd --network hadoop_nw -h client --name client hadoop-centos:v1
-itd 表示打开终端但不进入
--network 表示加入到哪个网络
-p 表示端口映射
从上面可以看到namenode、resourcemanager和jobhistory这3个节点做了端口映射。端口映射的作用是将Docker宿主机的某个端口映射到容器的某个端口上，这样我们通过访问Docker宿主机的这个端口就能间接访问到相应的容器端口了。就像从外网访问内网中的某台机器一样。我们在后面通过浏览器查看集群信息的时候会用到。
5.修改Hadoop配置文件
我们在client节点修改，然后复制到其它节点。
①配置core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://namenode:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/root/hadoop-2.7.3/data</value>
</property>
</configuration>
②配置hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>secondarynamenode:50090</value>
</property>
</configuration>
③配置mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<property>
<name>mapreduce.jobhistory.address</name>
<value>jobhistory:10020</value>
</property>
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>jobhistory:19888</value>
</property>
</configuration>
④配置yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>resourcemanager</value>
</property>
</configuration>
⑤配置slaves文件
slave1 slave2 slave3 slave4 slave5
6.配置节点间SSH免密登录
在client节点执行：
# ssh-copy-id namenode # ssh-copy-id secondarynamenode # ssh-copy-id resourcemanager # ssh-copy-id jobhistory # ssh-copy-id slave1 # ssh-copy-id slave2 # ssh-copy-id slave3 # ssh-copy-id slave4 # ssh-copy-id slave5
在resourcemanager节点执行：
# ssh-copy-id slave1 # ssh-copy-id slave2 # ssh-copy-id slave3 # ssh-copy-id slave4 # ssh-copy-id slave5
7.复制配置文件到所有节点
在client节点执行：
# scp -r $HADOOP_HOME/etc/hadoop namenode:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop secondarynamenode:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop resourcemanager:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop jobhistory:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop slave1:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop slave2:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop slave3:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop slave4:$HADOOP_HOME/etc # scp -r $HADOOP_HOME/etc/hadoop slave5:$HADOOP_HOME/etc
8.启动Hadoop集群
在client节点执行：
①格式化namenode
# ssh namenode "hdfs namenode -format"
②启动HDFS集群
# start-dfs.sh
③启动YARN集群
# ssh resourcemanager "start-yarn.sh"
④启动JobHistory
# ssh jobhistory "mr-jobhistory-daemon.sh --config $HADOOP_CONF_DIR start historyserver"
9.在浏览器中查看集群信息
由于指定过相应容器的端口映射，我在我的Windows上用浏览器访问Docker宿主机相应的端口就能访问到容器。
HDFS http://Docker宿主机IP:50070/ YARN http://Docker宿主机IP:8088/ jobhistory http://Docker宿主机IP:19888/
从web上可以看到集群正常：
10.运行wordcount示例程序
①将测试数据复制到HDFS中
# hdfs dfs -put /root/input /
②运行wordcount示例程序
# hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /input /output
③查看输出结果
# hdfs dfs -cat /output/part-r-00000
从截图可以看到输出结果正确。完全分布式集群搭建完毕。
参考资料
写本文时参考了很多网上的资料，在此一并表示感谢！
docker 安装hadoop
http://www.cnblogs.com/liqiu/p/4164406.html
docker安装hadoop集群
http://www.cnblogs.com/songfy/p/4716431.html
Docker搭建hadoop集群
http://www.cnblogs.com/liuyifeng/p/5383076.html
基于Docker快速搭建多节点Hadoop集群
http://dockone.io/article/395
基于Docker搭建Hadoop集群之升级版
http://kiwenlau.com/2016/06/12/160612-hadoop-cluster-docker-update/
使用docker搭建hadoop分布式集群
http://blog.csdn.net/xu470438000/article/details/50512442
使用Docker在本地搭建Hadoop分布式集群
http://tashan10.com/yong-dockerda-jian-hadoopwei-fen-bu-shi-ji-qun/
Docker实战（十四）：Docker安装Hadoop环境
http://blog.csdn.net/birdben/article/details/51724126
从 0 开始使用 Docker 快速搭建 Hadoop 集群环境
http://www.jianshu.com/p/b75f8bc9346d
本文结束，谢谢大家！
来源：https://www.cnblogs.com/chengyujia/p/6860551.html