docker-desktop的spark-hadoop 分布式集群搭建2022

基于 docker-desktop的spark-hadoop 分布式集群搭建

一 小组成员

1. 颜值担当
2. cft
3. 精致男
4. 健身达人

二 实验目的

1. 掌握在 docker 中安装 hadoop 和 Spark 的方法
2. 熟悉 HDFS 的基本使用方法

三 实验要求

成功完成docker的spark-hadoop 分布式集群搭建并提交实验报告

四 实验环境

• 操作系统：Ubuntu

• Spark 版本：3.3.0 ；

• Jdk 版本：1.8；

• Scala版本：2.12.11；

• Hadoop 版本：2.7.4 。

  所需软件下载

五 实验过程

5.1 实验准备

5.1.1 安装docker desktop

实验采用的是Docker-desktop软件，Docker是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。简单理解:
Docker就是一个虚拟机，可以让你在一个虚拟的，类似于沙盒的环境下进行环境搭建、软件安装、软件使用、程序编码等操作，并且这个环境是Linux系统。

实际上：是在Linux系统下的一种容器，容器技术把一个系统需要的资源划分给一个独立的组(Linux系统下每个组的权限不同，互不干扰)，可以将此看作是一个新的Linux系统，因为它包含了Linux系统所需要的环境。与虚拟机不同的是，虚拟机下的系统是有虚拟硬件的，而Docker内的系统实际上是一个环境。

1. 搜索[Docker官网]:Home - Docker进入官网，找到Docker-desktop的下载链接下载安装包，直接打开安装包进行安装即可(安装前最好关闭防火墙)(安装好后重启)。

2. 需要手动进入系统BIOS启用虚拟化技术，并且在系统启动需要启动Hyper-V服务。这是必须手动开启的，不会的话请自行百度查阅教程。

3. 系统一定要Windows10系统(专业版和家庭版都可以)，win10以下的系统好像暂不支持Docker-desktop(桌面版）

---

5.1.2测试docker

cmd打开命令行窗口，输入一下命令测试是否安装成功

docker info

以上显示说明docker-desktop安装成功。

docker默认将镜像存在C盘中，如果不想占用C盘空间，则可以将其改到其他盘符，可通过创建文件链接的方法更改存储位置。具体方法如下：

1. 请务必先关闭docker 或者docker desktop

2. 通过Everything或者资源管理器找到以.vhdx结尾的文件所在的位置，这些就是docker镜像路径.

   这里的路径一般在 C:\Users\admin\AppData\Local\Docker\wsl下的data文件夹，将该源文件夹删除，即data文件夹，这里假设我们要将其位置更改到D盘D:\docker\wsl下

3. 以管理员运行cmd并且使用以下命令创建链接：

mklink /J C:\Users\admin\AppData\Local\Docker\wsl\data D:\docker\wsl\data
mklink /J C:\Users\admin\AppData\Local\Docker\wsl\distro D:\docker\wsl\distro

即可成功创建从C盘到D盘的软链接，此时可以在源路径看到新建出来的文件夹，其实可以理解为快捷方式比较类似。

由于使用docker-desktop拉取镜像时国外镜像加载很慢，有时候还一直打不开，连不上，所以推荐设置国内镜像源。

只需要将上图对应位置的源进行修改即可，这里使用的是阿里云的源：

{
  "debug": false,
  "experimental": false,
  "features": {
    "buildkit": true
  },
  "insecure-registries": [],
  "registry-mirrors": [
    "https://registry.docker-cn.com",
    "https://nrbewqda.mirror.aliyuncs.com",
    "https://dmmxhzvq.mirror.aliyuncs.com"
  ]
}

5.1.3 创建需要的镜像与容器

本项目搭建在ubuntu系统上，需要ubuntu镜像，一共是三个节点，一个master，两个slave，共需要三个容器，下面是镜像的获取与容器的创建：

首先获取ubuntu镜像：

docker pull ubuntu

查看已有的镜像：

docker images

创建桥接网络，连接宿主机，master和两个slave：

docker network create -d bridge spark-net
docker network ls

创建master节点：

–name 配置容器名为master，–network将master接入spark-net网络，-h设置主机名为master，-p 8088:8888 -p 50070:50070分别是将容器的8888端口映射到宿主机的8888端口，将50070端口映射到宿主机的50070端口,将4040端口映射到宿主机的4040端口，将7077端口映射到宿主机的7077端口（这四个端口是后面配置的访问hadoop和spark web页面以及连接spark-shell的端口，由于在创建容器后再更改很麻烦，所以在创建容器的时候就设置好）

docker run -itd --name master  --network spark-net -h master -p 8088:8888 -p 50070:50070 -p 4040:4040 -p 7077:7077 ubuntu

---

5.2 环境配置

登录master：

docker exec -it master /bin/bash

后续登录slave1和slave2节点的命令与上述方式相同：

docker exec -it slave1 /bin/bash
docker exec -it slave2 /bin/bash

5.2.1 切换apt源

cd /etc/apt

将原有的源文件备份：

mv sources.list sources.list.bak

换为国内源，这里采用阿里云的资源，可以通过打开vim sources.list命令将sources.list文件打开，并在其中中加入国内源文件，直接在文件末尾输入：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse

deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse

也可以直接在命令行输入一下命令更改源：

echo deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse  >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse >> sources.listecho deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse >> sources.listecho deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse >> sources.list

5.2.2 安装必要的网络工具

由于pull的ubuntu镜像中缺少很多工具，所以需要安装网络工具：

apt-get update

apt-get upgrade

apt install net-tools

ifconfig # 显示网络参数

此时说明节点之间的网络已经通了。

5.2.3 将master提交作为基础镜像

为了避免重复安装，所以将配置好基础工具的master作为基础镜像，此时需要先退出master，直接在master下输入 exit命令即可

docker commit master base

5.2.4 在镜像基础上创建slave1和slave2

docker run -itd --name slave1  --network spark-net -h slave1  base
docker run -itd --name slave2  --network spark-net -h slave2  base

创建之后我们可以在docker-desktop看到我们创建的容器：

查看此时的spark-net

docker network inspect spark-net

三个容器之间的网络已经配置成功。

5.3 完全分布式安装

5.3.1 系统配置

1. 主机名设置，主节点为master，从节点分别为slave1和slave2（在创建容器的时候已经设置好了）

2. 其次我们要给每个节点分配一个ip地址：

3. 配置hosts

   首先还是登录master节点：

   将各节点的IP与主机名对应，IP与主机名中间相隔一个TAB，一定要注释上面的127.0.0.1（三个节点都要配置），否则后面启动集群会检测不到节点

   vim /etc/hosts
   

   按下图所示将各个节点配置信息添加到该文件下：

   

4. 重启网络（此处如果是20.04版本Ubuntu不用重启网络）

   /etc/init.d/networking restart
   

   

   

   5. 检查网络，各个节点之间互相ping一下，看看是否ping的通，若通过则配置成功。

      如果显示没有ping这个命令则需要首先安装ping包

      apt-get install inetutils-ping
      

      

      以master节点ping slave1节点为例，效果如下：

      

5.3.2 创建hadoop账户（master、slave1与slave2都要创建！）

首先登录master节点

adduser hadoop

把hadoop用户加入到hadoop用户组

usermod -a -G hadoop hadoop

查看结果

cat /etc/group |grep hadoop

把hadoop用户赋予root权限

vim /etc/sudoers

在文件中添加下面这段hadoop ALL=(root) NOPASSWD:ALL：

然后退出master节点，分别登录slave1和slave2节点重复上述操作，否则后续免密登录会遇到错误。

5.3.3 安装和配置JAVA环境（master、slave1与slave2都要创建！）

以master节点为例：

将下载的文件压缩包放在桌面位置，利用docker命令将其导入到docker的master节点的/usr/java目录中，这个目录可以自行设定，后边对应匹配即可。

首先在master节点中新建/usr/java目录：

mkdir /usr/java

退出master节点，在命令行输入一下命令：

docker cp C:/Users/Fuwenshuai/Desktop/jdk-8u161-linux-x64.tar.gz master:/usr/java

即可将文件上传至master节点，上述命令中C:/Users/Fuwenshuai/Desktop/jdk-8u161-linux-x64.tar.gz是文件的下载位置，master:/usr/java是要指定的上传到节点中的位置，后续上传hadoop等相关文件到节点中也是通过上述命令。

1. 登录master节点进入到压缩文件所在位置，并将其解压

   cd /usr/java
   tar -zxvf jdk-8u161-linux-x64.tar.gz -C /usr/java/
   

   

2. 配置环境变量

   vim ~/.bashrc
   

   在文件最后加上下列内容：

   export JAVA_HOME=/usr/java/jdk1.8.0_161
   export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
   export PATH=$JAVA_HOME/bin:$PATH
   

   

   然后激活配置文件使其生效：

   source ~/.bashrc
   

   

3. 检查java是否安装成功

   java-version
   

   下边返回java的版本及说明安装成功，本实验用的是jdk1.8的版本

   

   以上master节点的java环境配置完成，同理对slave1和slave2节点进行相同操作。

5.3.4 免密登录

1. 安装并配置SSH

   首先安装ssh：

   apt-get install openssh-server
   

   

   启动ssh：

   service ssh start
   

   

   配置ssh：

   vim /etc/ssh/sshd_config
   

   避免后期在登录root账户的被拒绝，在PermitRootLogin prohibit-password下面添加PermitRootLogin yes

   

   将PasswordAuthentication设为yes

   

   配置免密登录

   首先在master上创建ssh-key

   ssh-keygen -t rsa -P ""
   

   一直回车

   

   然后在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub

   

   在slave1和slave2上以同样的方式进行上述操作。

   

   

   

   

   3. 传递秘钥

      然后分别从salve1节点和slave2及节点通过以下命令将从节点的id_rsa传到主节点上。这里的目录自定义设置就可以，只要可以将其传到主节点即可。

      scp id_rsa.pub hadoop@master:/tmp/slave1_id_rsa.pub
      scp id_rsa.pub hadoop@master:/tmp/slave2_id_rsa.pub
      

      

      

      然后在master节点中将slave1和slave2传过来的id_rsa文件移动到~/.ssh/目录下：

      mv /tmp/slave1_id_rsa.pub ~/.ssh/slave1_id_rsa.pub
      mv /tmp/slave2_id_rsa.pub ~/.ssh/slave2_id_rsa.pub
      

      

      将id_rsa.pub、slave1_id_rsa.pub、slave2_id_rsa.pub追加到authorized_keys授权文件中

      cat *.pub >>authorized_keys
      

      

      这个时候已经可以免密登录本机了

      ssh master
      

      

      然后将master上的公钥文件传给slave1和slave2，可通过两种办法，一种是直接从master传：

      scp authorized_keys hadoop@slave1:/tmp
      scp authorized_keys hadoop@slave2:/tmp
      

      另外一种是分别登录slave1和slave2节点通过免密登录master节点的方式进行传（因为master已经可被从节点免密登录了）

      

      然后将公钥移动到~/.ssh/目录下：

      cp /tmp/authorized_keys ~/.ssh/authorized_keys
      

      修改公钥文件的权限

      chmod 664 authorized_keys
      

      传递完成之后，各个主从节点之间便可以进行免密登录了。

   4. 免密登录

      master连接slave1和slave2

      

      

      slave1连接master和slave2

      

      

      slave2连接master和slave1

      

      

5.3.5 安装Hdoop

同理采用上述的方式将下载好的hadoop文件上传至节点中，这里采用的是hadoop2.7.4版本

1. master的配置

   上传到master节点之后将压缩文件解压到/usr/local，然后切换到/usr/local将hadoop-2.7.4重命名为hadoop，并给/usr/local/hadoop设置访问权限

   cd /usr/local
   sudo mv hadoop-2.7.4 hadoop 
   sudo chmod 777 -R /usr/local/Hadoop
   

   

   配置.bashsc文件

   vim ~/.bashrc
   

   在文件末尾追加

   export HADOOP_INSTALL=/usr/local/hadoop
   export PATH=$PATH:$HADOOP_INSTALL/bin
   export PATH=$PATH:$HADOOP_INSTALL/sbin
   export HADOOP_MAPRED_HOME=$HADOOP_INSTALL 
   export HADOOP_COMMON_HOME=$HADOOP_INSTALL 
   export HADOOP_HDFS_HOME=$HADOOP_INSTALL 
   export YARN_HOME=$HADOOP_INSTALL 
   export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native
   export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"
   

   

   执行该命令使环境变量生效

   source ~/.bashrc
   

   修改 hadoop-env.sh文件，文件主要是配置JDK的位置，在文件中添加语句：

   vim /usr/local/hadoop/etc/hadoop/hadoop-env.sh
   

   在末尾添加下面内容

   export JAVA_HOME=/usr/java/jdk1.8.0_161
   export HADOOP=/usr/local/hadoop
   export PATH=$PATH:/usr/local/hadoop/bin
   

   

   配置yarn：

   vim /usr/local/hadoop/etc/hadoop/yarn-env.sh
   

   在末尾添加

   JAVA_HOME=/usr/java/jdk1.8.0_161
   

   

   进入Hadoop的安装目录，下面操作的路径均是在此目录的基础上的相对路径

   cd /usr/local/hadoop
   

   配置core-site.xml，core-site.xml 是核心配置文件我们需要在该文件中加入HDFS的URI和NameNode的临时文件夹位置，这个临时文件夹在下文中会创建。

   vim etc/hadoop/core-site.xml
   

   将configuration替换为下面内容

    <configuration>
                               <property>
                                       <name>hadoop.tmp.dir</name>
                                       <value>file:/usr/local/hadoop/tmp</value>
                                       <description>Abase for other temporary directories.</description>
                               </property>
                               <property>
                                       <name>fs.defaultFS</name>
                                       <value>hdfs://master:9000</value>
                               </property>
   </configuration>
   

   

   配置hdfs-site.xml，replication指的是副本数量，我们现在是3个节点，所以是3。属性名dfs.datanode.data.dir代表 datanode 上数据块的物理存储位置，属性名dfs.namenode.name.dir代表 namenode 上存储 hdfs 名字空间元数据

   vim etc/hadoop/hdfs-site.xml
   

   <configuration>
   						<property>
                                   <name>dfs.replication</name>
                                   <value>2</value>
                           </property>
                           <property>
                                   <name>dfs.namenode.name.dir</name>
                                   <value>file:/usr/local/hadoop/tmp/dfs/name</value>
                           </property>
                           <property>
                                   <name>dfs.datanode.data.dir</name>
                                   <value>file:/usr/local/hadoop/tmp/dfs/data</value>
                           </property>
   </configuration>
   

   

   配置yarn-site.xml

   vim  etc/hadoop/yarn-site.xml
   

   <configuration>
   
   <!-- Site specific YARN configuration properties -->
   
                       <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>| 
                         <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:18141</value>
                        </property>
                        <property>
                               <name>yarn.resourcemanager.webapp.address</name>
                               <value>master:18088</value>
                        </property>
   </configuration>
   

   

   

2. 配置slave

   vim etc/hadoop/slaves
   

   加上两个从节点的主机名即可

   slave1
   slave2
   

这个时候master的hadoop已经完全配置好了，接下来将master的hadoop传到slave1和slave2

3. 配置slave1和slave2

scp -r /usr/local/hadoop hadoop@slave1:/usr/local
scp -r /usr/local/hadoop hadoop@slave2:/usr/local

在这一步如果出现scp命令 permission denied的情况，可以先发送到从结点的/tmp文件夹下，再在各从节点中转移到指定的文件目录下，具体操作如下图：

scp -r /usr/local/hadoop hadoop@slave1:/tmp
scp -r /usr/local/hadoop hadoop@slave2:/tmp
mv hadoop /usr/local

启动Hadoop，在master节点上执行（只在master上执行）

hdfs namenode -format

运行启动脚本

start-all.sh

打开浏览器，输入端口127.0.0.1:50070，可以看到启动正常，并且有两个节点

测试hadoop集群是否正常运行

hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar pi 10 10

5.3.6 spark-hadoop的搭建

需要提前下载spark和scala，但这里需要特别注意，两者之间的版本有着对应关系，可打开此连接查看对应关系[版本对应]:Maven Repository: org.apache.spark » spark-core (mvnrepository.com)

同样先将下载好的文件上传到节点**/usr/local**目录下

1. 解压scala和spark(分别在master、slave1、slave2)

   cd /usr/local
   tar -zxvf scala-2.12.11.tgz
   tar -zxvf spark-3.3.0-bin-hadoop2.7.tgz
   

2. 配置环境变量(分别在master、slave1、slave2)

   export SCALA_HOME=/usr/local/scala-2.12.11
   export SPARK_HOME=/usr/local/spark-3.3.0-bin-hadoop2
   export PATH=$PATH:$SCALA_HOME/bin:$SPARK_HOME/bin:$SPARK_HOME/sbin
   

   

   激活配置文件

   source ~/.bashrc
   

3. 配置spark（只在master上配置）

   进入conf目录下

   cd /usr/local/spark-3.3.0-bin-hadoop2/conf/
   

   将spark-env.sh.template、workers.template分别替换为spark-env.sh、workers

   mv spark-env.sh.template spark-env.sh
   mv workers.template workers
   

   

   

   这里特别强调一下，在版本2中workers.template文件名为slaves.template，版本3是workers.template

4. 配置workers

   在该文件中加入作为 worker 节点 ip 或映射主机名。原来红框处为localhost，改为slave1和slave2

   vim workers
   

   

5. 配置spark-env.sh

   SPARK_MASTER_WEBUI_PORT=8888
   export SPARK_HOME=/usr/local/spark-3.3.0-bin-hadoop2
   export HADOOP_HOME=/usr/local/hadoop
   export MASTER=spark://master:7077
   export SCALA_HOME=/usr/local/scala-2.12.11
   export SPARK_MASTER_HOST=master
   export JAVA_HOME=/usr/java/jdk1.8.0_161
   export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
   export SPARK_WORKER_MERMORY=4G
   

   

   此时master已经配置好了

6. 配置slave节点

   只需要把 master 节点的 spark 安装包分发到 slave1 节点和 slave2 节点（通过 scp 命令）。

   scp -rp /usr/local/spark-3.3.0-bin-hadoop2/ root@slave1:/usr/local/
   scp -rp /usr/local/spark-3.3.0-bin-hadoop2/ root@slave2:/usr/local/
   

7. 启动spark

   进入目录/usr/local/spark-3.3.0-bin-hadoop2/sbin下

   cd /usr/local/spark-3.3.0-bin-hadoop2/sbin
   

   输入spark的启动命令

   ./start-all.sh
   

   

8. 验证安装

输入 jps 命令查看。

master节点有以下进程：

slave1和slave2节点有以下进程：

最终通过curl http://127.0.0.1:8088/ 命令获取页面

六 实验问题

实验中遇到了许多问题，也踩了许多坑，有一些问题在上述的实验过程中强调了注意事项，这里还罗列了实验中遇到的一些问题：

1. 重启后三个节点的ip会出现变换，解决方法：1、在关闭前将全部关闭，stop-all.sh;2、打开的时候在docker中按master、slave1、slave2顺序打开

2. hadoop启动部分，千万不要二次格式化，不然会导致namenode找不到datanode

3. docker进入容器报：Error response from daemon: Container *** is not running。解决办法：由于 docker容器未启动。只需要启动容器即可。

   使用命令查看docker容器id：docker ps -a;

   

   使用命令：docker start 容器id，启动docker容器。如：

   docker start 4592904a86e6 
   

4. xxx is not in the sudoers file.This incident will be reported. 解决办法：手动修改

   赋予sudoer文件写权限

   sudo chmod u w /etc/sudoers
   

   编辑sudoers文件，给对应的用户添加sudo权限

   sudo vi /etc/sudoers
   

   找到如下并参照书写，这里以给用户A添加sudo权限：

   sudo vi /etc/sudoers
   

   添加

   A	ALL=(ALL:ALL) ALL
   

   撤销sudoers的写权限（否则异常）

   sudo chmod u-w /etc/sudoers
   

5. Docker Desktop启动的时候，有可能提示"WSL2 installations is incomplete"，这是您的系统中没有安装WSL2内核的原因，打开 https://aka.ms/wsl2kernel， 在打开的页面中有一个"适用于x64计算机的WSL2 Linux内核更新包"链接，点击下载，安装。
   WSL2 Linux内核更新包安装后，重启Docker Desktop即可正常使用。您可在cmd或者PowerShell命令行中使用docker或者docker-compose等相关命令了。

   PS: 如果您在安装WSL2的过程中遇到了问题，可能是您的系统版本较低等原因，您可按照 https://aka.ms/wsl2wkernel 页面的相关提示更新系统。该Docker Desktop的安装方法基于Windows10的WSL2，如果您的系统没有或者不能安装WSL2，可能不能使用该方法安装Docker Desktop。

6. Win10家庭版无Hyper-V

• 桌面新建一个Hyper-V.bat文件。

• 将以下内容拷贝到文件中，如下：

pushd "%~dp0"
dir /b %SystemRoot%\servicing\Packages\*Hyper-V*.mum >hyper-v.txt
for /f %%i in ('findstr /i . hyper-v.txt 2^>nul') do dism /online /norestart /add-package:"%SystemRoot%\servicing\Packages\%%i"
del hyper-v.txt
Dism /online /enable-feature /featurename:Microsoft-Hyper-V-All /LimitAccess /ALL

• 鼠标右键选中“以管理员身份运行”，窗口运行执行代码，直到运行结束，显示提示是否重启，输入Y，重启电脑，如图：

• 重启完毕，打开控制面板控->程序->程序和功能,点击“启用和关闭Windows功能”，弹出窗口，可看到Hyper-V已添加，如图：

• 开始程序，运行里输入Hyper-V，选择以管理员身份运行，可以开始使用Hyper-V，如图：

实验中还需到了其他许多问题，这里也不再一个一个地叙述。

这篇好文章是转载于：学新通技术网