搭建 Hadoop 伪分布式环境

时间 2019-11-13

标签搭建 hadoop 分布式环境栏目 Hadoop 繁體版

原文原文链接

教程环境和说明

软硬件环境java
- CentOS 7.2 64 位
- OpenJDK- 1.8
- Hadoop- 2.7
关于本教程的说明node

云实验室云主机自动使用 root 帐户登陆系统，所以本教程中全部的操做都是以 root 用户来执行的。若要在本身的云主机上进行本教程的实验，为了系统安全，建议新建一个帐户登陆后再进行后续操做。正则表达式

安装 SSH 客户端

安装SSHapache

安装SSH：centos
```
sudo yum install openssh-clients openssh-server
```
安装完成后，可使用下面命令进行测试：安全
```
ssh localhost
```
输入 root 帐户的密码，若是能够正常登陆，则说明SSH安装没有问题。测试正常后使用 exit 命令退出ssh。bash

安装 JAVA 环境

安装 JDKssh

使用 yum 来安装1.7版本 OpenJDK：jvm
```
sudo yum install java-1.8.0-openjdk java-1.8.0-openjdk-devel
```
安装完成后，输入 java 和 javac 命令，若是能输出对应的命令帮助，则代表jdk已正确安装。分布式
配置 JAVA 环境变量

执行命令:

编辑 ~/.bashrc，在结尾追加：
```
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk
```
保存文件后执行下面命令使 JAVA_HOME 环境变量生效:
```
source ~/.bashrc
```
为了检测系统中 JAVA 环境是否已经正确配置并生效，能够分别执行下面命令:
```
java -version
$JAVA_HOME/bin/java -version
```
若两条命令输出的结果一致，且都为咱们前面安装的 openjdk-1.8.0 的版本，则代表 JDK 环境已经正确安装并配置。

安装 Hadoop

下载 Hadoop

本教程使用 hadoop-2.7 版本，使用 wget 工具在线下载（注：本教程是从清华大学的镜像源下载，若是下载失败或报错，能够本身在网上找到国内其余一个镜像源下载 2.7 版本的 hadoop 便可）：
```
wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.4/hadoop-2.7.4.tar.gz
```
安装 Hadoop

将 Hadoop 安装到 /usr/local 目录下:
```
tar -zxf hadoop-2.7.4.tar.gz -C /usr/local
```
对安装的目录进行重命名，便于后续操做方便:
```
cd /usr/local
mv ./hadoop-2.7.4/ ./hadoop
```
检查Hadoop是否已经正确安装:
```
/usr/local/hadoop/bin/hadoop version
```
若是成功输出hadoop的版本信息，代表hadoop已经成功安装。

Hadoop 伪分布式环境配置

设置 Hadoop 的环境变量

编辑 ~/.bashrc，在结尾追加以下内容：

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

使Hadoop环境变量配置生效:

source ~/.bashrc

修改 Hadoop 的配置文件

Hadoop的配置文件位于安装目录的 /etc/hadoop 目录下，在本教程中即位于 /url/local/hadoop/etc/hadoop 目录下，须要修改的配置文件为以下两个:
```
/usr/local/hadoop/etc/hadoop/core-site.xml
/usr/local/hadoop/etc/hadoop/hdfs-site.xml
```
编辑 core-site.xml，修改<configuration></configuration>节点的内容为以下所示：

core-site.xml
同理，编辑 hdfs-site.xml，修改<configuration></configuration>节点的内容为以下所示：

hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</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>

格式化 NameNode

格式化NameNode:

/usr/local/hadoop/bin/hdfs namenode -format

在输出信息中看到以下信息，则表示格式化成功:

Storage directory /usr/local/hadoop/tmp/dfs/name has been successfully formatted.
Exiting with status 0

启动 NameNode 和 DataNode 守护进程

启动 NameNode 和 DataNode 进程:
```
/usr/local/hadoop/sbin/start-dfs.sh
```
执行过程当中会提示输入用户密码，输入 root 用户密码便可。另外，启动时ssh会显示警告提示是否继续链接，输入 yes 便可。

检查 NameNode 和 DataNode 是否正常启动:
```
jps
```
若是NameNode和DataNode已经正常启动，会显示NameNode、DataNode和SecondaryNameNode的进程信息:
```
[hadoop@VM_80_152_centos ~]$ jps
3689 SecondaryNameNode
3520 DataNode
3800 Jps
3393 NameNode
```

运行 Hadoop 伪分布式实例

查看 Hadoop 自带的例子

Hadoop 附带了丰富的例子, 执行下面命令能够查看：

cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar

在 HDFS 中建立用户目录

在 HDFS 中建立用户目录 hadoop：
```
/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop
```
准备实验数据

本教程中，咱们将以 Hadoop 全部的 xml 配置文件做为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下：
```
cd /usr/local/hadoop
./bin/hdfs dfs -mkdir /user/hadoop/input
./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input
```
使用下面命令能够查看刚刚上传到 HDFS 的文件:
```
/usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input
```
运行实验

运行实验:
```
cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.4.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'
```
上述命令以 HDFS 文件系统中的 input 为输入数据来运行 Hadoop 自带的 grep 程序，提取其中符合正则表达式 dfs[a-z.]+ 的数据并进行次数统计，将结果输出到 HDFS 文件系统的 output 文件夹下。

查看运行结果

上述例子完成后的结果保存在 HDFS 中，经过下面命令查看结果:

/usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*

若是运行成功，能够看到以下结果:

1       dfsadmin
1       dfs.replication
1       dfs.namenode.name.dir
1       dfs.datanode.data.dir

删除 HDFS 上的输出结果

删除 HDFS 中的结果目录:
```
/usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output
```
运行 Hadoop 程序时，为了防止覆盖结果，程序指定的输出目录不能存在，不然会提示错误，所以在下次运行前须要先删除输出目录。
关闭 Hadoop 进程

关闭 Hadoop 进程：
```
/usr/local/hadoop/sbin/stop-dfs.sh
```
再起启动只须要执行下面命令：
```
/usr/local/hadoop/sbin/start-dfs.sh
```