图解大数据 | 实操案例-Hadoop系统搭建与环境配置

图解大数据 | 实操案例-Hadoop系统搭建与环境配置

1.引言

本教程ShowMeAI详细给大家讲解Hadoop的安装与环境配置方法，关于Hadoop与map-reduce的基础知识，大家可以回顾ShowMeAI的基础知识讲解篇分布式平台Hadoop与Map-reduce详解。本教程的工作环境为Linux系统（实际有大数据环境的公司，工作与开发环境很多也是在服务器上，大家可以尽早熟悉一下）。

本教程使用到的Hadoop安装文件，下载方式有以下选择：

① Hadoop官网 https://hadoop.apache.org/releases.html ② 百度网盘，找到Hadoop安装文件【hadoop-2.7.1.tar.gz】进行后续实验

Hadoop安装文件下载（百度网盘） 链接：提取码：show

2.环境说明

系统环境： Ubuntu 14.04 64位 （Ubuntu 12.04，Ubuntu16.04 也行，32位、64位均可）。 Hadoop版本：本教程基于Hadoop 2完成，Hadoop 2.6.0 (stable) 版本验证通过，可适合任何 Hadoop 2.x.y 版本。

3.创建用户

1）新增用户

首先新增一个名为 hadoop 的用户。打开终端窗口（快捷键ctrl+alt+t ），输入如下命令 :

sudo useradd -m hadoop -s /bin/bash

对上述操作做一个解释：

sudo命令：sudo是ubuntu中一种权限管理机制，管理员可以授权给一些普通用户去执行一些需要root权限执行的操作。当使用sudo命令时，就需要输入您当前用户的密码。本教程中大量使用到sudo命令。 密码：在Linux的终端中输入密码，终端是不会显示任何你当前输入的密码，也不会提示你已经输入了多少字符密码。而在windows系统中,输入密码一般都会以“*”表示你输入的密码字符。

2）设置密码

使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：

sudo passwd hadoop

再通过以下命令为 hadoop 用户增加管理员权限，方便部署：

sudo adduser hadoop sudo

4.更新apt

接下来更新一下 apt，因为在Linux（Ubuntu）环境下最方便的安装软件方式是使用 apt ，保持它在比较新的状态，在命令行执行如下命令：

sudo apt-get update

安装vim等编辑器：后续使用vim进行文本编辑，这里基于更新后的apt安装一下vim，命令如下：

sudo apt-get install vim

安装软件时若需要确认，在提示处输入 y 即可。

5.安装与配置SS

集群、单节点模式都需要用到 SSH 登陆，Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server，可以基于以下命令安装：

sudo apt-get install openssh-server

安装后，可以使用如下命令登陆本机：

ssh localhost

此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。

下面配置一下SSH无密码登陆，以便更快捷的操作。

首先退出刚才的 ssh，再利用 ssh-keygen 生成密钥，并将密钥加入到授权中，命令如下：

exit # 退出刚才的 ssh localhost cd ~/.ssh/ # 若没有该目录，请先执行一次ssh localhost ssh-keygen -t rsa # 会有提示，都按回车就可以 cat ./id_rsa.pub >> ./authorized_keys # 加入授权

上述命令中：

~ 代表的是用户的主文件夹，即 /home/用户名 这个目录 命令中的 # 后面的文字是注释，只需要输入前面命令即可。

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下图所示。

6.安装Java环境

安装需要依赖jdk安装包，从下方百度网盘下载。

Hadoop安装文件下载（百度网盘） 链接：提取码：show

下载JDK1.8的安装包【jdk-8u162-linux-x64.tar.gz】，并把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑，假设保存在 /home/hadoop/Downloads/ 目录下。

在Linux命令行界面中，执行如下Shell命令（注意：当前登录用户名是hadoop）：

cd /usr/lib sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件 cd ~ #进入hadoop用户的主目录 cd Downloads #注意区分大小写字母，刚才已经通过FTP软件把JDK安装包jdk-8u162-linux-x64.tar.gz上传到该目录下 sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm #把JDK文件解压到/usr/lib/jvm目录下

JDK文件解压缩以后，可以执行如下命令到 /usr/lib/jvm 目录查看一下：

cd /usr/lib/jvm ls

可以看到，在 /usr/lib/jvm 目录下有个jdk1.8.0_162目录。

下面继续执行如下命令，设置环境变量：

cd ~ vim ~/.bashrc

上面命令使用vim编辑器打开了hadoop这个用户的环境变量配置文件，请在这个文件的开头位置，添加如下几行内容：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162 export JRE_HOME=${JAVA_HOME}/jre export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib export PATH=${JAVA_HOME}/bin:$PATH

保存 .bashrc 文件并退出vim编辑器。

然后，继续执行如下命令让 .bashrc 文件的配置立即生效：

source ~/.bashrc

这时，可以使用如下命令查看是否安装成功：

java -version

如果能够在屏幕上返回如下信息，则说明安装成功：

hadoop@ubuntu:~$ java -version java version "1.8.0_162" Java(TM) SE Runtime Environment (build 1.8.0_162-b12) Java HotSpot(TM) 64-Bit Server VM (build 25.162-b12, mixed mode)

7.安装 Hadoop 2

下面安装Hadoop 2，安装文件可以通过 或者 下载，也可以通过以下方式下载：

① Hadoop官网 https://hadoop.apache.org/releases.html ② 百度网盘，找到Hadoop安装文件【hadoop-2.7.1.tar.gz】进行后续实验

Hadoop安装文件下载（百度网盘） 链接：提取码：show

选择将 Hadoop 安装至 /usr/local/ 中：

sudo tar -zxf ~/下载/hadoop-2.7.1.tar.gz -C /usr/local # 解压到/usr/local中 cd /usr/local/ sudo mv ./hadoop-2.7.1/ ./hadoop # 将文件夹名改为hadoop sudo chown -R hadoop ./hadoop # 修改文件权限

Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

cd /usr/local/hadoop ./bin/hadoop version

8.Hadoop单机配置

Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。

现在可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。

在此选择运行 grep 例子，将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

cd /usr/local/hadoop mkdir ./input cp ./etc/hadoop/*.xml ./input # 将配置文件作为输入文件 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+' cat ./output/* # 查看运行结果

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次

注意，Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将 ./output 删除。删除命令为 rm -r ./output 。

9.Hadoop伪分布式配置

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode，同时，读取的是 HDFS 中的文件。

修改配置文件 core-site.xml (可以通过 vim/gedit 编辑: vim ./etc/hadoop/core-site.xml 或者 gedit ./etc/hadoop/core-site.xml)，将当中的

修改为下面配置：

hadoop.tmp.dir file:/usr/local/hadoop/tmp Abase for other temporary directories. fs.defaultFS hdfs://localhost:9000

同样的，修改配置文件 hdfs-site.xml：

dfs.replication 1 dfs.namenode.name.dir file:/usr/local/hadoop/tmp/dfs/name dfs.datanode.data.dir file:/usr/local/hadoop/tmp/dfs/data

配置完成后，执行 NameNode 的格式化：

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

成功的话，会看到 successfully formatted 和 Exitting with status 0 的提示，若为 Exitting with status 1 则是出错。

接着开启 NameNode 和 DataNode 守护进程。

cd /usr/local/hadoop ./sbin/start-dfs.sh #start-dfs.sh是个完整的可执行文件，中间没有空格

若出现如下SSH提示，输入 yes 即可。

启动完成后，可以通过命令 jps 来判断是否成功启动，若成功启动则会列出如下进程：“NameNode”、”DataNode” 和 “SecondaryNameNode”

成功启动后，可以访问 Web 界面 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

10.运行Hadoop伪分布式实例

上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。要使用 HDFS，首先需要在 HDFS 中创建用户目录：

./bin/hadoop fs -mkdir -p /user/hadoop

上述命令有以下3种不同的形态均可使用：

hadoop fs hadoop dfs hdfs dfs

接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。命令如下：

./bin/hadoop fs -mkdir input ./bin/hadoop fs -put ./etc/hadoop/*.xml input

复制完成后，可以通过如下命令查看文件列表：

./bin/hadoop fs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹，输出结果 output 文件夹都删掉来验证这一点）。

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

./bin/hadoop fs -cat output/*

结果如下，注意到刚才已经更改了配置文件，所以运行结果不同。

11.安装Hadoop集群

初次学习，伪分布式完整的功能已经具备了，足够使用。如果需要安装 Hadoop 集群，请查看 Hadoop集群安装配置教程（）。

12.参考资料

http://hadoop.apache.org/docs/stable/hadoop-project-dist/hadoop-common/SingleCluster.html http://cnblogs.com/xia520pi/archive/2012/05/16/2503949.html http://micmiu.com/bigdata/hadoop/hadoop-2x-ubuntu-build/

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。