单机安装Hadoop环境

最新推荐文章于 2025-01-06 09:59:13 发布

YueYueJun

最新推荐文章于 2025-01-06 09:59:13 发布

阅读量390

点赞数

CC 4.0 BY-SA版权

分类专栏： hadoop Ubuntu 文章标签： hadoop安装

本文链接：https://blog.youkuaiyun.com/YueYueJun/article/details/79478095

Linux 同时被 3 个专栏收录

2 篇文章

订阅专栏

Ubuntu

2 篇文章

订阅专栏

hadoop

1 篇文章

订阅专栏

本文详细介绍了如何在单机上安装Hadoop，包括安装SSH无密码登录、配置Java环境、下载安装Hadoop 2.9，以及进行伪分布式配置。重点讲解了配置core-site.xml和hdfs-site.xml的过程，以及启动、检查和运行Hadoop实例的步骤。在配置过程中，强调了可能遇到的问题及解决方案，如设置HADOOP_HOME环境变量。

单机安装Hadoop环境

1.安装SSH、配置SSH无密码登陆

集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server：

sudo apt-get install openssh-server
ssh localhost

之后退出ssh：

exit                                             # 退出刚才的 ssh localhost

配置无密码登录：

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

2.安装Java环境

sudo mv jdk-9.0.1 java
sudo mv java /usr/local/
cd /usr/local
sudo gedit ~/.bashrc           #修改当前用户环境变量

添加如下信息

export JAVA_HOME=/usr/local/java
export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export PATH=$PATH:$JAVA_HOME/bin

source ~/.bashrc

sudo gedit /etc/environment #修改系统环境变量

JAVA_HOME=”/usr/local/java”
CLASSPATH=”.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib”
PATH=”/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:$JAVA_HOME/bin:/usr/local/hadoop/sbin:/usr/local/hadoop/bin”

source /etc/environment 
java -version   #查看安装好的java版本,如下图

java版本

3.安装 Hadoop 2.9

download link: http://mirror.bit.edu.cn/apache/hadoop/common/

tar -zxvf hadoop-2.9.0.tar.gz 
sudo mv ./hadoop-2.9.0 ./hadoop
sudo chown -R hadoopp ./hadoop 
sudo mv hadoop /usr/local/

hadoop version       #环境变量已经在上一步设置PATH一起设置了，这里不再赘述

hadoop版本

4.Hadoop单机配置(非分布式)

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.]+'        #运行成功：
cat ./output/*                       # 查看运行结果

运行结果

rm -r ./output       #删除结果，避免下次使用报错

5.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。
Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件core-site.xml和hdfs-site.xml。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。

修改配置文件core-site.xml：

sudo gedit ./etc/hadoop/core-site.xml

<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://localhost:9000</value>
        </property>
</configuration>

core-site.xml source
将上图修改为下图：
core-site.xml target

修改hdfs-site.xml 文件：

sudo gedit ./etc/hadoop/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>

如下：
hdfs-site.xml target

Hadoop配置文件说明
Hadoop 的运行方式是由配置文件决定的（运行 Hadoop 时会读取配置文件），因此如果需要从伪分布式模式切换回非分布式模式，需要删除 core-site.xml 中的配置项。
此外，伪分布式虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。

配置完成后，执行 NameNode 的格式化:

./bin/hdfs namenode -format

格式化成功：

启动NameNode 和 DataNode 守护进程。

./sbin/start-dfs.sh

启动hadoop
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:
jps结果
“NameNode”、”DataNode” 和 “SecondaryNameNode”（如果 SecondaryNameNode 没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试）。如果没有 NameNode 或 DataNode ，那就是配置不成功，请仔细检查之前步骤，或通过查看启动日志排查原因。
启动 Hadoop 时提示 Could not resolve hostname
如果启动 Hadoop 时遇到输出“ssh: Could not resolve hostname xxx”的异常情况, 这个并不是 ssh 的问题，可通过设置 Hadoop 环境变量来解决。首先按键盘的 ctrl + c 中断启动，然后在 ~/.bashrc 中，增加如下两行内容（设置过程与 JAVA_HOME 变量一样，其中 HADOOP_HOME 为 Hadoop 的安装目录）：

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native

保存后，务必执行source ~/.bashrc使变量设置生效，然后再次执行./sbin/start-dfs.sh启动 Hadoop。成功启动后，可以访问 Web 界面http://localhost:50070 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件
HDFS在线文件

6.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/hdfs dfs -mkdir -p /user/hadoopp

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/hadoopp/input中。我们使用的是 hadoopp 用户，并且已创建相应的用户目录/user/hadoopp ，因此在命令中就可以使用相对路径如 input，其对应的绝对路径就是/user/hadoopp/input:

./bin/hdfs dfs -mkdir input
./bin/hdfs dfs -put ./etc/hadoop/*.xml /usr/hadoopp/input

复制完成后，可以通过如下命令查看文件列表：

./bin/hdfs dfs -ls input

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/hdfs dfs -cat output/*

output
结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。
local

我们也可以将运行结果取回到本地：

rm -r ./output    # 先删除本地的 output 文件夹（如果存在）
./bin/hdfs dfs -get output ./output     # 将 HDFS 上的 output 文件夹拷贝到本机
cat ./output/*

注意：
Hadoop 运行程序时，输出目录不能存在，否则会提示错误“org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，因此若要再次执行，需要执行如下命令删除 output 文件夹:

./bin/hdfs dfs -rm -r output    # 删除 output 文件夹

若要关闭 Hadoop，则运行

./sbin/stop-dfs.sh  #退出