Hadoop安装教程_单机及伪分布式

安装前的准备

准备的硬件与软件

• 虚拟机软件：VirtualBox
• centos7镜像：CentOS-7-x86_64-DVD-1503-01.iso
• java的开发环境：jdk-8u51-linux-x64
• hadoop安装包：hadoop-2.7.1.tar.gz
• 软件ssh
• 软件rsync
• 软件httpd

安装概述

1. 创建hadoop用户
2. 配置网络
3. 配置apache环境
4. 配置java环境
5. 配置ssh无密码登陆
6. 安装hadoop

安装流程

hadoop安装前的设置

创建hadoop用户

$ useradd hadoop
$ passwd hadoop
$ cat /etc/passwd | grep bin/bash
$ adduser hadoop sudo
$ exit

配置新的hadoop用户 查看是否配置成功 为hadoop用户增加管理员权限 退出重新登陆

配置网络

虚拟机设置为桥接，有两种方法配置网络： 1. 进入GUI界面网络设置，打开有线连接 2. 进入网络配置文件目录，修改如下内容

$ cd  /etc/sysconfig/network-scripts/
$ vi  ifcfg-enp0s3

修改为

HWADDR=00:0C:29:8D:24:73
TYPE=Ethernet
BOOTPROTO=static  #启用静态IP地址
DEFROUTE=yes
PEERDNS=yes
PEERROUTES=yes
IPV4_FAILURE_FATAL=no
IPV6INIT=yes
IPV6_AUTOCONF=yes
IPV6_DEFROUTE=yes
IPV6_PEERDNS=yes
IPV6_PEERROUTES=yes
IPV6_FAILURE_FATAL=no
NAME=eno16777736
UUID=ae0965e7-22b9-45aa-8ec9-3f0a20a85d11
ONBOOT=yes  #开启自动启用网络连接
IPADDR0=192.168.21.128  #设置IP地址
PREFIXO0=24  #设置子网掩码
GATEWAY0=192.168.21.2  #设置网关
DNS1=8.8.8.8  #设置主DNS
DNS2=8.8.4.4  #设置备DNS

其中，ip地址（一般和路由在一个区段）、网关（一般是路由的地址）、DNS服务器的设置至关重要。 然后，

$ service network restart   #重启网络
$ ping www.baidu.com  #测试网络是否正常

配置apache环境

Centos7默认使用firewall作为防火墙，这里改为iptables防火墙。 这里配置apache环境的目的是可以在远端机器访问终端的Web界面。

1. 关闭firewall $ systemctl stop firewalld.service #停止firewall $ systemctl disable firewalld.service #禁止firewall开机启动
2. 安装iptables防火墙 $ yum install iptables-services #安装 $ vi /etc/sysconfig/iptables #编辑防火墙配置文件 # Firewall configuration written by system-config-firewall # Manual customization of this file is not recommended. *filter :INPUT ACCEPT [0:0] :FORWARD ACCEPT [0:0] :OUTPUT ACCEPT [0:0] -A INPUT -m state --state ESTABLISHED,RELATED -j ACCEPT -A INPUT -p icmp -j ACCEPT -A INPUT -i lo -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 22 -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 80 -j ACCEPT -A INPUT -m state --state NEW -m tcp -p tcp --dport 3306 -j ACCEPT -A INPUT -j REJECT --reject-with icmp-host-prohibited -A FORWARD -j REJECT --reject-with icmp-host-prohibited COMMIT :wq! #保存退出 $ systemctl restart iptables.service #最后重启防火墙使配置生效 $ systemctl enable iptables.service #设置防火墙开机启动
3. 关闭selinux $ vi /etc/selinux/config #SELINUX=enforcing #注释掉 #SELINUXTYPE=targeted #注释掉 SELINUX=disabled #增加 :wq! #保存退出 $ setenforce 0 #使配置立即生效
4. 安装apache $ yum install httpd #根据提示，输入Y安装即可成功安装 $ systemctl start httpd.service #启动apache $ systemctl stop httpd.service #停止apache $ systemctl restart httpd.service #重启apache $ systemctl enable httpd.service #设置apache开机启动
5. 测试apache 在客户端浏览器中打开服务器IP地址，会出现TEST123的页面，说明apache安装成功
6. 注意事项 在后面的设置中，很多情况下会因为iptables防火墙的设置导致端口无法通讯，此处可以使用 $ service iptables status $ service iptables stop

配置java环境

hadoop的安装需要配置Java环境。 检验系统原版本

$ java -version

进一步查看JDK信息：

$ rpm -qa | grep java

卸载OpenJDK，执行以下操作：

$ rpm -e --nodeps tzdata-java-2014i-1.el7.noarch
$  rpm -e --nodeps java-1.7.0-openjdk-headless-1.7.0.71-2.5.3.1
$ rpm -e --nodeps java-1.7.0-openjdk-1.7.0.71-2.5.3.1.el7_0.x86

安装JDK:

 rpm -ivh jdk-8u25-linux-x64.rpm

验证安装：

$ java
$ javac
$ java -version

最后，配置环境变量，以备不时之需：

$ vi + /etc/profile

JAVA_HOME=/usr/java/jdk1.8.0_25
JRE_HOME=/usr/java/jdk1.8.0_25/jre
PATH=$PATH:$JAVA_HOME/bin:$JRE_HOME/bin
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib

$ source /etc/profile
$ echo $PATH
$ echo $JAVA_HOME

配置ssh无密码登陆

首先，简单介绍下ssh的原理：

a要连接b，a先生成自己的公钥和私钥。然后把公钥派发给b。当a与b建立连接的时候，b会生成一个随机数并且用a的公钥对其进行加密返回a，然后a用私钥对其进行解密再返回b，如果和原来的随机数相等，则连接建立。

安装ssh，rsync

$ yum install openssh-server
$ yum install rsync
$ rpm -qa | grep ssh #验证安装成功
$ rpm -qa | grep rsync #验证安装成功

配置无密码登陆

$ cd ~/.ssh/   # 创建存放密匙的目录
$ ssh-keygen -t rsa     # 生成公匙
$ cat id_rsa.pub >> authorized_keys  # 加入授权
$ chmod 700 ~/.ssh # 设置相应权限，否则无法登陆
$ chmod 600 ~/.ssh/authorized_keys  
$ ssh localhost #验证

hadoop的安装

放置文件

通过WinScp程序，将下载好的hadoop文件放于/usr/local目录下，该目录一般用于存放用户的应用程序。 进入/usr/local目录。

解压缩

$ tar -zxf hadoop-2.7.1.tar.gz
$ mv ./hadoop-2.7.1/ ./hadoop
$ cd hadoop
$ ./bin/hadoop

目前，hadoop安装完成。

设置JAVA环境

$ vim etc/hadoop/hadoop-env.sh 

# set to the root of your Java installation
export JAVA_HOME=/usr/java/jdk1.8.0_51

单机及伪分布式配置

单机配置

单机模式，hadoop作为一个java进程，通常用于debug。

 $ mkdir input
 $ cp etc/hadoop/*.xml input
 $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar grep input output 'dfs[a-z.]+'
 $ cat output/*

 1       dfsadmin

伪分布式配置

配置文件

$ vim 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>

$ vim 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>

运行

1. 格式化hdfs的文件系统 $ bin/hdfs namenode -format status 0表明格式化成功。
2. 开启NameNode和DataNode的守护进程 $ sbin/start-dfs.sh $ jps #确认开启 20752 SecondaryNameNode 20497 DataNode 20344 NameNode 21432 Jps
3. 浏览NameNode对应的网页 NameNode - http://localhost:50070/
4. 使HDFS文件夹做好准备，需要先创建好用户目录 $ bin/hdfs dfs -mkdir -p /user/hadoop
5. 将输入拷贝到HDFS文件系统 $ bin/hdfs dfs -mkdir input #在用户目录即hadoop目录下创建input文件夹，采用相对地址 $ bin/hdfs dfs -put etc/hadoop/*.xml input $ bin/hdfs dfs -ls input #查看hdfs下面的输入文件夹 $ bin/hdfs dfs -ls / #查看hdfs下面的根目录
6. 运行一些实例 $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+' 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 文件夹删掉以及运行结果来验证这一点）。
7. 查看结果 $ bin/hdfs dfs -get output output $ cat output/* #取回本地查看结果 $ rm -r ./output #运行时输出目录不能存在否则报错 $ bin/hdfs dfs -cat output/* #在hdfs上查看结果 $ bin/hdfs dfs -rm -r /user/hadoop/output #运行时输出目录不能存在否则报错
8. 关闭NameNode和DataNode的守护进程 $ sbin/stop-dfs.sh $ jps #确认关闭

yarn的运行

配置文件

$ vim etc/hadoop/yarn-env.sh

# some Java parameters
export JAVA_HOME=/opt/jdk1.8.0_51

$ vim etc/hadoop/mapred-site.xml

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

$ vim etc/hadoop/yarn-site.xml

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

运行

首先，进行到伪分布配置，开启NameNode，DataNode，SeconaryNameNode

$ sbin/start-dfs.sh

接着，开启NodeManager，ResourceManager

$ sbin/start-yarn.sh
$ jps

22753 NameNode
22914 DataNode
24436 NodeManager
24312 ResourceManager
24600 Jps
23178 SecondaryNameNode

可以通过web浏览ResourceManager

ResourceManager - http://localhost:8088/

运行mapreduce的程序 结束yarn

$ sbin/stop-yarn.sh

PATH环境变量

在这里额外讲一下 PATH 这个环境变量（可执行 echo $PATH 查看，当中包含了多个目录）。例如我们在执行ls这个命令时，实际执行的是/bin/ls这个程序，而不是 ~/ls这个程序（假如存在）。系统是根据 PATH 这个环境变量中包含的目录位置，逐一进行查找，直至在这些目录位置下找到匹配的程序（若没有匹配的则提示该命令不存在）。 上面的教程中，我们都是先进入到 /usr/local/hadoop目录中，再执行 sbin/hadoop，实际上等同于运行 /usr/local/hadoop/sbin/hadoop。我们可以将 Hadoop 命令的相关目录加入到 PATH 环境变量中，这样就可以直接通过 start-dfs.sh开启 Hadoop，也可以直接通过 hdfs 访问 HDFS 的内容，方便平时的操作。 同样我们选择在’ ~/.bashrc ‘中进行设置（’vim ~/.bashrc’，与 JAVA_HOME 的设置相似），在文件最前面加入如下单独一行:

$ export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin
$ source ~/.bashrc
$ hdfs dfs -ls input