搭建Hadoop伪分布式环境

林清猫耳

发布于 2018-10-09 11:29:49

1.7K1

发布于 2018-10-09 11:29:49

文章被收录于专栏：我爱编程我爱编程我爱编程

软硬件环境 CentOS 7.4 64位 OpenJDK- 1.8 Hadoop- 2.7

安装SSH客户端

安装SSH： sudo yum install opensh-clients openssh-server 安装完成后，可以使用下面命令进行测试： ssh localhost

安装JAVA环境

安装JDK 使用 yum 来安装1.7版本OpenJDK： 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，如果能输出对应的命令帮助，则表明jdk已正确安装。
**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，可以分别执行下面命令:

java -version
$JAVA_HOME/bin/java -version

若两条命令输出的结果一致，且都为我们前面安装的 openjdk-1.8.0 的版本，则表明 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：如果下载失败或报错，可以自己在网上找到国内其他一个镜像源下载 2.7 版本的 hadoop 即可）： wget http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.7.6/hadoop-2.7.6.tar.gz
安装Hadoop 将 hadoop 安装到 /usr/local 目录下： tar -zxf hadoop-2.7.6.tar.gz -C /usr/local 对安装的目录进行重命名，便于后续操作方便：

cd /usr/local
mv ./hadoop-2.7.6/ ./hadoop

检查Hadoop是否已经正确安装： /usr/local/hadoop/bin/hadoop version 如果成功输出hadoop的版本信息，表明hadoop已经成功安装。

Hadoop 伪分布式环境配置

Hadoop伪分布式模式使用多个守护线程模拟分布的伪分布运行模式。

**设置 Hadoop 的环境变量编辑 ~/.bashrc，在结尾追加如下内容：

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，需要修改的配置文件为如下两个:

/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>节点的内容为如下所示：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>location to store temporary files</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

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

<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 在输出信息中看到如下信息，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: 关于如何启动执行过程中会提示输入用户密码，输入 root 用户密码即可。另外，启动时ssh会显示警告提示是否继续连接，输入 yes 即可。检查 NameNode 和 DataNode 是否正常启动: jps 如果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

Hadoop自带了丰富的例子，包括 wordcount、grep、sort 等。下面我们将以grep例子为教程，输入一批文件，从中筛选出符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数。

查看 Hadoop 自带的例子 Hadoop 附带了丰富的例子, 执行下面命令可以查看：

cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.jar

在 HDFS 中创建用户目录 在log4j日志中去除告警信息。在//usr/local/hadoop/etc/hadoop/log4j.properties文件中添加 log4j.logger.org.apache.hadoop.util.NativeCodeLoader=ERROR 在 HDFS 中创建用户目录 hadoop： /usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop
准备实验数据 本教程中，我们将以 Hadoop 所有的 xml 配置文件作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

使用下面命令可以查看刚刚上传到 HDFS 的文件: /usr/local/hadoop/bin/hdfs dfs -ls /user/hadoop/input

运行实验

cd /usr/local/hadoop
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.6.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，通过下面命令查看结果: /usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/* 如果运行成功，可以看到如下结果:

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，否则会提示错误，因此在下次运行前需要先删除输出目录。
关闭 Hadoop 进程 关闭 Hadoop 进程： /usr/local/hadoop/sbin/stop-dfs.sh 再起启动只需要执行下面命令： /usr/local/hadoop/sbin/start-dfs.sh