Ubuntu 16.04.3 下安装配置 Hadoop

Hadoop安装环境搭建

一、Hadoop的介绍

Hadoop是Apache的一个伪分布式文件系统的开源项目。作者名为Doug Cutting，Hadoop项目是他通过Google的发布三篇论文所启发，分别为GFS、MapReduce和BigTable。Hadoop最受欢迎是致力于搜索大量数据进行分类工具。

      Hadoop的优点：

      ①高可用性：Hadoop按位存储和处理力能强

      ②高扩展性：Hadoop是在可用的计算机集族间分配数据并完成计算任务，这些集族间可以方便的扩展到数以千计的节点中。

      ③高效性：Hadoop能够在节点之间动态的移动数据，并保证各个节点的平衡。

      ④高容错性：Hadoop能够自动保存数据的多个副本，并且能够将失败的任务重新分配。

      ⑤低成本：Hadoop是开源项目，对比与机体一身、商用商用数据仓库以及QlikView、Yonghong Z-Suite等数据集市，成本会大大降低。

---来自百科，介绍不多说，进入实践动手搭建^_^

二、搭建配置环境

      原材料：Ubuntu-16.04.3-desktop-amd64.iso，jdk-8u151-linux-x64.tar.gz，hadoop-2.4.0.tar.gz

（1）搭建Hadoop需要的安装环境

      1、JDK的配置。

1、在官网下载JDk 如果是64位的操作系统，可以下载64位或者32位的jdk，但是32位的系统不能运行64位的jdk。

2、解压jdk-x.x.x.tar.gz，把安装包放在你想放的文件目录下，使用命令tar -zxvf  jdk-x.x.x.tar.gz。

3、把jdk添加到操作系统环境中，使用命令sudo vim /ect/profile 在文件后面添加一下字段。修改退出。

export JAVA_HOME=/usr/java/jdk1.8.0_151 export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar export PATH=$JAVA_HOME/bin:$PATH

4、使用命令source /ect/profile 运行一下文件。（source功能：使当前shell读入路径为filepath的shell文件并依次执行文件中的所有语句，通常用于重新执行刚修改的初始化文件，使之立即生效，而不必注销并重新登录）

5、使用java -version 测试是否配置成功。若输出jdk版信息，则配置成功。

      2、Hadoop的环境配置

      ①下载：在http://hadoop.apache.org/index.html官网下载hadoop，在我写这篇文章的时候最新版本是3.0.0。

      ②解压：把下载的安装包解压到/home/xxx/app/hadoop目录下（需要sudo mkdir /usr/hadoop），使用命令 tar -zxvf hadoop-2.4.0.tar.gz 解压包，使用命令 mv hadoop-2.4.0 hadoop 重命名一下。

      ③设置环境变量：（如同配置JDK环境变量）使用命令sudo vim /etc/profile 编辑文件，在文件后面添加一下两行代码

export HADOOP_HOME =/home/xxx/app/hadoop

export PATH = $HADOOP_HOME/bin:$PATH

          添加完成之后，使用命令 source /ect/profile

      3、安装SSH（主要为了免密码登录，SSH详细介绍参考...）

        使用命令 ssh-keygen，然后一直按回车，会生成一下信息。（SHA256 每个都不一样）

        进入.ssh文件夹(.开头的是系统隐藏文件，可以通过命令 ls -a 查看)，把id_rsa.pub 公钥附加到授权文件authorized_keys中，使用命令 cat id_rsa.pud >> authorized_keys，或者使用重命名方式 cp id_rsa.pud authorized_keys 。chmod 700 ~/.ssh chmod 600 ~/.ssh/authorized_keys，修改访问权限。

      配置Hadoop的需要安装环境已经搭建好，接下来要修改Hadoop的配置环境。

（2）配置Hadoop伪分布式模式

        配置Hadoop要修改解压安装包的4个配置文件

        1、修改etc/hadoop目录下的hadoop-evn.sh指定JDK所在位置。

          2、修改core-site.xml文件，指定name主机节点和HDFS的根目录

          3、修改hdfs-site.xml指定namenode和datanode存放目录，配置每个节点存放的副本数和hdfs的IP地址和端口号。

          4、修改mapred-site.xml指定jobTarcker的位置

        最后创建配置文件需要的文件目录

        使用命令 mkdir /var/lib/hadoop/tmp,chmod 777 /var/lib/hadoop 创建Hadoop的根目录。

（3）格式化Namenode

          使用命令 hadoop namenode -format。每次重新安装或者初次安装hadoop都需要且仅一次格式化。

        （4）启动Hadoop

在Hadoop安装根目录sbin文件存放这启动和关闭Hadoop的运行文件。为了启动关闭方便，把hadoop目录下的sbin添加环境中。

        Hadoop的命令如下(*.sh 是linux系统使用的命令，*.cmd是windows系统使用的命令)

        ①启动HDFS 输入命令 start-dfs.sh，启动namenode、 datanode 、secondary namenode

        ②输入jps查看hadoop进程

        ③输入hadoop fs -ls / 查看HDFS的文件根目录。（为了演示效果，我通过-mkdir 命令 创建一个temp文件夹，hadoop的命令类似linux系统）

        Hadoop做了一个web管理系统，我们可以输入Hadoop所配置的IP和端口进行访问，比如我的是192.168.157.130:50070（默认是50070端口）

        ④输入start-yarn.sh启动yarn,并输入jps查看进程，我们可以发现启动了两个进程，ResourceManager和NodeManager。

如果能正常启动着几个进程，说明Hadoop环境搭建完成。

三、遇到的问题

1、无法启动Datanode

          在配置Hadoop过程中可能进行多次的测试，所以避免不了重复多次要格式化namenode，网上一些说法是多次格式化namenode导致namenode和datanode的VERSION不一致，其解决的方法是拷贝namenode的VERSION文件覆盖datanode的。我的解决方法是，删除文件夹，重新格式化，该方法会导致数据的丢失，由于是初始搭建，所以存在的都是测试的无用数据。

  2、无法启动Secondary Namenode

          ①查看core-site.xml文件是否配置了hadoop.tmp.dir。

          ②是否正确创建hadoop.tmp.dir对应的路径，同时要访问权限设置为777。

  3、无法访问50070端口

            查看hdfs-site.xml文件是否配置dfs.http.address，值为0.0.0.0:50070。