Hadoop 伪分布式搭建

Hadoop 伪分布式搭建

Hadoop环境部署-JDK部分

准备工作

• 在 /opt/目录下创建文件夹modules，和softwares

1. • 修改操作权限(切换至root用户下)
   • chown -R wxt:wxt /opt/

2. • 然后切换至普通用户

     mkdir softwares

     mkdir modules

3. • 安装lrzsz (在linux里可代替ftp上传和下载。)

   首先安装lrzsz
   yum -y install lrzsz
   - 上传文件，执行命令rz，会跳出文件选择窗口，选择好文件，点击确认即可。
   rz
   - 下载文件，执行命令sz
   sz

Hadoop环境部署-JDK部分

1. • 上传jdk 至softwares
2. • 解压jdk 至modules
     • tar -zxvf jdk-7u67-linux-x64.tar.gz -C /opt/modules/
3. • 修改环境变量
     • 切换至 root 用户修改 vi /etc/profile 文件，配置jdk环境变量

     #JAVA_HOME
     export JAVA_HOME=/opt/modules/jdk1.7.0_67
     export PATH=$PATH:$JAVA_HOME/bin
     

4. • source /etc/profile 使文件生效

   • 验证是否配置成功

     • java -version

     java version "1.7.0_09-icedtea"
     OpenJDK Runtime Environment (rhel-2.3.4.1.el6_3-x86_64)
     OpenJDK 64-Bit Server VM (build 23.2-b09, mixed mode)
     

   • jps命令可以查看java 进程

   • echo $JAVA_HOME

Hadoop伪分布式环境部署-Hadoop部分

1. • 上传文件hadoop-2.5.0.tar.gz，至softwares
   • 解压文件至modules
     • tar -zxvf hadoop-2.5.0.tar.gz -C /opt/modules/
2. • 清理Hadoop的目录，将hadoop/share/doc目录删除，节省磁盘空间， 通过这个命令查看df -h
3. • 修改hadoop/etc/hadoop/hadoop-env.sh文件
   • 修改hadoop/etc/hadoop/mapred-env.sh文件
   • 修改hadoop/etc/hadoop/yarn-env.sh文件
   • 指定Java安装路径
     • export JAVA_HOME=/opt/modules/jdk1.7.0_67
4. • 注意：
     • Hadoop中的四个核心模块对应四个默认配置文件
     • HDFS,Hadoop默认的文件系统,是文件系统的访问入口
     • Namenode,所在的机器9000端口是早期Hadoop 1.x使用的，现在 Hadoop 2.x使用的是8020端口号用于节点直接内部通信，使用RPC
       通信机制
5. • 修改hadoop/etc/hadoop/core-site.xml文件

     
         fs.defaultFS
         
         hdfs://bigdata-4:8020
     
     
         hadoop.tmp.dir
         /opt/modules/hadoop-2.5.0/data/tmp
     
     

6. • 注意：
     • /tmp表示临时存储目录，系统每次重启会按照脚本预先设置好的删 除 里面的文件重新自定义系统生成的文件路径，/tmp会被清空，
       无法保证数据文件安全性。

7. • 修改hadoop/etc/hadoop/hdfs-site.xml文件

     • 指定HDFS文件存储的副本数个数，默认是3个，这里是单台机
       器就设置为1，这个数字要小于datanode的节点数。

     
         dfs.replication
         1
     
     
     

8. • 修改hadoop/etc/hadoop/slaves文件
     • 指定从节点的机器位置，添加主机名即可

     • bigdata-4

9. • 格式化namenode

     • bin/hdfs namenode -format

10. • 启动命令
      • sbin/hadoop-daemon.sh start namenode
      • sbin/hadoop-daemon.sh start datanode
11. • 查看HDFS外部UI界面
      • bigdata-04或者IP地址 跟上50070端口号，外部通信http
        dfs.namenode.http-address 50070
      • http://bigdata-4:50070 （如果windows本地没有配置hosts,需要配置）
      • 如果不能正确打开页面，请检查防火墙是否关闭
        • 切换至root 用户，service iptables status
        • 关闭防火墙 chkconfig iptables off
12. • 测试HDFS环境
      • 创建文件夹，HDFS中有用户主目录的概念，和Linux一样
      • bin/hdfs dfs -mkdir -p wxt_test/iuput
13. • 上传文件到HDFS(随便找一个文件上传就行)
      • bin/hdfs dfs -put /opt/modules/hadoop-2.5.0/etc/hadoop/core-site.xml wxt_test/input/core-site.xml
      • 上传成功，HDFS外部UI界面，会有上传的文件显示
14. • 读取HDFS的文件
      • bin/hdfs dfs -text /core-site.xml
      • 终端会显示上传文件的内容。

15. • 下载文件到本地（指定下载到哪里，同时可以重命名成get-site.xml）

      bin/hdfs dfs -get /core-site.xml /home/wxt/Desktop/get-site.xml

      然后你会看到这个文件，并且重命名于桌面。

Hadoop 伪分布式搭建至此结束。

写在后面

- 至于优化，下篇再写
- 学习中有什么问题，可以在下面留言。

更新

下篇已更，如有需要请点这里wordcount