Linux（ubuntu-16.04.2）上hadoop的安装与配置

Linux（ubuntu-16.04.2）上hadoop（hadoop-2.7.1）的安装与配置

关于hadoop的安装，网上有七七八八的教程，十个教程九个坑，还有一个特别坑。这使得很多新手在安装hadoop时，按照网上所谓的教程，一步一步，走到了某一步出错了，又搜不到解救之法，不得不放弃。安装过程蹦出的各种问题，让小白们吃吃了不少苦头。下面给出一个Hadoop安装教程（单机/伪分布式配置、hadoop-2.7.1/ubuntu-16.04.2）。

傻瓜式安装虚拟机和ubuntu系统

安装虚拟机VMware，在虚拟机上安装Ubuntu系统。这一步不容易出问题，就略过了。

下载hadoop2.x版本的安装包

我选择的是hadoop-2.7.1，为了减少问题的发生，建议各个工具的版本都同我选成一样，然后一步一步跟着走。下载地址，网上随便一搜就有。可以先下载到windows上，再拷贝到Ubuntu上。下载地址，最好下载编译过的压缩包（tar.gz结尾）。

给Linux创建hadoop新账户，并设置密码

终端输入 sudo useradd -m hadoop -s /bin/bash创建一个名为hadoop的用户，使用 /bin/bash 作为shell。
终端输入sudo passwd hadoop设置密码为hadoop。

友情提示：可以直接上述代码拷贝过去运行，Ubuntu复制粘贴命名同window多加一个shift，如黏贴为Ctrl+Shift+V。

登录hadoop账户，更新apt

• 点击Ubuntu右上角的齿轮一样的东西，可以选择切换登录用户，这和Window差不多。
• 打开终端输入sudo apt-get update进行更新。

安装SSH、并授权其无密码登录

• 首先安装SSH server

sudo apt-get install openssh-server

• SSH登录本机

    ssh localhost

• 配置无密码登录，即利用 ssh-keygen 生成密钥，并将密钥加入到授权中

exit                           # 退出刚才的 ssh localhost
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

此时，可用ssh localhost直接登录了。

安装Java环境

• 安装default-jre default-jdk

sudo apt-get install default-jre default-jdk

• 打开账户主目录下的bash.bashrc文件，配置环境变量

vim ~/.bashrc

文本前添加export JAVA_HOME=/usr/lib/jvm/default-java。
- 让bash文件生效

source ~/.bashrc

• 查看版本，测试安装是否成功

java -version

安装hadoop2并单机测试

安装hadoop2

• 解压压缩包
  我选择解压到/usr/local/路径下

sudo tar -zxf 你的hadoop压缩包所在路径 -C /usr/local    # 解压到/usr/local中

• 重命名

cd /usr/local/
sudo mv ./hadoop-2.x/ ./hadoop # 将文件夹名改为hadoop

• 修改文件权限

sudo chown -R hadoop ./hadoop       # 修改文件权限

• 查看是否安装成功
  切换到安装目录的bin（通过cd命令），执行

./hadoop version

显示hadoop版本信息即为成功。

Hadoop的单机测试

1、安装路径/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar含有大量的示例，我们可以切换目录到/usr/local/hadoop，然后执行：

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.1.jar 

目录树的不同层次、相同层次都有很多同名的文件夹，记得别搞混了，导致进错文件夹，导致找不到文件。

2、hadoop一个使用例子：grep

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.]+'
cat ./output/*        

运行后得到结果 符合正则表达式dfs[a-z.]+出现了1次（dfsadmin）。

Hadoop伪分布式配置和测试

Hadoop伪分布式配置

• 打开/usr/local/hadoop/etc/hadoop/ 目录下的core-site.xml 文件，修改

    <configuration>
    configuration>

为：

    <configuration>
        <property>
            <name>hadoop.tmp.dirname>
            <value>file:/usr/local/hadoop/tmpvalue>
            <description>Abase for other temporary directories.description>
        property>
        <property>
            <name>fs.defaultFSname>
            <value>hdfs://localhost:9000value>
        property>
    configuration>

• 同理，打开 hdfs-site.xml 文件，同样的配置部分修改为

    <configuration>
        <property>
            <name>dfs.replicationname>
            <value>1value>
        property>
        <property>
            <name>dfs.namenode.name.dirname>
            <value>file:/usr/local/hadoop/tmp/dfs/namevalue>
        property>
        <property>
            <name>dfs.datanode.data.dirname>
            <value>file:/usr/local/hadoop/tmp/dfs/datavalue>
        property>
    configuration>

配置文件内容说明：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。
- NameNode 的格式化

./bin/hdfs namenode -format#这里的“.”表示的当前目录是hadoop安装目录下的hadoop文件夹，如我的是/usr/local/hadoop，下同，不再重述

看到 “successfully formatted” 表示成功。

• 开启数据节点和名称节点的守护进程

./sbin/start-dfs.sh  #start-dfs.sh是个完整的可执行文件，中间没有空格

启动完成后，可以通过命令 jps 来判断是否成功启动。成功启动则会列出如下进程:
“NameNode”、
”DataNode”
“SecondaryNameNode”

- 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。

Hadoop伪分布式的实例测试

• 要使用 HDFS，首先需要在 HDFS 中创建用户目录，这里创建/user/hadoop目录，接着在创建的hadoop下创建input 文件夹，将本机配置文件拷贝进去。

./bin/hdfs dfs -mkdir -p /user/hadoop
./bin/hdfs dfs -mkdir input#input表示相对路径，即 /user/hadoop/input
./bin/hdfs dfs -put ./etc/hadoop/*.xml input

• 查看文件列表

./bin/hdfs dfs -ls input

• 伪分布式运行 MapReduce 作业的方式跟单机模式相同

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

• 查看测试结果

./bin/hdfs dfs -cat output/*

• 结果取回本地，并进行查看

    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/*

运行程序时，输出目录不能存在，若存在，删除之。
- Hadoop的运行与关闭

./sbin/start-dfs.sh #运行
./sbin/stop-dfs.sh #关闭

YARN的配置与启动

我们可以启动 YARN ，让 YARN 来负责资源管理与任务调度。
YARN 主要是为集群提供更好的资源管理与任务调度，然而这在单机上体现不出价值，反而会使程序跑得稍慢些。因此在这就不介绍如何开启 YARN 就了。

安装过程中遇到的一些问题

无法用apt命令安装包

解决办法：找到并且杀掉所有的apt-get和apt进程
1、运行ps -A | grep apt命令来生成所有含有apt的进程列表
2、 运行sudo kill 进程名 processnumber杀掉进程

无法实现windows和虚拟机之间的复制黏贴

解决办法：
1、运行sudo apt-get autoremove open-vm-tools 。
2、运行sudo apt-get install open-vm-tools-desktop。
3、重新开机（Linux）。

更新apt时，普通用户执行sudo报hadoop is not in the sudoers file. This incident will be reported.

解决方法:
1、root用户登录。
2、进入到/etc目录。
3、执行sudo chmod u+w /etc/sudoers给sudoers文件增加write权限。
4、执行vim sudoers找到root ALL=(ALL) ALL这一行，在下面增加hadoop ALL=(ALL) ALL（注：hadoop为普通用户的用户名）。

5、执行命令chmod u-w sudoers，撤销write权限。

gedit在新建的账户中无法使用报错

Failed to connect to Mir: Failed to connect to server socket: No such file or directory
Unable to init server: Could not connect: Connection refused

(gedit:12224): Gtk-WARNING **: cannot open display: 

这个我最后是通过重启客户端解决的。