hadoop伪分布式环境搭建

前言：

　　由于博主之前没有从事过hadoop相关的开发工作，最近正好遇到一个hadoop相关的项目，于是决定自学研究一下，博主整理的东西绝对是最全最详细的，不要问为什么，

因为博主为了搭建hadoop环境几乎以及把网上所有的教程都看了一遍，很多文章都是缺东少西的，博主几乎是尝遍了所有的方法，最后终结出一篇可行的方案分享给大家，所需的软件都可以在官网下载，找不到的可以私聊我，我会在第一时间把所有的软件包给你。编写不易，转载请注明出处。

 

Hadoop伪分布式搭建说明

• 如图片与文字不符合，以文字为准。
• IP地址自行替换本机IP地址。

1. 软件准备

操作系统文件：CentOS-6.8-x86_64-bin-DVD1.iso

虚拟机文件：VMware_player_7.0.0_2305329.1420626349

JAVA文件(RPM包)：jdk-8u101-linux-x64.rpm

Hadoop文件：hadoop-2.7.3.tar.gz

hadoop-eclipse:hadoop-eclipse-plugin-2.7.3.jar

远程端控制软件：Putty_V0.63.0.0.43510830；Bitvise SSH Client 4.5

2. VMware_player_7.0.0虚拟机安装步骤

1.进入VMware Player安装向导

2.选择：我接受许可协议中的条款

3.更改安装路径，建议不要放在C盘下。

4.取消打勾选项：启动时检查产品更新。

5.取消打勾选项：帮助改善 VMware Player(H)。

6.打勾选项：桌面与开始菜单程序文件夹。

7.选择：继续。

8.等待几分钟安装程序

9.选择：完成。完成安装VMware Player。

3. 安装CentOS-6.8-x86_64虚拟机

1.进入VMware Player 7选择：免费将VMware Player 7用于非商业用途。并填写邮箱。

2.选择完成。

3.选择：创建新虚拟机(N)，进入新建虚拟机向导。

4.选择：稍后安装操作系统(S)。

5.客户机操作系统中选择Linux(L)，版本(V)选择CentOS 64位。

6.修改：虚拟机名称(V)：Hadoop集群(伪分布)。位置自定义，建议不要放在C盘。

7.由于是虚拟的测试环境。故最大磁盘大小(GB)(S)选择默认值：20G。

  存储文件方式：选择将虚拟磁盘存储为单个文件(O)。

8.选择：自定义硬件。

9.选择硬件选项卡的CD/DVD(IDE)，连接选项，点击使用ISO映像文件(M)：将CentOS-6.8-x86_64-bin-DVD1.iso添加。最后点击：确定。

10.点击播放虚拟机(L)。打开新建完成的虚拟机。

11.系统会自动加载ISO文件。出现CentOS-6.8-x86_64的安装界面准备环境。

选择：lnstall or upgrade an existing system。进入正式的操作系统安装。

12.载入安装的图形化界面。

13.跳过检测光盘介质。因为下载的是一个完整的ISO文件。所以不需要检测。

14.正式进入CentOS-6.8-x86_64安装界面。

15.选择安装过程的语言：English(English)。(中文安装可能会有不必要的乱码)

16.选择系统键盘输入语言：U.S.English。(中文输入可能产生不必要的乱码)

17.选择一种存储设备进行安装。选择：Basic Storage Devices。

Basic Storage Devices(基本存储设备)：用于台式机和笔记本等等。

18.这里系统会检测是否有分区，一开始创建的硬盘没有分区。直接选择Yes,discard any data(清除所有数据)。

19.填写Hostname：hadoop。

并点击Configure Network，配置网络。

20.选中System eth0，点击Edit网卡。

21.将Connect automatically选项打勾。

IPv4 Settings中Method选择：Automatic(DHCP)。

选择Apply，确认修改。

这样开始，系统开始时，会自动连接网卡，并且由DHCP自动分配IP地址。

【注：不同的环境不同的实施方案，这里仅仅讨论此连接方式】

22.选择：Close，关闭。

22.选择：Asia/Shanghai时区

将System clock uses UTC打勾项目取消。

23.设置root密码，这里设置为：hadoop。

24.由于hadoop是一个弱口令（在字典中可以找到）。所以系统提示是否使用弱口令。

测试环境无关紧要。生产环境建议使用强口令。

25.虽说是测试环境，但这里参考实际工作，按照实际的要求对硬盘进行分区，合理利用硬盘。

   故这里选择：Create Custom Layout，对硬盘进行重新分区。

26.创建/boot，选择1024MB，防止系统扩容。

创建swap，大小是建议是内存的2倍，故为2048MB。

剩下的空间创建/，将剩余空间全部分配/。

【注：此方法是最简单的自定义分区方式。这里就不一一叙述其他分区方式】

27.选择Format，将分区表格式化。

28.选择Write changes to disk，将分区写入磁盘。

29.此为GRUB引导安装窗口，可采用默认设置，选择next进行下一步安装。

30.选择：Basic Server。

由于hadoop的集群安装不需要桌面。而最小化不适合新手。故选择Basic Server最好。

31.等待安装。

32.安装完成后，选择Reboot进行重启。

 

33.安装完成后，输入hadoop login：root；password：hadoop。成功进入操作系统。

 

 

3.Hadoop集群搭建(伪分布式)

 

• 使用Putty登录Centos

1.通过VMware Player登录到系统，使用ifconfig命令查看eth0的IPv4地址：192.168.64.128.

2.使用root帐户，创建hadoop用户，并将该帐户的密码设置为hadoop。

【注：创建hadoop用户是为了更好对服务的管理分配，不建议把应用使用root用户搭建】

3.配置putty界面：Host Name(or IP address):192.168.64.128

                Port:22

                Connection type:SSH

4.同意接受服务器密钥的验证。

5.将在VMware Player中创建的hadoop用户及密码通过Putty工具登录系统。

6.使用su root命令进入root用户，这样我们就有了对该系统最大的操作权限。

• 关闭防火墙与SELINUX

1.关闭防火墙服务。

[root@hadoop]#service iptables stop

2.开机自动关闭防火墙

[root@hadoop]#chkconfig iptables off

3.将SELINUX关闭

编辑vi /etc/selinux/config；修改SELINUX=disabled(默认值SELINUX=enforcing)，并输入：wq，保存配置文件。

[root@hadoop]#vi /etc/selinux/config

SELINUX=disabled

• 设置主机的hosts

[root@hadoop]#vi /etc/hosts

192.168.64.128 hadoop

• 使用Bitvise SSH Client 4.5，将JAVA文件与Hadoop文件上传到Hadoop用户主目录下。

1.填写Host:192.168.64.128

      Port:22

      Username:hadoop

      Password:hadoop

2.同意接受服务器密钥的验证。

3.选择New SFTP window。

4.将左边的本地文件上传到右边的Centos的hadoop主目录下。

5.正在上传。

6.上传完成后，在hadoop用户下输入ll，查看文件的完整性。

• 进行SSH无密码验证配置

1.由于安装的是基本包，所以：ssh和rsync已经安装了。

[hadoop@hadoop ~]rpm –qa | grep openssh

[hadoop@hadoop ~]rpm –qa | grep rsync

2.输入ssh-keygen –t rsa –P ''生成无密码密码对。

[hadoop@hadoop ~]ssh-keygen –t rsa –P ''

3.生成的密钥对：id_rsa和id_rsa.pub，默认存储在/home/hadoop/.ssh目录下。

4.使用cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys，把id_rsa.pub追加到授权的key里面去。

[hadoop@hadoop ~]cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

• 验证前需要做两件事。

1.chmod 600 ~/.ssh/authorized_keys 修改文件authorized_keys权限

[hadoop@hadoop ~]chmod 600 ~/.ssh/authorized_keys

2.用root用户设置/etc/ssh/sshd_config的内容。使其无密码登录有效。用root用户登录服务器修改SSH配置文件/etc/ssh/sshd_config的下列内容。

[root@hadoop ~]vi /etc/ssh/sshd_config

RSAAuthentication yes

PubkeyAuthentication yes

AuthorizedKeysFile .ssh/authorized_keys

3.输入：serveice sshd restart，重启ssh服务。

[root@hadoop ~]serveice sshd restart

4.输入：ssh localhost，验证是否可以不用输入密码登录系统。

[root@hadoop ~]ssh localhost

• Java安装

登录root用户，输入：yum remove java命令，先将系统自带的低版本JAVA删除。

[root@hadoop ~]yum remove java

2.输入：rpm -ivh jdk-8u101-linux-x64.rpm，安装java 8u101版本。

[root@hadoop ~]rpm -ivh jdk-8u101-linux-x64.rpm

3. 配置JAVA的环境变量

[hadoop@hadoop ~]vi /etc/profile

 

# set java environment

export JAVA_HOME=/usr/java/jdk1.8.0_101/

export CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JAVA_HOME/jre/lib

export PATH=$PATH:$JAVA_HOME/bin:$JAVA_HOME/jre/bin

 

4.执行：source /etc/profile 使配置生效。

[hadoop@hadoop ~]source /etc/profile

使用java –version 查看java版本号：1.8.0_101。

输入：echo $JAVA_HOME出现JAVA路径。

[hadoop@hadoop ~]java –version

[hadoop@hadoop ~]echo $JAVA_HOME

说明配置成功。

• hadoop安装

1.解压hadoop-2.7.3.tar.gz文件

[hadoop@hadoop ~]tar -zxvf hadoop-2.7.3.tar.gz

使用ll命令查看文件是否解压成功。

[hadoop@hadoop ~]ll

2.修改hadoop文件夹的位置与权限。

登录root用户。

[hadoop@hadoop ~]mv hadoop-2.7.3 hadoop

[hadoop@hadoop ~]mv hadoop /usr/local

[hadoop@hadoop ~]cd /usr/local

[hadoop@hadoop ~]chown –R hadoop:hadoop hadoop

---

mv hadoop-2.7.3 hadoop                 #将"hadoop-2.7.3"文件夹重命名"hadoop"

mv hadoop /usr/local                   #将hadoop文件夹移动到/usr/local

cd /usr/local                          #进入"/usr/local"目录

chown –R hadoop:hadoop hadoop          #将文件夹"hadoop"读权限分配给hadoop用户

退出root用户

进入hadoop的配置文件：

[hadoop@hadoop ~]cd /usr/local/hadoop/etc/hadoop

3.配置环境变量

[hadoop@hadoop ~]#vi ~/.bashrc

 

# set hadoop environment

export HADOOP_HOME=/usr/local/hadoop

export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

 

[hadoop@hadoop]#source ~/.bashrc

4.Hadoop配置主要有7个文件：

core-site.xml

hadoop-env.sh

hdfs-site.xml

mapred-site.xml.template

slaves

yarn-env.sh      

yarn-site.xml

 

• core-site.xml 文件

[hadoop@hadoop ~]vi core-site.xml

  

           

                fs.defaultFS  

                 hdfs://hadoop:9000  

          

          

                hadoop.tmp.dir  

                file:/usr/local/hadoop/tmp  

                Abase for other temporary directories.  

          

  

--fs.defaultFS：描述集群中NameNode结点的URI(包括协议、主机名称、端口号)。

--hadoop.tmp.dir：是hadoop文件系统依赖的基础配置，很多路径都依赖它。

• hadoop-env.sh

[hadoop@hadoop ~]vi hadoop-env.sh

# The java implementation to use.

export JAVA_HOME=/usr/java/jdk1.8.0_101/

 

• hdfs-site.xml

  

           

                dfs.namenode.secondary.http-address  

                hadoop:50090  

          

          

                dfs.replication  

                1  

          

          

                dfs.namenode.name.dir  

                file:/usr/local/hadoop/tmp/dfs/name  

          

          

                dfs.datanode.data.dir  

                file:/usr/local/hadoop/tmp/dfs/data  

          

  

dfs.namenode.secondary.http-address：定义HDFS对应的HTTP服务器地址和端口。

dfs.replication：它决定着系统里面的文件块的数据备份个数。对于一个实际的应用，它应该被设为3(这个数字并没有上限，但更多的备份可能并没有作用，而且会占用更多的空间)。少于三个的备份，可能会影响到数据的可靠性(系统故障时，也许会造成数据丢失)。

dfs.namenode.name.dir：这是NameNode结点存储hadoop文件系统信息的本地系统路径。这个值只对NameNode有效，DataNode并不需要使用到它。上面对于/temp类型的警告，同样也适用于这里。在实际应用中，它最好被覆盖掉。

dfs.datanode.data.dir：这是DataNode结点被指定要存储数据的本地文件系统路径。DataNode结点上的这个路径没有必要完全相同，因为每台机器的环境很可能是不一样的。但如果每台机器上的这个路径都是统一配置的话，会使工作变得简单一些。默认的情况下，它的值hadoop.tmp.dir，这个路径只能用于测试的目的，因为，它很可能会丢失掉一些数据。所以，这个值最好还是被覆盖。

• mapred-site.xml.template

[hadoop@hadoop ~]mv mapred-site.xml.template mapred-site.xml

[hadoop@hadoop ~]vi mapred-site.xml

  

           

                mapreduce.framework.name  

                yarn  

          

          

                mapreduce.jobhistory.address  

                hadoop:10020  

          

          

                mapreduce.jobhistory.webapp.address  

                hadoop:19888  

          

  

mapreduce.framework.name 取值local、classic或yarn其中之一，如果不是yarn，则不会使用YARN集群来实现资源的分配。

mapreduce.jobhistory.address定义历史服务器的地址和端口，通过历史服务器查看已经运行完的Mapreduce作业记录。

mapreduce.jobhistory.webapp.address定义历史服务器web应用访问的地址和端口。

• slaves

[hadoop@hadoop ~]vi slaves

hadoop

 

• yarn-env.sh

[hadoop@hadoop ~]vi yarn-env.sh

# some Java parameters

export JAVA_HOME=export JAVA_HOME=/usr/java/jdk1.8.0_101/

 

• yarn-site.xml

[hadoop@hadoop ~]vi yarn-site.xml

  

  

        

                yarn.resourcemanager.hostname  

                hadoop  

          

          

                yarn.nodemanager.aux-services  

                mapreduce_shuffle  

          

  

yarn.resourcemanager.hostname：开启一系列yarn应用端口的主机名。

yarn.nodemanager.aux-services：NodeManager上运行的附属服务。需配置成mapreduce_shuffle，才可运行MapReduce程序。

5.上述全部配置完成后，进行初始化

输入命令：hadoop namenode –format进行初始化

[hadoop@hadoop ~]hadoop namenode –format

输入：start-all.sh，开启hadoop集群。

[hadoop@hadoop ~]

输入：jps，查看正在运行的服务。

[hadoop@hadoop ~]jps

6.Windows电脑中Chrome网页输入： http://192.168.64.128:50070查看hadoop(hdfs)的概括。

输入： http://192.168.64.128:50075查看datanode节点的概括。

输入： http://192.168.64.128:8088查看MapReduce的运行任务计划。

 

4.Hadoop的基础操作说明(以文字为准）

 

※注：默认已经配置好hadoop并且已正常开启。

• 运行demo

1.检查状态

[hadoop@hadoop ~]jps

[hadoop@hadoop ~]hdfs dfsadmin -report

2.执行MapReduce任务

在HDFS创建一个目录，并把一些文件输入，并列出文件：

 

[hadoop@hadoop ~]#hdfs dfs -mkdir –p /user/hadoop

[hadoop@hadoop ~]#hdfs dfs -mkdir –p /user/hadoop/input

[hadoop@hadoop ~]#hdfs dfs -put /usr/local/hadoop/etc/hadoop/hadoop-env.sh /user/hadoop/input

[hadoop@hadoop ~]#hdfs dfs -ls /user/hadoop/input

 

运行WordCount:

 

[hadoop@hadoop ~]#hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount input output

 

检查 output文件夹：

[hadoop@hadoop ~]#hdfs dfs -cat output/*

 

由于结果太多，不一一列举。

 

删除output文件夹

 

[hadoop@hadoop ~]#hdfs dfs -rm -f -r output