搭建Hadoop伪分布式环境

• 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
节点的内容为如下所示：

    
        hadoop.tmp.dir
        file:/usr/local/hadoop/tmp
        location to store temporary files
    
    
        fs.defaultFS
        hdfs://localhost:9000
    

同理，编辑 hdfs-site.xml，修改
节点的内容为如下所示：

    
        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
    

• 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

部署完成

转自 腾讯云开发者实验室