Hadoop伪分布式安装和wordcount实例

前期准备：一台虚拟机

首先将 Xshell和Xftp连接虚拟机 ，可根据点击这个链接学习https://blog.csdn.net/Dlychee/article/details/106756519

注：按“i”编辑文件，编辑完内容后，按“Esc”键，然后输入“:wq”为保存编辑内容并退出，输入“:q!”为不保存编辑内容并退出。

一、用rpm安装jdk

这里给一个jdk-7u67-linux-x64.rpm
网盘链接: https://pan.baidu.com/s/1cwuoJLPcclQEKwJSqaNMIQ
提取码：688f

1.jdk.rpm文件传输 (rpm相当于Windows的exe文件）

（右边部分为虚拟机中root目录下）
首先，单击“新建文件传输”。然后，在左边部分找到在Windows下jdk-7u67-linux-x64.rpm文件，右键，单击“传输”。

2.输入命令

rpm -i jdk-7u67-linux-x64.rpm

3.查询jdk安装路径

whereis java

4.配置全局环境变量
（1）进入profile中进行编辑的命令，“vi + 文件路径”表示打开文件，并将光标置于最后一行首 。

vi + /etc/profile

按“i”编辑文件，编辑完内容后，按“Esc”键，然后输入“:wq”为保存编辑内容并退出，输入“:q!”为不保存编辑内容并退出。（后面将不再重复此知识点。）

（2）在它最后插入：

export JAVA_HOME=/usr/bin/java
export PATH=$PATH:$JAVA_HOME/bin

5.使环境变量生效（每次修改过/etc/profile文件后记得一定要source一下）

source /etc/profile

6.输入命令jps,如果出现-bash: jps: command not found

（1）此时更改环境变量，输入命令：

vi + /etc/profile

（2）更改刚刚前面输入的内容：

export JAVA_HOME=/usr/bin/java
export PATH=$PATH:/usr/java/jdk1.7.0_67/bin

（3）使环境变量生效

source /etc/profile

（4）再次输入命令jps,查看是否出现Jps

二、查询.ssh文件

1.输入命令 ll -a ,看是否有 .ssh 文件

2.如果没有则输入命令 ssh localhost

遇到问(yes/no)输入 yes ，遇到password输入你的 密码 。登录完后记得最后要退出登录，输入命令 exit

3.再次输入命令 ll -a，看 .ssh 文件是否出现。

三、设置免密

1.输入命令：（P为大写）

ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa

2.把id_dsa.pub追加到authorized_keys。

输入命令：

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

3.免密验证（此次ssh localhost不需要输入密码）

（1）输入命令 ssh localhost，记得要退出登录 exit

（2）输入命令 ssh node01，记得要退出登录 exit

四、安装Hadoop

提供一个绿色版本hadoop-2.6.5，解压就能用。
网盘链接: https://pan.baidu.com/s/1tPnm0hhr0w3yGFNX1nBJwg
提取码：zbqq

1.首先，我们要在虚拟机主目录下建立一个新的目录用来等下来存放hadoop的压缩包，这里我取的文件名是software

到主目录的命令为 cd  ~
新建目录的命令为 mkdir 文件名

2.将Windows中hadoop压缩包传到虚拟机node01中。

单击“新建文件传输”图标，右边虚拟机进入刚刚创建的software目录中，在Windows(即本地）中找到存放hadoop-2.6.5的压缩包，右键，选择“传输”。

3.到opt目录下（该本身就存在，不需要我们创建），创建一个新的目录用来等下存放hadoop解压后的文件.这里我取的目录名为lychee,大家可以用自己的名字命名（例如：陈芊芊→cyy)

到opt目录下命令为 cd /opt
新建目录的命令为 mkdir 文件名

4.解压hadoop压缩包。

（1）首先到存放hadoop压缩包的目录(software)下。

cd /root/software

（2）将 hadoop压缩包 解压到 lychee 目录（刚刚以自己名字命名的目录）下。

（注：C为大写）

tar xf hadoop-2.6.5.tar.gz -C /opt/lychee

（3）这个时候我们在 lychee 目录下输入命令 ll 就能看到已经解压好的hadoop。

5.想要在任意目录下启动Hadoop，我们需要在配置文件profile中做一些修改。

（1）进入profile中进行编辑的命令，“vi + 文件路径”表示打开文件，并将光标置于最后一行首 。

 vi + /etc/profile

（2）对它进行配置，配置成功后保存并退出。配置内容如下：

export JAVA_HOME=/usr/java/bin
export HADOOP_HOME=/opt/自己的文件名/hadoop-2.6.5
export PATH=$PATH:usr/java/jdk1.7.0_67/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin

（3）修改过/etc/profile文件后，不要忘了source一下

source /etc/profile

6.输入hd后，按Tab键可以出现hdfs 和 输入start-d后，按Tab键可以出现start-dfs. 就表示成功了。

五、Hadoop配置文件信息

配置文件信息要仔细！！！！要不然后续很容易出错！！

有时候在敲当前目录下文件名的时候可以按 Tab 键，它会自动帮你补全文件名

1.首先到hadoop目录下：

cd /opt/lychee/hadoop-2.6.5/etc/hadoop

然后，我们 ll 一下，会看到很多配置文件。

2.配置hadoop-env.sh文件

vi hadoop-env.sh

给它的JAVA_HOME更改成绝对路径/usr/java/jdk1.7.0_67，并且保存退出。

3.配置mapred-env.sh文件

vi mapred-env.sh

给它的JAVA_HOME更改成绝对路径/usr/java/jdk1.7.0_67，并且保存退出。(注：这里export JAVA_HOME这句开头有一个 注释号 #，我们需要把这个#删掉。）

4.配置yarn-env.sh文件

vi yarn-env.sh

给它的JAVA_HOME更改成绝对路径/usr/java/jdk1.7.0_67，并且保存退出。(注：这里export JAVA_HOME这句开头也有一个 注释号 #，我们需要把这个#删掉。）

5.配置core-site.xml文件

vi core-site.xml

在里面配置信息,然后保存并退出。

	
    
        fs.defaultFS
        hdfs://node01:9000
    
    
    
    
        hadoop.tmp.dir
        /var/lychee/hadoop/pseudo
    
    

NameNode的元数据信息和DateNode数据文件本来默认保存在一个临时tmp文件里，这样不安全，所以更改它的Hadoop的临时目录

6.配置hdfs-site.xml文件

vi hdfs-site.xml

在里面配置信息,然后保存并退出。

	
        dfs.replication
        1
    

	
    
        dfs.namenode.secondary.http-address
        node01:50090
    
    

7.配置slaves文件

vi slaves

在里面删除原有的 localhost ，添加当前虚拟机的主机名，我的是node01。然后保存并退出。这里我们配置的是（DateNode节点）

六、格式化HDFS

1.首先我们到刚刚配置core-site.xml文件中指定的Hadoop临时目录

cd /var/lychee/hadoop/pseudo

看是否显示这个文件不存在
-bash: /var/lychee/hadoop/pseudo: pp: No such file or directory

2.这个文件不存在，所以我们现在要格式化一下HDFS。搭一次集群最好只格式化一次，多次格式化会使集群号会改变。

hdfs namenode -format

如果显示如下就证明你格式化成功了，出现has been successfully formatted。
3.这个时候我们再输入命令 cd /var/lychee/hadoop/pseudo 检查一下它是否存在。

七、启动集群

1.首先到根目录下（cd ~或cd），然后输入命令

start-dfs.sh

2.再输入命令jps,看是否出现了：NameNode , SecondaryNameNode , DateNode，出现了则证明成功了。

jps

3.如果NameNode , SecondaryNameNode , DateNode其中有一个没成功，我们可以在logs中查找错误。

cd /opt/lychee/hadoop-2.6.5/logs

然后ll一下，找到其中没有成功的Node的.log文件,查看错误出在哪。
例如：datenode没有出现，就输入一下命令 tail查询hadoop-root-datanode-node01.log文件的最后100行。

tail -100 hadoop-root-datanode-node01.log

八、在windows环境看Hadoop集群

在集群启动的情况下，我们在浏览器（不要用360浏览器，这里我用火狐）中搜索 你的主机名：50070，这里我搜的是node01:50070

如果红框内显示active则成功，如果显示找不到该网页等消息，点此链接查看Windows和虚拟机之间的访问步骤中Windows内的hosts是否配置成功。

九、关闭集群

在虚拟机中输入

stop-dfs.sh

十、wordcount实例

wordcount是数一篇文章里每个单词出现的次数。
做这个实例的时候我们要在虚拟机里启动集群 start-dfs.sh

1.这里首先我们在Windows内准备一个有内容的.txt文件夹，这里我给它命名为500miles。

（1）利用Xshell和Xftp将它传输给虚拟机内你要存放的路径中，这里我存放在根目录root下。

（2）我们可以到存放的目录下，ll一下，会发现你存的500miles.txt。

2.在HDFS中创建输入目录和输出目录。

（1）创建输入目录命令（就是把我们要wordcount那个文件里的东西放入其中）

hdfs dfs -mkdir -p /data/input

（2）创建输出目录命令（就是把wordcount的结果放入其中）

hdfs dfs -mkdir -p /data/output

（3）在Windows环境下，用浏览器搜node01:50070。按照下图步骤来，如果出现input和output目录则证明创建成功。

3.将要统计数据的文件上传到输入目录并查看

（1）将要统计数据的文件上传到输入目录
hdfs dfs -put 要统计数据的文件名 /data/input
例如：
hdfs dfs -put 500miles.txt /data/input

（2）在浏览器中刷新并查看500miles文件是否存在。

也可以在虚拟机用命令查看

hdfs dfs -ls /data/input

4.进入MapReduce目录（对大数据进行计算）

cd /opt/lychee/hadoop-2.6.5/share/hadoop/mapreduce

然后我们 ll一下，可以看到其中有一个样例jar包hadoop-mapreduce-examples-2.6.5.jar。

5.运行wordcount。
输入命令：

hadoop jar hadoop-mapreduce-examples-2.6.5.jar wordcount /data/input /data/output/result

6.查看运行结果
（1）查看result目录下生成的文件。

hdfs dfs -ls /data/output/result

SUCCESS放的是成功与否的信息。

（2）查看part-r-00000里面的信息。

-cat 查看文件的命令
ls 查看目录的命令

hdfs dfs -cat /data/output/result/part-r-00000

我们就可以看见每个单词出现的次数。

7.最后关闭集群

stop-dfs.sh