Ubuntu下搭建Hadoop的单机模式以及伪分布式模式

环境准备

创建Hadoop用户(可选)

1.如果安装 Ubuntu 的时候不是用的 “hadoop” 用户，那么需要增加一个名为hadoop 的用户，首先按打开终端窗口（快捷键ctrl+alt+t），输入如下命令创建新用户 :创建hadoop用户。

sudo useradd –m hadoop –s /bin/bash

2.上面这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell 接着使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码:

sudo passwd hadoop

3.可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘 手的权限问题:

sudo adduser hadoop sudo

SSH登录权限设置

1.SSH简介
SSH 为 Secure Shell 的缩写，是建立在应用层和传输层基础上的安全协议。 SSH 是目前较可靠、专为远程登录会话和其他网络服务提供安全性的协议。 利用 SSH 协议可以有效防止远程管理过程中的信息泄露问题。SSH最初是 UNIX系统上的一个程序，后来又迅速扩展到其他操作平台。 SSH是由客 户端和服务端的软件组成，服务端是一个守护进程(daemon)，它在后台运 行并响应来自客户端的连接请求，客户端包含ssh程序以及像scp(远程拷 贝)、slogin(远程登陆)、sftp(安全文件传输)等其他的应用程序。
2. 配置SSH的原因
Hadoop名称节点(NameNode)需要启动集群中所有机器的Hadoop守护进程，这个过 程需要通过SSH登录来实现。Hadoop并没有提供SSH输入密码登录的形式，因此，为 了能够顺利登录每台机器，需要将所有机器配置为名称节点可以无密码登录它们。
3. 切换登录用户以hadoop登录（可选）
4. 更新（可选）

sudo apt-get update

5.（1） 配置SSH的无密码登录
安装openssh-server( 通常Linux系统会默认安装openssh的客户端软件openssh-client)，所以需要自己安装一下服务端。

sudo apt-get install openssh-server

（2）输入 cd .ssh目录下，如果没有.ssh文件 输入 ssh localhost生成

cd ~/.ssh/

（3）生成秘钥

ssh-keygen -t rsa

（4）将Master中生成的密钥加入授权（authorized_keys）

cat id_rsa.pub                     # 查看生成的公钥

cat id_rsa.pub >> authorized_keys    # 加入授权
chmod 600 authorized_keys    # 修改文件权限，如果不修改文件权限那么其它用户就能查看该授权

（5）完成后，直接键入“ssh localhost”，能无密码登录即可

（6）键入“exit”退出，到此SSH无密码登录配置就成功了

安装Java环境

1.Windows与Ubuntu数据共享（可将Windows下的文件进行共享，可选）
（1）Windows系统操作


（2）Ubuntu系统操作（基于VirtualBox）

点击设备->安装增强功能

输入密码后直接回车

再次点击设备->共享文件夹->共享文件夹


桌面会增加两个盘，点击sf_盘输入密码，即可将改文件夹中的内容复制到ubuntu下（小编复制到了下载文件夹中）

移动完成后，即可删除两个盘

2.在Ubuntu将jdk移动到我们新建的java目录下（没建的新建一个就是），到此传输文件成功，可以开始配置Java环境了。

sudo mkdir java

注意根据自己的jdk版本号以及当前用户名执行

sudo mv /home/hadoop/下载/jdk-8u221-linux-x64.tar.gz usr/java

在java目录中，使用sudo tar命令解压jdk文件，解压成功后，java目录中会有对应的目录文件存在

sudo tar -zxvf jdk-8u221-linux-x64.tar.gz

3.配置java环境
（1） 使用命令“sudo gedit ~/.bashrc”打开配置文件，在末尾添加以下几行文字，注意自己的jdk版本号。

#set java env
export JAVA_HOME=/usr/lib/jdk/jdk1.8.0_221
export JRE_HOME=${
     JAVA_HOME}/jre    
export CLASSPATH=.:${
     JAVA_HOME}/lib:${
     JRE_HOME}/lib    
export PATH=${
     JAVA_HOME}/bin:$PATH

（2）使用命令“source ~/.bashrc”使环境变量生效（关闭配置文件并在当前目录即/usr/java目录下执行）。

source ~/.bashrc

（3）配置软连接，软连接相当于windows系统中的快捷键，部分软件可能会从/usr/bin目录下查找Java，因此添加该软连接防止其他软件查找不到的情况。

sudo update-alternatives --install /usr/bin/java  java  /usr/java/jdk1.8.0_221/bin/java 300

sudo update-alternatives --install /usr/bin/javac  javac  /usr/java/jdk1.8.0_221/bin/javac 300

（4）测试java是否安装成功

java -version

单机模式以及伪分布式模式的搭建

Hadoop单机安装配置

1.将我们下载的Hadoop解压到 /usr/local/ 中（与解压jdk类似）

sudo tar zxvf /home/hadoop/下载/hadoop-3.2.1.tar.gz -C /usr/local

2.利用cd /usr/local/ 命令切换操作空间，将文件夹名改为hadoop

sudo mv ./hadoop-3.2.1/ ./hadoop

3.修改文件权限

sudo chown -R hadoop:hadoop ./hadoop

sudo chown -R 当前用户名 /usr/local/hadoop

4.修改配置文件
Hadoop 解压后，在hadoop目录下的etc/hadoop/hadoop-env.sh文件中添加如下的 Java环境信息（可加到文本末尾，注意jdk版本号）

export JAVA_HOME=/usr/java/jdk1.8.0_221

5.然后，保存hadoop-env.sh文件，即完成单机模式的Hadoop基本安装。测试Hadoop是否安装成功，如出现如下图所示的版本信息，即可。

./bin/hadoop/ version

6.默认情况下，单机模式的Hadoop以Java进程的方式运行，可依次运行如下命令进行进一步测试。

sudo mkdir input
sudo cp etc/hadoop/*.xml input

7.执行下列命令，运行MapReduce程序，完成测试计算。

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.1.jar grep input output 'dfs[a-z.]+'

8. 执行下列命令，查看计算结果。

cat output/*

hadoop目录下，会有input和output两个新建的文件，output中有上述程序 的运算结果，到此hadoop单机安装配置成功。

Hadoop伪分布式安装配置

1.Hadoop伪分布式安装配置
（1）Hadoop可以在单节点上以伪分布式的方式运行，Hadoop进程以分 离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode， 同时，读取的是 HDFS 中的文件
（2）Hadoop的配置文件位于/usr/local/hadoop/etc/hadoop/中，伪分布式 需要修改2个配置文件 core-site.xml 和 hdfs-site.xml
（3）Hadoop的配置文件是xml格式，每个配置以声明property的name 和 value 的方式来实现
hadoop目录认识
2.hadoop下的目录
（1）修改配置文件之前，先看一下hadoop下的目录：
bin：hadoop最基本的管理脚本和使用脚本所在目录，这些脚本是sbin目录下管理脚本的基础实现，用户可以直接使用这些脚本管理和使用hadoop
（2）etc：配置文件存放的目录，包括core-site.xml,hdfs-site.xml,mapred-site.xml等从hadoop1.x继承而来的配置文件和yarn-site.xml等hadoop2.x新增的配置文件
（3）include：对外提供的编程库头文件（具体动态库和静态库在lib目录中，这些头文件军事用c++定义的，通常用于c++程序访问hdfs或者编写mapreduce程序）
（4）Lib：该目录包含了hadoop对外提供的才变成动态库和静态库，与include目录中的头文件结合使用
（5）libexec：各个服务对应的shell配置文件所在目录，可用于配置日志输出目录、启动参数等信息
（6）sbin：hadoop管理脚本所在目录，主要包含hdfs和yarn中各类服务的启动、关闭脚本
（7）share：hadoop各个模块编译后的jar包所在目录。
3. 修改配置文件 core-site.xml

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

（1）hadoop.tmp.dir表示存放临时数据的目录，即包括NameNode的数据，也包 括DataNode的数据。该路径任意指定，只要实际存在该文件夹即可
（2）name为fs.defaultFS的值，表示hdfs路径的逻辑名称

4.修改配置文件 hdfs-site.xml

<configuration> 
   <property>
       <name>dfs.replication</name>
       <value>1</value> 
   </property> 
   <property>
       <name>dfs.namenode.name.dir</name>
       <value>file:/usr/local/hadoop/tmp/dfs/name</value> 
    </property>
   <property>
       <name>dfs.datanode.data.dir</name>         
       <value>file:/usr/local/hadoop/tmp/dfs/data</value>
   </property>
</configuration>

（1）dfs.replication表示副本的数量，伪分布式要设置为1
（2）dfs.namenode.name.dir表示本地磁盘目录，是存储fsimage文件的地方
（3）dfs.datanode.data.dir表示本地磁盘目录，HDFS数据存放block的地方

5.至此，配置完毕，但是还不能启动，要对hdfs先进行格式化。类似以前的软盘，使用前要先格式化,执行如下命令，看到日志信息，即格式化成功。

sudo ./bin/hdfs namenode -format

6.在我们name目录(这个目录是我们自己配置的时候指定的)下也会出现映像文件（fsimage），用于将数据持久化 。

7.启动hadoop

sbin/start-dfs.sh

8.安装jps

sudo apt install openjdk-11-jdk-headless

9.安装好之后jps检查角色如果有多个角色，就启动成功。

jps

10.浏览器访问localhost:9870

11.关闭hadoop（使用完毕后一定要关闭，否则相当容易崩）

./sbin/stop-dfs.sh

Ubuntu下搭建Hadoop的单机模式以及伪分布式模式到此就结束了。小编经过疯狂的踩坑，熟悉了linux操作系统的部分命令。各位可爱们在搭建过程中一定要注意细节哦，配置文件这些可以不用自己手敲，通过复制代码，保存在文本文件中，再利用Windows和Ubuntu数据共享，很快就可以节省时间啦。最后，如果博客中有问题，希望各位大神们指点迷津。