Hadoop伪分布模式的安装

相关知识

Hadoop由Apache基金会开发的分布式系统基础架构，是利用集群对大量数据进行分布式处理和存储的软件框架。用户可以轻松地在Hadoop集群上开发和运行处理海量数据的应用程序。Hadoop有高可靠，高扩展，高效性，高容错等优点。Hadoop 框架最核心的设计就是HDFS和MapReduce。HDFS为海量的数据提供了存储，MapReduce为海量的数据提供了计算。此外，Hadoop还包括了Hive，Hbase，ZooKeeper，Pig，Avro，Sqoop，Flume，Mahout等项目。

Hadoop的运行模式分为3种：本地运行模式，伪分布运行模式，完全分布运行模式。
（1）本地模式（local mode）
这种运行模式在一台单机上运行，没有HDFS分布式文件系统，而是直接读写本地操作系统中的文件系统。在本地运行模式（local mode）中不存在守护进程，所有进程都运行在一个JVM上。单机模式适用于开发阶段运行MapReduce程序，这也是最少使用的一个模式。

（2）伪分布模式
这种运行模式是在单台服务器上模拟Hadoop的完全分布模式，单机上的分布式并不是真正的分布式，而是使用线程模拟的分布式。在这个模式中，所有守护进程(NameNode，DataNode，ResourceManager，NodeManager，SecondaryNameNode)都在同一台机器上运行。因为伪分布运行模式的Hadoop集群只有一个节点，所以HDFS中的块复制将限制为单个副本，其secondary-master和slave也都将运行于本地主机。此种模式除了并非真正意义的分布式之外，其程序执行逻辑完全类似于完全分布式，因此，常用于开发人员测试程序的执行。本次实验就是在一台服务器上进行伪分布运行模式的搭建。

（3）完全分布模式
这种模式通常被用于生产环境，使用N台主机组成一个Hadoop集群，Hadoop守护进程运行在每台主机之上。这里会存在Namenode运行的主机，Datanode运行的主机，以及SecondaryNameNode运行的主机。在完全分布式环境下，主节点和从节点会分开。

---

系统环境
Linux Ubuntu 20.04

任务内容
在只安装Linux系统的服务器上，安装Hadoop3.2.2伪分布模式。

---

任务步骤

1.创建一个用户，名为lijiawen，并为此用户创建home目录，此时会默认创建一个与lijiawen同名的用户组。

sudo useradd -d /home/lijiawen -m lijiawen  

为zhangyu用户设置密码，执行下面的语句

sudo passwd lijiawen  

按提示消息，输入密码以及确认密码即可，此处密码设置为123456

将lijiawen用户的权限，提升到sudo超级用户级别

sudo usermod -G sudo lijiawen  

后续操作，我们需要切换到zhangyu用户下来进行操作。

su - lijiawen  

2.首先来配置SSH免密码登陆

SSH免密码登陆需要在服务器执行以下命令，生成公钥和私钥对

ssh-keygen -t rsa  

此时会有多处提醒输入在冒号后输入文本，这里主要是要求输入ssh密码以及密码的放置位置。在这里，只需要使用默认值，按回车即可。

此时ssh公钥和私钥已经生成完毕，且放置在~/.ssh目录下。切换到~/.ssh目录下

cd ~/.ssh  

可以看到~/.ssh目录下的文件

lijiawen@DESKTOP-F0G7R99:~/.ssh$ ll
总用量 24
drwx------ 2 lijiawen lijiawen 4096 5月  13 15:34 ./
drwxr-xr-x 8 lijiawen lijiawen 4096 5月  27 08:32 ../
-rw-r--r-- 1 lijiawen lijiawen 1156 5月  13 15:20 authorized_keys
-rw------- 1 lijiawen lijiawen 2610 5月   6 17:27 id_rsa
-rw-r--r-- 1 lijiawen lijiawen  578 5月   6 17:27 id_rsa.pub
-rw-r--r-- 1 lijiawen lijiawen  444 5月  13 15:35 known_hosts

下面在~/.ssh目录下，创建一个空文本，名为authorized_keys

touch ~/.ssh/authorized_keys  

将存储公钥文件的id_rsa.pub里的内容，追加到authorized_keys中

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

下面执行ssh localhost测试ssh配置是否正确

ssh localhost  

第一次使用ssh访问，会提醒是否继续连接，输入“yes"继续进行，执行完以后退出
后续再执行ssh localhost时，就不用输入密码了

3.下面首先来创建两个目录，用于存放安装程序及数据。

sudo mkdir /apps  
sudo mkdir /data  

并为/apps和/data目录切换所属的用户为lijiawen及用户组为lijiawen

sudo chown -R lijiawen:lijiawen /apps  
sudo chown -R lijiawen:lijiawen /data  

两个目录的作用分别为：/apps目录用来存放安装的框架，/data目录用来存放临时数据、HDFS数据、程序代码或脚本。

切换到根目录下，执行 ls -l 命令

cd /  
ls -l  

可以看到根目录下/apps和/data目录所属用户及用户组已切换为lijiawen:lijiawen

lijiawen@DESKTOP-F0G7R99:/$ ls -l
总用量 708
drwxr-xr-x  10 lijiawen lijiawen   4096 5月  24 16:04 apps
lrwxrwxrwx   1 root     root          7 2月  20 07:48 bin -> usr/bin
drwxr-xr-x   2 root     root       4096 5月   6 16:03 boot
drwxr-xr-x  10 lijiawen lijiawen   4096 5月  19 10:05 data

4.配置HDFS。

创建/data/hadoop1目录，用来存放相关安装工具，如jdk安装包jdk-7u75-linux-x64.tar.gz及hadoop安装包hadoop-2.6.0-cdh5.4.5.tar.gz。
view plain copy

mkdir -p /data/hadoop1  

切换目录到/data/hadoop1目录，使用wget命令，下载所需的hadoop安装包OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz及hadoop-3.2.2.tar.gz。

cd /data/hadoop1  
wget http://hg.openjdk.java.net/jdk/jdk11/archive/tip.tar.gz 
wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-3.2.2/hadoop-3.2.2-src.tar.gz  

5.安装jdk。将/data/hadoop1目录下OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz 解压缩到/apps目录下。

tar -xzvf /data/hadoop1/OpenJDK11U-jdk_x64_linux_hotspot_11.0.11_9.tar.gz -C /apps  

其中，tar -xzvf 对文件进行解压缩，-C 指定解压后，将文件放到/apps目录下。

切换到/apps目录下，我们可以看到目录下内容如下：

cd /apps/  
ls -l  

下面将jdk1.7.0_75目录重命名为java，执行：

mv /apps/jdk11.0.11_9/  /apps/java  

6.下面来修改环境变量：系统环境变量或用户环境变量。我们在这里修改用户环境变量。

sudo vim ~/.bashrc  

输入上面的命令，打开存储环境变量的文件。空几行，将java的环境变量，追加进用户环境变量中。

#java  
export JAVA_HOME=/apps/java  
export PATH=$JAVA_HOME/bin:$PATH  

输入Esc, 进入vim命令模式，输入 :wq !进行保存。

让环境变量生效。

source ~/.bashrc  

执行source命令，让java环境变量生效。执行完毕后，可以输入java -version，来测试环境变量是否配置正确。如果出现下面界面，则正常运行。

lijiawen@DESKTOP-F0G7R99:/data/hadoop1$ java -version
openjdk version "11.0.11" 2021-04-20
OpenJDK Runtime Environment (build 11.0.11+9-Ubuntu-0ubuntu2.20.04)
OpenJDK 64-Bit Server VM (build 11.0.11+9-Ubuntu-0ubuntu2.20.04, mixed mode, sharing)

7.下面安装hadoop，切换到/data/hadoop1目录下，将hadoop-3.2.2.tar.gz解压缩到/apps目录下。

cd /data/hadoop1  
tar -xzvf /data/hadoop1/hadoop-3.2.2.tar.gz -C /apps/  

为了便于操作，我们也将hadoop-3.2.2重命名为hadoop。

mv /apps/hadoop-3.2.2/ /apps/hadoop  

8.修改用户环境变量，将hadoop的路径添加到path中。先打开用户环境变量文件。

sudo vim ~/.bashrc  

将以下内容追加到环境变量~/.bashrc文件中。

#hadoop  
export HADOOP_HOME=/apps/hadoop  
export PATH=$HADOOP_HOME/bin:$PATH  

让环境变量生效。

source ~/.bashrc  

输入hadoop version验证hadoop环境变量配置是否正常

lijiawen@DESKTOP-F0G7R99:/data/hadoop1$ hadoop version
Hadoop 3.2.2
Source code repository Unknown -r 7a3bc90b05f257c8ace2f76d74264906f0f7a932
Compiled by hexiaoqiao on 2021-01-03T09:26Z
Compiled with protoc 2.5.0
From source with checksum 5a8f564f46624254b27f6a33126ff4
This command was run using /apps/hadoop/share/hadoop/common/hadoop-common-3.2.2.jar

9.下面来修改hadoop本身相关的配置。首先切换到hadoop配置目录下。

cd /apps/hadoop/etc/hadoop  

10.输入vim /apps/hadoop/etc/hadoop/hadoop-env.sh，打开hadoop-env.sh配置文件。

vim /apps/hadoop/etc/hadoop/hadoop-env.sh  

将下面JAVA_HOME追加到hadoop-env.sh文件中。

export JAVA_HOME=/apps/java  

11.输入vim /apps/hadoop/etc/hadoop/core-site.xml，打开core-site.xml配置文件。

vim /apps/hadoop/etc/hadoop/core-site.xml  

添加下面配置到与标签之间。

  
    hadoop.tmp.dir  
    /data/tmp/hadoop/tmp  
  
  
    fs.defaultFS  
    hdfs://localhost:9000  
  

这里有两项配置：
一项是hadoop.tmp.dir，配置hadoop处理过程中，临时文件的存储位置。这里的目录/data/tmp/hadoop/tmp需要提前创建。

mkdir -p /data/tmp/hadoop/tmp  

另一项是fs.defaultFS，配置hadoop HDFS文件系统的地址。

12.输入vim /apps/hadoop/etc/hadoop/hdfs-site.xml，打开hdfs-site.xml配置文件。

vim /apps/hadoop/etc/hadoop/hdfs-site.xml  

添加下面配置到与标签之间。

  
    dfs.namenode.name.dir  
    /data/tmp/hadoop/hdfs/name  
  
   
     dfs.datanode.data.dir  
     /data/tmp/hadoop/hdfs/data  
   
   
     dfs.replication  
     1  
   
   
     dfs.permissions.enabled  
     false  
   

配置项说明：

dfs.namenode.name.dir，配置元数据信息存储位置；
dfs.datanode.data.dir，配置具体数据存储位置；
dfs.replication，配置每个数据库备份数，由于目前我们使用1台节点，所以，设置为1，如果设置为2的话，运行会报错。
dfs.permissions.enabled，配置hdfs是否启用权限认证

另外/data/tmp/hadoop/hdfs路径，需要提前创建，所以我们需要执行

mkdir -p /data/tmp/hadoop/hdfs  

13.输入vim /apps/hadoop/etc/hadoop/slaves，打开slaves配置文件。

vim /apps/hadoop/etc/hadoop/slaves  

将集群中slave角色的节点的主机名，添加进slaves文件中。目前只有一台节点，所以slaves文件内容为：

localhost  

14.下面格式化HDFS文件系统。执行：

hadoop namenode -format  

15.切换目录到/apps/hadoop/sbin目录下。

cd /apps/hadoop/sbin/  

16.启动hadoop的hdfs相关进程。

./start-dfs.sh  

这里只会启动HDFS相关进程。

17.输入jps查看HDFS相关进程是否已经启动。

jps  

我们可以看到相关进程，都已经启动。

18.下面可以再进一步验证HDFS运行状态。先在HDFS上创建一个目录。

hadoop fs -mkdir /myhadoop1  

19.执行下面命令，查看目录是否创建成功。

hadoop fs -ls -R /  

以上，便是HDFS安装过程。

20.下面来配置MapReduce相关配置。再次切换到hadoop配置文件目录

cd /apps/hadoop/etc/hadoop  

21.下面将mapreduce的配置文件mapred-site.xml.template，重命名为mapred-site.xml。

mv /apps/hadoop/etc/hadoop/mapred-site.xml.template  /apps/hadoop/etc/hadoop/mapred-site.xml  

22.输入vim /apps/hadoop/etc/hadoop/mapred-site.xml，打开mapred-site.xml配置文件。

vim /apps/hadoop/etc/hadoop/mapred-site.xml  

将mapreduce相关配置，添加到标签之间。

  
    mapreduce.framework.name  
    yarn  
  

这里指定mapreduce任务处理所使用的框架。