Centos8安装 Hadoop3 详细操作（含图文）

Hadoop介绍：

Hadoop的核心由3个部分组成：

1. HDFS: Hadoop Distributed File System，分布式文件系统，hdfs还可以再细分为NameNode、SecondaryNameNode、DataNode。

2. YARN: Yet Another Resource Negotiator，资源管理调度系统

3. Mapreduce：分布式运算框架

下面介绍安装 Hadoop

虚拟机：   VMware
环境：      Linux 系统 centos8
hadoop： hadoop-3.3.0

一、创建hadoop用户

VM上安装centos7的主机，设置初始内存为2G，硬盘为50G，安装成功后新建用户hadoop，设置hadoop的密码并授予hadoop用户sudo权限(不过后面主要还是用root操作)

如果你安装 CentOS 的时候不是用的 “hadoop” 用户，那么需要增加一个名为 hadoop 的用户。

首先点击左上角的 “应用程序” -> “系统工具” -> “终端”，首先在终端中输入 su ，按回车，输入 root 密码以 root 用户登录，接着执行命令创建新用户

su              # 上述提到的以 root 用户登录

useradd -m hadoop -s /bin/bash   # 创建新用户hadoop，并使用 /bin/bash 作为shell。

passwd hadoop

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，执行：

visudo

如下图，找到 root ALL=(ALL) ALL 这行（应该在第98行，可以先按一下键盘上的 ESC 键，然后输入 :98 (按一下冒号，接着输入98，再按回车键)，可以直接跳到第98行 ），然后按i，进入插入模式，在这行下面增加一行内容：

hadoop	ALL=(ALL)	ALL 

如下图所示：

添加上一行内容后，先按一下键盘上的 ESC 键，然后输入 :wq (输入冒号还有wq，这是vi/vim编辑器的保存方法)，再按回车键保存退出就可以了。

最后注销当前用户(点击屏幕右上角的用户名，选择退出->注销)，在登陆界面使用刚创建的 hadoop 用户进行登陆。（如果已经是 hadoop 用户，且在终端中使用 su 登录了 root 用户，那么需要执行 exit 退出 root 用户状态）

二、安装SSH、配置SSH无密码登录

集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），一般情况下，CentOS 默认已安装了 SSH client、SSH server，打开终端执行如下命令进行检验：

rpm -qa | grep ssh

如果返回的结果如下图所示，包含了 SSH client 跟 SSH server，则不需要再安装。

若需要安装，则可以通过 yum 进行安装（安装过程中会让你输入 [y/N]，输入 y 即可）：

    sudo yum install openssh-clients
    sudo yum install openssh-server

接着执行如下命令测试一下 SSH 是否可用：

ssh localhost

此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。

但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。

首先输入 exit 退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

    exit                           # 退出刚才的 ssh localhost
    cd ~/.ssh/                     # 若没有该目录，请先执行一次ssh localhost
    ssh-keygen -t rsa              # 会有提示，都按回车就可以
    cat id_rsa.pub >> authorized_keys  # 加入授权
    chmod 600 ./authorized_keys    # 修改文件权限

~的含义

在 Linux 系统中，~ 代表的是用户的主文件夹，即 “/home/用户名” 这个目录，如你的用户名为 hadoop，则 ~ 就代表“/home/hadoop/”。
此外，命令中的 # 后面的文字是注释。

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下图所示。

三、安装jdk环境

因为 Hadoop 是以 java 开发的，所以必须先安装 java 环境

linux系统版本的java环境安装，参考下面博客链接：

https://blog.csdn.net/weixin_43848614/article/details/108971979

四、安装 Hadoop 3

Hadoop 3 可以通过下面两个链接下载：

https://mirrors.cnnic.cn/apache/hadoop/common/
http://mirror.bit.edu.cn/apache/hadoop/common/

本教程选择的是 3.3.0 版本，下载时会有多个版本
hadoop-3.x.y.tar.gz 这是编译好的文件
hadoop-3.x.y.src.tar.gz 包含 的是 Hadoop 源代码，需要进行编译才可使用。

将下载好的安装包解压：

tar -zxvf hadoop-3.3.0.tar.gz

在 usr 中创建合适的文件夹存放解压后的文件，注意新建的文件夹需要后期配置环境路径使用。（本教程按本人所习惯的存放在 soft 文件夹中）

新建文件夹命令：（mkdir后面一定要加空格）

mkdir /usr/soft/hadoop

将解压后的文件移动到相应文件夹

mv jdk1.8.0_271 /usr/soft/hadoop

五、配置hadoop环境变量

1. 安装完成之后要进行环境配置，这里需要编辑编辑/etc/profile文件

编辑命令：

vim /etc/profile

在执行完上方命令之后点击i键位让文件可以修改，进行文件编写

2. 在文件末尾添加如下配置：

export HADOOP_HOME=/usr/soft/hadoop/hadoop-3.3.0
export PATH=$HADOOP_HOME/bin:$PATH

编写完成以后，我们要保存退出，那么我们就要使用底部模式，这时候使用ESC键退出插入模式回到命令模式。
（1）按一下Esc
（2）输入一个冒号: 输入冒号需要是使用 “shirt” +" : "
（3）输入：wq 就会自动关闭文件并保存文件。

注意： 这里可能会由于设置全局变量导致 后边运行datanode出错

3. 文件生效
   对于/etc/profile编写完成之后是不够的，还需要最后一个步骤，就是让刚刚我们修改的文件变成有效起来，所以我们再输入一个命令，让修改生效。

生效命令：

source /etc/profile

4. 验证是否安装成功

最后我们来进行一下测试，看看我们的环境变量是否配置成功

测试命令：

hadoop version

六、Hadoop伪分布式配置

Hadoop 环境变量设置

在设置 Hadoop 伪分布式配置前，我们还需要设置 HADOOP 环境变量，执行如下命令在 ~/.bashrc 中设置：

vim ~/.bashrc

在文件最后面增加如下内容：

# Hadoop Environment Variables
export HADOOP_HOME=/usr/soft/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

保存后，不要忘记执行如下命令使配置生效：

source ~/.bashrc

这些变量在启动 Hadoop 进程时需要用到，不设置的话可能会报错（这些变量也可以通过修改 ./etc/hadoop/hadoop-env.sh 实现）。

Hadoop 配置文件的修改

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。

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。

1. 打开hadoop配置文件：

cd /usr/soft/hadoop/hadoop-3.3.0/etc/hadoop/

2. 查看文件信息：

ll

其中最好修改其中的五个配置文件

（1）修改配置文件 core-site.xml

如上图查看配置文件可知， core-site.xml 文件读写权限较低，修改配置文件之前需要修改文件权限

为了方便不细分权限，设置为允许所有操作

cd /usr/soft/hadoop/hadoop-3.3.0/etc/hadoop/

chmod 777 core-site.xml

Vim模式修改配置文件

vim core-site.xml   

添加如下配置

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

（2）修改配置文件 hdfs-site.xml：

同样先修改文件权限：

chmod 777  hdfs-site.xml

vim模式修改配置文件

vim hdfs-site.xml

添加如下配置：

        
                dfs.replication</name>
                1</value>
        </property>

        
                dfs.namenode.name.dir</name>
                file:/usr/soft/hadoop/tmp/dfs/name</value>
        </property>

        
                dfs.datanode.data.dir</name>
                file:/usr/soft/hadoop/tmp/dfs/data</value>
        </property>



        
                dfs.secondary.http.address</name>
                <!--这里是你自己的ip，端口默认-->
                dfs://localhost:50070</value>
        </property>
</configuration>

（3）修改配置文件 hadoop-env.sh

vim hadoop-env.sh 配置成你自己的jdk安装路径

export JAVA_HOME=/usr/soft/java/jdk1.8.0_271 

（4）配置 mapred-site.xml

mapred-site.xml 指定MapReduce程序应该放在哪个资源调度集群上运行。若不指定为yarn，那么MapReduce程序就只会在本地运行而非在整个集群中运行。

同样先修改文件权限：

chmod 777 mapred-site.xml

vim模式修改配置文件

vim mapred-site.xml

添加如下配置：

	
		mapreduce.framework.name</name>
		yarn</value>
	</property>
	
		mapred.job.tracker.http.address</name>
		0.0.0.0:50030</value>
	</property>

	
		mapred.task.tracker.http.address</name>
		0.0.0.0:50060</value>
	</property>

	
		mapreduce.admin.user.env</name>
		HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME</value>
	</property>
	
		yarn.app.mapreduce.am.env</name>
		HADOOP_MAPRED_HOME=$HADOOP_COMMON_HOME</value>
	</property>
</configuration>

（5）配置yarn-site.xml

同样先修改文件权限：

chmod 777 yarn-site.xml

vim模式修改配置文件

vim yarn-site.xml

添加如下配置：

<!-- Site specific YARN configuration properties -->

        
                 yarn.resourcemanager.hostname</name>
                <!-- 自己的ip端口默认 -->
                hdfs://localhost:9000</value>
        </property>
        <!-- reducer获取数据的方式 -->
        
                yarn.nodemanager.aux-services</name>
                mapreduce_shuffle</value>
        </property>

</configuration>

七、启动 Hadoop

cd /usr/soft/hadoop/hadoop-3.3.0/sbin/

初始化化hadoop文件格式，输入命令：

hadoop namenode -format

成功标志：

可以使用下面命令启动所有进程：

 ./start-all.sh 

也可以使用“ start-dfs.sh ”开启 NaneNode 和 DataNode 守护进程：

start-dfs.sh

然后输入命令 ’ jps ’ 查看已成功启动的进程

若成功启动则会列出如下进程: “NameNode”、”DataNode”和SecondaryNameNode（如果 SecondaryNameNode 没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试）。如果没有 NameNode 或 DataNode ，那就是配置不成功，请仔细检查之前步骤，或通过查看启动日志排查原因。

成功启动后，可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

参考博客：

https://blog.csdn.net/lu1171901273/article/details/86518494

https://www.cnblogs.com/thousfeet/p/8618696.html