大数据-安装 Hadoop3.1.3 详细教程-单机/伪分布式配置(Centos)

前言

工欲善其事必先利其器，在学习新的技术之前，我们必须搭建好一个适合的环境，但万事开头难，搭建环境的各种错误劝退了不少人，Pola 安装的过程中真的是错误百出，一度想放弃，但是Pola坚持下来了，并基于参考文章写出来这篇教程，本篇教程就是Pola在配置一台虚拟机的hadoop时写的，所以每一步都经过Pola测试，Pola有理由相信，你按照以下步骤去认真的进行Hadoop的单机配置或者伪分布式配置，是绝对不会出错的！！！

Pola在解决安装过程中的错误的时候没有怎么记录（错误太多了），所以如果你出现错误了可以评论或私信，因为你的问题Pola一定遇见过，不要怀疑Pola这个只要配置环境就必踩坑的天选之子！！！

00 需准备

• 一台配置好网络连接（可ping通宿主机和外网）的CentOS 7系统的虚拟机
• 连接宿主机和虚拟机的Xftp
• JDK 1.8版本或1.8版本以上的安装包
• hadoop 3.1.3 版本的安装包

01 需掌握

• Linux 操作系统命令
• Xftp 的使用

一、准备工作

00 环境

本教程基于 CentOS 7 64位 作为系统环境（其他系统也可以，因为安装步骤是一样的，但是需要切换成你对应系统的命令和文件）

01 创建 hadoop 用户

我们安装系统后登录使用的多是 root 用户，但其实这样并不安全。因此，在安装Hadoop前，我们要创建一个 hadoop 用户：

• 以root用户登录打开终端窗口，输入以下命令创建 hadoop 用户并设置密码：

useradd hadoop # 创建hadoop用户
passwd hadoop # 设置hadoop用户的密码，按提示输入两次密码

⭐ 注意：密码需要输两次，如果提示无效，说明你的密码等级过低不安全，但是你不想换密码也可以继续输入密码进行确定

02 修改 hadoop 用户权限

hadoop 用户是我们创建的普通用户，系统为了安全，会对普通用户的一些操作做限制，但这对我们配置环境来说不是很方便，因此我们需要为 hadoop 用户增加管理员的权限，之后便可以使用 sudo 命令进行一些限制操作：

• 以root用户登录打开终端窗口，输入以下命令为hadoop用户增加管理员的权限：

vi /etc/sudoers 

打开 sudoers文件，找到 root ALL=(ALL) ALL，在其下面一行添加普通用户，我们的普通用户是 hadoop，则添加 hadoop ALL=(ALL) ALL，如下所示：

⭐ 注意：退出关闭时使用 wq! 强制保存并退出，否则会提示 E45:'readonly' option is set(add ! to override)

03 切换为 hadoop 用户

之前的操作我们一直是以 root 用户的身份在登录，但是之后的操作我们需要切换为 hadoop 用户，输入以下命令切换用户：

su hadoop # 切换为hadoop用户登录

切换成功后，@localhost 前会显示当前登录的用户名

04 更新源

我们在下载软件时，可能会因为网络原因而下载失败，因此我们选择更新软件源，输入以下命令更新软件源：

sudo yum -y update # 更新源

⭐ 注意，我们现在登录的用户是hadoop，因此需要使用 sudo 命令来进行需要 root 权限的操作

05 检查 SSH 服务

集群、单机模式都需要用到 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），在使用 SSH 登陆服务之前，我们需要先输入 yum list installed | grep openssh-server 命令检测 openssh-server 是否安装：

• 如果已安装，则有以下输出：
  
• 如果未安装，则无任何输出，安装 openssh-server 命令为：sudo yum install openssh-server
  

06 配置 SSH 无密码登录

确定 openssh-server 已安装后，我们就可以愉快的使用 SSH 服务了，输入 ssh localhost 命令登陆本机：

按照以上的登陆方式：每次登陆都需要输入密码，很不方便，因此我们需要配置成SSH无密码登陆，更方便一点。具体操作如下：

• 输入 exit 命令退出之前的 ssh，回到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                           # 退出之前的 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，一直按回车即可
cat ./id_rsa.pub >> ./authorized_keys  # 加入授权
chmod 600 authorized_keys      # 更改文件权限

之后再输入 ssh localhost 命令登陆时，就无需再输入密码，如下所示：

07 安装 Java 环境

⭐ 注意：Hadoop3.1.3 需要 JDK 版本在 1.8 及以上

第一步，通过 Xftp 将下载好的 jdk 文件上传到 hadoop 用户的工作目录（即 /home/hadoop ）下，如下图所示：

第二步，执行以下命令解压缩JDK文件（注意：当前登录用户名是hadoop），如下所示：

cd /home/hadoop # 进入用户家目录
sudo mkdir -p /usr/lib/jvm # 创建/usr/lib/jvm目录用来存放JDK文件
sudo tar -zxvf jdk-8u131-linux-x64.tar.gz -C /usr/lib/jvm # 把JDK文件解压到/usr/lib/jvm目录下

JDK 文件解压成功后，可以执行以下命令进行查看：

cd /usr/lib/jvm # 进入/usr/lib/jvm目录下
ls #查看当前目录（即/usr/lib/jvm）的文件

可以看到，/usr/lib/jvm 目录下有一个 jdk1.8.0_131 目录

第三步，执行以下命令配置环境变量（注意：当前登录用户名是 hadoop），如下所示：

cd ~ # 进入用户家目录，注意：~ 等价于 /home/hadoop
sudo vi ~/.bash_profile # 编辑当前hadoop用户的环境变量配置文件(该文件只影响当前用户)

打开文件后，在文件末尾处添加以下内容（ jdk 版本根据个人安装版本进行填写），保存并退出：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_131
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

继续执行以下命令使环境变量配置生效：

source ~/.bash_profile

然后可以执行以下命令查看是否安装成功：

java -version

如果屏幕上返回如下信息，则说明安装成功：

08 安装 Hadoop 3.1.3

⭐ 注意：我们安装的是 Hadoop3.1.3

第一步，通过 Xftp 将下载好的 Hadoop3.1.3 文件上传到 hadoop 用户的工作目录（即 /home/hadoop ）下，如下图所示：

第二步，执行以下命令解压缩 hadoop3.1.3 文件（注意：当前登录用户名是 hadoop），如下所示：

sudo tar -zxf ~/hadoop-3.1.3.tar.gz -C /usr/local # 解压到/usr/local中
cd /usr/local/ # 进入/usr/local目录下                     
sudo mv ./hadoop-3.1.3/ ./hadoop # 将hadoop-3.1.3文件夹名改为hadoop
sudo chown -R hadoop ./hadoop # 修改文件权限

Hadoop 解压后即可使用，输入以下命令检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

cd /usr/local/hadoop # 进入/usr/local/hadoop目录
./bin/hadoop version # 查看hadoop版本信息

二、Hadoop 单机配置（非分布式）

00 测试运行实例

Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。即 Hadoop 安装成功后即可使用。我们可以执行一些例子来感受一下 Hadoop 的运行。Hadoop 附带了丰富的例子，运行以下命令可以看到所有例子，包括 wordcount、terasort、join、grep 等：

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar

我们选择运行 grep 例子，我们将 input 文件夹中的所有文件作为输入，筛选其中符合正则表达式 dfs[a-z.]+ 的单词并统计单词出现的次数，然后将结果输出到 output 文件夹中，具体执行命令如下：

cd /usr/local/hadoop # 进入/usr/local/hadoop目录
mkdir ./input # 在当前目录下，创建input目录
cp ./etc/hadoop/*.xml ./input # 将配置文件作为输入复制到input目录下
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar grep ./input ./output 'dfs[a-z.]+' # 运行grep实例
cat ./output/* # 查看运行结果

三、Hadoop 伪分布式配置

00 修改配置文件

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，其读取的是 HDFS 中的文件。

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 。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 修改 core-site.xml 文件

执行以下命令修改 core-site.xml 文件：

cd /usr/local/hadoop/etc/hadoop/ # 进入/usr/local/hadoop/etc/hadoop/目录
sudo vi core-site.xml # 编辑 core-site.xml 文件

打开 core-site.xml 文件后，将其中的

<configuration>
</configuration>

修改为以下的配置：

<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>

② 修改 hdfs-site.xml 文件

执行以下命令修改 hdfs-site.xml 文件：

# 注意当前目录是/usr/local/hadoop/etc/hadoop/目录
sudo vi hdfs-site.xml # 编辑 hdfs-site.xml 文件

打开 hdfs-site.xml 文件后，将其中的

<configuration>
</configuration>

修改为以下的配置：

<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>

③ 修改 hadoop-env.sh 配置文件

执行以下命令修改 hadoop-env.sh 文件：

# 注意当前目录是/usr/local/hadoop/etc/hadoop/目录
sudo vi hadoop-env.sh # 编辑 hadoop-env.sh 文件

在 hadoop-env.sh 文件里找到 # export JAVA_HOME= 这行，如下所示：

将其修改为JAVA安装路径的具体地址，如下所示：

④ NameNode 格式化

以上配置完成后，执行以下命令进行 NameNode 的格式化：

cd /usr/local/hadoop # 进入/usr/local/hadoop目录
./bin/hdfs namenode -format # 执行 NameNode 的格式化

成功的话，会看到 successfully formatted 的提示，具体返回信息类似以下内容：

⑤ 开启 NameNode 和 DataNode

NameNode 格式化后，接着执行以下命令开启 NameNode 和 DataNode 守护进程：

cd /usr/local/hadoop # 进入/usr/local/hadoop目录
./sbin/start-dfs.sh # 注意：start-dfs.sh 是个完整的可执行文件，中间没有空格

然后执行以下 jps 命令判断是否成功启动，若成功启动则会列出以下进程：NameNode、DataNode、SecondaryNameNode
成功启动后，可以在虚拟机的浏览器上访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件，也可以将localhost替换为虚拟机的IP地址，在本机的浏览器上访问 Web 界面，例如我的虚拟机的IP地址是192.168.91.150，我就可以将http://localhost:9870替换为http://192.168.91.150:9870，然后在我本机上进行访问，如下所示：

01 测试运行伪分布式实例

之前的单机模式，grep 例子里读取的是本地数据，而伪分布式读取的则是 HDFS 上的数据。要使用 HDFS，首先需要在 HDFS 中创建用户目录，接着将./etc/hadoop中的xml文件作为输入文件复制到分布式文件系统中，即将/usr/local/hadoop/etc/hadoop复制到分布式文件系统中的/user/hadoop/input中。我们使用的是 hadoop 用户，并且已创建相应的用户目录/user/hadoop，因此在命令中就可以使用相对路径如input，其对应的绝对路径就是/user/hadoop/input，具体执行命令如下：

cd /usr/local/hadoop # 进入/usr/local/hadoop目录
./bin/hdfs dfs -mkdir -p /user/hadoop # 在 HDFS 中创建用户目录
./bin/hdfs dfs -mkdir input # 在用户目录下创建input目录
./bin/hdfs dfs -put ./etc/hadoop/*.xml input # 将`./etc/hadoop`中的`xml`文件作为输入文件复制到input目录

复制完成后，可以通过以下命令查看文件列表：

./bin/hdfs dfs -ls input # 查看input目录的文件列表

测试实例我们仍旧选择 grep 例子，伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是 HDFS 中的文件，创建的也是 HDFS 中的文件（可以将单机步骤中创建的本地 input 文件夹和输出结果 output 文件夹都删掉来验证这一点），测试运行完 grep 实例后查看运行结果（查看的是位于 HDFS 中的输出结果），具体执行命令如下：

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar grep input output 'dfs[a-z.]+' # 运行测试实例，注意当前目录是/usr/local/hadoop目录
./bin/hdfs dfs -cat output/* # 查看位于 HDFS 中的输出结果

⭐注意：我们更改了一些配置文件，所以运行结果与单机的运行结果不同

四、小结

至此，我们完成了CentOS的Hadoop3.1.3 版本的单机配置和伪分布式配置，总结起来安装步骤就是文章开头显示的目录内容，但是需要注意，配置过程中一定要细心大胆，特别是用户身份切换、目录切换这些小细节，千万不要直接使用root用户直接进行操作，如果配置出错，不要着急，回过头看看你之前的配置是不是漏掉了哪些细节，真的解决不了的话，评论或者私信Pola，Pola帮你一起解决！

[参考文章：Hadoop3.1.3安装教程_单机/伪分布式配置_Hadoop3.1.3/Ubuntu18.04(16.04)]