Hadoop阿里云部署保姆级教程 云计算Cloud Computing实践(二)

实验题目：面向分布式存储和计算的Hadoop部署，具体包括：配置和部署Hadoop编程环境，完成实验环境及实验工具的熟悉

---

这里使用自己租用的年费阿里云服务器来搭建伪分布式Hadoop
主要参考了官方安装教程
阿里云ECS服务器提供各种版本的Linux系统，这里我选择使用的是CentOS-7.3.1611的版本

---

我们在安装Hadoop前还需要做一些准备工作

一、创建hadoop用户

一般来说，阿里云默认登录是使用root账号，所以需要增加一个名为 hadoop 的用户
$ su # 如何不是root用户登录，切换到root用户 $ useradd -m hadoop -s /bin/bash # 创建新用户hadoop
第二条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为shell

接着使用如下命令修改密码，按提示输入两次密码，可简单的设为 “hadoop”（密码随意指定，若提示“无效的密码，过于简单”则再次输入确认就行）:
$ 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 ），然后在这行下面增加一行内容：hadoop ALL=(ALL) ALL（当中的间隔为tab），如下图所示：

---

二、安装SSH、配置SSH无密码登陆

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

如果像我一样能看到这里已经安装好了server和clients就表明已经配置成功了

如果没有的话，那就执行以下的命令使用yum进行安装
$ 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

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

安装Java环境

Java 环境可选择 Oracle 的 JDK，或是 OpenJDK，现在一般 Linux 系统默认安装的基本是 OpenJDK，如 CentOS 6.4 就默认安装了 OpenJDK 1.7。按 http://wiki.apache.org/hadoop/HadoopJavaVersions 中说的，Hadoop 在 OpenJDK 1.7 下运行是没问题的。需要注意的是，CentOS 6.4 中默认安装的只是 Java JRE，而不是 JDK，为了开发方便，我们还是需要通过 yum 进行安装 JDK，安装过程中会让输入 [y/N]，输入 y 即可：

$ sudo yum install java-1.7.0-openjdk java-1.7.0-openjdk-devel

通过上述命令安装 OpenJDK，默认安装位置为 /usr/lib/jvm/java-1.7.0-openjdk（该路径可以通过执行 rpm -ql java-1.7.0-openjdk-devel | grep '/bin/javac' 命令确定，执行后会输出一个路径，除去路径末尾的 “/bin/javac”，剩下的就是正确的路径了）。OpenJDK 安装后就可以直接使用 java、javac 等命令了。

接着需要配置一下 JAVA_HOME 环境变量，为方便，我们在 ~/.bashrc中进行设置：
$ vim ~/.bashrc
在文件最后面添加如下单独一行（指向 JDK 的安装位置），并保存：
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk

接着还需要让该环境变量生效，执行如下代码：
$ source ~/.bashrc # 使变量设置生效

设置好后我们来检验一下是否设置正确：
$ echo $JAVA_HOME # 检验变量值 $ java -version $ $JAVA_HOME/bin/java -version # 与直接执行 java -version 一样
如果设置正确的话，$JAVA_HOME/bin/java -version 会输出 java 的版本信息，且和 java -version 的输出结果一样，由于我之前已经安装过其他版本的java，所以我的结果如下图所示：

这样，Hadoop 所需的 Java 运行环境就安装好了。

---

安装Hadoop

（1）下载Hadoop
使用wget访问国内的清华源下载的速度超级无敌快
$ wget https://mirrors.tuna.tsinghua.edu.cn apache/hadoop/common/hadoop-2.9.2/hadoop-2.9.2.tar.gz
(2)解压
wget默认下载到登陆路径~也就是/home/user，linux下安装路径一般是/usr/local,所以我们有
$ sudo tar -zxf ~/hadoop-2.9.2.tar.gz -C /usr/local
我们需要修改hadoop-2.9.2的权限，因为hadoop-2.9.2文件默认拥有者是root
$ cd /usr/local/ #进入用户安装目录 $ sudo chown -R hadoop ./hadoop-2.9.2 # 修改文件权限（hadoop-2.9.2默认拥有者是root，这里我们让hadoop也成为拥有者）
(3)检查是否安装成功
输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息
$ cd /usr/local/hadoop-2.9.2 $ ./bin/hadoop version # 查看hadoop版本信息，成功显示则安装成功

(4)修改具体版本的hadoop-2.9.2为hadoop
$ sudo mv ./hadoop-2.9.2/ ./hadoop
sudo chown -R hadoop:hadoop ./hadoop # 修改文件权限

三、Hadoop单机配置(非分布式)

非分布式即单 Java 进程，方便进行调试
默认就是，无需配置！我们可以运行运行grep例子
我们将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+的单词并统计出现的次数，最后输出结果到output文件夹中
$ cd /usr/local/hadoop $ mkdir ./input $ cp ./etc/hadoop/*.xml ./input # 将配置文件作为输入文件 $ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+' $ cat ./output/* # 查看运行结果

程序执行成功的输出信息

---

四、伪分布式

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

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

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

修改 ./ect/hadoop/core-site.xml

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

hadoop.tmp.dir file:/usr/local/hadoop/tmp Abase for other temporary directories. fs.defaultFS hdfs://localhost:9000

同样的，修改配置文件 hdfs-site.xml：

$ vim ./etc/hadoop/hdfs-site.xml
dfs.replication 1 dfs.namenode.name.dir file:/usr/local/hadoop/tmp/dfs/name dfs.datanode.data.dir file:/usr/local/hadoop/tmp/dfs/data

配置完成后，执行 NameNode 的格式化:

$ ./bin/hdfs namenode -format

接着开启 NaneNode 和 DataNode 守护进程：
$ ./sbin/start-dfs.sh

WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable WARN提示可以忽略，并不会影响正常使用

启动完成后，可以通过命令 jps 来判断是否成功启动，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。
检测是否成功启动：
$ jps