超详细解说Hadoop伪分布式搭建

本人使用较老版本hadoop0.20.2

单节点伪分布式Hadoop配置

第一步： 安装JDK

           因为 Hadoop 运行必须安装 JDK 环境，因此在安装好 Linux 后进入系统的第一步 便是安装 JDK ，安装过程和在 Windows 环境中的安装步骤很类似，首先去Oracle 官网 去下载安装包，然后直接进行解压。我自己解压在路径 /usr/jvm 下面，假如你的安装包现在已经下载在 jvm 文件夹下面，然后 按 Ctrl+Alt+t 进去命令行，然后输入

cd  /usr/jvm

进入到jvm文件夹下面，然后再输入如下命令进行解压：

sudo tar  -zxvf  jdk-7u40-linux-i586.tar.gz

 

第二步： 配置环境变量

        解压结束以后，像在 Windows 系统中一样，需要配置环境变量，在 Ubuntu 中设置 环境变量的过程为打开文件 /etc/profile ，因为权限的问题，因此在命令行需要输入 的是

 

sudo gedit /etc/profile

 

然后在根据提示输入用户密码即可，然后在文件最下面添加如下：

 

export JAVA_HOME=/usr/jvm/jdk1.7.0_40

 

export CLASSPATH=".:$JAVA_HOME/lib:$JAVA_HOME/jre/lib$CLASSPATH"

 

export PATH="$JAVA_HOME/bin:$JAVA_HOME/jre/bin:/usr/hadoop/hadoop-1.2.1/bin:$PATH"

 

上面这三个以单词 export 开始的三个语句就类似于我们在 Windows 中的环境变量中设置一样，而且在这个里面和 Windows 中不同的是，在 Windows 中使用 “；” 号来表示分隔，但是在 Ubuntu 中是以 “：” 号来表示分隔。还需要注意的是，上面的路径都是我自己配置的时候的路径，因为我的 JDK 解压在 /usr/jvm 中，所以我的 JAVA_HOME设置的是那个路径，而且如果安装的 JDK 版本不同那么后面的也不一样。同理在CLASSPATH 路径中也是因为我自己的安装路径进行设置的，因此在配置过程中需要读者注意。在 PATH 路径中最后面还将 Hadoop 的路径也添加了进去，因此在读者安装了 Hadoop 后也将这个路径添加进环境变量 PATH 中去。

        在配置完环境变量后，我们来将我们安装的 JDK 设置为 Ubuntu 系统默认的JDK ，因为之前系统里面自带 openjdk ，在命令行里面输入如下：

 

sudo update-alternatives  --install  /usr/bin/java  java  /usr/jvm/jdk1.7.0_40/bin/java 300

sudo update-alternatives  --install  /usr/bin/javac  javac  /usr/jvm/jdk1.7.0_40/bin/javac 300

sudo update-alternatives  --config  java

 

然后我们就可以在命令行输入 java -version 来进行察看 JDK 是否已经配置好了。

 

第三步： 安装Hadoop  

        我们可以去 Hadoop 官网上去下载安装包，我自己下载使用的是 hadoop-1.2.1.tar.gz ，然后当安装包下载结束后，将安装包解压到指定位置，我将安装包解压到了 /usr/hadoop 目录下面。

具体步骤是，像解压 JDK 一样，首先加入下载的 Hadoop 安装包在 /usr/hadoop 文件夹下面。然后在命令行下进入 /usr/hadoop 文件，类似于上面的。然后输入解压命令如下

sudo  tar  -zxvf  hadoop-1.2.1.tar.gz  

        后面的 Hadoop 安装包名称具体看你下载的版本，我下载的是1.2.1版本的。 为了以后操作 /usr/hadoop 文件夹里面的文件方便，我们设置一下文件夹的权限，在命令行输入如下

sudo  chown  -hR  long  /usr/hadoop

注意：在上面的命令中，long是我自己此时登陆的用户名，因此你需要将那个改成你自己的用户名。

 

第四步： 配置Hadoop环境变量

        在上面解压完 Hadoop 以后，现在我们来设置环境变量，其实在上面刚才我们配置 JDK 环境变量的时候，已经在 PATH 路径后面添加了 Hadoop 安装目录的 bin 目录的路径，所以那个就代表环境变量已经设置好了，但是读者一定要注意，不要 Copy，要明确自己的 Hadoop 安装路径来进行配置。

 

第五步： 设置SSH（安全外壳协议）

         推荐安装 OpenSSH ， Hadoop 需要通过 SSH 来启动 Slave 列表中各台主机的守护进程，因此 SSH 是必需安装的。虽然我们现在搭建的是一个伪分布式的平台，但是 Hadoop 没有区分开集群式和伪分布式，对于伪分布式， Hadoop 会采用与集群相同的处理方式，即按次序启动文件 conf/slaves 中记载的主机进程，只不过在伪分布式中 Salve 为 localhost 而已，所以对于伪分布式， SSH 是必须的。

       配置过程（首先确保连接上网络）：

① 安装SSH，在命令行输入如下

sudo  apt-get install openssh-server

 

② 配置可以免密码登陆本机

         在命令行输入（注意其中的ssh前面还有一个 “ . ” 不要遗漏）

 

ssh-keygen  -t  dsa -P '' -f  ~/.ssh/id_dsa 

 

（解释一下上面这条命令， ssh-keygen  代表生成密钥； -t  表示指定生成的密钥 类型； dsa  是 dsa 密钥认证的意思； -P  用于提供密语（接着后面是两个单引号， 不要打错）； -f  表示指定生成密钥文件）

这条命令完成后，会在当前文件夹下面的 .ssh 文件夹下创建 id_dsa 和 id_dsa.pub两个文件，这是 SSH 的一对私钥和公钥，把 id_dsa.pub （公钥）追加到授权的 key中去，输入如下命令：

 

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

 

至此，免密码登陆本机已经配置完毕。

说明：一般来说，安装SSH时会自动在当前用户下创建.ssh这个隐藏文件夹，一般不会直接看到，除非安装好了以后，在命令行使用命令ls才会看到。

 

 

③ 输入 ssh  localhost ，显示登陆成功信息。

 

第六步： 配置Hadoop伪分布式模式

现在进入到安装 Hadoop 的文件夹，找到里面的 conf 文件夹，点击进去。

• 配置 hadoop 环境文件 hadoop-env.sh

        打开文件，找到某行有 ”# export JAVA_HOME = ...”  字样的地方，去掉 “#” ，然后在等号后面填写你自己的 JDK 路径，比如像我自己的 JDK 路径，那就改为了 如下所示

“export  JAVA_HOME=/usr/jvm/jdk1.7.0_40”

 

•   配置 Hadoop 的核心文件 core-site.xml

打开文件，会发现标签 <configuration></configuration> 中是空的，在空的地方添加如下配置

 

<property>

            <name>fs.default.name</name>

            <value>hdfs://localhost:9000</value>

     </property>

 

     <property>

             <name>dfs.replication</name>

             <value>1</value>

     </property>

 

     <property>

              <name>hadoop.tmp.dir</name>

              <value>/home/long/tmp</value>

     </property>

（注意：在最后一个value值中，上面是long，是因为那是我的用户名，所以你需要将那个修改为你自己的用户名）

 

•   配置 Hadoop 中 MapReduce 的配置文件 mapred-site.xml

打开文件，会发现标签 <configuration></configuration> 中是空的，在空的地方添加如下配置

<property>

     <name>mapred.job.tracker</name>

     <value>localhost:9001</value></property>

 

第七步： 格式化Hadoop文件系统HDFS并启动Hadoop

        首次运行 hadoop 必须进行格式化 Hadoop 文件系统，以后运行即可跳过。打开命令行，进入安装了 Hadoop 的文件路径下，然后在命令行输入

 

bin/hadoop  namenode -format

 

格式化文件系统，然后启动 Hadoop ，在命令行里面输入

 

bin/start-all.sh

 

验证是否正常启动，在命令行里面输入 jps ，然后回车，如果在命令行里面出现如下类似画面（因为前面的数字可以不同）

 

3235 NameNode

 

4113 Jps

 

3819 JobTracker

 

4059 TaskTracker

 

3721 SecondaryNameNode

 

3487 DataNode

 

 

则说明已经正常启动。如果以后需要关闭 Hadoop 的话，在 Hadoop 安装的文件夹路径下面在命令行输入

 

bin/stop-all.sh

 

来关闭 Hadoop 。

 

第八步： 跑一个Hadoop中自带的WordCount程序，来体验一把

                   步骤如下（我在自己平台上的，读者可仿照实验）：

                1)  准备一个文本文件

          首先我在桌面，新建了一个空白文档 test ，在里面输入一段话，或是几一些什么 单 词什么的，保存。

 

                 2)  将文本文件上传到 dfs 文件系统中的 input 目录下，打开命令行，进入到安装 hadoop 的文件夹下，然后输入如下

 

bin/hadoop  dfs  -copyFromLocal  /home/long/桌面/test  input

 

   （注：如果 dfs 中不包含 input 目录的话就会自动创建一个）

 

                 3)  然后在命令行中输入如下命令，执行 WordCount 程序

 

                 bin/hadoop  jar  hadoop-examples-1.2.1.jar  wordcount  input  output

 

（注：因为这个程序是 Hadoop 安装包里面自带的，就在 hadoop-examples-1.2.1.jar中，后面的数字因为版本号的不同而不同，后面的 input 代表输入文件夹， output 代表输出文件夹 ， 系统输出时会自动创建）

读者如果这个执行成功了，就会发现有很多输出信息，从屏幕上显示，当程序运行结束后。

 

                   4)  察看结果 在命令行里面输入

 

bin/hadoop  dfs  -cat  output/part-r-00000

 

 现在你就可以看见自己刚才输入文本里面的单词计数了。

 

至此，伪分布式搭建结束!