大数据实验室（大数据基础培训）——Hadoop的安装、配置及基础使用

为某企业做的培训，完整文档见：http://gudaoxuri.github.io/bd-lab/

6. Hadoop

此主题介绍Hadoop的安装、配置及基础使用。

Hadoop介绍
https://www.ibm.com/developerworks/cn/data/library/techarticle/dm-1209hadoopbigdata/

— ibm.com

Hadoop基本信息

官网：http://hadoop.apache.org/
官方教程：http://hadoop.apache.org/docs/current/
不错的文章：http://www.cnblogs.com/edisonchou/p/4470682.html

 

6.1. 环境准备

# 切换到工作空间
cd /opt/workspaces
mkdir data/hadoop
# 创建Hadoop NameNode目录
mkdir -p data/hadoop/hdfs/nn
# 创建Hadoop DataNode目录
mkdir -p data/hadoop/hdfs/dn
# 创建Hadoop临时目录
mkdir data/hadoop/tmp
# 创建Hadoop日志目录
mkdir logs/hadoop

官方教程 http://hadoop.apache.org/docs/current/hadoop-project-dist/hadoop-common/SingleCluster.html#Pseudo-Distributed_Operation

6.2. 安装

wget http://mirrors.hust.edu.cn/apache/hadoop/common/hadoop-2.7.2/hadoop-2.7.2.tar.gz
tar -zxf hadoop-2.7.2.tar.gz
rm -rf hadoop-2.7.2.tar.gz
mv hadoop-2.7.2 ./frameworks/hadoop

6.3. 配置(伪分布式)

vi ./frameworks/hadoop/etc/hadoop/hadoop-env.sh

# 添加JDK目录
export JAVA_HOME=/opt/env/java
# 指定Hadoop日志写入到先前定义的目录
export HADOOP_LOG_DIR=/opt/workspaces/logs/hadoop

vi ./frameworks/hadoop/etc/hadoop/core-site.xml

<!--指定HDFS的地址，bd为对应的hostname，请自行修改-->
<property>
    <name>fs.defaultFS</name>
    <value>hdfs://bd:9000</value>
</property>
<!--指定Hadoop的临时目录到先前定义的目录-->
<property>
    <name>hadoop.tmp.dir</name>
    <value>file:/opt/workspaces/data/hadoop/tmp</value>
</property>

hadoop.tmp.dir 是hadoop文件系统依赖的基础配置，如hdfs-site.xml中不指定namenode和datanode的存放位置默认就放在这个路径中。hadoop.tmp.dir 默认存放在/tmp下，启动的时会被清空。

vi ./frameworks/hadoop/etc/hadoop/hdfs-site.xml

<!--副本数，默认是3，由于只有一个节点，所以不需要备份-->
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>
<!--指定NameNode目录到先前定义的目录-->
<property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/opt/workspaces/data/hadoop/hdfs/nn</value>
</property>
<!--指定DataNode目录到先前定义的目录-->
<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/opt/workspaces/data/hadoop/hdfs/dn</value>
</property>
<!--实验环境，禁用权限认证-->
<property>
    <name>dfs.permissions.enabled</name>
    <value>false</value>
</property>

生产环境不允许dfs.permissions.enabled=false这可能导致HDFS数据被非法修改！

6.4. 初始化

格式化NameNode

./frameworks/hadoop/bin/hdfs namenode -format

6.5. 启动与停止

# 启动NameNode
./frameworks/hadoop/sbin/hadoop-daemon.sh start namenode
# 启动DataNode
./frameworks/hadoop/sbin/hadoop-daemon.sh start datanode
# 停止NameNode
./frameworks/hadoop/sbin/hadoop-daemon.sh stop namenode
# 停止DataNode
./frameworks/hadoop/sbin/hadoop-daemon.sh stop datanode

不同的启动(停止)命令 start-all.sh 启动所有服务，不推荐使用 start-dfs.sh 启动HDFS start-mapred.sh 启动MapR

6.6. 测试

# 查看HDFS文件
./frameworks/hadoop/bin/hadoop fs -ls /

6.7. HDFS常用操作

# 上传文件到HDFS
hadoop fs -put localfile /user/hadoop/hadoopfile hdfs://<host>:<port>/<path>
hadoop fs -put localfile1 localfile2 /user/hadoop/hadoopdir
hadoop fs -put localfile hdfs://nn.example.com/hadoop/hadoopfile

# 创建HDFS目录
hadoop fs -mkdir /user/hadoop/dir1 /user/hadoop/dir2
hadoop fs -mkdir hdfs://nn1.example.com/user/hadoop/dir hdfs://nn2.example.com/user/hadoop/dir

# 查看HDFS目录
hadoop fs -ls /user/hadoop/file1

# 查看HDFS文件内容
hadoop fs -cat hdfs://nn1.example.com/file1 hdfs://nn2.example.com/file2
hadoop fs -cat file:///file3 /user/hadoop/file4

# 修改HDFS文件所有者
hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]

# 修改HDFS文件权限
hadoop fs -chmod [-R] <MODE[,MODE]... | OCTALMODE> URI [URI ...]

# 获取HDFS到本地
hadoop fs -copyToLocal [-ignorecrc] [-crc] URI <localdst>

命令大全 https://hadoop.apache.org/docs/r2.7.2/hadoop-project-dist/hadoop-common/FileSystemShell.html

6.8. 常见问题

• Name node is in safe mode

• Hadoop启动的时候首先进入安全模式，安全模式主要是为了系统启动的时候检查各个DataNode上数据块的有效性，根据策略必要的复制或者删除部分数据块，如果datanode丢失的block达到一定的比例会一直处于安全模式状态即只读状态。可以通过命令hadoop dfsadmin -safemode leave命令强制离开。