Hadoop单机模式和伪分布式搭建教程CentOS

    首先说明一下：采用的是新装的CentOS的环境，利用xshell进行远程操作来搭建Hadoop单机模式，伪分布式和完全分布式的文档。环节都是一环套一环，有先后顺序存在。本人是在win8.1 64位系统环境下，并且安装的Cent OS也是64位，故所有相关软件都是64位的。此教程只要照着做，都可以完成，祝大家成功！

系统和软件以及版本说明：

系统和软件

VMWare Workstation11

XShell5

Cent OS 6.5 （64位）

Hadoop 2.6.0

Openjdk 1.7

 

1. 准备工作

1.1. 软件准备

      1、安装VMWare

      2、在VMWare上安装CentOS6.5操作系统

      3、安装XShell5，用来远程登录系统

    4、通过rpm -qa | grep ssh 检查cent os 是否安装了ssh server和ssh client ，然后使用ssh localhost测试一下SSH是否可用。

如果没有安装那么使用下面的命令安装：

        yum install openssh-clients
        yum install openssh-server

 

5、使用XShell远程登录服务器，接下来的操作就在XShell上通过命令行来执行了。虚拟机中的服务器可以过ifconfig这个命令来获取分配的ip地址（这个地址可能随着虚拟机的重启会发生变化）。

1.2. 创建hadoop用户

    当前虚拟机中没有安装任何软件，那么我们的目的是搭建一个Hadoop单机模式，那么首先需要在集群中建立一个hadoop用户，用来启动Hadoop的进程，这样避免使用root用户启动进程，这也是比较规范的服务器用户管理，所以下面先创建hadoop用户：

         useradd -m hadoop -s /bin/bash 
         passwd hadoop    #为hadoop用户设置密码，我们设置为hadoop，方便

 

接下来的安装过程中会涉及到root用户和hadoop用户的切换，请大家注意！！！

 

1.3. 配置SSH无密码访问

         在准备工作中我们已经安装配置了SSH客户端和服务器，集群和单节点模式都需要到SSH，Hadoop中namenode需要启动集群中的所有机器的Hadoop守护进程，而这个过程需要通过SSH登录来实现。而Hadoop并没有提供SSH输入密码的登录形式，因此为了保证可以顺利登录每台机器，需要将所有机器配置为namenode可以无密码登录它们。实际中配置失败也可以运行，但是每次输入密码是非常麻烦的，所以我们需要配置SSH的无密码访问（注意无密码访问是为hadoop用户配置的，故以下操作需要在hadoop用户下完成）：

 

1. 首先我们需要进入/home/hadoop/.ssh目录下，如果这个目录不存在，需要执行一下ssh localhost   这样就会生成这个目录。

 

 

2. 执行以下命令，创建密钥并且将密钥加入授权：

cd ~/.ssh/                       # 若没有该目录，请先执行一次ssh localhost
ssh-keygen -t dsa                 # 会有提示，都按回车就可以
cat id_dsa.pub >> authorized_keys   # 加入授权
chmod 600 ./authorized_keys       # 修改文件权限，如果不改，无法通过，原因好像是cent os的权限验证比较严格

 

3. 在root用户下修改/etc/ssh/sshd_config文件（取消以下三个变量的注释）  

          

 vim /etc/ssh/sshd_config

 

      重启sshd服务：

 service sshd restart

 

4. 切换到hdoop用户，接下来，输入ssh localhost测试一下无密码登录，直接enter就可以，无需密码

 

 

1.4. 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：

         

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。为了方便，我们配置一下环境变量。

 

设置全局环境变量：

            

 vim /etc/profile

 

再最后加入以下语句，设置JAVA_HOME

      

      export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.85.x86_64
      export PATH=$JAVA_HOME/bin:$PATH
      export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
 
      source /etc/profile  #使变量生效
      echo $JAVA_HOME  #检验设置是否正确

 

这样我们就可以在任意目录下使用java 、javac命令了。

 

2. 单机模式安装

1) 通过xftp将本地hadoop安装包和mds文件发送到服务器/home/hadoop目录下，然后验证tar包的完整性；若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。

<span style="font-size:18px;">cat hadoop-2.6.0.tar.gz.mds | grep 'MD5'
md5sum hadoop-2.6.0.tar.gz | tr "a-z" "A-Z"</span>

 

Hadoop下载地址：

http://archive.apache.org/dist/hadoop/core/

 

2) 使用root账号，进入/home/hadoop目录下，解压安装文件到/usr/local/hadoop下

tar -zxvf hadoop-2.6.0.tar.gz -C /usr/local

3) 修改权限

mv hadoop-2.6.0/ hadoop/   #更改文件夹名称
chown -R hadoop:hadoop ./hadoop   #修改权限

4) 验证单机模式是否安装成功，进入/usr/local/hadoop/bin目录下，执行./hadoop -version

 

 

5) 执行一个小例子

Hadoop 默认模式为非分布式模式，无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。

现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。

在此我们选择运行 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

 

执行过程中报错：

 

这是由于找不到这个主机，是因为我们的主机叫host1，而/etc/hosts文件中并没有这个主机名的映射，添加一下然后再运行上述命令：

 

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次。

 

6) 为了便于Hadoop的操作，我们在为hadoop用户添加环境变量，让用户可以在任何地方执行hadoop命令，我们修改~/.bashrc文件配置，在最后添加以下命令，并且使生效（source ~/.bashrc）：

      

      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

 

 

3. 伪分布式安装

前提：已经安装完成单机模式。

 

伪分布式只需要在单机模式的基础上改两个配置文件并且格式化namenode即可。

 

vim /usr/local/hadoop/etc/hadoop/core-site.xml

(core-site.xml的配置项可以在这里查找：http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-common/core-default.xml)

添加如下配置：

    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://host1:9000</value>
    </property>

Hdfs-site.xml可以在这里查找（http://hadoop.apache.org/docs/r2.6.0/hadoop-project-dist/hadoop-hdfs/hdfs-default.xml）

 

<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>

 

 

分别修改/usr/local/hadoop/etc/hadoop下的hadoop-env.sh和yarn-env.sh：

         export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.85.x86_64
         export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
         export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

 

 

格式化namenode：

         

hdfs namenode -format

 

成功的话，会看到 successfully formatted 的提示，且倒数第5行的提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。若出错，请仔细检查之前步骤。

 

 

         

  start-dfs.sh   #启动hdfs

 

必须看到namenode和datanode都启动了才行！！！！

 

 

本地的伪分布式环境搭建完成！！！