Hadoop安装和使用详解(1)，2024年最新大数据开发零基础

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

在这里，apt(Advanced Packaging Tool)是一个Ubuntu中的Shell前端软件包管理器。apt命令提供了查找、安装、省级、删除某一个/一组甚至全部软件包的命令，且命令非常简洁易记忆。

在使用

h

a

d

o

o

p

hadoop

hadoop用户登录后，要先更新一下apt，因为后续需要用到apt安装软件。我们可以使用下面这条代码：

$ sudo aptget update

如果出现问题，可以参考一下林子雨老师的视频进行配置。

后续我们还需要更改一些配置文件，一般有两种方法：1.使用vim。2.使用gedit。gedit用起来感觉更偏向于windows的txt，对于刚接触Linux系统的同学比较友好。一般来说，linux系统都是默认带有gedit的。gedit的一个坏处是：如果文件更改完不及时关闭gedit程序，会导致终端被占用而无法使用终端。如果需要使用到vim，可以输入下面的代码：

$ sudo apt-get install vim

vim的使用可以参考这篇教程：(4条消息) Linux Vim编辑器的基本使用__HsForPyp的博客-CSDN博客

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），Ubuntu默认已经安装了SSH client，此外还需要安装SSH server：

$ sudo apt-get install openssh-server

安装后，可以使用如下命令登陆本机：

$ ssh localhost

如果你是首次登陆，会出现以下提示，只需要输入yes然后根据题示输入密码，即可登录到本机。

但是这样每次登陆都是需要输入密码，相对来说比较繁琐，将SSH配置成无密码登陆会比较方便。

然后我们可以退出刚才的SSH：

$ exit

在回到原先的终端窗口后，我们就可以利用SSH-keygen生成密钥，并且将密钥加入到授权中：

$ cd ~/.ssh/
$ ssh-keygen -t rsa #会有提示，一直摁回车就好
$ cat .id_rsa.pub >> ./authorized_keys #加入授权

此时再使用ssh localhost命令，无需输入密码就可以直接登陆了：

安装Java环境

因为我们需要安装的是Hadoop3.1.3，其需要的JDK版本在1.8以上。我们要先在JDK官网下载JDK1.8的安装包并保存到本地，然后手动安装。

在Linux命令行界面中，我们执行如下命令就可以实现安装包的解压缩：

$ cd /usr/lib
$ sudo mkdir jvm #该位置用于存放JDK文件
$ cd ~ #进入到hadoop用户的主目录
$ sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm #解压JDK文件到jvm目录下

JDK文件解压缩后，我们可以执行如下命令去jvm目录查看一下：

$ cd /usr/lib/jvm
$ ls

看到上图中的结果之后就说明JDK文件已经解压成功。下面继续执行如下命令，设置环境变量：

$ cd ~
$ vim ~/.bashrc

在该文件中，输入上图中四条export语句。要注意JAVA_HOME变量的位置一定要是JAVA安装路径的具体地址，否则后面会卡步骤。

保存.bashrc文件后并退出vim编辑器。然后继续执行如下命令使修改的文件立刻生效：

$ source ~/.bashrc #使文件立刻生效
$ java -version #查看是否安装成功

如果屏幕上返回上图中的信息，则说明JAVA环境安装成功。

Hadoop安装

这个和安装JDK一样，先去Hadoop官网下载相关压缩包即可。

$ sudo tar -zxf ~/hadoop-3.1.3.tar.gz -C /usr/local #解压代码
$ cd /usr/local/
$ sudo mv ./hadoop-3.1.3/ ./hadoop #将文件夹名改为hadoop
$ sudo chown -R hadoop ./haoop #修改文件权限

Hadoop解压之后即可使用，可以通过下面的代码检查其是否可用：

$ cd /usr/local/hadoop
$ ./bin/hadoop version

Hadoop伪分布式配置

如果Hadoop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，节点既可以作为NameNode也可以作为DataNode，同时，该模式下读取的是HDFS中的文件。

伪分布式需要修改两个配置文件

c

o

r

e

−

s

i

t

e

.

x

m

l

core-site.xml

core−site.xml和

h

d

f

s

−

s

i

t

e

.

x

m

l

hdfs-site.xml

hdfs−site.xml。Hadoop的配置文件是xml形式，每个配置以声明property的name和value的方式来实现。这里的修改会比较多，建议采用gedit编辑会相对来说比较容易上手，方便初学者学习。

需要在两个配置文件中补充上述两张图中红色方框内的内容即可。

配置完成后，我们可以执行NameNode的格式化：

$ cd /usr/local/hadoop
$ ./bin/hdfs namenode -format

成功的话，可以看到如下界面：

成功启动后，我们还可以访问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。

如果启动中遇到问题，可以先看林子雨老师的相关课程，其中有一些问题的解答。

Hadoop运行实例

HDFS文件读写

我们本文采用的是伪分布式运行模式，可以读取HDFS上的数据。而要使用HDFS上的数据，首先要在HDFS中创建用户目录：

$ ./bin/hdfs dfs -mkdir -p /user/hadoop

接着我们将本地的xml文件作为输入文件复制到分布式文件系统HDFS中：

$ ./bin/hdfs dfs -mkdir input
$ ./bin/hdfs dfs -put ./etc/hadoop/*.xml input
$ ./bin/hdfs dfs -ls input #复制完成之后，我们可以通过这条命令查看文件列表

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，我们可以通过单机步骤创建本地input文件夹，输出结果output文件夹都删掉来验证这一点：

可以看到，本地文件的修改并不影响伪分布式读取的结果，伪分布式读取的文件不属于本地，而是HDFS中的文件。

我们也可以将运行结果取回本地：

如果要关闭Hadoop，我们可以运行下面的代码：

$ ./sbin/stop-dfs.sh

否则下次启动hadoop会出现这样的情况：

MAPREDUCE任务运行

如果想知道hadoop是否是开启状态，我们可以输入以下命令进行查看：

jps

可以看到，目前是有四个Java进程正在运行，根据我们的配置情况来看，hadoop目前是开启状态的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

如果想知道hadoop是否是开启状态，我们可以输入以下命令进行查看：

jps

可以看到，目前是有四个Java进程正在运行，根据我们的配置情况来看，hadoop目前是开启状态的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
[外链图片转存中…(img-I6xIMDAo-1713129863982)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！