Hadoop环境搭建之伪分布式运行模式

一、开通阿里云ECS服务器

1.创建实例

2.实例创建完成后，列表如下

二、连接服务器

1.打开系统自带的终端工具。
Windows: PowerShell
Ubuntu: Terminal
2.在终端中输入连接命令ssh [username]@[ipaddress]。需要将其中的username和ipaddress替换为第1步中创建的ECS服务器的登录名和公网地址。例如：

ssh root@47.115.6.237

命令显示结果如下：

3.输入yes。

4.同意继续后将会提示输入登录密码。 密码为已创建的ECS云服务器的登录密码。

登录成功后会显示如下信息。

三、安装JDK

1.执行以下命令，下载JDK1.8安装包。

wget https://download.java.net/openjdk/jdk8u41/ri/openjdk-8u41-b04-linux-x64-14_jan_2020.tar.gz

2.执行以下命令，解压下载的JDK1.8安装包。

tar -zxvf openjdk-8u41-b04-linux-x64-14_jan_2020.tar.gz

3.执行以下命令，移动并重命名JDK包。

mv java-se-8u41-ri/ /usr/java8

4.执行以下命令，配置Java环境变量。

echo 'export JAVA_HOME=/usr/java8' >> /etc/profile
echo 'export PATH=$PATH:$JAVA_HOME/bin' >> /etc/profile
source /etc/profile

5.执行以下命令，查看Java是否成功安装。

java -version

如果返回以下信息，则表示安装成功。

四、安装Hadoop

1.执行以下命令，下载Hadoop安装包。

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.10.1/hadoop-2.10.1.tar.gz

注1：Apache开源镜像服务器只会保存最新的几个Hadoop版本，当前Hadoop2最新版本号为2.10.1。

注2：如果这个镜像服务器mirrors.tuna.tsinghua.edu.cn下载不了，可以去镜像列表网站http://www.apache.org/mirrors/选择一个可用的镜像服务器

2.执行以下命令，解压Hadoop安装包至/opt/hadoop。

tar -zxvf hadoop-2.10.1.tar.gz -C /opt/
mv /opt/hadoop-2.10.1 /opt/hadoop

3.执行以下命令，配置Hadoop环境变量。

echo 'export HADOOP_HOME=/opt/hadoop/' >> /etc/profile
echo 'export PATH=$PATH:$HADOOP_HOME/bin' >> /etc/profile
echo 'export PATH=$PATH:$HADOOP_HOME/sbin' >> /etc/profile
source /etc/profile

4.执行以下命令，修改配置文件yarn-env.sh和hadoop-env.sh。

echo "export JAVA_HOME=/usr/java8" >> /opt/hadoop/etc/hadoop/yarn-env.sh
echo "export JAVA_HOME=/usr/java8" >> /opt/hadoop/etc/hadoop/hadoop-env.sh

5.执行以下命令，测试Hadoop是否安装成功。

hadoop version

如果返回以下信息，则表示安装成功。

五、配置Hadoop（伪分布式运行模式）

1.修改Hadoop配置文件 core-site.xml。

a.执行以下命令开始进入编辑页面。

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

b.输入i进入编辑模式。

c.在<configuration></configuration>节点内插入如下内容。

    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/opt/hadoop/tmp</value>
        <description>location to store temporary files</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>

d.按Esc键退出编辑模式，输入:wq保存退出。

2.修改Hadoop配置文件 hdfs-site.xml。

a.执行以下命令开始进入编辑页面。

vim /opt/hadoop/etc/hadoop/hdfs-site.xml

b.输入i进入编辑模式。

c.在<configuration></configuration>节点内插入如下内容。

    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/opt/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/opt/hadoop/tmp/dfs/data</value>
    </property>

d.按Esc键退出编辑模式，输入:wq保存退出。

六、配置SSH免密登录

1.执行以下命令，创建公钥和私钥。

ssh-keygen -t rsa

敲3次回车，就会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）。

2.执行以下命令，将公钥添加到authorized_keys文件中。

cd .ssh
cat id_rsa.pub >> authorized_keys

七、启动Hadoop

1.执行以下命令，初始化namenode 。

hadoop namenode -format

2.依次执行以下命令，启动Hadoop。

start-dfs.sh

输入两次yes，如下图所示表示启动成功。

start-yarn.sh

如下图所示表示启动成功。

3.启动成功后，执行以下命令，查看已成功启动的进程。

jps

4.打开浏览器访问http://<ECS公网地址>:8088和http://<ECS公网地址>:50070，显示如下界面则表示Hadoop伪分布式环境搭建完成。

八、使用Hadoop

1.进入Hadoop主目录

cd /opt/hadoop/

2.创建执行MapReduce任务需要的HDFS目录

hdfs dfs -mkdir -p /user/<username>/

这里<username>为root
3.将测试文件内容拷贝到HDFS文件系统上

hdfs dfs -put etc/hadoop input

4.运行MapReduce程序

hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.10.1.jar grep input output 'dfs[a-z.]+'

5.查看输出结果
命令行查看：

hdfs dfs -cat output/*