Hadoop快速搭建指南

Hadoop快速搭建指南

前言

作为一个处理大数据的工具，Hadoop已经成为许多企业进行数据处理和分析的首选。但如果你第一次接触它，设置和配置可能看起来有点棘手。因此，我将为你提供一个详细的指南，让你可以快速搭建并运行Hadoop集群。

环境

• 操作系统：Ubuntu 22.04 LTS
• Hadoop版本：3.3.6
• Java版本：OpenJDK 11

准备工作

在开始之前，你需要确保系统上已经安装了Java 11。你可以使用以下命令进行安装：

sudo apt update
sudo apt install -y openjdk-11-jdk

安装完成后，确认Java版本：

java -version

输出应该类似于：

openjdk version "11.0.11" 2021-04-20
OpenJDK Runtime Environment (build 11.0.11+9-Ubuntu-0ubuntu2.20.04)
OpenJDK 64-Bit Server VM (build 11.0.11+9-Ubuntu-0ubuntu2.20.04, mixed mode)

下载并安装Hadoop

接下来，让我们下载并安装Hadoop。

步骤1：下载Hadoop

你可以直接从Apache Hadoop官网下载最新版：

wget https://downloads.apache.org/hadoop/common/hadoop-3.3.6/hadoop-3.3.6.tar.gz

步骤2：解压缩并移动Hadoop

解压缩下载的文件并将其移动到/usr/local目录：

tar -xzvf hadoop-3.3.6.tar.gz
sudo mv hadoop-3.3.6 /usr/local/hadoop

步骤3：配置环境变量

为了方便使用Hadoop命令行工具，编辑~/.bashrc并添加以下行：

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

然后运行以下命令使更改生效：

source ~/.bashrc

步骤4：配置Hadoop

为了让Hadoop正常工作，需要进行一些配置。

编辑hadoop-env.sh

在/usr/local/hadoop/etc/hadoop目录中找到hadoop-env.sh文件，并确保以下行指向正确的Java安装路径：

export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64

配置core-site.xml

创建和编辑/usr/local/hadoop/etc/hadoop/core-site.xml文件，添加以下内容：

<configuration>
  <property>
    <name>fs.defaultFS</name>
    <value>hdfs://localhost:9000</value>
  </property>
</configuration>

配置hdfs-site.xml

编辑/usr/local/hadoop/etc/hadoop/hdfs-site.xml文件，添加以下内容：

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>

配置mapred-site.xml

复制mapred-site.xml.template为mapred-site.xml并编辑：

cp /usr/local/hadoop/etc/hadoop/mapred-site.xml.template /usr/local/hadoop/etc/hadoop/mapred-site.xml

添加以下内容：

<configuration>
  <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
  </property>
</configuration>

配置yarn-site.xml

编辑/usr/local/hadoop/etc/hadoop/yarn-site.xml文件，添加以下内容：

<configuration>
  <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
  </property>
  <property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
  </property>
</configuration>

格式化NameNode

在启动Hadoop之前，需要格式化Hadoop文件系统。运行以下命令：

hdfs namenode -format

启动Hadoop

Hadoop配置完成后，可以启动相关服务。

启动HDFS

start-dfs.sh

启动YARN

start-yarn.sh

验证Hadoop是否运行

可以通过访问以下URL来验证Hadoop是否成功运行：

• HDFS NameNode：http://localhost:9870/
• YARN ResourceManager：http://localhost:8088/

如果看到相关的仪表盘，则说明Hadoop成功启动。

简单的WordCount示例

为了验证Hadoop集群是否可以正常工作，可以使用一个简单的WordCount示例。

创建输入文件夹并添加示例数据

hdfs dfs -mkdir -p /user/hadoop/input
echo "Hello Hadoop Hello World" > input.txt
hdfs dfs -put input.txt /user/hadoop/input

运行WordCount示例

hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.6.jar wordcount /user/hadoop/input /user/hadoop/output

查看输出结果

hdfs dfs -cat /user/hadoop/output/part-r-00000

输出结果应类似于：

Hello 2
Hadoop 1
World 1

常见问题及注意事项

• 无法连接到HDFS NameNode：确保core-site.xml中fs.defaultFS的地址正确。
• Java版本兼容问题：确保JAVA_HOME路径和hadoop-env.sh中的Java路径一致。
• 端口冲突问题：如果出现端口被占用的情况，请检查是否有其他服务占用了Hadoop的默认端口。