基于linux centos6.5 hadoop2.x伪分布式搭建

                                         基于linux centos6.5 hadoop2.x伪分布式搭建

一. 环境搭建 
      搭建测试环境所需的软件包括： 操作系统Linux Cent OS 6.5 ，   jdk1.8.0_111，hadoop-2.4.0_32bit.tar.gz。jdk-8u111-linux-i586.tar.gz。 

总体的流程：

    1，创建hadoop账户 
    2、实现linux的ssh无密码验证配置. 
    3、在linux下安装jdk，并配好环境变量 
    4、修改linux的机器名，并配置 /etc/hosts 
    5、安装配置hadoop

具体过程：

1，创建hadoop用户

     如果你安装 CentOS 的时候不是用的 “hadoop” 用户，那么最好建议增加一个名为 hadoop 的用户。

     shell命令：

      $ su

    密码：

      # useradd -m hadoop -G root -s /bin/bash           这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为shell

     #passwd hadoop      设置密码 

         

    接着为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题

    shell 命令：

      #visudo   

   接着找到   root ALL=(ALL) ALL  这行（约在第98行）  然后在这行下面增加一行内容：

              hadoop ALL=(ALL) ALL  （当中的间隔为 tab）保存退出。

2. 实现linux的ssh无密码验证配置 .

     用 hadoop 用户登录然后执行如下shell命令：

    $ cd  ~/.ssh/         # 若没有该目录，请先执行一次ssh localhost

   $ ssh-keygen -t rsa                    # 会有提示，都按回车就可以 

   $ cat  id_rsa.pub >> authorized_keys                           # 加入授权

   $ chmod  600 ./authorized_keys                             # 修改文件权限

   配置完毕，可通过ssh 本机IP 测试是否需要密码登录.

3 在linux下安装jdk，并配好环境变量 

     root 用户，下载 JDK 安装包  jdk-8u111-linux-i586.tar.gz

     解压命令：#tar -zvxf   jdk-7u7-linux-i586.tar.gz,

    将解压后的文件移动到 /usr/java 下#mv  jdk1.8.0_111   /usr/java 

    安装完毕！(注意jdk版本要与操作系统一致，32位系统不能安装64位，不然会报错）

   3.1 java环境变量配置 
        hadoop 用户，命令行中执行命令“vi ~/.bashrc”,并加入以下内容，配置环境变量(注~/.bashrc 这个文件很重要，后面 Hadoop 的配置还会用         到)。 
  # set java environment 
   export JAVA_HOME=/usr/java/jdk1.7.0_07 
   export JRE_HOME=/usr/java/jdk1.7.0_07/jre 
   export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib 
   export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH 
在vi编辑器增加以上内容后保存退出，并执行以下命令使配置生效 
    source  ~/.bashrc ； 
   配置完毕后，在命令行中输入java -version，如出现下列信息说明java环境安装成功。 

  [hadoop@master ~]$ java -version

  java version "1.8.0_111"

  Java(TM) SE Runtime Environment (build 1.8.0_111-b14)

  Java HotSpot(TM) Client VM (build 25.111-b14, mixed mode)

4修改linux的机器名，并配置 /etc/hosts

  4.1 编辑主机名 
 [root@master ~]# vi /etc/hosts 
 # Do not remove the following line, or various programs 
 that require network functionality will fail. 
 127.0.0.1                      localhost 
 202.173.253.36            master 
 202.173.253.36            slave 
注：因为是在伪分布模式下，所以master与slave是一台机 

5 . Hadoop配置安装 

   下载  hadoop-2.4.0_32bit.tar.gz ，将其解压到/home/local目录下

  shell命令：

   $ sudo tar -zxf ~/下载/hadoop-2.6.0.tar.gz -C /usr/local     # 解压到/usr/local中

   $ cd /usr/local/

   $ sudo mv ./hadoop-2.6.0/ ./hadoop             # 将文件夹名改为hadoop

   $ sudo chown -R hadoop:hadoop ./hadoop         # 修改文件权限

 5.1设置hadoop环境变量，执行如下shell命令：

 $ vim  ~/.bashrc  

 进入文件后在后面增加如下内容

 # Hadoop Environment Variables

 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

 保存后执行如下命令是配置生效：

 $ source ~/.bashrc

 这些变量在启动 Hadoop 进程时需要用到，不设置的话可能会报错（这些变量也可以通过修改 ./etc/hadoop/hadoop-env.sh 实现）

  5.2修改配置文件

 Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。

 Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现

 shell命令：$ vim    /usr/local/hadoop/etc/hadoop/core-site.xml

   修改为下面配置：

<configuration>

    <property>

        <name>hadoop.tmp.dir</name>

        <value>file:/usr/local/hadoop/tmp</value>

        <description>Abase for other temporary directories.</description>

    </property>

    <property>

        <name>fs.defaultFS</name>

        <value>hdfs://localhost:9000</value>

    </property>

</configuration>

 保存退出

 同样的，修改配置文件 hdfs-site.xml：

 shell命令：$ vim  /usr/local/hadoop/etc/hadoop/hdfs-site.xml

 修改为下面配置：

 <configuration>

    <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>

 </configuration>

 保存退出

 5.3 执行namenode 的格式化：

 shell命令： $   cd /usr/local/hadoop

                   $ ./bin/hdfs namenode -format

 成功的话，会看到 “successfully formatted” 和 “Exitting with status 0” 的提示，若为 “Exitting with status 1” 则是出错

      接着开启 NaneNode 和 DataNode 守护进程：

 shell命令： $   cd /usr/local/hadoop

                   $  ./sbin/start-dfs.sh

启动完成后，可以通过命令 jps 来判断是否成功启动，若成功启动则会列出如下进程: 

 shell命令： $   cd /usr/local/hadoop

                   $  jps

 [hadoop@master sbin]$ jps

 3634 SecondaryNameNode

 3380 NameNode

 3766 Jps

 3479 DataNode

成功启动后，可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

5.4  启动YARN（伪分布式不启动 YARN 也可以，一般不会影响程序执行）

上述通过   ./sbin/start-dfs.sh  启动 Hadoop，仅仅是启动了 MapReduce 环境，我们可以启动 YARN ，让 YARN 来负责资源管理与任务调度。首先修改配置文件   mapred-site.xml，这边需要先进行重命名：

shell命令： $   mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml

然后再进行 修改配置文件 mapred-site.xml ：

shell命令：$ vim  /usr/local/hadoop/etc/hadoop/ mapred-site.xml

修改为下面配置：

<configuration>

    <property>

        <name>mapreduce.framework.name</name>

        <value>yarn</value>

    </property>

</configuration>

保存退出

接着修改配置文件 yarn-site.xml：

shell命令：$ vim  /usr/local/hadoop/etc/hadoop/ yarn-site.xml

修改为下面配置：

<configuration>

    <property>

        <name>yarn.nodemanager.aux-services</name>

        <value>mapreduce_shuffle</value>

        </property>

</configuration>

保存退出

然后就可以启动 YARN 了（需要先执行过 ./sbin/start-dfs.sh）：

shell命令： $   cd /usr/local/hadoop

                   $  ./ sbin/start-yarn.sh               $ 启动YARN

                   $ ./sbin/mr-jobhistory-daemon.sh start historyserver      # 开启历史服务器，才能在Web中查看任务运行情况

开启后通过 jps 查看，可以看到多了 NodeManager 和 ResourceManager 两个后台进程

[hadoop@master sbin]$ jps

4049 NodeManager

3634 SecondaryNameNode

4436 JobHistoryServer

4468 Jps

3380 NameNode

3479 DataNode

3948 ResourceManager

启动 YARN 之后，运行实例的方法还是一样的，仅仅是资源管理方式、任务调度不同

启动 YARN 有个好处是可以通过 Web 界面查看任务的运行情况： http://localhost:8088/cluster

5.5关闭yarn的命令：

[hadoop@master sbin]$ stop-yarn.sh

[hadoop@master sbin]$ mr-jobhistory-daemon.sh stop historyserver

5.6关闭所有

[hadoop@master sbin]$ stop-all.sh