Ubuntu16.04下hadoop-2.6.0单机配置和伪分布式配置

[-]

1. 注意安装之前最好删除hadoop-260dfsdata下的所有文件避免出现各种问题尤其安装包不是官方现下载的
2. 需要重新编译的教程httpblogcsdnnetggz631047367articledetails42460589
3. 在Ubuntu下创建hadoop用户组和用户
4. 在Ubuntu下安装JDK
5. 安装ssh服务 
6. 建立ssh无密码登录本机
7. 安装hadoop
8. 测试
9. Hadoop伪分布式配置

注意：安装之前最好删除hadoop-2.6.0/dfs/data下的所有文件，避免出现各种问题。尤其安装包不是官方现下载的。

安装错误记录： http://blog.csdn.net/ggz631047367/article/details/49979641

需要重新编译的教程：http://blog.csdn.net/ggz631047367/article/details/42460589

在Ubuntu下创建hadoop用户组和用户

Hadoop的管理员最好就是以后要登录桌面环境运行eclipse的用户，否则后面会有拒绝读写的问题出现。当然不是也有办法办法解决。

1. 创建hadoop用户组;

[html]  view plain  copy

 

1. sudo addgroup hadoop  

2. 创建hadoop用户;

[html]  view plain  copy

 

1. sudo adduser -ingroup hadoop hadoop  

3. 给hadoop用户添加权限，打开/etc/sudoers文件;

[html]  view plain  copy

 

1. sudo gedit /etc/sudoers  

在root   ALL=(ALL:ALL)   ALL下添加hadoop   ALL=(ALL:ALL)  ALL.

在Ubuntu下安装JDK

具体见：http://blog.csdn.net/ggz631047367/article/details/42366687          

//JAVA_HOME=/usr/lib/jvm/jdk1.8.0_25

安装ssh服务 

[html]  view plain  copy

 

1. sudo apt-get install ssh openssh-server  

建立ssh无密码登录本机

切换到hadoop用户，执行以下命令：

[html]  view plain  copy

 

1. su - hadoop  

ssh生成密钥有rsa和dsa两种生成方式，默认情况下采用rsa方式。

1. 创建ssh-key，，这里我们采用rsa方式;

[html]  view plain  copy

 

1. ssh-keygen -t rsa -P "" （注：回车后会在~/.ssh/下生成两个文件：id_rsa和id_rsa.pub这两个文件是成对出现的）  

2. 进入~/.ssh/目录下，将id_rsa.pub追加到authorized_keys授权文件中，开始是没有authorized_keys文件的;

[html]  view plain  copy

 

1. cd ~/.ssh  
2. cat id_rsa.pub >> authorized_keys （完成后就可以无密码登录本机了。）  

3. 登录localhost;

[html]  view plain  copy

 

1. ssh localhost  

4. 执行退出命令;

[html]  view plain  copy

 

1. exit  

安装hadoop 

下载地址：http://apache.fayea.com/hadoop/common/stable/hadoop-2.6.0.tar.gz

因多次修改，可能会有Hadoop实际路径和配置文件中Hadoop路径不同，可能会产生错误

1. 把hadoop解压到/usr/local下:

[html]  view plain  copy

 

1. sudo tar -zxvf hadoop-2.6.0.tar.gz  
2. sudo mv hadoop-2.6.0 /usr/local/hadoop  
3. sudo chmod -R 775 /usr/local/hadoop  
4. sudo chown -R hadoop:hadoop /usr/local/hadoop  //否则ssh会拒绝访问  

2.配置

修改bashrc的配置：

[html]  view plain  copy

 

1. sudo gedit ~/.bashrc  

在文件末尾添加：

[html]  view plain  copy

 

1. #HADOOP VARIABLES START  
2.   
3. export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_25  
4.   
5. export HADOOP_INSTALL=/usr/local/hadoop  
6.   
7. export PATH=$PATH:$HADOOP_INSTALL/bin  
8. export PATH=$PATH:$JAVA_HOME/bin   
9. export PATH=$PATH:$HADOOP_INSTALL/sbin  
10. export HADOOP_MAPRED_HOME=$HADOOP_INSTALL  
11. export HADOOP_COMMON_HOME=$HADOOP_INSTALL  
12. export HADOOP_HDFS_HOME=$HADOOP_INSTALL  
13. export YARN_HOME=$HADOOP_INSTALL  
14. export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_INSTALL/lib/native  
15. export HADOOP_OPTS="-Djava.library.path=$HADOOP_INSTALL/lib"  
16. #HADOOP VARIABLES END  

如果不知道JAVA_HOME可以通过命令获得：

[html]  view plain  copy

 

1. update-alternatives --config java  

目录取到java根目录即可。

执行下面命令使改动生效：

[html]  view plain  copy

 

1. source ~/.bashrc  

修改hadoop-env.sh的配置：

[html]  view plain  copy

 

1. sudo gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh  

找到JAVA_HOME改为上面的值。

测试

• 通过执行hadoop自带实例WordCount验证是否安装成功

 /usr/local/hadoop路径下创建input文件夹  

[html]  view plain  copy

 

1. mkdir input  
2. cp README.txt input  

在hadoop目录下执行WordCount：

[html]  view plain  copy

 

1. bin/hadoop jar share/hadoop/mapreduce/sources/hadoop-mapreduce-examples-2.6.0-sources.jar  
2. org.apache.hadoop.examples.WordCount input output  

Hadoop伪分布式配置

sudo gedit /usr/local/hadoop/etc/hadoop/core-site.xml

[html]  view plain  copy

 

1. <configuration>  
2.     <property>  
3.         <name>hadoop.tmp.dir</name>  
4.         <value>/usr/local/hadoop/tmp</value>  
5.         <description>Abase for other temporary directories.</description>  
6.     </property>  
7.     <property>  
8.         <name>fs.defaultFS</name>  
9.         <value>hdfs://localhost:9000</value>  
10.     </property>  
11. </configuration>  

 sudo gedit /usr/local/hadoop/etc/hadoop/yarn-site.xml

[html]  view plain  copy

 

1. <property>  
2.     <name>yarn.resourcemanager.hostname</name>  
3.     <value>master</value>  
4. </property>  
5. <property>  
6.     <description>The address of the applications manager interface in the RM.</description>  
7.     <name>yarn.resourcemanager.address</name>  
8.     <value>${yarn.resourcemanager.hostname}:8032</value>  
9. </property>  
10. <property>  
11.     <description>The address of the scheduler interface.</description>  
12.     <name>yarn.resourcemanager.scheduler.address</name>  
13.     <value>${yarn.resourcemanager.hostname}:8030</value>  
14.   </property>  
15. <property>  
16.     <description>The http address of the RM web application.</description>  
17.     <name>yarn.resourcemanager.webapp.address</name>  
18.     <value>${yarn.resourcemanager.hostname}:8088</value>  
19. </property>  
20. <property>  
21.     <description>The https adddress of the RM web application.</description>  
22.     <name>yarn.resourcemanager.webapp.https.address</name>  
23.     <value>${yarn.resourcemanager.hostname}:8090</value>  
24. </property>  
25. <property>  
26.     <name>yarn.resourcemanager.resource-tracker.address</name>  
27.     <value>${yarn.resourcemanager.hostname}:8031</value>  
28. </property>  
29. <property>  
30.     <description>The address of the RM admin interface.</description>  
31.     <name>yarn.resourcemanager.admin.address</name>  
32.     <value>${yarn.resourcemanager.hostname}:8033</value>  
33. </property>  
34. <property>  
35.    <name>yarn.nodemanager.aux-services</name>  
36.    <value>mapreduce_shuffle</value>  
37. </property>  

 sudo gedit /usr/local/Hadoop/etc/Hadoop/mapred-site.xml  //伪分布式不用配

[html]  view plain  copy

 

1. <property>  
2.         <name>mapreduce.framework.name</name>  
3.         <value>yarn</value>  
4. </property>  
5. <property>  
6.   <name>mapreduce.jobhistory.address</name>  
7.   <value>master:10020</value>  
8.   <description>MapReduce JobHistory Server IPC host:port</description>  
9. </property>  
10. <property>  
11.   <name>mapreduce.jobhistory.webapp.address</name>  
12.   <value>master:19888</value>  
13.   <description>MapReduce JobHistory Server Web UI host:port</description>  
14. </property>  

 sudo gedit /usr/local/hadoop/etc/hadoop/hdfs-site.xml

[html]  view plain  copy

 

1. <configuration>  
2. <property>  
3.         <name>dfs.replication</name>  
4.         <value>1</value>  
5.     </property>  
6.     <property>  
7.         <name>dfs.namenode.name.dir</name>  
8.         <value>file:/usr/local/hadoop/dfs/name</value>  
9.     </property>  
10.     <property>  
11.         <name>dfs.datanode.data.dir</name>  
12.         <value>file:/usr/local/hadoop/dfs/data</value>  
13.     </property>  
14.     <property>                 //这个属性节点是为了防止后面eclopse存在拒绝读写设置的  
15.             <name>dfs.permissions</name>  
16.             <value>false</value>  
17.      </property>  
18.  </configuration>  

sudo gedit /usr/local/hadoop/etc/hadoop/masters 添加：localhost

sudo gedit /usr/local/hadoop/etc/hadoop/slaves  添加：localhost

关于配置的一点说明：上面只要配置 fs.defaultFS 和 dfs.replication 就可以运行，不过有个说法是如没有配置 hadoop.tmp.dir 参数，此时 Hadoop 默认的使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在每次重启后都会被干掉，必须重新执行 format 才行（未验证），所以伪分布式配置中最好还是设置一下。

配置完成后，首先在 Hadoop 目录下创建所需的临时目录：

[html]  view plain  copy

 

1. cd /usr/local/hadoop  
2. mkdir tmp dfs dfs/name dfs/data  

修改pid目录位置（可以不做）

vi hadoop-env.sh

export HADOOP_PID_DIR=/usr/local/hadoop-2.6.0/pid

vi mapred-env.sh

export HADOOP_MAPRED_PID_DIR=/usr/local/hadoop-2.6.0/pid

yarn-env.sh

export YARN_PID_DIR=/usr/local/hadoop-2.6.0/pid   

接着初始化文件系统HDFS。

[html]  view plain  copy

 

1. bin/hdfs namenode -format //每次执行此命令要把dfs/data/文件清空  

成功的话，最后的提示如下， Exitting with status 0 表示成功， Exitting with status 1: 则是出错。

[html]  view plain  copy

 

1. sbin/start-dfs.sh  
2. sbin/start-yarn.sh  

开启Jobhistory

[html]  view plain  copy

 

1. sbin/mr-jobhistory-daemon.sh  start historyserver  
2. <a target=_blank href="http://master:19888/">http://master:19888/</a>  

Unable to load native-hadoop library for your platform这个提示,解决方式：
1、重新编译源码后将新的lib/native替换到集群中原来的lib/native
2、修改hadoop-env.sh ，增加
export HADOOP_OPTS="-Djava.library.path=$HADOOP_PREFIX/lib:$HADOOP_PREFIX/lib/native"

此步骤解决方案（网上搜索）：

一，通常编译好的hadoop库是在lib中，如果你不想编译，可以用lib/native里面的预编译库，然后把native的库移动到lib文件夹中。

cp hadoop-2.6.0/lib/native/* hadoop-2.6.0/lib/

二，加入系统变量

export HADOOP_COMMON_LIB_NATIVE_DIR=/home/administrator/work/hadoop-2.6.0/lib/native
export HADOOP_OPTS="-Djava.library.path=/home/administrator/work/hadoop-2.6.0/lib"
export HADOOP_ROOT_LOGGER=DEBUG,console

终于：搞定。

Namenode information:http://localhost:50070来查看Hadoop的信息。

All Applications：http://http://2xx.81.8x.1xx:8088/，将其中的2xx.81.8x.1xx替换为你的实际IP地址。

运行例子：

1.先在hdfs上建个文件夹  bin/hdfs dfs -mkdir -p /user/ha1/input

                                  bin/hdfs dfs -mkdir -p /user/ha1/output

2.上传一些文件：bin/hdfs dfs -put etc/hadoop/  /user/ha1/input  把etc/hadoop文件上传到hdfs的/user/ha1/input中

3.执行指令

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar grep /user/ha1/input/hadoop  /user/ha1/output/temp 'dfs[a-z.]+'

错误1：

WARN hdfs.DFSClient: DataStreamer Exception
org.apache.hadoop.ipc.RemoteException(Java.io.IOException): File /user/ha1/input/hadoop/yarn-env.sh._COPYING_ could only be replicated to 0 nodes instead of minReplication (=1).  There are 0 datanode(s) running and no node(s) are excluded in this operation.

//删除dfs/data/目录所有文件，关闭所有服务重新执行bin/hdfs namenode -format以及1，2步骤

错误2：

org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.hdfs.server.namenode.SafeModeException): Cannot delete /user/root/grep-temp-23493900. Name node is in safe mode.
The reported blocks 188 has reached the threshold 0.9990 of total blocks 188. The number of live datanodes 2 has reached the minimum number 0. In safe mode extension. Safe mode will be turned off automatically in 10 seconds.
at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.checkNameNodeSafeMode(FSNamesystem.java:1364)

操作太快，未退出安全模式，等退出安全模式

4.查看结果

bin/hdfs dfs -cat /user/ha1/output/temp/*

[html]  view plain  copy

 

1. 8   dfs.audit.logger  
2. 4   dfs.class  
3. 3   dfs.server.namenode.  
4. 2   dfs.audit.log.maxbackupindex  
5. 2   dfs.period  
6. 2   dfs.audit.log.maxfilesize  
7. 1   dfsmetrics.log  
8. 1   dfsadmin  
9. 1   dfs.servers  
10. 1   dfs.replication  
11. 1   dfs.file  
12. 1   dfs.datanode.data.dir  
13. 1   dfs.namenode.name.dir  

终止一个job：

hadoop job -kill job_1447903602796_0001