阿里云部署Hadoop伪分布

常见版本

不收费的Hadoop版本主要有三个（均是国外厂商），分别是：Apache（最原始的版本，所有发行版均基于这个版本进行改进）、Cloudera版本（Cloudera’s Distribution Including Apache Hadoop，简称CDH）、Hortonworks版本(Hortonworks Data Platform，简称“HDP”），对于国内而言，绝大多数选择CDH版本，本次也是用CDH进行演示。

安装步骤

1. 第一步肯定是下载啦，这是下载地址，不过需要说明的是一定要下载对应版本的cdh，如果你hadoop下载的是cdh5.15.1，那么hbase也要下载这个版本，否则可能会有jar包冲突的问题。本次我们就是用5.15.1的版本。
   当然，你也完全可以直接用wget命令下载到服务器。

2. 第二步就是上传到服务器，我是用FlieZilla，不会的小伙伴可以自行百度一下，然后解压，随你解压到哪里（命令参考：tar -zxvf hadoop-2.6.0-cdh5.15.1.tar.gz -C 指定路径）。

3. 第三步就是添加HADOOP_HOME/bin到系统环境变量，这里有两种级别的：
   1）系统级：/etc/profile
   2）用户级：~/.bash_profile
   这里推荐用用户级别的，操作过程都是一样的：

   $ vim ~/.profile
   $ export HADOOP_HOME=你的解压路径
   $ source ~/.profile
   

   完成后，就可以直接用cd $HADOOP_HOME进入目录了
   

4. 修改Hadoop配置文件
   etc/hadoop/hadoop-env.sh

   #设置JAVA_HOME
   export JAVA_HOME=/data/jdk1.8.0_191  
   #重新指定 SSH 端口，由于公司禁止22端口，所以把端口改为了23559，一般不需要添加这个
   export HADOOP_SSH_OPTS="-p 23559"
   

   etc/hadoop/core-site.xml:

   <configuration>
       <property>
           #hdfs地址，hostname配置为阿里云内网地址，若配置为ip的话，在用java调用的时候会有问题
           <name>fs.defaultFS</name>
           <value>hdfs://hostname:9000</value>
       </property>
   </configuration>
   

   etc/hadoop/hdfs-site.xml:

   <configuration>
       <property>
       	#设置副本系数
           <name>dfs.replication</name>
           <value>1</value>
       </property>
   
   	<property>
       	#临时文件目录，重新制定位置，防止重启后数据丢失
           <name>hadoop.tmp.dir</name>
           <value>/data/hadoop-2.6.0-cdh5.15.1/tmp</value>
       </property>
   </configuration>
   

5. 设置SSH免密码登录
   1）检查你当前是否可以用免密码登录

   $ ssh localhost
   

   2）如果不可以就要执行以下命令

   $ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
   $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
   $ chmod 0600 ~/.ssh/authorized_keys
   

常见目录说明

• bin：客户端命令包
• etc/hadoop：配置文件包
• sbin：服务器端命令包，启动相关进程脚本
• share：常用例子

启动

第一次启动时需要执行一个格式化的命令

$ bin/hdfs namenode -format

启动命令

$ sbin/start-dfs.sh

完成后用 jps 查看是否启动成功，至此本地伪分布式部署就完成了。

踩坑

在用Java连接到HDFS的时候一直都连不上，后来看防火墙也没有开，阿里的安全组也设置了端口范围，最后发现是因为重启服务器的时候hadoop服务被关了。。。
所以可以先用

netstat -ltnp

检查一下端口是否启动了，然后看一下etc/hadoop/core-site.xml这个文件配置的地址是否为阿里内网的地址。
还有一点，在Java端上传文件的时候，总是报错，"File xxx could only be replicated to 0 nodes instead of minReplication (=1)."后来查了很多资料发现，因为阿里内外网的原因，NameNode返回的是内网ip，而客户端用内网ip肯定找不到这个DataNode，所以需要配置本地 hosts 文件为外网id，服务器 hosts 文件为内网ip，还需要在代码中配置一个属性configuration.set("dfs.client.use.datanode.hostname", "true");
这样就可以成功上传文件啦~
参考链接