从零到在虚拟机中搭建hadoop伪分布平台

  本文将讲述如何在零基础的情况下，在虚拟机中搭建伪分布hadoop平台。

  首先介绍一下平台信息，笔者使用i5二代的笔记本电脑，内存4GB，有40GB空闲磁盘，使用opensuse操作系统。

  接着介绍一下安装流程：1、安装甲骨文的virtualbox。2、在virtualbox中安装centos。3、安装前的准备。4、在centos上安装hadoop，并配置成伪分布。

  1、安装甲骨文的virtualbox。

    virtualbox有四种安装方式，这里一一介绍一下。第一种，使用opensuse官方源里的安装包，直接使用命令：“zypper  install virtualbox”进行安装，接着就是等待了。这里安装速度就牵扯到软件源的问题，如果是校园网用户，可以将软件源改为华中科技或者中科大的源，速度基本以兆论。如果是普通宽带用户，可以考虑搜狐的源，不过也可以试试华中科技或者中科大的源，具体么，可以用浏览器访问一下，测一下速度。如果感觉opensuse官方源里的virtualbox太旧， 可以添加opensuse的第三方编译服务，这个属于opensuse的亮点，有兴趣的童鞋可以去试试。第二种方法是，使用opensuse官方源提供的virtualbox源码进行编译安装，虽然可以在纯GUI状态下完成，但是笔者认为，这样很蛋疼，c/c++一个很变态的问题，就是编译相当慢，第三种是到甲骨文的virtualbox官网去下载二进制包，然后进行安装。这种方式能够获得最新或者特定版本的virtualbox。第四种是，在甲骨文官网下载源码包，然后本地编译安装。一般步骤是：tar -> make -> make install。在readme.txt文件中会有详细说明。

    对于上述四种安装方式，笔者建议大家选择第一种后两种，同时不推荐后两种。由于，virtualbox编译安装的时候会有很多依赖，而缺少这些依赖就无法正常编译。如果使用opensuse的包管理程序来安装，zypper会自动帮我们安装需要的依赖。

    安装完virtualbox之后，需要去virtualbox官网下载拓展包，直接百度“virtualbox官网”，看着像的那个网站里下载拓展包。然后，在管理-全局设置-拓展中添加拓展即可。

2、在vbox中安装centos。

    安装完vbox，接下来是去centos官网下载最新版的centos，如果使用的是教育网，下载速度是相当可观的。安装时，给虚拟机非配一个核，1GB内存和40GB存储空间。启动虚拟机，选择安装模式时，选择最小安装，不需要安装用户界面。一方面，使用用户界面会来带资源上的占用，另一方面，终端模式才是真正的linux。

3、安装前的准备。

  在安装hadoop之前，需要安装以下程序：oracle jdk、openssh。hadoop的官方说明中，虽然也提到，hadoop可以使用openjdk，但是如果要发挥hadoop的最佳性能，还是需要安装oracle jdk。安装openssh有两个作用，一是连接hadoop时需要用户验证，如果使用openssh可以免密码访问。另一方面，可以使用openssh远程控制我们的虚拟机，实现最佳模拟实战的功效。oracle jdk可以在oracle官方网站上获得，根据cpu架构，选择相应的jdk版本。然后对下载下来的oracle jdk安装包执行"chmod +x ./jdk.rpm"。给安装包赋予执行权限。接着使用yum工具安装jdk。yum工具会将jdk安装到/usr/java/文件夹下。

    接着是设置环境变量了。使用管理员权限编辑/etc/profile文件，在文末加入一下四行：“JAVA_HOME=/usr/java/jdk1.8.0_40”，“CLASSPATH=.:$JAVA_HOME/lib.tools.jar”，“PATH=$JAVA_HOME/bin:$PATH”，“export JAVA_HOME CLASSPATH PATH”。第一行设置java目录，第二行设置类路径，第三行添加path路径。接着执行命令“source /etc/profile”，使修改的环境变量生效。

    如果你的linux中安装过jdk，比如openjdk（默认安装的office 软件libreoffice需要openjdk才能运行），就需要使用update-alternatives来管理多个版本的jdk，并将刚安装的jdk设置成为默认的jdk。执行命令“update-alternatives --install /usr/bin/java java /usr/java/jdk/bin/java 300”和命令“update-alternatives --install /usr/bin/javac javac /usr/java/jdk/bin/javac 300 ”将新安装的jdk中java和javac安装到/usr/bin目录下。接着，执行“update-alternatives --config java”命令，终端中会出现所有已经安装的jdk，然后让我们选择一个作为默认jdk。最后，执行命令"java --version"就可以看到刚刚安装的jdk的信息了。

   接着是安装openssh。使用命令“yum install ssh”，yum工具会自动帮我们安装好需要的依赖。接着是生成密钥命令：“ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa“和将密钥复制到验证列表的命令” cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys”。

4.安装hadoop

  从hadoop的官方网站下载hadoop压缩包，使用scp命令上传到虚拟机中，使用ssh命令远程登陆到虚拟机。解压压缩包，把hadoop文件夹移动到/opt目录下。

  使用vim 编辑 etc/hadoop/core-site.xml文件，将其改为

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

再编辑etc/hadoop/hdfs-site.xml:文件，将其改为

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

接着是格式化节点。执行命令“bin/hdfs namenode -format”

启动hadoop。执行命令”sbin/start-all.sh“

接着，在虚拟机中搭建伪集群的操作就完成了。