Hadoop安装配置（VMware + CentOS 6.5 64位）

环境

系统环境：VMware + CentOS 6.5 64位。

Hadoop版本：基于原生 Hadoop 2，可适合任何 Hadoop 2.x.y 版本，本文以Hadoop 2.6.0 (stable) 为例。

创建hadoop用户

创建新用户hadoop（推荐） :

sudo useradd -m hadoop -s /bin/bash

为 hadoop 用户增加管理员权限，方便部署：

切换root用户 su 编辑修改/etc/sudoers配置文件 visudo 在“root  ALL=(ALL)   ALL”这一行下面，再加入一行： hadoop  ALL=(ALL)     ALL 其中，hadoop为你当前使用的用户名，也就是普通用户的用户名 执行命令 sudo adduser hadoop sudo

更新软件

yum update

安装SSH server

集群、单节点模式都需要用到SSH登陆：

rpm -qa |grep ssh 检查是否装了SSH包 yum install openssh-server 没有的话安装ssh  chkconfig --list sshd 检查SSHD是否在本运行级别下设置为开机启动  chkconfig --level 2345 sshd on  如果没设置启动就设置  service sshd restart  重新启动  netstat -antp |grep sshd  确认是否启动了22端口  iptables -nL  是否放行了22端口  setup---->防火墙设置   如果没放行就设置放行.

 

安装后，登陆本机：

ssh localhost

出现SSH首次登陆提示，输入 yes 。然后按提示输入密码，这样就登陆到本机了。

 

配置SSH无密码登陆

登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。

首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

准备工作

1、确认本机sshd的配置文件（需要root权限） 　　$ gedit /etc/ssh/sshd_config 　　找到以下内容，并去掉注释符”#“ 　　RSAAuthentication yes 　　PubkeyAuthentication yes 　　AuthorizedKeysFile      .ssh/authorized_keys 　  2、如果修改了配置文件需要重启sshd服务 （需要root权限） 　　$ /sbin/service sshd restart

配置SSH无密码登录：

1.生成公钥和私钥   ssh-keygen -t rsa      默认在 ~/.ssh目录生成两个文件：     id_rsa      ：私钥     id_rsa.pub  ：公钥 2.导入公钥到认证文件,更改权限     2.1 导入本机         cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys   2.2 更改权限（对root用户和hadoop（普通用户）都要做这一步）        chmod 700 ~/.ssh        chmod 600 ~/.ssh/authorized_keys

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下所示：

[hadoop@localhost ~]$ ssh localhost Last login: Fri Jun 19 01:17:09 2015 from localhost

安装Java环境

Java环境可选择 Oracle 的 JDK，或是 OpenJDK，这里安装原版JDK：

1. 拷贝JDK文件到本机/usr/etc/java目录下

2. 设置环境变量： 
 

vi /etc/profile      在文件末尾加上： JAVA_HOME=/usr/java/jdk1.7.0_75 JRE_HOME=/usr/java/jdk1.7.0_75/jre CLASSPATH=.:$JAVA_HOME/lib:/dt.jar:$JAVA_HOME/lib/tools.jar PATH=$PATH:$JAVA_HOME/bin export  JAVA_HOME export  JRE_HOME export  CLASSPATH export  PATH

 

 

3. 让该环境变量生效：

source ~/.bashrc  echo $JAVA_HOME # 检验是否设置正确

安装 Hadoop 2

最新的 Hadoop 2 稳定版可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/stable2/ （推荐）或者http://mirrors.cnnic.cn/apache/hadoop/common/stable/ 下载，下载 hadoop-2.x.y.tar.gz 这个格式的文件，这是编译好的，另一个包含 src 的则是 Hadoop 源代码。

强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件，该文件包含了检验值可用于检查 hadoop-2.x.y.tar.gz 的完整性，否则若文件发生了损坏或下载不完整，Hadoop 将无法正常运行。

如果你用的不是 2.6.0 版本，则将所有命令中出现的 2.6.0 更改为你所使用的版本。

cd ~/Downloads  # 通过浏览器下载，默认保存在 “下载” 目录中 cat ./hadoop-2.6.0.tar.gz.mds | grep 'MD5' # 列出md5检验值 md5sum ./hadoop-2.6.0.tar.gz | tr "a-z" "A-Z" # 计算md5值，并转化为大写

 

若文件不完整则这两个值一般差别很大，可以简单对比下前几个字符跟后几个字符是否相等即可，如下图所示，如果两个值不一样，请务必重新下载。

选择将 Hadoop 安装至 /usr/local/ 中：

cd ~/Downloads  sudo tar -zxvf ./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

 

Hadoop解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示命令用法：

cd ./hadoop  ./bin/hadoop

Hadoop单机配置

Hadoop 默认配置是以非分布式模式运行，即单 Java 进程，方便进行调试。可以执行附带的例子 WordCount 来感受下 Hadoop 的运行。将 input 文件夹中的文件作为输入，统计当中符合正则表达式 dfs[a-z.]+ 的单词出现的次数，并输出结果到 output 文件夹中。

cd /usr/local/hadoop mkdir input cp ./etc/hadoop/*.xml input # 将配置文件作为输入文件  ./bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'  cat ./output/* # 查看运行结果

 

执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词dfsadmin出现了1次

 

Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要将 ./output 删除。

rm -R ./output

 

Hadoop伪分布式配置

Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 DataNode。

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。

修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)，将当中的

<configuration>
</configuration>

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> </configuration> </property>

同样的，修改配置文件 hdfs-site.xml：

<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> <name>dfs.namenode.name.dir</name> <property> <value>file:/usr/local/hadoop/tmp/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> </property> <value>file:/usr/local/hadoop/tmp/dfs/data</value> </configuration>

 

修改配置文件hadoop-env.sh：

 

gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh  添加： export  JAVA_HOME=/usr/java/jdk1.7.0_75

 

关于Hadoop配置项的一点说明

虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行（官方教程如此），不过若没有配置 hadoop.tmp.dir 参数，则默认使用的临时目录为 /tmp/hadoo-hadoop，而这个目录在重启时有可能被系统清理掉，导致必须重新执行 format 才行。所以我们进行了设置，同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir，否则在接下来的步骤中可能会出错。

配置完成后，执行 namenode 的格式化:

bin/hdfs namenode -format

成功的话，会看到 successfully formatted 的提示，且提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。

 

接着开启 NaneNode 和 DataNode 守护进程。（以后要再启动hadoop，不需要再做format，直接做这一步就好了）

sbin/start-dfs.sh

 

若出现SSH提示，输入yes即可。

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: NameNode、DataNode和SecondaryNameNode。（如果SecondaryNameNode没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试；如果 NameNode 或 DataNode 没有启动，请仔细检查之前步骤）。

 

Hadoop伪分布式实例-WordCount

上面的单机模式，WordCount 读取的是本地数据，伪分布式读取的则是HDFS上的数据。要使用 HDFS，首先需要创建用户目录

bin/hdfs dfs -mkdir -p /user/hadoop

 

接着将 etc/hadoop 中的文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。上一步已创建了用户目录 /user/hadoop ，因此命令中就可以使用相对目录如 input，其对应的绝对路径就是 /user/hadoop/input:

bin/hdfs dfs -mkdir input bin/hdfs dfs -put etc/hadoop/*.xml input

 

复制完成后，可以通过如下命令查看文件列表：

bin/hdfs dfs -ls input

 

伪分布式运行MapReduce作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹删掉来验证这一点：rm -fr /usr/local/hadoop/input）。

bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

 

查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

bin/hdfs dfs -cat output/*

 

也可以将运行结果取回到本地：

rm -R ./output bin/hdfs dfs -get output output # 将 HDFS 上的 output 文件夹拷贝到本机 cat ./output/*

 

Hadoop运行程序时，默认输出目录不能存在，因此再次运行需要执行如下命令删除 output文件夹:

bin/hdfs dfs -rm -r /user/hadoop/output # 删除 output 文件夹

 

若要关闭 Hadoop，则运行

sbin/stop-dfs.sh