如何在阿里云服务器CentOS7上搭建hadoop2.7.7伪分布式环境

本文内所有操作均为本人实际操作过程。

一、软硬件环境

CentOS 7.3 64位

OpenJDK-1.8.0

Hadoop-2.7.7
二、安装SSH客户端
使用root账户登录(本例中使用putty接口连接软件，也可直接通过阿里云远程连接操作)

安装ssh:

yum install openssh-clients openssh-server

中途需输入y确认

安装完成后，使用以下命令测试：

ssh localhost

同样需要确认

确认后请输入 root 账户的密码，如果可以正常登录，则说明SSH安装没有问题。

配置SSH免key登陆
hadoop是一个分布式系统,节点间通过ssh通信,为了避免在连接过程中人工输入密码,需要进行ssh免key登陆的配置,本例是在单机上模拟分布式过程,因此需要针对本机(localhost)进行免key登陆的配置。 请依此输入如下命令进行配置:

ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa 

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys 

chmod 0600 ~/.ssh/authorized_keys

完成后尝试用SSH连接本机,如果不需要输入密码就能登陆,说明配置成功: ssh localhost
结果显示：

三、配置Java环境

安装jdk
使用 yum 来安装1.8版本 OpenJDK，安装中途需输入y确认：

yum install java-1.8.0-openjdk java-1.8.0-openjdk-devel

可以通过which java命令找到安装的路径,

安装完成后，输入java和javac,如果能输出对应的命令帮助，则表明jdk已正确安装

配置java环境变量
执行命令：

vim /etc/bashrc

结果显示：

在结尾追加：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.242.b08-0.el7_7.x86_64

结果显示：

这里稍微说一下vim的编辑操作，输入vim指令后，请先点击下‘’i‘’键（“i”即为“insert”）方可编辑文件,编辑完后先点击下esc键后再输入“：wq‘’（输入时不加双引号）后按回车

保存文件后执行下面命令使 JAVA_HOME 环境变量生效:

source ~/.bashrc

为了检测系统中java环境是否已经配置并生效，可以分别执行以下命令：

java -version
$JAVA_HOME/bin/java -version

若两条命令输出的结果一致，且都为我们前面安装的 openjdk-1.8.0 的版本，则表明 JDK 环境已经正确安装并配置。
四.安装hadoop
下载 Hadoop
本教程使用的是清华大学开源软件镜像站提供的hadoop-2.7 版本（您可以自行选择其他镜像文件或官网下载），下载速度飞起

wget https://mirrors.tuna.tsinghua.edu.cn/apache/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz

安装 Hadoop
将 Hadoop 安装到 /usr/local 目录下（如果提示No such file or directory：需要先切换到local路径下再执行）:

tar -zxf hadoop-2.7.7.tar.gz -C /usr/local

对安装的目录进行重命名，便于后续操作方便:

mv ./hadoop-2.7.7/ ./hadoop

在hadoop中配置环境变量
检查Hadoop是否已经正确安装:

/usr/local/hadoop/bin/hadoop version

输出了hadoop版本信息即为hadoop成功安装：

五.hadoop伪分布式环境配置
（1）设置 Hadoop 的环境变量
编辑 /etc/bashrc（与java环境变量是同一个文件）

vim  /etc/bashrc

在结尾处追加：

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=$HADOOP_HOME
exportHADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

使Hadoop环境变量配置生效:

source ~/.bashrc

修改 Hadoop 的配置文件

Hadoop的配置文件位于安装目录的 /etc/hadoop目录下，在本教程中即位于 /usr/local/hadoop/etc/hadoop 目录下，需要修改的配置文件为如下四个:

/usr/local/hadoop/etc/hadoop/core-site.xml
/usr/local/hadoop/etc/hadoop/hdfs-site.xml
/usr/local/hadoop/etc/hadoop/mapred-site.xml.template
/usr/local/hadoop/etc/hadoop/yarn-site.xml

（2）编辑core-site.xml，修改节点的内容为如下所示：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>location to store temporary files</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

（3）配置HDFS文件，编辑 hdfs-site.xml，修改节点的内容为如下所示：

<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/hodoop/tmp/dfs/data</value>
    </property>
    <property>
        <name>dfs.permissions</name>
        <value>false</value>
</property>
</configuration>

（4）配置MapReduce文件mapred-site.xml，修改节点的内容为如下所示：

<property>
<name>mapreduce.framework</name>
<value>yarn</value>
</property>

（5）配置YARN文件yarn-site.xml，修改节点的内容为如下所示：

<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>

(6)从节点配置文件slaves
格式化NameNode:

/usr/local/hadoop/bin/hdfs namenode -format

如果输出下面图片中的内容即为格式化成功

启动NameNode和DataNode进程：

/usr/local/hadoop/sbin/start-dfs.sh

执行过程中可能会提示输入用户密码（部分用户可能会显示，本人运行过程中未显示），输入 root 用户密码即可。另外，启动时ssh会显示警告提示是否继续连接，输入 yes 即可

检查NameNode和DateNode是否正常启动。
如果NameNode和DataNode已经正常启动，会显示NameNode、DataNode和SecondaryNameNode的进程信息:

如果jps命令后只显示jps的进程无其余三个进程信息，处理措施：
检查前面四个xml文件修改的是否正确。

六、运行伪分布式实例
查看Hadoop自带的例子
Hadoop附带了丰富的例子，执行以下命令查看：

cd /usr/local/hadoop

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar

在HDFS中创建用户目录hadoop：

/usr/local/hadoop/bin/hdfs dfs -mkdir -p /user/hadoop

准备实验数据
本教程中，我们将以 Hadoop 所有的 xml 配置文件作为输入数据来完成实验。执行下面命令在 HDFS 中新建一个 input 文件夹并将 hadoop 配置文件上传到该文件夹下：
分别执行下面三条命令：

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir /user/hadoop/input
./bin/hdfs dfs -put ./etc/hadoop/*.xml /user/hadoop/input

运行实验：

./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.7.jar grep /user/hadoop/input /user/hadoop/output 'dfs[a-z.]+'

上述命令以 HDFS 文件系统中的 input 为输入数据来运行 Hadoop 自带的 grep 程序，提取其中符合正则表达式 dfs[a-z.]+ 的数据并进行次数统计，将结果输出到 HDFS 文件系统的 output 文件夹下。

查看运行结果
上述例子完成后的结果保存在 HDFS 中，通过下面命令查看结果:

/usr/local/hadoop/bin/hdfs dfs -cat /user/hadoop/output/*

此处匹配到的正则表达式是指以dfs开头的后接至少一个或者多个a-z小写字母和点符号组成的字符串 的文件。
dfsadmin
dfs.replication
dfs.permissions
dfs.namenode.name.dir
dfs.datanode.data.dir

删除HDFS 中的结果目录:

/usr/local/hadoop/bin/hdfs dfs -rm -r /user/hadoop/output

运行Hadoop 程序时，为了防止覆盖结果，程序指定的输出目录不能存在，否则会提示错误，因此在下次运行前需要先删除输出目录。

（一）HDFS操作
关闭Hadoop进程：

/usr/local/hadoop/sbin/stop-dfs.sh

再次启动Hadoop进程的命令：
①一次性启动所有进程：

/usr/local/hadoop/sbin/start-dfs.sh

②单独启动某个进程:

hadoop-daemon.sh start namenode/datanode/secondarynode

七、部署完成

参考：
https://www.cnblogs.com/ztca/p/8679056.html
官方文档
注：本文仅供学习交流，如有错误请指正，感谢您的阅读。