Hadoop伪分布式的安装与使用

创建hadoop用户

按ctrl+alt+t打开终端窗口，输入如下命令创建新用户：

$ sudo useradd -m hadoop -s /bin/bash

设置密码：

$ sudo passwd hadoop

为hadoop用户增加管理权限，方便部署：

$ sudo adduser hadoop sudo

由于ubuntu系统刚完成安装，需要更新相关一些软件，确保接下来的操作可以正常完成：

$ sudo apt-get update

安装SSH、配置SSH无密码登陆

集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令）
Ubuntu默认已经安装SSH客户端，只需要安装SSH服务器：

sudo apt-get install openssh-server

登录hadoop用户，此时还没有配置免密登陆，登录本机时需要手动输入密码：

执行exit退出
进入到.ssh文件夹，生成秘钥：

cd ~/.ssh
$ ssh-keygen -t rsa 一路点击回车

将公钥id_rsa.pub里面的内容赋值到authorized_keys中

$ cat ./id_rsa.pub>>./authorized_keys

再次登录本机

执行exit，实现退出刚刚的ssh登录

安装Java环境

我使用的是JDK1.8的版本

链接：https://pan.baidu.com/s/1yBjJwzHTXf6-RIC5PK-kZQ
提取码：qwer

创建jvm目录用来存放JDK文件

$ cd /usr/lib
$ sudo mkdir jvm

将本地下载的jdk-8u162-linux-x64.tar.gz传到虚拟机的Downloads文件夹下

将JDK文件解压到/usr/lib/jvm 目录下
在Downloads目录下执行

$ sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm

查看解压文件

设置环境变量（hadoop用户）

cd ~
nano ~/.bashrc

在打开的窗口中添加如下代码

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

保存退出
执行以下命令让配置生效

source ~/.bashrc

查看是否安装成功

java -version

安装Hadoop

下载hadoop

链接：https://pan.baidu.com/s/1gYZJaS2soCzn-fRrhzv1Lg
提取码：qwer

将本地下载的hadoop-3.1.3.tar.gz文件传到虚拟机的Downloads文件夹下，与安装java环境类似，将文件解压到/usr/local中

$ sudo tar -zxf ./hadoop-3.1.3.tar.gz -C /usr/local
$ cd /usr/local
$ sudo mv ./hadoop-3.1.3/ ./hadoop 将文件夹名称改为hadoop
$ sudo chown -R hadoop ./hadoop 将已重命名的该文件夹的拥有者，指定给用户hadoop，缺少这一步，将导致后续操作特别是运行Hadoop时，反复因权限不足而停止

设置环境变量，由于更改了权限，需要切换到hadoop用户

$ cd /usr/local/hadoop/etc/hadoop
nano hadoop-env.sh

在打开的窗口中添加如下代码

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162

保存退出
执行以下命令让配置生效

$ source hadoop-env.sh

设置环境变量

$ cd ~
$ nano ~/.bashrc

加入以下信息

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH

查看版本信息

$ cd /usr/local/hadoop
$ ./bin/hadoop version

Hadoop单机配置（非分部式）

Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。
现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。
在此我们选择运行 grep 例子，我们将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

$cd /usr/local/hadoop
$ mkdir ./input 创建input文件夹
$ 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-3.1.3.jar grep ./input ./output ‘dfs[a-z.]+’

cat ./output/* 查看运行结果

注意：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，需要先将 ./output 删除。
rm -r ./output

Hadoop伪分布式配置

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改四个文件

$ cd /usr/local/hadoop/etc/hadoop
$ nano core-site.xml

将当中的

<configuration>
</configuration>

修改为

<configuration>
	<property>
		<name>fs.defaultFS</name>
		<value>hdfs://localhost:9000</value>
	</property>
	<property>
		<name>hadoop.tmp.dir</name>
		<value>file:/usr/local/hadoop/tmp</value>
		<description>Abase for other temporary directories.</description>
	</property>
</configuration>

同样的，修改配置文件 hdfs-site.xml

<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/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

修改mapred-site.xml

<configuration>
  <property>
 	 	<name>yarn.app.mapreduce.am.env</name>
  	<value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
	</property>
	<property>
  	<name>mapreduce.map.env</name>
    <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
  </property>
  <property>
    <name>mapreduce.reduce.env</name>
    <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
  </property>
  <property>
    <name>mapreduce.application.classpath</name>
    <value>$HADOOP_HOME/share/hadoop/mapreduce/*:$HADOOP_HOME/share/hadoop/$
  </property>
</configuration>

修改yarn-site.xml

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

格式化后启动

为了保险起见，执行这一步前关闭命令行模式，重新打开。
格式化HDFS的NameNode（注意：切换到hadoop用户）

$ cd /usr/local/hadoop
$ ./bin/hdfs namenode -format

出现以下信息说明执行成功

开启NameNode和DataNode守护进程

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

可通过执行jps命令查看是否运行成功

运行Hadoop伪分布式实例

首先需要在 HDFS 中创建用户目录：

$ ./bin/hdfs dfs -mkdir -p /user/hadoop

接着将 /usr/local/hadoop/etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统/user/hadoop/input 中

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

查看文件列表

$ ./bin/hdfs dfs -ls input

运行MapReduce任务

$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.3.jar grep ./input ./output ‘dfs[a-z.]+’

查看输出

$ ./bin/hdfs dfs -cat output/*