【大数据】下载hadoop与jdk

第一步，ctrl+alt+t 打开终端窗口，执行如下命令：

$ sudo apt-get update

第二步 安装SSH、配置SSH无密码登陆
1)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 默认已安装了 SSH client，此外还需要安装 SSH server：

$ sudo apt-get install openssh-server

2)安装后，可以使用如下命令登陆本机：

$ssh  localhost

此时会有如下提示(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。

配置成SSH无密码登陆

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

第三步 安装java
Hadoop3 需要JDK版本在1.8及以上。安装openjdk也可以。

安装完成测试一下（出现问题）

安装JDK
由于hadoop底层是用java写的，所以安装hadoop前需要先安装JDK
安装之前有个小问题，就是之前我们安装软件，直接是apt-get install xxx
为什么JDK的安装不能这样呢？因为安装JDK之前hadoop需要寻找环境变量：JAVA_HOME，里面有很多的配置文件、可执行文件等等。如果使用apt-get install xxx这种方式安装的话，会把配置文件打散，可执行文件在/bin 目录，配置文件在/etc目录，这样的话hadoop找不到对应的文件，就无法运行。

查看ssh是否启动，出现sshd即为启动成功.

此时再次点击xhell连接虚拟机即可连接成功。连接成功后 shell页面与虚拟机终端页面格式一致。

使用了Xftp传输文件，直接拖拽就好。这里将jdk文件传输。

传输后可以直接在虚拟机中看到，将文件移动到到下载里面。（为了好利用指令处理）直接选中拖拽即可。打开终端执行以下指令。

执行指令查看文件夹是否存在。文件夹存在。

接下来配置环境变量。

添加成功后输入source ~/.bashrc指令让修改生效。
输入java -version指令查看jdk是否安装成功，也是查看jdk版本号的代码。
出现一下信息说明jdk安装成功。

安装 Hadoop3.1.3
之前已经将安装包放在下载里了，所以直接解压就可以。

$sudo tar -zxf ~/下载/hadoop-3.1.3.tar.gz -C /usr/local
$cd /usr/local/
$sudo mv ./hadoop-3.1.3/ ./hadoop            # 将文件夹名改为hadoop
$sudo chown -R hadoop ./hadoop       # 修改文件权限

hadoop解压后直接就可以使用。
检查是否成功解压也是查看hadoop版本号的指令。

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

出现以下信息即为成功。

Hadoop伪分布式配置
修改core-site.xml文件

$gedit ./etc/hadoop/core-site.xml

在<configuration> </configuration>中间添加代码

 <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>
</property>

添加前：

添加后：

直接Ctrl+S保存。关闭后修改文件文件 hdfs-site.xml

$gedit ./etc/hadoop/hdfs-site.xml

同理，在<configuration> </configuration>中间添加代码

 <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>

添加后：

配置完成后，执行 NameNode 的格式化

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

下面是反馈信息的前部分和后部分:

尝试启动hadoop，开启 NameNode 和 DataNode 进程。

输入jps查看进程。下图出现4个进程说明配置成功。

即伪分布式配置成功。

尝试运行实例
首先在 HDFS 中创建用户目录。
将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统。
复制完成后，可以通过./bin/hdfs dfs -ls input命令查看文件列表
伪分布式运行 MapReduce 作业的方式跟单机模式相同
查看运行结果。

实验心得：
由于是第一次接触hadoop，安装配置过程中都碰到了不少问题，在安装hadoop前，要先准备集群化环境，我准备了三个centos服务器作为节点（分别为node1，node2，node3），并配置他们相互之间的SSH免密登陆，然后开始安装Hadoop，在node1上通过wget命令安装hadoop，由于是外网，安装速度非常慢，于是我上网查询了国内hadoop镜像，然后将安装包下载下来放到node1中解压，然后修改了部分配置文件，最后，在node1中运行start-yarn.sh启动yarn集群，基本就完成了。这个时候就可以在浏览器中访问hadoop了。这个实验让我对linux命令更加熟悉，同时也了解到了hadoop的强大。