小白的VMware 12 Ubuntu16.04 的 Hadoop安装笔记
这里只记录了我在安装过程中遇到的问题,如果碰到了其他问题可以看看文末放的参考教程链接。非常感谢各位博主详细的解决方案~
创建Hadoop用户
如果安装 Ubuntu 的时候不是用的 “hadoop” 用户,那么需要增加一个名为 “hadoop” 的用户。
首先按 ctrl+alt+t 打开终端窗口,创建新用户。命令如下:
sudo useradd -m hadoop -s /bin/bash
这条命令创建了可以登陆的 hadoop 用户,并使用 /bin/bash 作为 shell。
接着使用如下命令设置密码,按提示输入两次密码:
sudo passwd hadoop
可为 hadoop 用户增加管理员权限,方便部署,避免一些比较棘手的权限问题:
sudo adduser hadoop sudo
最后注销当前用户(点击屏幕右上角的齿轮,选择注销),返回登陆界面。
在登陆界面中选择刚创建的 hadoop 用户进行登陆。
更新apt
用 hadoop 用户登录后,先更新一下 apt,如果没更新后续可能有一些软件安装不了。按 ctrl+alt+t 打开终端窗口,执行如下命令:
sudo apt-get update
我遇到如下错误(还有两条类似的):
E: Could not get lock /var/lib/apt/lists/lock - open (11: Resource temporarily unavailable)
E: Unable to lock the list directory
我按如下顺序输入后解决:
sudo rm /var/cache/apt/archives/lock
sudo rm /var/lib/dpkg/lock
sudo rm /var/lib/apt/lists/lock
此处感谢:https://blog.csdn.net/zwjsatan/article/details/8101712
接着又出现如下两个问题:
Reading package lists… Done
E: Problem executing scripts APT::Update::Post-Invoke-Success
‘if /usr/bin/test -w /var/cache/app-info -a -e /usr/bin/appstreamcli;
then appstreamcli refresh > /dev/null;
fi’
E: Sub-process returned an error code
Package vim-gtk is not available, but is referred to by another package.
This may mean that the package is missing, has been obsoleted, or
is only available from another source
E: Package ‘vim-gtk’ has no installation candidate
第一个问题,我按如下顺序输入后解决:
sudo pkill -KILL appstreamcli
wget -P /tmp https://launchpad.net/ubuntu/+archive/primary/+files/appstream_0.9.4-1ubuntu1_amd64.deb https://launchpad.net/ubuntu/+archive/primary/+files/libappstream3_0.9.4-1ubuntu1_amd64.deb
sudo dpkg -i /tmp/appstream_0.9.4-1ubuntu1_amd64.deb /tmp/libappstream3_0.9.4-1ubuntu1_amd64.deb
此处感谢:https://www.cnblogs.com/EasonJim/p/7343892.html
看网上说第二个问题要改软件源,然后就去改了软件源。方法如下:
在左侧边栏点开设置,单击Software & Updates
在Download from中选择other,找到China中的mirrors.aliyun.com,也可以使用其他的软件源设置。点击Choose Server,再点击Close,出来弹窗,点reload即可。
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,因为Ubuntu 默认已安装了 SSH client,所以还需要安装 SSH server:
sudo apt-get install openssh-server
安装后,可以使用如下命令登陆本机:
ssh localhost
此时会有SSH首次登陆提示,输入 yes 。然后按提示输入之前设置的密码,这样就登陆到本机了。
但现在每次都要输入密码,有些麻烦,所以尽量配置成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,依次为以下命令:
exit
cd ~/.ssh/
ssh-keygen -t rsa
此时会出来下图提示,均点击enter(回车)即可:
最后输入如下命令,加入授权:
cat ./id_rsa.pub >> ./authorized_keys
此时再输入 ssh localhost
命令,无需输入密码就可以直接登陆了,如下图所示:
安装Java环境
厦门大学数据库实验室提供的JDK1.8的安装包百度网盘(提取码:gx0b)把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到Ubuntu中(如果安装了vmtools可在本机中下载好,复制到虚拟机中,不过我虚拟机此刻),假设保存在“/home/Downloads/”目录下。
在Linux命令行界面中,依次输入如下Shell命令(注意:当前登录用户名是hadoop,不用加注释):
cd /usr/lib
sudo mkdir jvm
cd ~
cd Downloads
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm
下面继续执行如下命令,设置环境变量:
cd ~
vim ~/.bashrc
上面命令使用vim编辑器(查看vim编辑器使用方法)打开了hadoop这个用户的环境变量配置文件,请在这个文件的开头位置,添加如下几行内容:
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:$PATH
保存.bashrc文件并退出vim编辑器(按esc退出编辑,输入:wq,即为保存并退出)。然后,继续执行如下命令让.bashrc文件的配置立即生效:
source ~/.bashrc
注:vim中,esc是退出编辑的意思。在此状态下还可进行撤销(按u)和恢复(按Ctrl+r)等操作。
这时,可以使用如下命令查看是否安装成功:
java -version
如果能够返回如下信息,则说明安装成功:
hadoop@ubuntu:~$ java -version
java version “1.8.0_162”
Java™ SE Runtime Environment (build 1.8.0_162-b12)
Java HotSpot™ 64-Bit Server VM (build 25.162-b12, mixed mode)
安装 Hadoop 2
Hadoop 2 可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/或者 http://mirrors.cnnic.cn/apache/hadoop/common/下载,一般选择下载最新的稳定版本,即下载 “stable” 下的 hadoop-3.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,需要进行编译才可使用。
我选择将 Hadoop 安装至 /usr/local/ 中:
sudo tar -zxf ~/Downloads/hadoop-3.2.1.tar.gz -C /usr/local
cd /usr/local/
sudo mv ./hadoop-3.2.1/ ./hadoop
sudo chown -R hadoop ./hadoop
Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用:
cd /usr/local/hadoop
./bin/hadoop version
成功则会显示 Hadoop 版本信息:
Hadoop单机配置(非分布式)
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(在/usr/local/hadoop目录下输入 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.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。命令如下:
cd /usr/local/hadoop
mkdir ./input
cp ./etc/hadoop/*.xml ./input
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*
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:
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。命令如下:
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,同时,读取的是 HDFS 中的文件。
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
(通过 gedit 编辑会比较方便: gedit ./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>
</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>
配置完成后,执行 NameNode 的格式化:
cd /usr/local/hadoop
./bin/hdfs namenode -format
成功的话,会看到 successfully formatted
和 Exitting with status 0
的提示,若为 Exitting with status 1
则是出错。
接着开启 NameNode 和 DataNode 守护进程。
cd /usr/local/hadoop
./sbin/start-dfs.sh
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”:
成功启动后,可以访问 Web 界面 http://localhost:9870 ( Hadoop 3.0.0 前,端口号为50070)查看 NameNode 和 Datanode 信息,还可以在线查看 HDFS 中的文件。
如果 SecondaryNameNode 没有启动,请运行 sbin/stop-dfs.sh 关闭进程,然后再次启动尝试。如果没有 NameNode 或 DataNode ,那就是配置不成功,请仔细检查之前步骤,或通过查看启动日志排查原因。
运行Hadoop伪分布式实例
上面的单机模式,grep 例子读取的是本地数据,伪分布式读取的则是 HDFS 上的数据。要使用 HDFS,首先需要在 HDFS 中创建用户目录:
./bin/hdfs dfs -mkdir -p /user/hadoop
接着将 ./etc/hadoop 中的 xml
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。我们使用的是 hadoop 用户,并且已创建相应的用户目录 /user/hadoop ,因此在命令中就可以使用相对路径如 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,输出结果 output 文件夹都删掉来验证这一点)。
./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/*
结果如下,由于已经更改了配置文件,所以运行结果不同。
我们也可以将运行结果取回到本地:
rm -r ./output
./bin/hdfs dfs -get output ./output
cat ./output/*
若要关闭 Hadoop,则运行
./sbin/stop-dfs.sh
附加: 配置PATH环境变量
上面的教程中,我们都是先进入到 /usr/local/hadoop 目录中,再执行 sbin/hadoop,实际上等同于运行 /usr/local/hadoop/sbin/hadoop。在这里可以将 Hadoop 命令的相关目录加入到 PATH 环境变量中,这样就可以直接通过 start-dfs.sh 开启 Hadoop,也可以直接通过 hdfs 访问 HDFS 的内容,方便平时的操作。
输入命令vim ~/.bashrc
,在文件最前面加入如下单独一行:
export PATH=$PATH:/usr/local/hadoop/sbin:/usr/local/hadoop/bin
添加后执行 source ~/.bashrc
使设置生效,生效后,在任意目录中,都可以直接使用 hdfs 等命令了,不妨现在就执行 hdfs dfs -ls input
查看 HDFS 文件试试看。