小白的VMware 12 Ubuntu16.04 的 Hadoop安装笔记（此前已安装好Ubuntu）

最新推荐文章于 2022-11-17 13:43:21 发布

是粽子呀

最新推荐文章于 2022-11-17 13:43:21 发布

阅读量440

点赞数

分类专栏：大数据课程安装笔记文章标签： hadoop

本文链接：https://blog.csdn.net/pimbly/article/details/105544017

版权

大数据课程安装笔记专栏收录该内容

2 篇文章 0 订阅

订阅专栏

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。
在这里插入图片描述
在登陆界面中选择刚创建的 hadoop 用户进行登陆。

在这里插入图片描述

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

在这里插入图片描述
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。

在这里插入图片描述

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：
在这里插入图片描述
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：
在这里插入图片描述

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：

在这里插入图片描述

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：
在这里插入图片描述
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”:
在这里插入图片描述
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。
在这里插入图片描述
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。

参考教程：http://dblab.xmu.edu.cn/blog/install-hadoop/

是粽子呀

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录