安装Hadoop系统并熟悉hadoop命令

（一）安装虚拟机和Linux环境。

1.安装VirtualBox 6.1.12

2.安装Ubuntu Kylin

（二）参照实验教材第三章的内容安装Hadoop系统，安装单机模式。

1.创建hadoop用户

①首先按 ctrl+alt+t 打开终端窗口，创建可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。
②设置密码，为hadoop用户增加管理员权限，方便部署；
③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。

2.更新apt

①用 hadoop 用户登录后，先更新apt，后续我们使用 apt 安装软件，如果没更新可能有一些软件安装不了。

②后续需要更改一些配置文件，先安装vim。

3.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，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。

②安装SSH server后，可以使用如下命令登陆本机：

③每次登陆是需要每次输入密码的，需要配置成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。

④此时再用 ssh localhost 命令，无需输入密码就可以直接登陆。

4.安装Java环境

①Hadoop3.1.3需要JDK版本在1.8及以上，以下采用手动方式安装JDK1.8。压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑，保存在“/home/hadoop/桌面”目录下。在Linux命令行界面中，执行如下Shell命令（注意：当前登录用户名是hadoop）

②JDK文件解压缩以后，可以执行如下命令到/usr/lib/jvm目录可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_162目录。

③继续执行如下命令，设置环境变量。

④打开了hadoop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，保存.bashrc文件并退出vim编辑器。

⑤然后继续执行如下命令让.bashrc文件的配置立即生效，随后查看是否安装成功。在屏幕上返回如下信息，则说明安装成功。

5.安装 Hadoop3.1.3

①压缩格式的文件hadoop-3.1.3.tar.gz已经下载保存在“/home/hadoop/桌面”目录下，选择将 Hadoop 安装至 /usr/local/ 中，并将文件名改为hadoop和修改文件权限。

②Hadoop 解压后即可使用，输入如下命令来检查 Hadoop 是否可用，成功则会显示Hadoop 版本信息：

6.Hadoop单机配置(非分布式)

①Hadoop 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。选择运行 grep 例子，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。

②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。

③（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。）

（三）参照实验教材第三章的内容安装Hadoop系统，安装伪分布式模式。

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。


①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

修改为

②同样修改配置文件 hdfs-site.xml：

修改为

③配置完成后，执行 NameNode 的格式化:，成功的话，会看到 “successfully formatted” 的提示，具体返回类似如下信息。

（四） 运行伪分布式模式，在网络页面上展示HDFS的信息。

①开启 NameNode 和 DataNode 守护进程。

②成功启动后，可以访问 Web 界面 http://localhost:9870 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。

（五）运行伪分布式模式的实例。

①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：

②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:

③复制完成后，可以通过如下命令查看文件列表：

④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）。

⑤查看运行结果的命令（查看的是位于 HDFS 中的输出结果）。注意到刚才已经更改了配置文件，所以运行结果不同。

⑥将运行结果取回到本地：

⑦Hadoop 运行程序时，输出目录不能存在，否则会提示错误 “org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://localhost:9000/user/hadoop/output already exists” ，因此若要再次执行，需要执行如下命令删除 output 文件夹:

⑧若要关闭 Hadoop，则运行./sbin/stop-dfs.sh。

下次启动 hadoop 时，无需进行 NameNode 的初始化，只需要运行 ./sbin/start-dfs.sh 就可以。