Hadoop安装教程——单机 / 伪分布式配置

Hadoop3.3.0安装教程

本教程最终解释权归作者所有，转载请注明。本教程适合于原生 Hadoop3.3.0，主要参考了《大数据技术原理与应用》第三版，操作步骤详细，相信按照该教程操作，大家都能顺利安装并运行Hadoop。为了方便学习和使用该教程，请读者们利用Linux系统中自带的firefox浏览器打开此教程进行学习。

---

---

前言

随着第三次信息化浪潮的涌动，大数据时代全面到来，人类社会信息科技的发展为大数据的到来提供了技术支持，数据产生方式的变革是促进大数据时代到来的至关重要的因素。大数据已经融入到了我们的生活，为了使我们对大数据有更加深刻的了解，我们大数据的研究刻不容缓。要学习大数据，最基础的就是了解大数据的处理框架Hadoop。Hadoop是一个开源的、可运行于大规模集群上的分布式计算平台，是被公认为行业大数据标准开源软件。几乎所有主流厂商都是以Hadoop为主。

---

一、环境的选择

本教程使用Ubtuntu-20.04做为系统环境，当然此教程也适用于Ubtuntu-20.04以下的版本，读者可以根据自己的需要选择相应的版本。若读者如果是选择其他版本（CentOS等）作为系统环境，命令则会有稍微的区别。在安装好Ubtuntu系统后，方可继续进行以下操作。

二、创建Hadoop账户

如果你安装 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，输入如下命令创建新用户 :

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，可简单设置为 hadoop，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，避免一些对新手来说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。

三、更新apt

用 hadoop 用户登录后，我们先更新一下 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。按 ctrl+alt+t 打开终端窗口，执行如下命令：

sudo apt-get update

由于后续需要更改一些配置文件，我们再此安装vim（当然使用gedit也可）：
注：vim的使用请参看教程目录

sudo apt-get install vim

安装软件时若需要确认，在提示处输入 y 即可。

四、安装SSH、配置SSH免密码登录

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

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 hadoop，这样就登陆到本机了。

但这样登陆是需要每次输入密码的，我们需要配置成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：

exit                           # 退出刚才的 ssh localhost

cd ~/.ssh/                     # 若没有该目录，请先执行一次ssh localhost

ssh-keygen -t rsa              # 会有提示，都按回车就可以

cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

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。

五、安装Java环境

Hadoop3.3.0需要使用JDK版本在1.8以上，读者需要按下面的步骤安装JDK1.8。
读者需使用Ubtuntu自带的火狐浏览器打开Java官网，切记不要使用本地浏览器下载（如果使用本地浏览器下载需要使用WinSCP使用传送至虚拟机中）。打开网址我们选择下载 jdk-8u-301-linux-x64.tar.gz（即最后一项下载）。

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）：

cd /usr/lib
sudo mkdir jvm 		#创建/usr/lib/jvm目录用来存放JDK文件
cd ~ 		#进入hadoop用户的主目录
cd 下载  	#jdk压缩包默认下载在该位置
sudo tar -zxvf ./jdk-8u301-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下

JDK文件解压缩以后，可以执行如下命令到/usr/lib/jvm目录查看一下：

cd /usr/lib/jvm
ls

可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_301目录。
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（注：vim的使用请参看教程目录）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_301
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。然后，继续执行如下命令让.bashrc文件的配置立即生效：

source ~/.bashrc

这时，可以使用如下命令查看是否安装成功：

java -version

如果能够在屏幕上返回如下信息，则说明安装成功：

至此，成功安装了Java环境，下面就可以安装Hadoop了。

六、Hadoop3.3.0的安装

同样，我们选择到Hadoop官网下载hadoop-3.3.0.tar.gz。读者还是需要在Ubtunbu中自带的浏览器中下载。直接下载第一项即可。

我们选择将 Hadoop 安装至 /usr/local/ 中：

cd ~ 			#进入hadoop用户的主目录
cd 下载  		#jdk压缩包默认下载在该位置
sudo tar -zxf ~/下载/hadoop-3.3.0.tar.gz -C /usr/local    # 解压到/usr/local中
cd /usr/local/
sudo mv ./hadoop-3.3.0/ ./hadoop            # 将文件夹名改为hadoop
sudo chown -R hadoop ./hadoop       		# 修改文件权限

Hadoop 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：

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

七、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（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.0.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
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-3.3.0.jar grep ./input ./output 'dfs[a-z.]+'
cat ./output/*          # 查看运行结果

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。

rm -r ./output

八、Hadoop伪分布式安装

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

使用下面的命令（注：vim的使用请参看教程目录）

cd /usr/local/hadoop/etc/hadoop/
vim core-site.xml

修改配置文件 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>

2.修改配置文件 hdfs-site.xml

使用下面的命令：

vim hdfs-site.xml

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>

3.Hadoop的启动

配置完成后，执行 NameNode 的格式化:

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

成功的话，会返回很多行非常长的提示信息。

接着开启 NameNode 和 DataNode 守护进程。

cd /usr/local/hadoop
./sbin/start-dfs.sh 		 #启动Hadoop

若出现SSH提示信息，输入yes即可。

启动时可能会出现WARN 提示，可以忽略WARN 提示，并不会影响正常使用。

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。如下图所示：

关闭Hadoop，则运行：

./sbin/stop-dfs.sh

注意：当下次启动 hadoop 时，无需再进行 NameNode 的初始化，只需要运行 ./sbin/start-dfs.sh 就可以！

---

vim使用教程

说明：以下vim使用方法只是在该教程用到的，如想了解更多，请参考菜鸟教程

• i 切换到输入模式，以输入字符。
• : 切换到底线命令模式，以在最底一行输入命令。
• ESC，退出输入模式，切换到命令模式。
• q 退出程序。
• w 保存文件。

备注：在vim编辑文档时，输入 i 以输入字符；写入文档后，按 Esc 键，输入 :wq 以退出和保存文件。