在Windows中使用VMware Workstation Pro安装Ubuntu虚拟机以及在Hadoop集群搭建的方法

最新推荐文章于 2024-12-05 12:07:47 发布

Seasee Youl6038

最新推荐文章于 2024-12-05 12:07:47 发布

阅读量607

点赞数 2

文章标签： hadoop

原文链接：http://dblab.xmu.edu.cn/blog/2760-2/

版权

一、实验目的：

掌握VMWare虚拟机、linux系统安装与配置；掌握hadoop集群的基本使用。

二、实验内容：

在Windows下安装VMWare虚拟机，在虚拟机中安装和配置linux系统；

搭建至少是伪分布式的Hadoop集群；也可搭建真集群的hadoop；

三、实验要求：

参照指导书及集群配置样例，熟悉相关内容，下载linux系统、JDK、Hadoop安装程序，熟悉相关软件的安装、使用技巧，初步掌握Hadoop集群的搭建和使用。

四、实验环境：

软件环境：Hadoop2.10.1及以上版本，JDK1.7等；

硬件环境：linux虚拟机。

五、实验步骤及结果

1.在Windows中使用VMware Workstation Pro安装Ubuntu虚拟机

A.安装好的VMware Workstation Pro虚拟机软件可以https://www.vmware.com/官网中下载，Ubuntu LTS 20.04 ISO映像文件，同样可以在官网中下载。

B.步骤1：新建一个虚拟机
打开VMware Workstation Pro，如下图所示，点击“创建新的虚拟机”按钮，在弹出的菜单中选择“典型”，创建一个虚拟机，（为了后续操作方便可以将虚拟机文件放在c盘），同时为你的虚拟机命名

C：步骤2：设置虚拟机名称和系统类型
在弹出来的对话框中（如下图所示），在“名称”后面的文本框中输入虚拟机名称，比如，可以取名为“mxq”。在“文件夹”后面可以设置为本地磁盘目录，比如“C:\”。在“类型”后面的下拉列表框中，选择“Linux”。如果你选择的系统是32位Ubuntu系统，请在“版本”后面的下拉列表框中选择“Ubuntu (32 bit)”；如果你选择的系统是64位Ubuntu系统，请在“版本”后面的下拉列表框中选择“Ubuntu (64 bit)”；本教程采用的是64位Ubuntu系统。然后，点击“下一步”。

D：步骤3：设置虚拟机磁盘大小
可以根据电脑的内存情况来设置虚拟机内存大小。如果电脑总内存为16GB（如下图所示），可以划分1GB的内存给虚拟机来运行Ubuntu（实际上，在这种配置下运行虚拟机以后，仍会稍显卡顿，建议电脑总内存增加到8GB以上）。如果电脑总内存有8GB，那么可以划分3GB内存给Ubuntu，这样运行速度会快很多。设置好以后，可以点击“下一步”。

2.安装Ubuntu

点击开启此虚拟机，等待虚拟机载入（可能等待时间有一点漫长）

如果英语看着可能不适的话可以下载汉化包，重启虚拟机之后，文字便换成了汉语。

这样，本实验的准备工作就完成了。

3.Hadoop3.1.3安装教程_单机、伪分布式配置

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或者在虚拟机中按鼠标右键，打开终端窗口，输入如下命令创建新用户 :

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，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，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。

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，若出现如下 “Hash校验和不符” 的提示，可通过更改软件源来解决。若没有该问题，则不需要更改。从软件源下载某些软件的过程中，可能由于网络方面的原因出现没法下载的情况，那么建议更改软件源。在学习Hadoop过程中，即使出现“Hash校验和不符”的提示，也不会影响Hadoop的安装。

后续需要更改一些配置文件，请将后面用到 vim 的地方改为 gedit，这样可以使用文本编辑器进行修改，并且每次文件更改完成后请关闭整个 gedit 程序，否则会占用终端）

此处使用sudo apt-get install vim完成vim的配置。

4.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（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：

此处的命令为sudo apt-get install openssh-server

安装后，可以使用ssh localhost来登陆SSH

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：

此时再用 ssh localhost命令，无需输入密码就可以直接登陆了。

5.安装JAVA环境

Hadoop3.1.3需要JDK版本在1.8及以上。需要按照下面步骤来自己手动安装JDK1.8。
我们已经把JDK1.8的安装包jdk-8u162-linux-x64.tar.gz放在了百度云盘，可以点击这里到百度云盘下载JDK1.8安装包（提取码：ziyu）。请把压缩格式的文件 jdk-8u162-linux-x64.tar.gz下载到本地电脑，假设保存在“/home nziyu/Downloads/”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）：

cd /usr/b
sudo mkdir jvm cd ~

cd Downloads jdk-8u162-linux-x64.tar.gz
sudo tar -zxvf .jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm

用vim编辑器打开了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。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

6.安装Hadoop3.1.3

sudo tar -zxf ~/下载/hadoop-3.1.3.tar.gz -C /usr/local

cd /usr/local/

sudo mv ./hadoop-3.1.3/ ./hadoop

sudo chown -R hadoop ./hadoop #将Hadoop安装至usr/local/

7.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-3.1.3.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。

8.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>

修改为：

<name>hadoop.tmp.dir</name>

<value>file:/usr/local/hadoop/tmp</value>

<description>Abase for other temporary directories.</description>

</property>

<name>fs.defaultFS</name>

<value>hdfs://localhost:9000</value>

</property>

</configuration>

同样的，修改配置文件 hdfs-site.xml：

<name>dfs.replication</name>

</property>

<name>dfs.namenode.name.dir</name>

<value>file:/usr/local/hadoop/tmp/dfs/name</value>

</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

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”（如果 SecondaryNameNode 没有启动，请运行 sbin/stop-dfs.sh 关闭进程，然后再次尝试启动尝试）。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。

9.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-3.1.3.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/*

若要关闭 Hadoop，则运行：

./sbin/stop-dfs.sh