环境
系统环境:VMware + CentOS 6.5 64位。
Hadoop版本:基于原生 Hadoop 2,可适合任何 Hadoop 2.x.y 版本,本文以Hadoop 2.6.0 (stable) 为例。
创建hadoop用户
创建新用户hadoop(推荐) :
sudo useradd -m hadoop -s /bin/bash |
---|
为 hadoop 用户增加管理员权限,方便部署:
|
---|
更新软件
yum update |
---|
安装SSH server
集群、单节点模式都需要用到SSH登陆:
rpm -qa |grep ssh 检查是否装了SSH包 yum install openssh-server 没有的话安装ssh chkconfig --list sshd 检查SSHD是否在本运行级别下设置为开机启动 chkconfig --level 2345 sshd on 如果没设置启动就设置 service sshd restart 重新启动 netstat -antp |grep sshd 确认是否启动了22端口 iptables -nL 是否放行了22端口 setup---->防火墙设置 如果没放行就设置放行. |
---|
安装后,登陆本机:
ssh localhost |
---|
出现SSH首次登陆提示,输入 yes 。然后按提示输入密码,这样就登陆到本机了。
配置SSH无密码登陆
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:
准备工作
1、确认本机sshd的配置文件(需要root权限)
$ gedit /etc/ssh/sshd_config
找到以下内容,并去掉注释符”#“
RSAAuthentication yes
PubkeyAuthentication yes
AuthorizedKeysFile .ssh/authorized_keys
2、如果修改了配置文件需要重启sshd服务 (需要root权限)
$ /sbin/service sshd restart
|
---|
配置SSH无密码登录:
1.生成公钥和私钥
ssh-keygen -t rsa
默认在 ~/.ssh目录生成两个文件:
id_rsa :私钥
id_rsa.pub :公钥
2.导入公钥到认证文件,更改权限
2.1 导入本机
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
2.2 更改权限(对root用户和hadoop(普通用户)都要做这一步)
chmod 700 ~/.ssh
chmod 600 ~/.ssh/authorized_keys
|
---|
此时再用 ssh localhost
命令,无需输入密码就可以直接登陆了,如下所示:
[hadoop@localhost ~]$ ssh localhost Last login: Fri Jun 19 01:17:09 2015 from localhost |
安装Java环境
Java环境可选择Oracle 的 JDK,或是 OpenJDK,这里安装原版JDK:
vi /etc/profile
在文件末尾加上:
|
---|
3. 让该环境变量生效:
source ~/.bashrc echo $JAVA_HOME # 检验是否设置正确 |
---|
安装 Hadoop 2
最新的 Hadoop 2 稳定版可以通过 http://mirror.bit.edu.cn/apache/hadoop/common/stable2/ (推荐)或者http://mirrors.cnnic.cn/apache/hadoop/common/stable/ 下载,下载 hadoop-2.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。
强烈建议也下载 hadoop-2.x.y.tar.gz.mds 这个文件,该文件包含了检验值可用于检查 hadoop-2.x.y.tar.gz 的完整性,否则若文件发生了损坏或下载不完整,Hadoop 将无法正常运行。
如果你用的不是 2.6.0 版本,则将所有命令中出现的 2.6.0 更改为你所使用的版本。
cd ~/Downloads # 通过浏览器下载,默认保存在 “下载” 目录中 cat ./hadoop-2.6.0.tar.gz.mds | grep 'MD5' # 列出md5检验值 md5sum ./hadoop-2.6.0.tar.gz | tr "a-z" "A-Z" # 计算md5值,并转化为大写 |
---|
若文件不完整则这两个值一般差别很大,可以简单对比下前几个字符跟后几个字符是否相等即可,如下图所示,如果两个值不一样,请务必重新下载。
选择将 Hadoop 安装至 /usr/local/ 中:
cd ~/Downloads sudo tar -zxvf ./hadoop-2.6.0.tar.gz -C /usr/local # 解压到/usr/local中 cd /usr/local/ sudo mv ./hadoop-2.6.0/ ./hadoop # 将文件夹名改为hadoop sudo chown -R hadoop: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,成功则会显示命令用法:
cd ./hadoop ./bin/hadoop |
---|
Hadoop单机配置
Hadoop 默认配置是以非分布式模式运行,即单 Java 进程,方便进行调试。可以执行附带的例子 WordCount 来感受下 Hadoop 的运行。将 input 文件夹中的文件作为输入,统计当中符合正则表达式 dfs[a-z.]+
的单词出现的次数,并输出结果到 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-*.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
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,需要将 ./output
删除。
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。
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 (vim /usr/local/hadoop/etc/hadoop/core-site.xml
),将当中的
<configuration>
</configuration>
修改为下面配置:
|
---|
同样的,修改配置文件 hdfs-site.xml:
|
---|
gedit /usr/local/hadoop/etc/hadoop/hadoop-env.sh
添加:
export JAVA_HOME=/usr/java/jdk1.7.0_75
|
---|
虽然只需要配置 fs.defaultFS 和 dfs.replication 就可以运行(官方教程如此),不过若没有配置 hadoop.tmp.dir 参数,则默认使用的临时目录为 /tmp/hadoo-hadoop,而这个目录在重启时有可能被系统清理掉,导致必须重新执行 format 才行。所以我们进行了设置,同时也指定 dfs.namenode.name.dir 和 dfs.datanode.data.dir,否则在接下来的步骤中可能会出错。
配置完成后,执行 namenode 的格式化:
bin/hdfs namenode -format |
---|
成功的话,会看到 successfully formatted
的提示,且提示如下,Exitting with status 0
表示成功,若为 Exitting with status 1
则是出错。
接着开启 NaneNode
和 DataNode
守护进程。(以后要再启动hadoop,不需要再做format,直接做这一步就好了)
sbin/start-dfs.sh |
---|
若出现SSH提示,输入yes即可。
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 NameNode 或 DataNode 没有启动,请仔细检查之前步骤)。
Hadoop伪分布式实例-WordCount
上面的单机模式,WordCount 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,首先需要创建用户目录
bin/hdfs dfs -mkdir -p /user/hadoop |
---|
接着将 etc/hadoop
中的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。上一步已创建了用户目录 /user/hadoop ,因此命令中就可以使用相对目录如 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 文件夹删掉来验证这一点:rm -fr /usr/local/hadoop/input)。
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/* |
---|
也可以将运行结果取回到本地:
rm -R ./output bin/hdfs dfs -get output output # 将 HDFS 上的 output 文件夹拷贝到本机 cat ./output/* |
---|
Hadoop运行程序时,默认输出目录不能存在,因此再次运行需要执行如下命令删除 output文件夹:
bin/hdfs dfs -rm -r /user/hadoop/output # 删除 output 文件夹 |
---|
若要关闭 Hadoop,则运行
sbin/stop-dfs.sh |
---|