搭建說明：第一次搭建 Hadoop 的小伙伴，請嚴(yán)格按照文章中的軟件環(huán)境和步驟搭建，不一樣的版本都可能會導(dǎo)致問題。

軟件環(huán)境：

虛擬機(jī)：VMware Pro14

Linux：CentOS-6.4（下載地址，下載DVD版本即可）

JDK：OpenJDK1.8.0 （強(qiáng)力建議不要使用 Oracle 公司的 Linux 版本的 JDK）

Hadoop：2.6.5（下載地址）

虛擬機(jī)的安裝和Linux系統(tǒng)的安裝這里就省略了，可以參照網(wǎng)上的教程安裝，一般沒什么大問題，需要注意的是記住這里你輸入的用戶密碼，下面還要用，如下圖所示。

設(shè)置用戶密碼.jpg

用戶選擇

使用虛擬機(jī)安裝好系統(tǒng)后，可以看到登錄界面，如下圖所示。

選擇 Other ，在 Username 輸入框中輸入 root ，回車，再在 Password 輸入框中輸入你創(chuàng)建用戶時密碼。root 用戶是安裝 CentOS 自動創(chuàng)建的超級用戶，但密碼和你安裝系統(tǒng)時創(chuàng)建的普通用戶密碼是一樣的。

平時在使用 CentOS 時，并不推薦使用 root 用戶，因為該用戶具有整個系統(tǒng)的最高權(quán)限，使用該用戶可能會導(dǎo)致嚴(yán)重的后果，但前提是你對 Linux 很熟，才會誤操作。搭建 Hadoop 的大數(shù)據(jù)平臺，使用普通用戶，很多命令需要 sudo 命令來獲取 root 用戶的權(quán)限，比較麻煩，所以索性直接使用 root 用戶。

安裝SSH

集群、單節(jié)點(diǎn)模式都需要用到 SSH 登陸（類似于遠(yuǎn)程登陸，你可以登錄某臺 Linux 主機(jī)，并且在上面運(yùn)行命令)。

首先確保你的 CentOS 系統(tǒng)可以正常的上網(wǎng)，你可以查看桌面右上角的網(wǎng)絡(luò)圖標(biāo)，若顯示紅叉則表明未聯(lián)網(wǎng)，可點(diǎn)擊選擇可用網(wǎng)絡(luò)，也可以使用桌面左上角的火狐瀏覽器輸入網(wǎng)址驗證是否網(wǎng)絡(luò)連接正常。如果還是無法上網(wǎng)，檢查虛擬機(jī)的設(shè)置，選用 NAT 模式，或者上網(wǎng)百度解決。

檢查網(wǎng)絡(luò)狀況.jpg

確定網(wǎng)絡(luò)連接正常后，打開 CentOS 的終端，可在 CentOS 的桌面點(diǎn)擊鼠標(biāo)右鍵，選擇 Open In Terminal ，如下圖所示。

打開終端.jpg

一般情況下，CentOS 默認(rèn)已安裝了 SSH client、SSH server，可打開終端執(zhí)行如下命令進(jìn)行檢驗：

rpm -qa | grep ssh

如果返回的結(jié)果如下圖所示，包含了 SSH client 跟 SSH server，則不需要再安裝。

查看SSH是否已安裝.jpg

如果需要安裝，則可以通過 yum 這個包管理器進(jìn)行安裝。（安裝過程中會讓你輸入 [y/N]，輸入 y 即可）

注意：命令是單條執(zhí)行的，不是直接把兩條命令粘貼過去。

終端中的粘貼可通過鼠標(biāo)點(diǎn)擊右鍵選擇 Paste 粘貼，也可通過快捷鍵 【Shift + Insert】粘貼。

yum install openssh-clients
yum install openssh-server

SSH安裝完成后，執(zhí)行如下命令測試一下 SSH 是否可用（SSH首次登陸提示 yes/no 信息，輸入 yes 即可，然后按照提示輸入 root 用戶的密碼，這樣就登錄到本機(jī)了），如下圖所示。

首次登錄SSH.jpg

但這樣登陸需要每次都輸入密碼，我們需要配置成SSH無密碼登陸比較方便。

首先輸入 exit 退出剛才的 ssh，就回到了我們原先的終端窗口，然后利用 ssh-keygen 生成密鑰，并將密鑰加入到授權(quán)中。

exit       # 退出剛才的 ssh localhost
cd ~/.ssh/      # 若提示沒有該目錄，請先執(zhí)行一次ssh localhost
ssh-keygen -t rsa    # 會有提示，都按回車即可
cat id_rsa.pub >> authorized_keys # 加入授權(quán)
chmod 600 ./authorized_keys # 修改文件權(quán)限

此時再用 ssh localhost 命令，無需輸入密碼就可以直接登陸了，如下圖所示。

再次登錄SSH.jpg

安裝 Java 環(huán)境

Java 環(huán)境可選擇 Oracle 的 JDK，或是 OpenJDK（可看作 JDK 的開源版本），現(xiàn)在一般 Linux 系統(tǒng)默認(rèn)安裝的基本是 OpenJDK，這里安裝的是 OpenJDK1.8.0版本的。

有的 CentOS 6.4 默認(rèn)安裝了 OpenJDK 1.7，這里我們可以使用命令檢查一下，和 Windows 下的命令一樣，還可以查看 JAVA_HOME 這個環(huán)境變量的值。

java -version     # 查看 java 的版本
javac -version    # 查看編譯命令 Javac 的版本
echo $JAVA_HOME    # 查看 $JAVA_HOME 這個環(huán)境變量的值

如果系統(tǒng)沒有安裝 OpenJDK，我們可以通過 yum 包管理器來安裝。（安裝過程中會讓輸入 [y/N]，輸入 y 即可）

通過上述命令安裝 OpenJDK，默認(rèn)安裝位置為 /usr/lib/jvm/java-1.8.0，下面配置 JAVA_HOME 時就使用這個位置。

接著需要配置一下 JAVA_HOME 環(huán)境變量，為了方便，直接在 ~/.bashrc 中進(jìn)行設(shè)置，相當(dāng)于配置的是 Windows 的用戶環(huán)境變量，只對單個用戶生效，當(dāng)用戶登錄后，每次打開 shell 終端，.bashrc 文件都會被讀取。

修改文件，可以直接使用 vim 編輯器打開文件，也可以使用類似于 Windows 記事本的 gedit 文本編輯器。

下面命令任選其一。

vim ~/.bashrc    # 使用 vim 編輯器在終端中打開 .bashrc 文件
gedit ~/.bashrc    # 使用 gedit 文本編輯器打開 .bashrc 文件

在文件最后面添加如下單獨(dú)一行（指向 JDK 的安裝位置），并 保存 。

配置JAVA_HOME環(huán)境變量.jpg

接著還需要讓該環(huán)境變量生效，執(zhí)行如下命令。

source ~/.bashrc    # 使變量設(shè)置生效

設(shè)置好后我們來檢驗一下是否設(shè)置正確，如下圖所示。

echo $JAVA_HOME  # 檢驗變量值
java -version
javac -version
$JAVA_HOME/bin/java -version # 與直接執(zhí)行 java -version 一樣

檢查JAVA_HOME環(huán)境變量是否配置正確.jpg

這樣，Hadoop 所需的 Java 運(yùn)行環(huán)境就安裝好了。

安裝 Hadoop

在前面 軟件環(huán)境 已經(jīng)給出了 hadoop2.6.5 的下載地址，可以直接通過火狐瀏覽器打開下載，默認(rèn)下載位置是在用戶的 Home 中的 Downloads 文件夾下，如下圖所示。

下載Hadoop.jpg

下載完成后，我們將 Hadoop 解壓到 /usr/local/ 中。

tar -zxf ~/下載/hadoop-2.6.5.tar.gz -C /usr/local # 解壓到/usr/local目錄中
cd /usr/local/       # 切換當(dāng)前目錄為 /usr/local 目錄
mv ./hadoop-2.6.5/ ./hadoop   # 將文件夾名改為hadoop
chown -R root:root ./hadoop   # 修改文件權(quán)限，root 是當(dāng)前用戶名

Hadoop 解壓后即可使用，輸入如下命令來檢查 Hadoop 是否可用，成功則會顯示 Hadoop 版本信息。

cd /usr/local/hadoop     # 切換當(dāng)前目錄為 /usr/local/hadoop 目錄
./bin/hadoop version     # 查看 Hadoop 的版本信息

或者直接輸入 hadoop version 命令也可以查看。

hadoop version       # 查看 Hadoop 的版本信息

查看Hadoop版本信息.jpg

Hadoop 安裝方式有三種，分別是單機(jī)模式，偽分布式模式，分布式模式。

單機(jī)模式：Hadoop 默認(rèn)模式為非分布式模式（本地模式），無需進(jìn)行其他配置即可運(yùn)行。非分布式即單 Java 進(jìn)程，方便進(jìn)行調(diào)試。

偽分布式模式：Hadoop 可以在單節(jié)點(diǎn)上以偽分布式的方式運(yùn)行，Hadoop 進(jìn)程以分離的 Java 進(jìn)程來運(yùn)行，節(jié)點(diǎn)既作為 NameNode 也作為 DataNode，同時，讀取的是 HDFS 中的文件。

分布式模式：使用多個節(jié)點(diǎn)構(gòu)成集群環(huán)境來運(yùn)行Hadoop，需要多臺主機(jī)，也可以是虛擬主機(jī)。

Hadoop 偽分布式配置

現(xiàn)在我們就可以來使用 Hadoop 運(yùn)行一些例子，Hadoop 附帶了很多的例子，可以運(yùn)行 hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar 看到所有的例子。

我們這里來運(yùn)行一個查詢的例子，將 input 文件夾作為輸入文件夾，篩選當(dāng)中符合正則表達(dá)式 dfs[a-z.]+ 的單詞，統(tǒng)計它的次數(shù)，將篩選結(jié)果輸出到 output 文件夾中。

cd /usr/local/hadoop  # 切換當(dāng)前目錄為 /usr/local/hadoop 目錄
mkdir ./input    # 在當(dāng)前目錄下創(chuàng)建 input 文件夾
cp ./etc/hadoop/*.xml ./input # 將 hadoop 的配置文件復(fù)制到新建的輸入文件夾 input 中
./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+' 
cat ./output/*    # 查看輸出結(jié)果

通過命令 cat ./output/* 查看結(jié)果，符合正則的單詞 dfsadmin 出現(xiàn)了 1次。

運(yùn)行測試Hadoop例子.jpg

若運(yùn)行出錯，如出現(xiàn)如下圖提示。

運(yùn)行Hadoop例子出錯.jpg

若出現(xiàn)提示 “WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable”，該 WARN 提示可以忽略，不影響 Hadoop 正常運(yùn)行。

注意：Hadoop 默認(rèn)不會覆蓋結(jié)果文件，因此再次運(yùn)行上面實例會提示出錯，需要先將 output 文件夾刪除。

rm -rf ./output  # 在 /usr/local/hadoop 目錄下執(zhí)行

測試我們的 Hadoop 安裝沒有問題，我們可以開始設(shè)置 Hadoop 的環(huán)境變量，同樣在 ~/.bashrc 文件中配置。

gedit ~/.bashrc # 使用 gedit 文本編輯器打開 .bashrc 文件

在 .bashrc 文件最后面增加如下內(nèi)容，注意 HADOOP_HOME 的位置對不對，如果都是按照前面的配置，這部分可照抄。

# Hadoop Environment Variables
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin

Hadoop環(huán)境變量的配置.jpg

保存后記得關(guān)掉 gedit 程序，否則會占用終端，無法執(zhí)行下面的命令，可以按 【Ctrl + C】鍵終止該程序。

保存后，不要忘記執(zhí)行如下命令使配置生效。

source ~/.bashrc

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 下，偽分布式需要修改2個配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每個配置以聲明 property 的 name 和 value 的方式來實現(xiàn)。

修改配置文件 core-site.xml (通過 gedit 編輯會比較方便，輸入命令， gedit ./etc/hadoop/core-site.xml )。

在 <configuration></configuration> 中間插入如下的代碼。

<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>

同樣的，修改配置文件 hdfs-site.xml ， gedit ./etc/hadoop/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，執(zhí)行 NameNode 的格式化。（Hadoop 首次啟動需要該命令）

hdfs namenode -format

成功的話，會看到 “successfully formatted” 和 “Exitting with status 0” 的提示，若為 “Exitting with status 1” 則是出錯。

NameNode格式化.jpg

接下來啟動 Hadoop。

start-dfs.sh  # 開啟 NameNode 和 DataNode 進(jìn)程

若出現(xiàn)如下 SSH 的提示 “Are you sure you want to continue connecting”，輸入 yes 即可。

啟動Hadoop注意事項.jpg

啟動完成后，可以通過命令 jps 來判斷是否成功啟動，若出現(xiàn)下面 NameNode、DataNode、SecondaryNameNode、Jps 四個進(jìn)程，則 Hadoop 啟動成功。

jps  # 查看進(jìn)程判斷 Hadoop 是否啟動成功

判斷Hadoop是否啟動成功.jpg

成功啟動后，也可以訪問 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，還可以在線查看 HDFS 中的文件。

Hadoop正常啟動Web界面.jpg

啟動YARN

YARN 是從 MapReduce 中分離出來的，負(fù)責(zé)資源管理與任務(wù)調(diào)度。YARN 運(yùn)行于 MapReduce 之上，提供了高可用性、高擴(kuò)展性。（偽分布式不啟動 YARN 也可以，一般不會影響程序執(zhí)行）

上述通過 start-dfs.sh 命令啟動 Hadoop，僅僅是啟動了 MapReduce 環(huán)境，我們可以啟動 YARN ，讓 YARN 來負(fù)責(zé)資源管理與任務(wù)調(diào)度。

首先修改配置文件 mapred-site.xml ，需要先將 mapred-site.xml.template 文件的重命名為 mapred-site.xml。

mv ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml # 文件重命名
gedit ./etc/hadoop/mapred-site.xml         # 用gedit 文本編輯器打開

<configuration>
 <property>
 <name>mapreduce.framework.name</name>
 <value>yarn</value>
 </property>
</configuration>

接著修改配置文件 yarn-site.xml 。

gedit ./etc/hadoop/yarn-site.xml # 用gedit 文本編輯器打開

<configuration>
 <property>
 <name>yarn.nodemanager.aux-services</name>
 <value>mapreduce_shuffle</value>
 </property>
</configuration>

然后就可以啟動 YARN 了，執(zhí)行 start-yarn.sh 命令。

注意：在啟動 YARN 之前，要確保 dfs Hadoop 已經(jīng)啟動，也就是執(zhí)行過 start-dfs.sh 。

start-yarn.sh   # 啟動YARN
mr-jobhistory-daemon.sh start historyserver # 開啟歷史服務(wù)器，才能在Web中查看任務(wù)運(yùn)行情況

開啟后通過 jps 查看，可以看到多了 NodeManager 和 ResourceManager 兩個進(jìn)程，如下圖所示。

啟動YARN.jpg

啟動 YARN 之后，運(yùn)行實例的方法還是一樣的，僅僅是資源管理方式、任務(wù)調(diào)度不同。啟動 YARN 有個好處是可以通過 Web 界面查看任務(wù)的運(yùn)行情況： http://localhost:8088/cluster 如下圖所示。

YARN的Web界面.jpg

YARN 主要是為集群提供更好的資源管理與任務(wù)調(diào)度，如果不想啟動 YARN，務(wù)必把配置文件 mapred-site.xml 重命名，改成 mapred-site.xml.template，需要用時改回來就行。否則在該配置文件存在，而未開啟 YARN 的情況下，運(yùn)行程序會提示 “Retrying connect to server: 0.0.0.0/0.0.0.0:8032” 的錯誤，這也是為何該配置文件初始文件名為 mapred-site.xml.template。

關(guān)閉 YARN 的命令如下，開啟是 start，關(guān)閉是 stop。

stop-yarn.sh
mr-jobhistory-daemon.sh stop historyserver

在平時的學(xué)習(xí)中，我們使用偽分布式就足夠了。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論